CN116819971A - 一种涡轮发电机组的输出稳定性控制方法及系统 - Google Patents
一种涡轮发电机组的输出稳定性控制方法及系统 Download PDFInfo
- Publication number
- CN116819971A CN116819971A CN202311085939.8A CN202311085939A CN116819971A CN 116819971 A CN116819971 A CN 116819971A CN 202311085939 A CN202311085939 A CN 202311085939A CN 116819971 A CN116819971 A CN 116819971A
- Authority
- CN
- China
- Prior art keywords
- turbine
- control
- output stability
- environment
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000002245 particle Substances 0.000 claims abstract description 179
- 230000001105 regulatory effect Effects 0.000 claims abstract description 58
- 238000012795 verification Methods 0.000 claims abstract description 57
- 238000010248 power generation Methods 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 230000001276 controlling effect Effects 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 claims description 23
- 230000007613 environmental effect Effects 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明提供了一种涡轮发电机组的输出稳定性控制方法及系统,涉及智能控制技术领域,该方法包括:搭建M个涡轮机组调能单元;接收目标发电厂的涡轮调能指令;搭建涡轮机组控制粒子空间;生成第一涡轮机组控制粒子;获得第一环境契合度验证结果;获得第一输出稳定性系数;若第一输出稳定性系数大于预设输出稳定性系数,将第一涡轮机组控制粒子输出为涡轮机组控制决策,解决了现有技术中存在的由于大多是通过统一控制的形式对电厂内的机组进行发电控制,缺乏对于机组的输出稳定性分析和环境匹配性分析,导致涡轮发电机组输出的电能不稳定的技术问题,实现对涡轮发电机组的优化控制,达到提升输出稳定性的技术效果。
Description
技术领域
本发明涉及智能控制技术领域,具体涉及一种涡轮发电机组的输出稳定性控制方法及系统。
背景技术
涡轮发电机是将工作流体的动能转换成电能的发电设备,从流动的液体或气体中捕获能量,包括风力发电机、水轮发电机、燃气轮发电机等,在风力发电机中,弯曲的叶片捕获风能,从而使叶片旋转产生电力,涡轮发电机是大型发电厂内的必备发电设备。涡轮发电机在工作过程中,其输出的电能(发电量、发电电压等)可能会发生波动,对后续配电会产生影响,因此,对涡轮发电机组的输出稳定性进行分析控制具有重要现实意义。
涡轮发电机大多是通过新能源进行发电,比如风力、水力等,现有技术中,对于涡轮发电机组的控制大多是通过统一控制的形式对电厂内的机组进行发电控制,缺乏对于机组的输出稳定性分析和环境匹配性分析,导致涡轮发电机组输出的电能不稳定。
发明内容
本发明提供了一种涡轮发电机组的输出稳定性控制方法及系统,用以解决现有技术中存在的由于大多是通过统一控制的形式对电厂内的机组进行发电控制,缺乏对于机组的输出稳定性分析和环境匹配性分析,导致涡轮发电机组输出的电能不稳定的技术问题。
根据本发明的第一方面,提供了一种涡轮发电机组的输出稳定性控制方法,包括:根据所述数据交互终端采集目标发电厂内的M个涡轮发电机组的基础信息,搭建M个涡轮机组调能单元,且,M为大于1的正整数;通过所述涡轮机组调能管理端接收目标发电厂的涡轮调能指令,其中,所述涡轮调能指令包括预设涡轮调能容量,且,所述预设涡轮调能容量具有调能时限标识;搭建涡轮机组控制粒子空间,其中,所述涡轮机组控制粒子空间通过以预设置信算子对所述预设涡轮调能容量和所述调能时限标识进行控制记录的数据挖掘获取;生成第一涡轮机组控制粒子,其中,所述第一涡轮机组控制粒子通过对所述涡轮机组控制粒子空间进行随机选择获得;根据所述调能时限标识对所述第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果;当所述第一环境契合度验证结果为通过时,生成第一稳定性预测指令,基于所述第一稳定性预测指令,根据输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第一涡轮机组控制粒子进行输出稳定性预测,获得第一输出稳定性系数;判断所述第一输出稳定性系数是否大于预设输出稳定性系数;若所述第一输出稳定性系数大于所述预设输出稳定性系数,将所述第一涡轮机组控制粒子输出为涡轮机组控制决策;将所述涡轮机组控制决策发送至所述涡轮机组控制终端,所述涡轮机组控制终端按照所述涡轮机组控制决策对所述M个涡轮发电机组进行控制。
根据本发明的第二方面,提供了一种涡轮发电机组的输出稳定性控制系统,包括:机组调能单元搭建模块,所述机组调能单元搭建模块用于根据所述数据交互终端采集目标发电厂内的M个涡轮发电机组的基础信息,搭建M个涡轮机组调能单元,且,M为大于1的正整数;涡轮调能指令接收模块,所述涡轮调能指令接收模块用于通过所述涡轮机组调能管理端接收目标发电厂的涡轮调能指令,其中,所述涡轮调能指令包括预设涡轮调能容量,且,所述预设涡轮调能容量具有调能时限标识;控制粒子空间搭建模块,所述控制粒子空间搭建模块用于搭建涡轮机组控制粒子空间,其中,所述涡轮机组控制粒子空间通过以预设置信算子对所述预设涡轮调能容量和所述调能时限标识进行控制记录的数据挖掘获取;第一涡轮机组控制粒子生成模块,所述第一涡轮机组控制粒子生成模块用于生成第一涡轮机组控制粒子,其中,所述第一涡轮机组控制粒子通过对所述涡轮机组控制粒子空间进行随机选择获得;环境契合度验证模块,所述环境契合度验证模块用于根据所述调能时限标识对所述第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果;第一输出稳定性系数获取模块,所述第一输出稳定性系数获取模块用于当所述第一环境契合度验证结果为通过时,生成第一稳定性预测指令,基于所述第一稳定性预测指令,根据输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第一涡轮机组控制粒子进行输出稳定性预测,获得第一输出稳定性系数;稳定性系数判断模块,所述稳定性系数判断模块用于判断所述第一输出稳定性系数是否大于预设输出稳定性系数;控制决策输出模块,所述控制决策输出模块用于若所述第一输出稳定性系数大于所述预设输出稳定性系数,将所述第一涡轮机组控制粒子输出为涡轮机组控制决策;发电控制模块,所述发电控制模块用于将所述涡轮机组控制决策发送至所述涡轮机组控制终端,所述涡轮机组控制终端按照所述涡轮机组控制决策对所述M个涡轮发电机组进行控制。
