CN117829558B - 热电联产机组在调峰运行下的调整方法 - Google Patents
热电联产机组在调峰运行下的调整方法 Download PDFInfo
- Publication number
- CN117829558B CN117829558B CN202410251525.6A CN202410251525A CN117829558B CN 117829558 B CN117829558 B CN 117829558B CN 202410251525 A CN202410251525 A CN 202410251525A CN 117829558 B CN117829558 B CN 117829558B
- Authority
- CN
- China
- Prior art keywords
- curve
- heat supply
- heat
- steam
- extraction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 239000013598 vector Substances 0.000 claims abstract description 137
- 238000000605 extraction Methods 0.000 claims abstract description 109
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 84
- 238000010248 power generation Methods 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 17
- 238000010438 heat treatment Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 238000003064 k means clustering Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 4
- 239000002699 waste material Substances 0.000 abstract description 8
- 238000010276 construction Methods 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 239000000284 extract Substances 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006757 chemical reactions by type Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及热电联产机组调峰预测和调整技术领域,尤其涉及一种热电联产机组在调峰运行下的调整方法,本发明方法分别对气温曲线、进水热量曲线以及回水热量曲线提取特征构建向量;然后根据供热特征向量输入到供热预测模型中获取预测供热量;最后将预测供热量以及调峰发电量输入到热电联产机组发电模型中,根据模型输出的热电联产机组的进汽量、转速以及抽汽量调整热电联产机组。本发明通过提取影响供热因素的特征的方式,做出供热量的预测,基于供热量的预测、调峰发电量以及热电联产机组发电模型确定满足调峰发电量和供热需求时最小的进汽量,实现了基于反动式汽轮机的抽汽凝汽式汽轮机组调峰运行时满足供热需求的前提下,能源少浪费的目的。
Description
技术领域
本发明涉及热电联产机组调峰预测和调整技术领域,尤其涉及一种热电联产机组在调峰运行下的调整方法。
背景技术
热电联产(Cogeneration, combined heat and power,CHP),是利用热机或发电站同时产生电力和有用的热量。热力发电厂和一般的热机不能将所有的热能转换成电能。在大多数热机中,略多于一半的热量作为多余的热量被损失(参见:热力学第二定律和卡诺定理)。通过捕获多余的热量,热电联产(CHP)使用在常规发电厂中浪费的热量,为城市的区域供热系统、医院、工厂等建筑物供热,从而提高能源的综合利用率。
热电联产机组有三种基本的形式,背压式汽轮机、抽背式汽轮机和抽汽凝汽式汽轮机,其中,背压式汽轮机和抽背式汽轮机是利用汽轮机排汽或者汽轮机排汽和中间级抽汽为用户供热,主要应用于以供热为主的电厂,例如,热负荷全年稳定的企业自备电厂。而抽汽凝汽式汽轮机(汽轮机形式以反动式汽轮机组为主)是将一部分蒸汽从中间级抽出为用户供热,汽轮机的排汽通过凝汽器凝结成水,这种形式的汽轮机以发电为主,特点是当热用户所需的蒸汽负荷突然降低时,多余蒸汽可以经过汽轮机抽汽点以后的级继续做功发电。这种机组的优点是灵敏性较大,能够在较大范围内同时满足热负荷和电负荷的需要,适用于负荷变化幅度较大,变化频繁的区域性热电厂,上述特点使得抽汽凝汽式汽轮机组成为当前热电联产的主力机组。