根据本发明采用的一个或多个技术方案,可达到的有益效果如下:
1.根据所述数据交互终端采集目标发电厂内的M个涡轮发电机组的基础信息,搭建M个涡轮机组调能单元,通过涡轮机组调能管理端接收目标发电厂的涡轮调能指令,搭建涡轮机组控制粒子空间,生成第一涡轮机组控制粒子,根据调能时限标识对第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果,当第一环境契合度验证结果为通过时,生成第一稳定性预测指令,基于第一稳定性预测指令,根据输出稳定性寻优函数和M个涡轮机组调能单元对第一涡轮机组控制粒子进行输出稳定性预测,获得第一输出稳定性系数,判断第一输出稳定性系数是否大于预设输出稳定性系数,若第一输出稳定性系数大于预设输出稳定性系数,将第一涡轮机组控制粒子输出为涡轮机组控制决策,涡轮机组控制终端按照涡轮机组控制决策对M个涡轮发电机组进行控制,由此实现对涡轮发电机组的优化控制,提升输出稳定性的技术效果。
2.遍历多个涡轮机组控制记录,获取第i涡轮机组控制记录;基于多个涡轮机组控制记录,对第i涡轮机组控制记录进行全局支持度分析,获得第i控制全局支持算子,基于多个涡轮机组控制记录,对第i涡轮机组控制记录进行个体支持度分析,获得多个第i控制个体支持算子,生成第i控制个体支持平均算子,其中,第i控制个体支持平均算子为多个第i控制个体支持算子的平均值,获得第i控制置信算子,其中,第i控制置信算子通过对第i控制全局支持算子和第i控制个体支持平均算子进行比值计算获得,判断第i控制置信算子是否小于预设置信算子,若第i控制置信算子大于/等于预设置信算子,将第i涡轮机组控制记录添加至涡轮机组控制粒子空间,由此实现对多个涡轮机组控制记录的初步筛选,剔除应用次数较低的涡轮机组控制记录,达到为后续的涡轮发电机组输出稳定性控制提供基础,减小寻优数据量,提升涡轮机组控制决策的分析效率的技术效果。
3.系统还包括数字孪生端,激活数字孪生端,根据数字孪生端对M个涡轮机组调能单元进行建模,生成涡轮机组孪生模型,其中,涡轮机组孪生模型包括M个涡轮孪生子模型,获得M个涡轮模拟输出集,其中,M个涡轮模拟输出集通过以第一涡轮机组控制粒子和数字孪生端对涡轮机组孪生模型进行仿真控制获取,生成M个涡轮输出稳定性指数,其中,M个涡轮输出稳定性指数通过分别对M个涡轮模拟输出集进行输出稳定性评价获取,以输出稳定性寻优函数对M个涡轮输出稳定性指数进行计算,得到第一输出稳定性系数,实现对第一涡轮机组控制粒子的输出稳定性分析,为后续的涡轮发电机组的控制提供支持,达到提升涡轮发电机组的输出稳定性的技术效果。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种涡轮发电机组的输出稳定性控制方法的流程示意图;
图2为本发明一种涡轮发电机组的输出稳定性控制方法的硬件连接示意图;
图3为本发明实施例提供的一种涡轮发电机组的输出稳定性控制系统的结构示意图。
附图标记说明:机组调能单元搭建模块11,涡轮调能指令接收模块12,控制粒子空间搭建模块13,第一涡轮机组控制粒子生成模块14,环境契合度验证模块15,第一输出稳定性系数获取模块16。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。
说明书中使用的术语用于描述实施例,而不是限制本发明。如在说明书中所使用的,单数术语“一”“一个”和“该”旨在也包括复数形式,除非上下文另有清楚指示。当在说明书中使用时,术语“包括”和/或“包含”指定了步骤、操作、元件和/或组件的存在,但是不排除一个或多个其他步骤、操作、元件、组件和/或其组的存在或添加。
除非另有定义,本说明书中使用的所有术语(包括技术和科学术语)应具有与本发明所属领域的技术人员通常理解的相同含义。术语,如常用词典中定义的术语,不应以理想化或过于正式的意义来解释,除非在此明确定义。在整个说明书中,相同的附图标记表示相同的元件。
需要说明的是,本发明所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
实施例一
图1为本发明实施例提供的一种涡轮发电机组的输出稳定性控制方法图,所述方法应用于一种涡轮发电机组的输出稳定性控制系统,所述系统包括涡轮机组控制终端、涡轮机组调能管理端和数据交互终端,图2为本发明一种涡轮发电机组的输出稳定性控制方法的硬件连接示意图,兹参照图1、图2作说明,所述方法包括:
根据所述数据交互终端采集目标发电厂内的M个涡轮发电机组的基础信息,搭建M个涡轮机组调能单元,且,M为大于1的正整数;
本发明实施例提供一种涡轮发电机组的输出稳定性控制方法,所述方法应用于一种涡轮发电机组的输出稳定性控制系统,所述系统是用于执行一种涡轮发电机组的输出稳定性控制方法中任意一项方法的步骤的系统平台,所述系统包括涡轮机组控制终端、涡轮机组调能管理端和数据交互终端,所述涡轮机组控制终端是用于对涡轮发电机组的发电输出进行控制的控制中心。所述涡轮机组调能管理端是用于根据发电需求对涡轮发电机组的发电量进行调控管理的终端。所述数据交互终端是用于采集涡轮发电机组的基础信息的终端设备,比如可以是目标发电厂内的自动发电设备管理系统,从中可以调取发电设备的任意信息。
涡轮发电机组是电厂内将工作流体的动能转换成电能的机器,比如,风力发电机组中,弯曲的叶片捕获风能,从而使叶片旋转产生电能。目标发电厂是指通过涡轮发电机组进行发电的任一电厂,目标发电厂内由M个涡轮发电机组,M为大于1的正整数,根据所述数据交互终端采集目标发电厂内的M个涡轮发电机组的基础信息,搭建M个涡轮机组调能单元,基础信息是指涡轮发电机组的结构组成、发电功率等参数,可通过数据交互终端直接采集获取。一个及其对应的基础信息组成一个涡轮机组调能单元。
通过所述涡轮机组调能管理端接收目标发电厂的涡轮调能指令,其中,所述涡轮调能指令包括预设涡轮调能容量,且,所述预设涡轮调能容量具有调能时限标识;
通过所述涡轮机组调能管理端接收目标发电厂的涡轮调能指令,目标发电厂生产出的电能会输送至电能用户,目标发电厂会根据电能用户的实际电能需求量生成涡轮调能指令,比如电能用户的实际电能需求量减少时,就需要减少涡轮发电机组的发电量,由此生成涡轮调能指令,其中,所述涡轮调能指令包括预设涡轮调能容量,预设涡轮调能容量即为根据实际电能需求量确定的需要调整(增加或减少)的发电量,所述预设涡轮调能容量具有调能时限标识,简单来说,电能用户的实际电能需求量可能实时发生变化,不同的时间下实际电能需求量不同,因此,需要在对应的时间内进行调整。
搭建涡轮机组控制粒子空间,其中,所述涡轮机组控制粒子空间通过以预设置信算子对所述预设涡轮调能容量和所述调能时限标识进行控制记录的数据挖掘获取;
在一个优选实施例中,还包括:
以所述预设涡轮调能容量和所述调能时限标识为检索约束算子;对所述M个涡轮机组调能单元进行控制变量采集,获得M组涡轮发电控制变量,并将所述M组涡轮发电控制变量设置为检索目标算子;以所述检索约束算子和所述检索目标算子进行涡轮发电机组的控制记录采集,获得多个涡轮机组控制记录;根据所述预设置信算子对所述多个涡轮机组控制记录进行筛选,获得所述涡轮机组控制粒子空间。