相关技术中,抽汽凝汽式汽轮机组为供热和供电的同时,通常会通过调整排汽量大小或者进汽量大小来满足调峰的需要,采用调整排汽量大小的形式通常会导致一部分蒸汽通过凝汽器凝结而造成能源浪费,而采用调整进汽量大小的形式又会影响到供热的需求,严重时够成间歇供热,影响供热用户的感受。
如何担负发电、供热和调峰三项重任,并尽可能少热能的浪费是抽汽凝汽式汽轮机组运行调整的难题。
基于此,需要开发一种热电联产机组在调峰运行下的调整方法。
发明内容
本发明实施方式提供了一种热电联产机组在调峰运行下的调整方法,用于解决现有技术中抽汽凝汽式汽轮机组调峰运行时难以兼顾减少能源浪费和供热需求的问题。
第一方面,本发明实施方式提供了一种热电联产机组在调峰运行下的调整方法,包括:
获取气温曲线、供热管路的进水热量曲线以及供热管路的回水热量曲线;
分别对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取特征,并将提取到的特征构建为供热特征向量;
根据所述供热特征向量输入到供热预测模型中,获取下一时段的预测供热量;
将所述预测供热量以及调峰发电量输入到热电联产机组发电模型中,获取热电联产机组的进汽量、转速以及抽汽量,并根据所述进汽量、所述转速以及所述抽汽量调整热电联产机组。
在一种可能实现的方式中,所述分别对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取特征,并将提取到的特征构建为供热特征向量包括:
获取气温曲线样本集、进水热量曲线样本集以及回水热量曲线样本集,其中,曲线样本集包括多个表征标准曲线样本的向量;
分别根据所述气温曲线样本集、所述进水热量曲线样本集以及所述回水热量曲线样本集对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取气温曲线倍率集、进水热量曲线倍率集以及回水热量曲线倍率集,其中,曲线倍率集表征曲线相对曲线样本集中标准曲线样本的倍率;
根据所述气温曲线倍率集、所述进水热量曲线倍率集以及所述回水热量曲线倍率集,构建所述供热特征向量。
在一种可能实现的方式中,所述获取气温曲线样本集、进水热量曲线样本集以及回水热量曲线样本集,包括:
对于所述气温曲线样本集、所述进水热量曲线样本集以及所述回水热量曲线样本集中的每个曲线样本集,通过如下步骤获得:
获得多个历史曲线以及预设分类数量;
分别对所述多个历史曲线进行采样,将采样获得的数据构建为历史曲线向量;
根据所述预设分类数量,通过K-means聚类方式,对多个历史曲线向量进行聚类,获得多个类;
提取每个类的类中心向量的单位向量,并将提取获得的单位向量作为单位中心向量;
根据第一公式计算每个单位中心向量与其他单位中心向量的正交系数,从而获得多个正交系数,其中,所述第一公式为:
式中,为第/>个单位中心向量与第/>个单位中心向量的正交系数,为第/>个单位中心向量的第/>个元素,/>为第/>个单位中心向量的第/>个元素,/>为单位中心向量元素的总数量;
若所述多个正交系数中存在大于正交阈值的系数,则减少所述预设分类数量,并跳转至所述根据所述预设分类数量,通过K-means聚类方式,对多个历史气温向量进行聚类,获得多个类的步骤;
否则,根据多个单位中心向量构建曲线样本集。
在一种可能实现的方式中,所述分别根据所述气温曲线样本集、所述进水热量曲线样本集以及所述回水热量曲线样本集对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取气温曲线倍率集、进水热量曲线倍率集以及回水热量曲线倍率集,包括:
对于所述气温曲线、所述进水热量曲线以及所述回水热量曲线中的每个曲线,分别执行如下步骤:
对曲线进行采样,将采样获得的数据构建为曲线向量;
根据第二公式计算所述曲线向量相对曲线样本集中每个向量的倍率,并根据获得的倍率构建曲线倍率集,其中,所述第二公式为:
式中,为曲线向量相对曲线样本集中第/>个向量的倍率,/>为曲线样本集中第/>个向量的第/>个元素,/>为曲线向量的第/>个元素,/>为曲线样本集中向量元素的总数量。
在一种可能实现的方式中,所述供热预测模型的构建过程包括:
获取多个样本对以及第三公式,其中,样本对包括供热特征向量样本以及供热量样本,所述第三公式为:
式中,为下一时段的预测供热量,/>为第/>个第一权重参数,/>为第一偏置参数,/>为第一指数的总次数,/>为第/>个第二权重参数,/>为供热特征向量的第/>个元素,/>为供热特征向量元素的总数量,/>为第二偏置参数,/>为中间变量;