在一个优选实施例中,还包括:
遍历所述多个涡轮机组控制记录,获取第i涡轮机组控制记录;基于所述多个涡轮机组控制记录,对所述第i涡轮机组控制记录进行全局支持度分析,获得第i控制全局支持算子;基于所述多个涡轮机组控制记录,对所述第i涡轮机组控制记录进行个体支持度分析,获得多个第i控制个体支持算子;生成第i控制个体支持平均算子,其中,所述第i控制个体支持平均算子为所述多个第i控制个体支持算子的平均值;获得第i控制置信算子,其中,所述第i控制置信算子通过对所述第i控制全局支持算子和所述第i控制个体支持平均算子进行比值计算获得;判断所述第i控制置信算子是否小于所述预设置信算子;若所述第i控制置信算子大于/等于所述预设置信算子,将所述第i涡轮机组控制记录添加至所述涡轮机组控制粒子空间。
以所述预设涡轮调能容量和所述调能时限标识为检索约束算子,对所述M个涡轮机组调能单元进行控制变量采集,获得M组涡轮发电控制变量,并将所述M组涡轮发电控制变量设置为检索目标算子,涡轮发电控制变量是指用于对涡轮发电机组的发电量进行控制的可以调整的参数,比如涡轮发电机组转速、功率等参数,具体可结合实际情况确定。简单来说,所述预设涡轮调能容量和所述调能时限标识是进行涡轮发电机组的发电量调控目标,将其作为检索约束算子,以M组涡轮发电控制变量则作为检索目标算子,进行涡轮发电机组的控制记录采集,获得多个涡轮机组控制记录,多个涡轮机组控制记录是涡轮发电机组的历史控制记录,就是历史控制记录中,使得涡轮发电机组的发电量满足所述预设涡轮调能容量和所述调能时限标识的历史控制参数。
进一步根据所述预设置信算子对所述多个涡轮机组控制记录进行筛选,获得所述涡轮机组控制粒子空间,所述涡轮机组控制粒子空间包括筛选出的多个涡轮机组控制记录,由此实现对涡轮机组控制记录的初步筛选,为后续的机组输出稳定性控制提供基础。
其中,根据所述预设置信算子对所述多个涡轮机组控制记录进行筛选,获得所述涡轮机组控制粒子空间的过程如下:
遍历所述多个涡轮机组控制记录,获取第i涡轮机组控制记录,第i涡轮机组控制记录泛指多个涡轮机组控制记录中的任意一个涡轮机组控制记录,i为大于等于1的整数。基于所述多个涡轮机组控制记录,对所述第i涡轮机组控制记录进行全局支持度分析,全局支持度分析就是统计第i涡轮机组控制记录在多个涡轮机组控制记录中出现的次数,将其作为第i控制全局支持算子。基于所述多个涡轮机组控制记录,对所述第i涡轮机组控制记录进行个体支持度分析,获得多个第i控制个体支持算子,简单来说,每个涡轮机组控制记录包括多个涡轮发电控制变量,比如转速、功率等,统计第i涡轮机组控制记录中的多个控制变量参数分别在多个涡轮机组控制记录中出现的次数作为多个第i控制个体支持算子,进一步对多个第i控制个体支持算子求平均值,平均值计算结果即为第i控制个体支持平均算子。
对所述第i控制全局支持算子和所述第i控制个体支持平均算子进行比值计算,以比值计算结果作为第i控制置信算子,进一步判断所述第i控制置信算子是否小于所述预设置信算子,所述预设置信算子由本领域技术人员自行设定,就是说,第i控制置信算子越大,说明第i涡轮机组控制记录在多个涡轮机组控制记录中出现的次数越高,其应用的越频繁,基于此,若所述第i控制置信算子大于/等于所述预设置信算子,将所述第i涡轮机组控制记录添加至所述涡轮机组控制粒子空间,以此类推,遍历所述多个涡轮机组控制记录组建所述涡轮机组控制粒子空间,所述涡轮机组控制粒子空间包括筛选出的多个涡轮机组控制记录,为后续的涡轮发电机组输出稳定性控制提供基础。
生成第一涡轮机组控制粒子,其中,所述第一涡轮机组控制粒子通过对所述涡轮机组控制粒子空间进行随机选择获得;
生成第一涡轮机组控制粒子,其中,所述第一涡轮机组控制粒子通过对所述涡轮机组控制粒子空间进行随机选择获得,也就是说,所述第一涡轮机组控制粒子是所述涡轮机组控制粒子空间中的任意一个涡轮机组控制记录。
根据所述调能时限标识对所述第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果;
根据所述调能时限标识对所述第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果,简单来说,涡轮发电机组对运行环境有一定的需求,示例性地,当涡轮发电机组为风力涡轮发电机组时,在时限标识的时间段内对风力有一定的需求,风力不够或者风力过大都会导致发电输出不佳。
在一个优选实施例中,还包括:
获得第一粒子环境需求信息,其中,所述第一粒子环境需求信息通过对所述第一涡轮机组控制粒子进行环境需求识别获取;所述系统还包括环境预测端,激活所述环境预测端,所述环境预测端根据所述调能时限标识进行环境预测,生成预测环境信息;以预先构建的孪生环境分析器对所述第一粒子环境需求信息和所述预测环境信息进行环境契合度评价,获得第一环境契合度;判断所述第一环境契合度是否满足预设环境契合度约束;若所述第一环境契合度不满足所述预设环境契合度约束,获得的所述第一环境契合度验证结果为不通过,并生成第一粒子淘汰指令。
简单来说,涡轮发电机组对运行环境有一定的需求,示例性地,当涡轮发电机组为风力涡轮发电机组时,在时限标识的时间段内对风力有一定的需求,风力不够或者风力过大都会导致发电输出不佳。因此,需要根据所述调能时限标识对所述第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果,具体过程如下:
获得第一粒子环境需求信息,其中,所述第一粒子环境需求信息通过对所述第一涡轮机组控制粒子进行环境需求识别获取,具体可通过历史经验获取,比如,获取同类型涡轮发电机组在所述第一涡轮机组控制粒子下的历史环境需求数据(比如风力大小)作为第一粒子环境需求信息。所述系统还包括环境预测端,激活所述环境预测端,所述环境预测端根据所述调能时限标识进行环境预测,生成预测环境信息,简单来说,可以通过连接现有的气象预报系统作为环境预测端,按照调能时限标识获取对应时间段内的预测环境信息,也可通过采集所述目标电厂的历史环境信息,根据历史环境信息进行调能时限标识获取对应时间段的环境预测,环境预测是本领域技术人员常用技术手段,在此不进行展开。
以预先构建的孪生环境分析器对所述第一粒子环境需求信息和所述预测环境信息进行环境契合度评价,获得第一环境契合度,孪生环境分析器包括两个相同的神经网络,分别用于对所述第一粒子环境需求信息和所述预测环境信息进行环境特征提取,比如分别提取第一粒子环境需求信息的需求风力、风速等,以及所述预测环境信息的预测风力、风速等,然后对两者进行相似性分析,可对第一粒子环境需求信息的需求风力、风速等和所述预测环境信息的预测风力、风速等进行差值计算,用1减去差值计算结果与第一粒子环境需求信息的比值作为第一环境契合度。进一步设置预设环境契合度约束,预设环境契合度约束是指实际应用中,允许存在的环境契合度偏差,具体需结合实际经验确定,就是说,实际环境很难与第一粒子环境需求信息完全相同,只要其相差不大,就可认为符合要求。基于此,判断所述第一环境契合度是否满足预设环境契合度约束,若所述第一环境契合度不满足所述预设环境契合度约束,获得的所述第一环境契合度验证结果为不通过,并生成第一粒子淘汰指令,将所述第一涡轮机组控制粒子从所述涡轮机组控制粒子空间中剔除;若所述第一环境契合度满足所述预设环境契合度约束,获得的所述第一环境契合度验证结果为通过,保留所述第一涡轮机组控制粒子。以此类推,继续提取所述涡轮机组控制粒子空间中除去第二涡轮机组控制粒子以外的其他任意一个涡轮机组控制记录作为第二涡轮机组控制粒子,进行环境契合度分析,直至将所有的涡轮机组控制记录分析完毕,将环境契合度验证结果为不通过的涡轮机组控制记录从所述涡轮机组控制粒子空间中剔除,由此实现对涡轮机组控制粒子空间中的涡轮机组控制记录的二次筛选,从而达到提升对涡轮发电机组的控制准确性的技术效果。