根据所述多个样本对的数量,调整所述第一指数的总次数,以使得所述第三公式中参数的总数量小于所述多个样本对的数量;
将所述多个样本对分别代入到所述第三公式中,构成关于所述第三公式的参数的第一方程组;
根据所述第一方程组对所述第三公式的参数进行求解,并将解得的参数代入到所述第三公式中,获得所述供热预测模型。
在一种可能实现的方式中,所述热电联产机组发电模型的构建过程包括:
获取第四公式以及多个热电联产数据样本集,其中,热电联产数据样本集包括:热电联产机组的进汽量样本、转速样本、抽汽量样本、发电量样本以及供热量样本,所述第四公式为:
式中,为供热量,/>为第/>个第三权重参数,/>为第四权重参数,/>为第五权重参数,/>为第六权重参数,/>为第三偏置参数,/>为进汽量,/>为转速,/>为抽汽量,/>为第二指数的总次数,/>为发电量,/>为第/>个第七权重参数,/>为第八权重参数,/>为第九权重参数,/>为第十权重参数,/>为第四偏置参数;
根据所述多个热电联产数据样本集的数量,调整所述第二指数的总次数,以使得所述第四公式中的参数总数量不大于所述多个热电联产数据样本集的数量;
将所述多个热电联产数据样本集分别代入到所述第四公式中,获得关于所述第四公式中多个参数的第二方程组;
根据所述第二方程组对所述第四公式的参数进行求解,并将解得的参数代入到所述第四公式中,获得所述热电联产机组发电模型。
在一种可能实现的方式中,所述将所述预测供热量以及调峰发电量输入到热电联产机组发电模型中,获取热电联产机组的进汽量、转速以及抽汽量,包括:
获取转速扰动量、抽汽扰动量、转速输入量以及抽汽输入量;
将所述预测供热量、所述调峰发电量、所述转速输入量以及所述抽汽输入量输入到所述热电联产机组发电模型中,获取第一进汽量指示;
根据所述转速扰动量以及所述抽汽扰动量向所述转速输入量以及所述抽汽输入量加扰;
将所述预测供热量、所述调峰发电量、加扰后的转速输入量以及加扰后的抽汽输入量输入到所述热电联产机组发电模型中,获取第二进汽量指示;
若所述第二进汽量指示与所述第一进汽量指示的差小于阈值,则将所述第二进汽量指示、所述加扰后的转速输入量以及所述加扰后的抽汽输入量分别作为热电联产机组的进汽量、转速以及抽汽量;
否则,计算所述第二进汽量指示与所述第一进汽量指示的差与所述第一进汽量指示的比值,作为偏差比;
计算所述转速扰动量与所述偏差比的乘积以及所述抽汽扰动量与所述偏差比的乘积;
若所述转速扰动量与所述偏差比的乘积的绝对值小于转速扰动量下限值,则将所述转速扰动量下限值作为所述转速扰动量;
否则,所述转速扰动量与所述偏差比的乘积作为所述转速扰动量;
若所述抽汽扰动量与所述偏差比的乘积的绝对值小于抽汽扰动量下限值,则将所述抽汽扰动量下限值作为所述抽汽扰动量;
否则,所述抽汽扰动量与所述偏差比的乘积作为所述抽汽扰动量;
将所述第二进汽量指示作为所述第一进汽量指示,并跳转至所述根据所述转速扰动量以及所述抽汽扰动量向所述转速输入量以及所述抽汽输入量加扰的步骤。
第二方面,本发明实施方式提供了一种热电联产机组在调峰运行下的调整装置,用于实现如上第一方面或第一方面的任一种可能的实现方式所述的热电联产机组在调峰运行下的调整方法,所述热电联产机组在调峰运行下的调整装置包括:
监控曲线获取模块,用于获取气温曲线、供热管路的进水热量曲线以及供热管路的回水热量曲线;
监控数据分析模块,用于分别对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取特征,并将提取到的特征构建为供热特征向量;
供热量预测模块,用于根据所述供热特征向量输入到供热预测模型中,获取下一时段的预测供热量;
以及,
机组调整模块,用于将所述预测供热量以及调峰发电量输入到热电联产机组发电模型中,获取热电联产机组的进汽量、转速以及抽汽量,并根据所述进汽量、所述转速以及所述抽汽量调整热电联产机组。
第三方面,本发明实施方式提供了一种电子设备,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面,本发明实施方式提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施方式与现有技术相比存在的有益效果是:
本发明实施方式公开了一种热电联产机组在调峰运行下的调整方法,其首先获取气温曲线、供热管路的进水热量曲线以及供热管路的回水热量曲线;然后分别对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取特征,并将提取到的特征构建为供热特征向量;接着根据所述供热特征向量输入到供热预测模型中,获取下一时段的预测供热量;最后将所述预测供热量以及调峰发电量输入到热电联产机组发电模型中,获取热电联产机组的进汽量、转速以及抽汽量,并根据所述进汽量、所述转速以及所述抽汽量调整热电联产机组。本发明实施方式通过提取影响供热因素的特征的方式,做出供热量的预测,基于供热量的预测、调峰发电量以及热电联产机组发电模型确定满足调峰发电量和供热需求时最小的进汽量,实现了抽汽凝汽式汽轮机组调峰运行时满足供热需求的前提下,能源少浪费的目的。