当所述第一环境契合度验证结果为通过时,生成第一稳定性预测指令,基于所述第一稳定性预测指令,根据输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第一涡轮机组控制粒子进行输出稳定性预测,获得第一输出稳定性系数;
在一个优选实施例中,还包括:
所述系统还包括数字孪生端,激活所述数字孪生端,根据所述数字孪生端对所述M个涡轮机组调能单元进行建模,生成涡轮机组孪生模型,其中,所述涡轮机组孪生模型包括M个涡轮孪生子模型;获得M个涡轮模拟输出集,其中,所述M个涡轮模拟输出集通过以所述第一涡轮机组控制粒子和所述数字孪生端对所述涡轮机组孪生模型进行仿真控制获取;生成M个涡轮输出稳定性指数,其中,所述M个涡轮输出稳定性指数通过分别对所述M个涡轮模拟输出集进行输出稳定性评价获取;以所述输出稳定性寻优函数对所述M个涡轮输出稳定性指数进行计算,得到所述第一输出稳定性系数。
在一个优选实施例中,还包括:
所述输出稳定性寻优函数包括稳定源算子转换函数和稳定性系数计算函数,所述稳定源算子转换函数为:
;
其中,m为正整数,且,m属于M,表征M个涡轮输出稳定性指数中的第m个涡轮输出稳定性指数,/>表征预设涡轮输出稳定性指数,/>表征第m个涡轮输出稳定性指数对应的涡轮稳定源算子;
将所述M个涡轮输出稳定性指数输入所述稳定源算子转换函数,获得所述M个涡轮输出稳定性指数对应的M个涡轮稳定源算子;
将所述M个涡轮稳定源算子输入所述稳定性系数计算函数,获得所述第一输出稳定性系数,所述稳定性系数计算函数为:
;
其中,表征第一输出稳定性系数,/>表征第m个涡轮输出稳定性指数对应的涡轮稳定源算子,/>表征M个涡轮稳定源算子的平均值。
当所述第一环境契合度验证结果为通过时,生成第一稳定性预测指令,基于所述第一稳定性预测指令,根据输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第一涡轮机组控制粒子进行输出稳定性预测,获得第一输出稳定性系数,具体过程如下:
所述系统还包括数字孪生端,数字孪生端用于通过数字孪生技术进行数字孪生建模,其内嵌现有技术中的数字孪生建模平台,激活所述数字孪生端,根据所述数字孪生端对所述M个涡轮机组调能单元进行建模,简单来说,就是将M个涡轮机组调能单元中的涡轮发电机组的基础信息输入数字孪生端,数字孪生端通过内嵌的数字孪生建模平台对M个涡轮机组调能单元进行建模,即可生成涡轮机组孪生模型,其中,所述涡轮机组孪生模型包括M个涡轮孪生子模型,数字孪生建模是本领域技术人员常用技术手段,故在此不进行展开。
以所述第一涡轮机组控制粒子和所述数字孪生端对所述涡轮机组孪生模型进行仿真控制,获得M个涡轮模拟输出集,所述M个涡轮模拟输出集包括M个涡轮孪生子模型输出的涡轮发电机组的发电功率、发电量、发电电压等参数。生成M个涡轮输出稳定性指数,其中,所述M个涡轮输出稳定性指数通过分别对所述M个涡轮模拟输出集进行输出稳定性评价获取,简单来说,就是分析所述M个涡轮模拟输出集中的发电功率、发电量、发电电压等参数的变化是否稳定,变化幅度越小,涡轮输出稳定性指数就越高,示例性地,可分别计算所述M个涡轮模拟输出集的方差作为M个涡轮输出稳定性指数。
以所述输出稳定性寻优函数对所述M个涡轮输出稳定性指数进行计算,得到所述第一输出稳定性系数,具体过程如下:
所述输出稳定性寻优函数包括稳定源算子转换函数和稳定性系数计算函数,所述稳定源算子转换函数为:
;
其中,m为正整数,且,m属于M,表征M个涡轮输出稳定性指数中的第m个涡轮输出稳定性指数,/>表征预设涡轮输出稳定性指数,由本领域技术人员自行设定,可根据需求的涡轮发电机组输出稳定性确定,就是说,不同的用户对于稳定性的需求不同,比如有的用户需求精度较高,预设涡轮输出稳定性指数可以设置小一些,便于筛选出数据变换范围较小的涡轮模拟输出集,/>表征第m个涡轮输出稳定性指数对应的涡轮稳定源算子,也就是需要求取的参数。
将所述M个涡轮输出稳定性指数输入所述稳定源算子转换函数,获得所述M个涡轮输出稳定性指数对应的M个涡轮稳定源算子,将所述M个涡轮稳定源算子输入所述稳定性系数计算函数,获得所述第一输出稳定性系数,所述稳定性系数计算函数为:
;
其中,表征第一输出稳定性系数,/>表征第m个涡轮输出稳定性指数对应的涡轮稳定源算子,/>表征M个涡轮稳定源算子的平均值。
通过稳定性系数计算函数计算获取第一涡轮机组控制粒子对应的第一输出稳定性系数,由此实现对第一涡轮机组控制粒子的输出稳定性分析,为后续的涡轮发电机组的控制提供支持,达到提升涡轮发电机组的输出稳定性的技术效果。
判断所述第一输出稳定性系数是否大于预设输出稳定性系数;
若所述第一输出稳定性系数大于所述预设输出稳定性系数,将所述第一涡轮机组控制粒子输出为涡轮机组控制决策;
判断所述第一输出稳定性系数是否大于预设输出稳定性系数,预设输出稳定性系数由本领域技术人员结合实际需求设置,如果想要让涡轮发电机组的输出数据,比如希望发电量的变化浮动越小,预设输出稳定性系数就越小。
若所述第一输出稳定性系数大于所述预设输出稳定性系数,将所述第一输出稳定性系数对应的所述第一涡轮机组控制粒子输出为涡轮机组控制决策。
在一个优选实施例中,还包括:
若所述第一输出稳定性系数小于/等于所述预设输出稳定性系数,基于所述涡轮机组控制粒子空间,获得第二涡轮机组控制粒子;根据所述调能时限标识对所述第二涡轮机组控制粒子进行环境契合度验证,获得第二环境契合度验证结果;当所述第二环境契合度验证结果为通过时,根据所述输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第二涡轮机组控制粒子进行输出稳定性预测,获得第二输出稳定性系数;判断所述第二输出稳定性系数是否大于所述预设输出稳定性系数;若所述第二输出稳定性系数大于所述预设输出稳定性系数,将所述第二涡轮机组控制粒子输出为所述涡轮机组控制决策;若所述第二输出稳定性系数小于/等于所述预设输出稳定性系数,继续对所述涡轮机组控制粒子空间进行迭代寻优,直至获得所述涡轮机组控制决策。
若所述第一输出稳定性系数小于/等于所述预设输出稳定性系数,基于所述涡轮机组控制粒子空间,获得第二涡轮机组控制粒子,第二涡轮机组控制粒子泛指所述涡轮机组控制粒子空间中除第一涡轮机组控制粒子以外的其他任意一个涡轮机组控制记录。根据所述调能时限标识,采用与获得第一环境契合度验证结果相同的方法,对所述第二涡轮机组控制粒子进行环境契合度验证,获得第二环境契合度验证结果,当所述第二环境契合度验证结果为不通过时,则继续提取所述涡轮机组控制粒子空间中除第一涡轮机组控制粒子和第二涡轮机组控制粒子以外的其他任意一个涡轮机组控制记录作为第三涡轮机组控制粒子,采用相同的方法进行分析。当所述第二环境契合度验证结果为通过时,根据所述输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第二涡轮机组控制粒子进行输出稳定性预测,获得第二输出稳定性系数,判断所述第二输出稳定性系数是否大于所述预设输出稳定性系数,若所述第二输出稳定性系数大于所述预设输出稳定性系数,将所述第二涡轮机组控制粒子输出为所述涡轮机组控制决策,若所述第二输出稳定性系数小于/等于所述预设输出稳定性系数,继续对所述涡轮机组控制粒子空间进行迭代寻优,就是对涡轮控制粒子空间内的其他涡轮机组控制记录进行迭代分析,直至对应的输出稳定性系数大于所述预设输出稳定性系数,从而获得所述涡轮机组控制决策。由此通过对所述涡轮机组控制粒子空间进行迭代寻优,达到提升所述涡轮机组控制决策的准确性,从而提升涡轮发电机组的输出稳定性的技术效果。
将所述涡轮机组控制决策发送至所述涡轮机组控制终端,所述涡轮机组控制终端按照所述涡轮机组控制决策对所述M个涡轮发电机组进行控制。
最后,将所述涡轮机组控制决策发送至所述涡轮机组控制终端,所述涡轮机组控制终端按照所述涡轮机组控制决策对所述M个涡轮发电机组进行控制,使得所述M个涡轮发电机组的输出趋于稳定,保证发电量、发电电压等的稳定性。
基于上述分析可知,本发明提供的一个或多个技术方案,可达到的有益效果如下:
1.根据所述数据交互终端采集目标发电厂内的M个涡轮发电机组的基础信息,搭建M个涡轮机组调能单元,通过涡轮机组调能管理端接收目标发电厂的涡轮调能指令,搭建涡轮机组控制粒子空间,生成第一涡轮机组控制粒子,根据调能时限标识对第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果,当第一环境契合度验证结果为通过时,生成第一稳定性预测指令,基于第一稳定性预测指令,根据输出稳定性寻优函数和M个涡轮机组调能单元对第一涡轮机组控制粒子进行输出稳定性预测,获得第一输出稳定性系数,判断第一输出稳定性系数是否大于预设输出稳定性系数,若第一输出稳定性系数大于预设输出稳定性系数,将第一涡轮机组控制粒子输出为涡轮机组控制决策,涡轮机组控制终端按照涡轮机组控制决策对M个涡轮发电机组进行控制,由此实现对涡轮发电机组的优化控制,提升输出稳定性的技术效果。
2.遍历多个涡轮机组控制记录,获取第i涡轮机组控制记录;基于多个涡轮机组控制记录,对第i涡轮机组控制记录进行全局支持度分析,获得第i控制全局支持算子,基于多个涡轮机组控制记录,对第i涡轮机组控制记录进行个体支持度分析,获得多个第i控制个体支持算子,生成第i控制个体支持平均算子,其中,第i控制个体支持平均算子为多个第i控制个体支持算子的平均值,获得第i控制置信算子,其中,第i控制置信算子通过对第i控制全局支持算子和第i控制个体支持平均算子进行比值计算获得,判断第i控制置信算子是否小于预设置信算子,若第i控制置信算子大于/等于预设置信算子,将第i涡轮机组控制记录添加至涡轮机组控制粒子空间,由此实现对多个涡轮机组控制记录的初步筛选,剔除应用次数较低的涡轮机组控制记录,达到为后续的涡轮发电机组输出稳定性控制提供基础,减小寻优数据量,提升涡轮机组控制决策的分析效率的技术效果。
3.系统还包括数字孪生端,激活数字孪生端,根据数字孪生端对M个涡轮机组调能单元进行建模,生成涡轮机组孪生模型,其中,涡轮机组孪生模型包括M个涡轮孪生子模型,获得M个涡轮模拟输出集,其中,M个涡轮模拟输出集通过以第一涡轮机组控制粒子和数字孪生端对涡轮机组孪生模型进行仿真控制获取,生成M个涡轮输出稳定性指数,其中,M个涡轮输出稳定性指数通过分别对M个涡轮模拟输出集进行输出稳定性评价获取,以输出稳定性寻优函数对M个涡轮输出稳定性指数进行计算,得到第一输出稳定性系数,实现对第一涡轮机组控制粒子的输出稳定性分析,为后续的涡轮发电机组的控制提供支持,达到提升涡轮发电机组的输出稳定性的技术效果。
实施例二
基于与前述实施例中一种涡轮发电机组的输出稳定性控制方法同样的发明构思,如图3所示,本发明还提供了一种涡轮发电机组的输出稳定性控制系统,所述系统包括:
机组调能单元搭建模块11,所述机组调能单元搭建模块11用于根据所述数据交互终端采集目标发电厂内的M个涡轮发电机组的基础信息,搭建M个涡轮机组调能单元,且,M为大于1的正整数;
涡轮调能指令接收模块12,所述涡轮调能指令接收模块12用于通过所述涡轮机组调能管理端接收目标发电厂的涡轮调能指令,其中,所述涡轮调能指令包括预设涡轮调能容量,且,所述预设涡轮调能容量具有调能时限标识;
控制粒子空间搭建模块13,所述控制粒子空间搭建模块13用于搭建涡轮机组控制粒子空间,其中,所述涡轮机组控制粒子空间通过以预设置信算子对所述预设涡轮调能容量和所述调能时限标识进行控制记录的数据挖掘获取;
第一涡轮机组控制粒子生成模块14,所述第一涡轮机组控制粒子生成模块14用于生成第一涡轮机组控制粒子,其中,所述第一涡轮机组控制粒子通过对所述涡轮机组控制粒子空间进行随机选择获得;
环境契合度验证模块15,所述环境契合度验证模块15用于根据所述调能时限标识对所述第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果;
第一输出稳定性系数获取模块16,所述第一输出稳定性系数获取模块16用于当所述第一环境契合度验证结果为通过时,生成第一稳定性预测指令,基于所述第一稳定性预测指令,根据输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第一涡轮机组控制粒子进行输出稳定性预测,获得第一输出稳定性系数;
稳定性系数判断模块17,所述稳定性系数判断模块17用于判断所述第一输出稳定性系数是否大于预设输出稳定性系数;
控制决策输出模块18,所述控制决策输出模块18用于若所述第一输出稳定性系数大于所述预设输出稳定性系数,将所述第一涡轮机组控制粒子输出为涡轮机组控制决策;
发电控制模块19,所述发电控制模块19用于将所述涡轮机组控制决策发送至所述涡轮机组控制终端,所述涡轮机组控制终端按照所述涡轮机组控制决策对所述M个涡轮发电机组进行控制。
进一步而言,所述控制粒子空间搭建模块13还用于:
以所述预设涡轮调能容量和所述调能时限标识为检索约束算子;
对所述M个涡轮机组调能单元进行控制变量采集,获得M组涡轮发电控制变量,并将所述M组涡轮发电控制变量设置为检索目标算子;
以所述检索约束算子和所述检索目标算子进行涡轮发电机组的控制记录采集,获得多个涡轮机组控制记录;
根据所述预设置信算子对所述多个涡轮机组控制记录进行筛选,获得所述涡轮机组控制粒子空间。
进一步而言,所述控制粒子空间搭建模块13还用于:
遍历所述多个涡轮机组控制记录,获取第i涡轮机组控制记录;基于所述多个涡轮机组控制记录,对所述第i涡轮机组控制记录进行全局支持度分析,获得第i控制全局支持算子;
基于所述多个涡轮机组控制记录,对所述第i涡轮机组控制记录进行个体支持度分析,获得多个第i控制个体支持算子;
生成第i控制个体支持平均算子,其中,所述第i控制个体支持平均算子为所述多个第i控制个体支持算子的平均值;
获得第i控制置信算子,其中,所述第i控制置信算子通过对所述第i控制全局支持算子和所述第i控制个体支持平均算子进行比值计算获得;
判断所述第i控制置信算子是否小于所述预设置信算子;