附图说明
为了更清楚地说明本发明实施方式中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施方式提供的热电联产机组在调峰运行下的调整方法的流程图;
图2是本发明实方式提供抽汽凝汽式汽轮机组汽路流程图;
图3是本发明实施方式提供的热电联产机组在调峰运行下的调整装置功能框图;
图4是本发明实施方式提供的电子设备功能框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施方式。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施方式中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施方式来进行说明。
下面对本发明的实施例作详细说明,本实例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
图1为本发明实施方式提供的热电联产机组在调峰运行下的调整方法的流程图。
如图1所示,其示出了本发明实施方式提供的热电联产机组在调峰运行下的调整方法的实现流程图,详述如下:
在步骤101中,获取气温曲线、供热管路的进水热量曲线以及供热管路的回水热量曲线。
在步骤102中,分别对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取特征,并将提取到的特征构建为供热特征向量。
在一些实施方式中,所述步骤102包括:
获取气温曲线样本集、进水热量曲线样本集以及回水热量曲线样本集,其中,曲线样本集包括多个表征标准曲线样本的向量;
分别根据所述气温曲线样本集、所述进水热量曲线样本集以及所述回水热量曲线样本集对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取气温曲线倍率集、进水热量曲线倍率集以及回水热量曲线倍率集,其中,曲线倍率集表征曲线相对曲线样本集中标准曲线样本的倍率;
根据所述气温曲线倍率集、所述进水热量曲线倍率集以及所述回水热量曲线倍率集,构建所述供热特征向量。
在一些实施方式中,所述获取气温曲线样本集、进水热量曲线样本集以及回水热量曲线样本集,包括:
对于所述气温曲线样本集、所述进水热量曲线样本集以及所述回水热量曲线样本集中的每个曲线样本集,通过如下步骤获得:
获得多个历史曲线以及预设分类数量;
分别对所述多个历史曲线进行采样,将采样获得的数据构建为历史曲线向量;
根据所述预设分类数量,通过K-means聚类方式,对多个历史曲线向量进行聚类,获得多个类;
提取每个类的类中心向量的单位向量,并将提取获得的单位向量作为单位中心向量;
根据第一公式计算每个单位中心向量与其他单位中心向量的正交系数,从而获得多个正交系数,其中,所述第一公式为:
式中,为第/>个单位中心向量与第/>个单位中心向量的正交系数,为第/>个单位中心向量的第/>个元素,/>为第/>个单位中心向量的第/>个元素,/>为单位中心向量元素的总数量;
若所述多个正交系数中存在大于正交阈值的系数,则减少所述预设分类数量,并跳转至所述根据所述预设分类数量,通过K-means聚类方式,对多个历史气温向量进行聚类,获得多个类的步骤;
否则,根据多个单位中心向量构建曲线样本集。
在一些实施方式中,所述分别根据所述气温曲线样本集、所述进水热量曲线样本集以及所述回水热量曲线样本集对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取气温曲线倍率集、进水热量曲线倍率集以及回水热量曲线倍率集,包括:
对于所述气温曲线、所述进水热量曲线以及所述回水热量曲线中的每个曲线,分别执行如下步骤:
对曲线进行采样,将采样获得的数据构建为曲线向量;
根据第二公式计算所述曲线向量相对曲线样本集中每个向量的倍率,并根据获得的倍率构建曲线倍率集,其中,所述第二公式为:
式中,为曲线向量相对曲线样本集中第/>个向量的倍率,/>为曲线样本集中第/>个向量的第/>个元素,/>为曲线向量的第/>个元素,/>为曲线样本集中向量元素的总数量。