若所述第i控制置信算子大于/等于所述预设置信算子,将所述第i涡轮机组控制记录添加至所述涡轮机组控制粒子空间。
进一步而言,所述第一输出稳定性系数获取模块16还用于:
所述系统还包括数字孪生端,激活所述数字孪生端,根据所述数字孪生端对所述M个涡轮机组调能单元进行建模,生成涡轮机组孪生模型,其中,所述涡轮机组孪生模型包括M个涡轮孪生子模型;
获得M个涡轮模拟输出集,其中,所述M个涡轮模拟输出集通过以所述第一涡轮机组控制粒子和所述数字孪生端对所述涡轮机组孪生模型进行仿真控制获取;
生成M个涡轮输出稳定性指数,其中,所述M个涡轮输出稳定性指数通过分别对所述M个涡轮模拟输出集进行输出稳定性评价获取;
以所述输出稳定性寻优函数对所述M个涡轮输出稳定性指数进行计算,得到所述第一输出稳定性系数。
进一步而言,所述第一输出稳定性系数获取模块16还用于:
所述输出稳定性寻优函数包括稳定源算子转换函数和稳定性系数计算函数,所述稳定源算子转换函数为
;
其中,m为正整数,且,m属于M,表征M个涡轮输出稳定性指数中的第m个涡轮输出稳定性指数,/>表征预设涡轮输出稳定性指数,/>表征第m个涡轮输出稳定性指数对应的涡轮稳定源算子;
将所述M个涡轮输出稳定性指数输入所述稳定源算子转换函数,获得所述M个涡轮输出稳定性指数对应的M个涡轮稳定源算子;
将所述M个涡轮稳定源算子输入所述稳定性系数计算函数,获得所述第一输出稳定性系数,所述稳定性系数计算函数为
;
其中,表征第一输出稳定性系数,/>表征第m个涡轮输出稳定性指数对应的涡轮稳定源算子,/>表征M个涡轮稳定源算子的平均值。
进一步而言,所述控制决策输出模块18还用于:
若所述第一输出稳定性系数小于/等于所述预设输出稳定性系数,基于所述涡轮机组控制粒子空间,获得第二涡轮机组控制粒子;
根据所述调能时限标识对所述第二涡轮机组控制粒子进行环境契合度验证,获得第二环境契合度验证结果;
当所述第二环境契合度验证结果为通过时,根据所述输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第二涡轮机组控制粒子进行输出稳定性预测,获得第二输出稳定性系数;
判断所述第二输出稳定性系数是否大于所述预设输出稳定性系数;
若所述第二输出稳定性系数大于所述预设输出稳定性系数,将所述第二涡轮机组控制粒子输出为所述涡轮机组控制决策;
若所述第二输出稳定性系数小于/等于所述预设输出稳定性系数,继续对所述涡轮机组控制粒子空间进行迭代寻优,直至获得所述涡轮机组控制决策。
进一步而言,所述环境契合度验证模块15还用于:
获得第一粒子环境需求信息,其中,所述第一粒子环境需求信息通过对所述第一涡轮机组控制粒子进行环境需求识别获取;
所述系统还包括环境预测端,激活所述环境预测端,所述环境预测端根据所述调能时限标识进行环境预测,生成预测环境信息;
以预先构建的孪生环境分析器对所述第一粒子环境需求信息和所述预测环境信息进行环境契合度评价,获得第一环境契合度;
判断所述第一环境契合度是否满足预设环境契合度约束;
若所述第一环境契合度不满足所述预设环境契合度约束,获得的所述第一环境契合度验证结果为不通过,并生成第一粒子淘汰指令。
前述实施例一中的一种涡轮发电机组的输出稳定性控制方法具体实例同样适用于本实施例的一种涡轮发电机组的输出稳定性控制系统,通过前述对一种涡轮发电机组的输出稳定性控制方法的详细描述,本领域技术人员可以清楚地知道本实施例中一种涡轮发电机组的输出稳定性控制系统,所以为了说明书的简洁,在此不再详述。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤,只要能够实现本发明公开的技术方案所期望的结果,本文在此不进行限制。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种涡轮发电机组的输出稳定性控制方法,其特征在于,所述方法应用于一种涡轮发电机组的输出稳定性控制系统,所述系统包括涡轮机组控制终端、涡轮机组调能管理端和数据交互终端,所述方法包括:
根据所述数据交互终端采集目标发电厂内的M个涡轮发电机组的基础信息,搭建M个涡轮机组调能单元,且,M为大于1的正整数;
通过所述涡轮机组调能管理端接收目标发电厂的涡轮调能指令,其中,所述涡轮调能指令包括预设涡轮调能容量,且,所述预设涡轮调能容量具有调能时限标识;
搭建涡轮机组控制粒子空间,其中,所述涡轮机组控制粒子空间通过以预设置信算子对所述预设涡轮调能容量和所述调能时限标识进行控制记录的数据挖掘获取;
生成第一涡轮机组控制粒子,其中,所述第一涡轮机组控制粒子通过对所述涡轮机组控制粒子空间进行随机选择获得;
根据所述调能时限标识对所述第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果;
当所述第一环境契合度验证结果为通过时,生成第一稳定性预测指令,基于所述第一稳定性预测指令,根据输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第一涡轮机组控制粒子进行输出稳定性预测,获得第一输出稳定性系数;
判断所述第一输出稳定性系数是否大于预设输出稳定性系数;
若所述第一输出稳定性系数大于所述预设输出稳定性系数,将所述第一涡轮机组控制粒子输出为涡轮机组控制决策;
将所述涡轮机组控制决策发送至所述涡轮机组控制终端,所述涡轮机组控制终端按照所述涡轮机组控制决策对所述M个涡轮发电机组进行控制。
2.如权利要求1所述的方法,其特征在于,搭建涡轮机组控制粒子空间,包括:
以所述预设涡轮调能容量和所述调能时限标识为检索约束算子;
对所述M个涡轮机组调能单元进行控制变量采集,获得M组涡轮发电控制变量,并将所述M组涡轮发电控制变量设置为检索目标算子;
以所述检索约束算子和所述检索目标算子进行涡轮发电机组的控制记录采集,获得多个涡轮机组控制记录;
根据所述预设置信算子对所述多个涡轮机组控制记录进行筛选,获得所述涡轮机组控制粒子空间。
3.如权利要求2所述的方法,其特征在于,根据所述预设置信算子对所述多个涡轮机组控制记录进行筛选,获得所述涡轮机组控制粒子空间,包括:
遍历所述多个涡轮机组控制记录,获取第i涡轮机组控制记录;基于所述多个涡轮机组控制记录,对所述第i涡轮机组控制记录进行全局支持度分析,获得第i控制全局支持算子;
基于所述多个涡轮机组控制记录,对所述第i涡轮机组控制记录进行个体支持度分析,获得多个第i控制个体支持算子;
生成第i控制个体支持平均算子,其中,所述第i控制个体支持平均算子为所述多个第i控制个体支持算子的平均值;
获得第i控制置信算子,其中,所述第i控制置信算子通过对所述第i控制全局支持算子和所述第i控制个体支持平均算子进行比值计算获得;
判断所述第i控制置信算子是否小于所述预设置信算子;
若所述第i控制置信算子大于/等于所述预设置信算子,将所述第i涡轮机组控制记录添加至所述涡轮机组控制粒子空间。
4.如权利要求1所述的方法,其特征在于,根据输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第一涡轮机组控制粒子进行输出稳定性预测,获得第一输出稳定性系数,包括:
所述系统还包括数字孪生端,激活所述数字孪生端,根据所述数字孪生端对所述M个涡轮机组调能单元进行建模,生成涡轮机组孪生模型,其中,所述涡轮机组孪生模型包括M个涡轮孪生子模型;
获得M个涡轮模拟输出集,其中,所述M个涡轮模拟输出集通过以所述第一涡轮机组控制粒子和所述数字孪生端对所述涡轮机组孪生模型进行仿真控制获取;
生成M个涡轮输出稳定性指数,其中,所述M个涡轮输出稳定性指数通过分别对所述M个涡轮模拟输出集进行输出稳定性评价获取;
以所述输出稳定性寻优函数对所述M个涡轮输出稳定性指数进行计算,得到所述第一输出稳定性系数。
5.如权利要求4所述的方法,其特征在于,所述方法包括:
所述输出稳定性寻优函数包括稳定源算子转换函数和稳定性系数计算函数,所述稳定源算子转换函数为
;
其中,m为正整数,且,m属于M,表征M个涡轮输出稳定性指数中的第m个涡轮输出稳定性指数,/>表征预设涡轮输出稳定性指数,/>表征第m个涡轮输出稳定性指数对应的涡轮稳定源算子;
将所述M个涡轮输出稳定性指数输入所述稳定源算子转换函数,获得所述M个涡轮输出稳定性指数对应的M个涡轮稳定源算子;
将所述M个涡轮稳定源算子输入所述稳定性系数计算函数,获得所述第一输出稳定性系数,所述稳定性系数计算函数为
;
其中,表征第一输出稳定性系数,/>表征第m个涡轮输出稳定性指数对应的涡轮稳定源算子,/>表征M个涡轮稳定源算子的平均值。
6.如权利要求1所述的方法,其特征在于,判断所述第一输出稳定性系数是否大于预设输出稳定性系数,还包括:
若所述第一输出稳定性系数小于/等于所述预设输出稳定性系数,基于所述涡轮机组控制粒子空间,获得第二涡轮机组控制粒子;
根据所述调能时限标识对所述第二涡轮机组控制粒子进行环境契合度验证,获得第二环境契合度验证结果;
当所述第二环境契合度验证结果为通过时,根据所述输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第二涡轮机组控制粒子进行输出稳定性预测,获得第二输出稳定性系数;
判断所述第二输出稳定性系数是否大于所述预设输出稳定性系数;
若所述第二输出稳定性系数大于所述预设输出稳定性系数,将所述第二涡轮机组控制粒子输出为所述涡轮机组控制决策;
若所述第二输出稳定性系数小于/等于所述预设输出稳定性系数,继续对所述涡轮机组控制粒子空间进行迭代寻优,直至获得所述涡轮机组控制决策。
7.如权利要求1所述的方法,其特征在于,根据所述调能时限标识对所述第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果,包括:
获得第一粒子环境需求信息,其中,所述第一粒子环境需求信息通过对所述第一涡轮机组控制粒子进行环境需求识别获取;
所述系统还包括环境预测端,激活所述环境预测端,所述环境预测端根据所述调能时限标识进行环境预测,生成预测环境信息;
以预先构建的孪生环境分析器对所述第一粒子环境需求信息和所述预测环境信息进行环境契合度评价,获得第一环境契合度;
判断所述第一环境契合度是否满足预设环境契合度约束;
若所述第一环境契合度不满足所述预设环境契合度约束,获得的所述第一环境契合度验证结果为不通过,并生成第一粒子淘汰指令。
8.一种涡轮发电机组的输出稳定性控制系统,其特征在于,用于执行权利要求1至7所述的一种涡轮发电机组的输出稳定性控制方法中任意一项方法的步骤,所述系统包括涡轮机组控制终端、涡轮机组调能管理端和数据交互终端,所述系统包括:
机组调能单元搭建模块,所述机组调能单元搭建模块用于根据所述数据交互终端采集目标发电厂内的M个涡轮发电机组的基础信息,搭建M个涡轮机组调能单元,且,M为大于1的正整数;
涡轮调能指令接收模块,所述涡轮调能指令接收模块用于通过所述涡轮机组调能管理端接收目标发电厂的涡轮调能指令,其中,所述涡轮调能指令包括预设涡轮调能容量,且,所述预设涡轮调能容量具有调能时限标识;
控制粒子空间搭建模块,所述控制粒子空间搭建模块用于搭建涡轮机组控制粒子空间,其中,所述涡轮机组控制粒子空间通过以预设置信算子对所述预设涡轮调能容量和所述调能时限标识进行控制记录的数据挖掘获取;
第一涡轮机组控制粒子生成模块,所述第一涡轮机组控制粒子生成模块用于生成第一涡轮机组控制粒子,其中,所述第一涡轮机组控制粒子通过对所述涡轮机组控制粒子空间进行随机选择获得;
环境契合度验证模块,所述环境契合度验证模块用于根据所述调能时限标识对所述第一涡轮机组控制粒子进行环境契合度验证,获得第一环境契合度验证结果;
第一输出稳定性系数获取模块,所述第一输出稳定性系数获取模块用于当所述第一环境契合度验证结果为通过时,生成第一稳定性预测指令,基于所述第一稳定性预测指令,根据输出稳定性寻优函数和所述M个涡轮机组调能单元对所述第一涡轮机组控制粒子进行输出稳定性预测,获得第一输出稳定性系数;
稳定性系数判断模块,所述稳定性系数判断模块用于判断所述第一输出稳定性系数是否大于预设输出稳定性系数;
控制决策输出模块,所述控制决策输出模块用于若所述第一输出稳定性系数大于所述预设输出稳定性系数,将所述第一涡轮机组控制粒子输出为涡轮机组控制决策;
发电控制模块,所述发电控制模块用于将所述涡轮机组控制决策发送至所述涡轮机组控制终端,所述涡轮机组控制终端按照所述涡轮机组控制决策对所述M个涡轮发电机组进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311085939.8A CN116819971B (zh) | 2023-08-28 | 2023-08-28 | 一种涡轮发电机组的输出稳定性控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311085939.8A CN116819971B (zh) | 2023-08-28 | 2023-08-28 | 一种涡轮发电机组的输出稳定性控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116819971A true CN116819971A (zh) | 2023-09-29 |
CN116819971B CN116819971B (zh) | 2023-11-14 |
Family
ID=88120601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311085939.8A Active CN116819971B (zh) | 2023-08-28 | 2023-08-28 | 一种涡轮发电机组的输出稳定性控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116819971B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102035218A (zh) * | 2010-12-23 | 2011-04-27 | 东方电气集团东方汽轮机有限公司 | 多个间歇发电的高空风力发电机组的功率合流方法 |
CN104533714A (zh) * | 2014-11-03 | 2015-04-22 | 华北电力大学 | 一种风力发电机组控制器参数辨识与整定方法 |
CN104728998A (zh) * | 2013-12-23 | 2015-06-24 | 珠海格力电器股份有限公司 | 光伏供电空调机组的控制方法和装置 |
CN105545469A (zh) * | 2015-12-03 | 2016-05-04 | 赵立增 | 一种启动快速输出稳定的发电机组 |