示例性地,本发明实施方式主要应用于抽汽凝汽式汽轮机组,尤其是基于反动式汽轮机的抽汽凝汽式汽轮机组,通过合理配给用于供热的抽汽量和用于发电的进汽量,实现供热和调峰的同时,尽可能多的提高热能利用率。本发明实施方式的图2提供了一种基于反动式汽轮机的抽汽凝汽式汽轮机组的汽路流程图,图中抽汽凝汽式汽轮机组进汽首先进入汽轮机的高压部分201膨胀做功发电后分为两股,其中一股作为抽汽供热,另一股进入低压部分202继续膨胀做功发电,低压部分202的排汽进入凝汽器203凝结,如前所述,为了实现调峰目标,一些技术中通过调整进汽量、调整抽汽量或者调整进入凝汽器203汽量的方式来进行调峰,其中,通过调整进汽量方式和调整抽汽量调峰时,会影响供热效果,而调整凝汽器汽量的方式,又会使得蒸汽利用率,造成能源浪费。
基于此,本发明实施方式提供了一种基于供热预测的方式,调整热电联产机组进汽量、机组转速和抽汽量的方式,使得满足供热前提时,尽可能多的提高蒸汽利用率来进行调峰。
本发明实施方式中,供热热量的预测是基于气温曲线、供热管路的进水热量曲线以及供热管路的回水热量曲线进行特征提取,根据获得的特征和预测模型,确定未来一段时间供热热量。
本发明实施方式中,对于曲线特征提取方面,是根据曲线样本集提取的,具体来说是曲线样本集的倍率特征。曲线样本集包括有多个具有正交特性的标准曲线线性。
对于曲线样本集的构建方面,本发明实施方式首先获得多个历史曲线,并将这些历史曲线分别进行离散化处理,形成历史曲线向量,这些历史曲线向量采用K-means聚类方法进行聚类(计算这些历史曲线向量的欧式距离,根据距离对历史曲线向量聚类为多个类),聚类获得的类分别再计算或选取出类中心,提取类中心的单位向量,利用第一公式计算每个类中心的单位向量与其他类中心的单位向量的正交系数,第一公式:
式中,为第/>个单位中心向量与第/>个单位中心向量的正交系数,为第/>个单位中心向量的第/>个元素,/>为第/>个单位中心向量的第/>个元素,/>为单位中心向量元素的总数量。
如果这些正交系数均不大于正交阈值,则将这些类中心的单位向量加入到曲线样本集中,作为表征标准曲线样本的数据。
而当这些正交系数中存在大于正交阈值的正交系数,则减少聚类数量,重新聚类、计算聚类中心的步骤。
在倍率特征的计算方面,对于每个曲线(气温曲线、进水热量曲线以及回水热量曲线),同样首先进行离散化处理,离散获得的数据构建为曲线向量,然后利用第二公式提取曲线向量相对于曲线样本集中每个单位向量的倍率,第二公式为:
式中,为曲线向量相对曲线样本集中第/>个向量的倍率,/>为曲线样本集中第/>个向量的第/>个元素,/>为曲线向量的第/>个元素,/>为曲线样本集中向量元素的总数量。
通过上述步骤,每个曲线可以提取到相对于多个标准曲线样本的倍率,这些倍率按照预定的顺序排列,就够成了为供热特征向量。
在步骤103中,根据所述供热特征向量输入到供热预测模型中,获取下一时段的预测供热量。
在一些实施方式中,所述供热预测模型的构建过程包括:
获取多个样本对以及第三公式,其中,样本对包括供热特征向量样本以及供热量样本,所述第三公式为:
式中,为下一时段的预测供热量,/>为第/>个第一权重参数,/>为第一偏置参数,/>为第一指数的总次数,/>为第/>个第二权重参数,/>为供热特征向量的第/>个元素,/>为供热特征向量元素的总数量,/>为第二偏置参数,/>为中间变量;
根据所述多个样本对的数量,调整所述第一指数的总次数,以使得所述第三公式中参数的总数量小于所述多个样本对的数量;
将所述多个样本对分别代入到所述第三公式中,构成关于所述第三公式的参数的第一方程组;
根据所述第一方程组对所述第三公式的参数进行求解,并将解得的参数代入到所述第三公式中,获得所述供热预测模型。
示例性地,本发明实施方式的供热预测模型是根据第三公式和供热特征向量样本以及供热量样本构建的,第三公式为:
式中,为下一时段的预测供热量,/>为第/>个第一权重参数,/>为第一偏置参数,/>为第一指数的总次数,/>为第/>个第二权重参数,/>为供热特征向量的第/>个元素,/>为供热特征向量元素的总数量,/>为第二偏置参数,/>为中间变量。
这个基本模型中有多个需要确定的参数,为了明确这些参数,本发明实施方式首先根据供热特征向量样本以及供热量样本的数量,调整模型中参数的数量,通常是调整这个方程中指数的总次数,使得模型中参数的数量小于或者等于供热特征向量样本以及供热量样本对的数量。
然后,将供热特征向量样本以及供热量样本对应性的输入到模型中,构建为关于这些参数的方程,并联立这些方程够成方程组,对这个方程组进行求解,得到这些参数的解,将这些解代入到第三公式中,就获得了供热预测模型。
在应用这个模型时,将前述步骤获得的供热特征向量代入到这个模型中,就能获得下一时段的预测供热量。
在步骤104中,将所述预测供热量以及调峰发电量输入到热电联产机组发电模型中,获取热电联产机组的进汽量、转速以及抽汽量,并根据所述进汽量、所述转速以及所述抽汽量调整热电联产机组。
在一些实施方式中,所述热电联产机组发电模型的构建过程包括:
获取第四公式以及多个热电联产数据样本集,其中,热电联产数据样本集包括:热电联产机组的进汽量样本、转速样本、抽汽量样本、发电量样本以及供热量样本,所述第四公式为:
式中,为供热量,/>为第/>个第三权重参数,/>为第四权重参数,/>为第五权重参数,/>为第六权重参数,/>为第三偏置参数,/>为进汽量,/>为转速,/>为抽汽量,/>为第二指数的总次数,/>为发电量,/>为第/>个第七权重参数,/>为第八权重参数,/>为第九权重参数,/>为第十权重参数,/>为第四偏置参数;
根据所述多个热电联产数据样本集的数量,调整所述第二指数的总次数,以使得所述第四公式中的参数总数量不大于所述多个热电联产数据样本集的数量;
将所述多个热电联产数据样本集分别代入到所述第四公式中,获得关于所述第四公式中多个参数的第二方程组;
根据所述第二方程组对所述第四公式的参数进行求解,并将解得的参数代入到所述第四公式中,获得所述热电联产机组发电模型。
在一些实施方式中,所述步骤104包括:
获取转速扰动量、抽汽扰动量、转速输入量以及抽汽输入量;
将所述预测供热量、所述调峰发电量、所述转速输入量以及所述抽汽输入量输入到所述热电联产机组发电模型中,获取第一进汽量指示;
根据所述转速扰动量以及所述抽汽扰动量向所述转速输入量以及所述抽汽输入量加扰;
将所述预测供热量、所述调峰发电量、加扰后的转速输入量以及加扰后的抽汽输入量输入到所述热电联产机组发电模型中,获取第二进汽量指示;
若所述第二进汽量指示与所述第一进汽量指示的差小于阈值,则将所述第二进汽量指示、所述加扰后的转速输入量以及所述加扰后的抽汽输入量分别作为热电联产机组的进汽量、转速以及抽汽量;
否则,计算所述第二进汽量指示与所述第一进汽量指示的差与所述第一进汽量指示的比值,作为偏差比;
计算所述转速扰动量与所述偏差比的乘积以及所述抽汽扰动量与所述偏差比的乘积;
若所述转速扰动量与所述偏差比的乘积的绝对值小于转速扰动量下限值,则将所述转速扰动量下限值作为所述转速扰动量;
否则,所述转速扰动量与所述偏差比的乘积作为所述转速扰动量;
若所述抽汽扰动量与所述偏差比的乘积的绝对值小于抽汽扰动量下限值,则将所述抽汽扰动量下限值作为所述抽汽扰动量;
否则,所述抽汽扰动量与所述偏差比的乘积作为所述抽汽扰动量;
将所述第二进汽量指示作为所述第一进汽量指示,并跳转至所述根据所述转速扰动量以及所述抽汽扰动量向所述转速输入量以及所述抽汽输入量加扰的步骤。
示例性地,本发明实施方式根据热电联产机组发电模型确定一个满足供热预期的、减少能源浪费的进汽量、转速和抽汽量。而这个热电联产机组发电模型是根据多个热电联产数据样本集和第四公式构建的,第四公式为:
式中,为供热量,/>为第/>个第三权重参数,/>为第四权重参数,/>为第五权重参数,/>为第六权重参数,/>为第三偏置参数,/>为进汽量,/>为转速,/>为抽汽量,/>为第二指数的总次数,/>为发电量,/>为第/>个第七权重参数,/>为第八权重参数,/>为第九权重参数,/>为第十权重参数,/>为第四偏置参数。
第四公式中参数的数量是根据多个热电联产数据样本集的数量调整的,使得第四公式中参数数量小于等于多个热电联产数据样本集的数量。热电联产数据样本集包括有:进汽量样本、转速样本、抽汽量样本、发电量样本以及供热量样本,将这些样本代入到第四公式中,对第四公式中的参数进行求解,获得的解代入到第四公式中,就构成了热电联产机组发电模型。
本发明实施方式目的在于满足调峰需求和供热需求的同时,尽可能减少进入到凝汽器端的汽量,提高能源的利用率。基于上述目的,本发明实施方式结合前述步骤获得的热电联产机组发电模型,确定了一个最小进汽量。在确定这个最小进汽量时,首先构建转速扰动量、抽汽扰动量、转速输入量以及抽汽输入量四个变量,然后将转速输入量、抽汽输入量、调峰发电量以及前述步骤获得的预测供热量输入到热电联产机组发电模型中,获得第一进汽量指示,然后,将转速扰动量和抽汽扰动量分别叠加到转速输入量以及抽汽输入量中,再次将转速输入量、抽汽输入量、调峰发电量以及前述步骤获得的预测供热量输入到热电联产机组发电模型中,获得第二进汽量指示,两次进汽量指示偏差反映了转速扰动量和抽汽扰动量的合理性,因此,计算第二进汽量指示与第一进汽量指示的差与第一进汽量指示的比值作为偏差比,根据这个偏差比调整转速扰动量和抽汽扰动量,调整好以后,重复上述加扰和获得进汽量指示的步骤,直至第二进汽量指示与第一进汽量指示的偏差小于阈值。需要注意的是,为了防止陷入局部最优的点,本发明实施方式在根据偏差比调整转速扰动量和抽汽扰动量后,应当保证调整后的转速扰动量和抽汽扰动量分别大于转速扰动量下限值和抽汽扰动量下限值。
当第二进汽量指示与第一进汽量指示的偏差小于阈值时,就可以提取输入到热电联产机组发电模型的进汽量、转速和抽汽量作为热电联产机组的指示,并根据所述进汽量、所述转速以及所述抽汽量调整热电联产机组。
本发明热电联产机组在调峰运行下的调整方法实施方式,其首先获取气温曲线、供热管路的进水热量曲线以及供热管路的回水热量曲线;然后分别对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取特征,并将提取到的特征构建为供热特征向量;接着根据所述供热特征向量输入到供热预测模型中,获取下一时段的预测供热量;最后将所述预测供热量以及调峰发电量输入到热电联产机组发电模型中,获取热电联产机组的进汽量、转速以及抽汽量,并根据所述进汽量、所述转速以及所述抽汽量调整热电联产机组。本发明实施方式通过提取影响供热因素的特征的方式,做出供热量的预测,基于供热量的预测、调峰发电量以及热电联产机组发电模型确定满足调峰发电量和供热需求时最小的进汽量,实现了抽汽凝汽式汽轮机组调峰运行时满足供热需求的前提下,能源少浪费的目的。
应理解,上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施方式的实施过程构成任何限定。
以下为本发明的装置实施方式,对于其中未详尽描述的细节,可以参考上述对应的方法实施方式。
图3是本发明实施方式提供的热电联产机组在调峰运行下的调整装置功能框图,参照图3,热电联产机组在调峰运行下的调整装置包括:监控曲线获取模块301、监控数据分析模块302、供热量预测模块303以及机组调整模块304,其中:
监控曲线获取模块301,用于获取气温曲线、供热管路的进水热量曲线以及供热管路的回水热量曲线;
监控数据分析模块302,用于分别对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取特征,并将提取到的特征构建为供热特征向量;
供热量预测模块303,用于根据所述供热特征向量输入到供热预测模型中,获取下一时段的预测供热量;
机组调整模块304,用于将所述预测供热量以及调峰发电量输入到热电联产机组发电模型中,获取热电联产机组的进汽量、转速以及抽汽量,并根据所述进汽量、所述转速以及所述抽汽量调整热电联产机组。
图4是本发明实施方式提供的电子设备的功能框图。如图4所示,该实施方式的电子设备4包括:处理器400和存储器401,所述存储器401中存储有可在所述处理器400上运行的计算机程序402。所述处理器400执行所述计算机程序402时实现上述各个热电联产机组在调峰运行下的调整方法及实施方式中的步骤,例如图1所示的步骤101至步骤104。
示例性的,所述计算机程序402可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器401中,并由所述处理器400执行,以完成本发明。
所述电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备4可包括,但不仅限于,处理器400、存储器401。本领域技术人员可以理解,图4仅仅是电子设备4的示例,并不构成对电子设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备4还可以包括输入输出设备、网络接入设备、总线等。
所称处理器400可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器401可以是所述电子设备4的内部存储单元,例如电子设备4的硬盘或内存。所述存储器401也可以是所述电子设备4的外部存储设备,例如所述电子设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器401还可以既包括所述电子设备4的内部存储单元也包括外部存储设备。所述存储器401用于存储所述计算机程序402以及所述电子设备4所需的其他程序和数据。所述存储器401还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施方式中的对应过程,在此不再赘述。
在上述实施方式中,对各个实施方式的描述都各有侧重,某个实施方式中没有详述或记载的部分,可以参见其它实施方式的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施方式描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施方式中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施方式仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本发明各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施方式方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法及装置实施方式的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述实施方式仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施方式对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (7)
1.一种热电联产机组在调峰运行下的调整方法,其特征在于,包括:
获取气温曲线、供热管路的进水热量曲线以及供热管路的回水热量曲线;
分别对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取特征,并将提取到的特征构建为供热特征向量;
根据所述供热特征向量输入到供热预测模型中,获取下一时段的预测供热量;
将所述预测供热量以及调峰发电量输入到热电联产机组发电模型中,获取热电联产机组的进汽量、转速以及抽汽量,并根据所述进汽量、所述转速以及所述抽汽量调整热电联产机组;
其中,所述分别对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取特征,并将提取到的特征构建为供热特征向量包括:
获取气温曲线样本集、进水热量曲线样本集以及回水热量曲线样本集,其中,曲线样本集包括多个表征标准曲线样本的向量;
分别根据所述气温曲线样本集、所述进水热量曲线样本集以及所述回水热量曲线样本集对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取气温曲线倍率集、进水热量曲线倍率集以及回水热量曲线倍率集,其中,曲线倍率集表征曲线相对曲线样本集中标准曲线样本的倍率;
根据所述气温曲线倍率集、所述进水热量曲线倍率集以及所述回水热量曲线倍率集,构建所述供热特征向量;
所述获取气温曲线样本集、进水热量曲线样本集以及回水热量曲线样本集,包括:
对于所述气温曲线样本集、所述进水热量曲线样本集以及所述回水热量曲线样本集中的每个曲线样本集,通过如下步骤获得:
获得多个历史曲线以及预设分类数量;
分别对所述多个历史曲线进行采样,将采样获得的数据构建为历史曲线向量;
根据所述预设分类数量,通过K-means聚类方式,对多个历史曲线向量进行聚类,获得多个类;
提取每个类的类中心向量的单位向量,并将提取获得的单位向量作为单位中心向量;
根据多个单位中心向量构建曲线样本集;
所述分别根据所述气温曲线样本集、所述进水热量曲线样本集以及所述回水热量曲线样本集对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取气温曲线倍率集、进水热量曲线倍率集以及回水热量曲线倍率集,包括:
对于所述气温曲线、所述进水热量曲线以及所述回水热量曲线中的每个曲线,分别执行如下步骤:
对曲线进行采样,将采样获得的数据构建为曲线向量;
根据第二公式计算所述曲线向量相对曲线样本集中每个向量的倍率,并根据获得的倍率构建曲线倍率集,其中,所述第二公式为:
式中,为曲线向量相对曲线样本集中第/>个向量的倍率,/>为曲线样本集中第/>个向量的第/>个元素,/>为曲线向量的第/>个元素,/>为曲线样本集中向量元素的总数量;
所述将所述预测供热量以及调峰发电量输入到热电联产机组发电模型中,获取热电联产机组的进汽量、转速以及抽汽量,包括:
获取转速扰动量、抽汽扰动量、转速输入量以及抽汽输入量;
将所述预测供热量、所述调峰发电量、所述转速输入量以及所述抽汽输入量输入到所述热电联产机组发电模型中,获取第一进汽量指示;
根据所述转速扰动量以及所述抽汽扰动量向所述转速输入量以及所述抽汽输入量加扰;
将所述预测供热量、所述调峰发电量、加扰后的转速输入量以及加扰后的抽汽输入量输入到所述热电联产机组发电模型中,获取第二进汽量指示;
若所述第二进汽量指示与所述第一进汽量指示的差小于阈值,则将所述第二进汽量指示、所述加扰后的转速输入量以及所述加扰后的抽汽输入量分别作为热电联产机组的进汽量、转速以及抽汽量;
否则,计算所述第二进汽量指示与所述第一进汽量指示的差与所述第一进汽量指示的比值,作为偏差比;
计算所述转速扰动量与所述偏差比的乘积以及所述抽汽扰动量与所述偏差比的乘积;
若所述转速扰动量与所述偏差比的乘积的绝对值小于转速扰动量下限值,则将所述转速扰动量下限值作为所述转速扰动量;
否则,所述转速扰动量与所述偏差比的乘积作为所述转速扰动量;
若所述抽汽扰动量与所述偏差比的乘积的绝对值小于抽汽扰动量下限值,则将所述抽汽扰动量下限值作为所述抽汽扰动量;
否则,所述抽汽扰动量与所述偏差比的乘积作为所述抽汽扰动量;
将所述第二进汽量指示作为所述第一进汽量指示,并跳转至所述根据所述转速扰动量以及所述抽汽扰动量向所述转速输入量以及所述抽汽输入量加扰的步骤。
2.根据权利要求1所述的热电联产机组在调峰运行下的调整方法,其特征在于,所述根据多个单位中心向量构建曲线样本集,