CN111426951A (zh) * | 2020-06-09 | 2020-07-17 | 潍坊宏图环保设备有限公司 | 一种基于功率检测的发电机组电力输出稳定性检测系统 |
CN114382647A (zh) * | 2021-12-13 | 2022-04-22 | 湖南大学 | 基于旋转桨叶储能的永磁直驱式风力发电机组控制方法及系统 |
JP2022145067A (ja) * | 2021-03-19 | 2022-10-03 | 株式会社Subaru | タービン発電制御装置 |
CN115987151A (zh) * | 2023-03-20 | 2023-04-18 | 合力(天津)能源科技股份有限公司 | 一种直流无刷电机的多模态控制策略 |
CN116207786A (zh) * | 2023-03-27 | 2023-06-02 | 哈电风能有限公司 | 一种海上风电集电系统、海上发电控制方法及装置 |
CN116430726A (zh) * | 2023-03-27 | 2023-07-14 | 南通大学 | 基于减法聚类和模糊神经网络的涡轮机组控制方法 |
-
2023
- 2023-08-28 CN CN202311085939.8A patent/CN116819971B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102035218A (zh) * | 2010-12-23 | 2011-04-27 | 东方电气集团东方汽轮机有限公司 | 多个间歇发电的高空风力发电机组的功率合流方法 |
CN104728998A (zh) * | 2013-12-23 | 2015-06-24 | 珠海格力电器股份有限公司 | 光伏供电空调机组的控制方法和装置 |
CN104533714A (zh) * | 2014-11-03 | 2015-04-22 | 华北电力大学 | 一种风力发电机组控制器参数辨识与整定方法 |
CN105545469A (zh) * | 2015-12-03 | 2016-05-04 | 赵立增 | 一种启动快速输出稳定的发电机组 |
CN111426951A (zh) * | 2020-06-09 | 2020-07-17 | 潍坊宏图环保设备有限公司 | 一种基于功率检测的发电机组电力输出稳定性检测系统 |
JP2022145067A (ja) * | 2021-03-19 | 2022-10-03 | 株式会社Subaru | タービン発電制御装置 |
CN114382647A (zh) * | 2021-12-13 | 2022-04-22 | 湖南大学 | 基于旋转桨叶储能的永磁直驱式风力发电机组控制方法及系统 |
CN115987151A (zh) * | 2023-03-20 | 2023-04-18 | 合力(天津)能源科技股份有限公司 | 一种直流无刷电机的多模态控制策略 |
CN116207786A (zh) * | 2023-03-27 | 2023-06-02 | 哈电风能有限公司 | 一种海上风电集电系统、海上发电控制方法及装置 |
CN116430726A (zh) * | 2023-03-27 | 2023-07-14 | 南通大学 | 基于减法聚类和模糊神经网络的涡轮机组控制方法 |
Non-Patent Citations (1)
Title |
---|
毛龙波,王维俊: "PID在柴油发电机组输出稳定性控制中的应用研究", 后勤工程学院学报, vol. 25, no. 3, pages 79 - 82 * |
Also Published As
Publication number | Publication date |
---|---|
CN116819971B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | A geometric approach to aggregate flexibility modeling of thermostatically controlled loads | |
CN110048420B (zh) | 一种配电网随机优化调度的方法、装置和介质 | |
Pappala et al. | A stochastic model for the optimal operation of a wind-thermal power system | |
CN112163700B (zh) | 一种考虑储能电池循环寿命的电化学储能电站规划方法 | |
CN112131733A (zh) | 计及电动汽车充电负荷影响的分布式电源规划方法 | |
CN111917111B (zh) | 用于配电网的分布式光伏电源接纳能力在线评估的方法、系统、设备及存储介质 | |
CN116599151A (zh) | 基于多源数据的源网储荷安全管理方法 | |
CN111179108A (zh) | 用电能耗的预测方法和装置 | |
CN117595391A (zh) | 一种电网系统的协调控制方法 | |
CN112651576A (zh) | 长期风电功率预测方法及装置 | |
CN117421926A (zh) | 一种基于数字孪生技术的风电设备智能管控方法及系统 | |
CN117150677A (zh) | 一种电除尘器选型参数的确定方法及装置 | |
CN116819971B (zh) | 一种涡轮发电机组的输出稳定性控制方法及系统 | |
CN116822107B (zh) | 一种分布式新能源配电网配置优化方法及系统 | |
CN111861256B (zh) | 一种主动配电网重构决策方法及系统 | |
Hinners et al. | Model order reduction of active distribution networks with TSO-DSO interconnection power flow control | |
CN112348236A (zh) | 用于智能用电监测终端的异常日负荷需求预测系统与方法 | |
WO2023179076A1 (zh) | 基于混合整数规划的针对工业设施的负荷分解方法和装置 | |
CN114091767A (zh) | 数据驱动的综合能源系统鲁棒随机规划的方法及系统 | |
Ji et al. | Establishment and evaluation of operation function model for cascade hydropower station | |
CN117175647B (zh) | 一种应用于微电网的新能源储能方法及系统 | |
CN113688511B (zh) | 一种电力系统频率稳定性的评估方法 | |
CN117970781B (zh) | 一种逆变器智能控制方法及系统 | |
CN116523276B (zh) | 基于智能控制系统的高效能源利用管理平台 | |
CN116777153A (zh) | 考虑分布式能源接入的配电网灵活性归因分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |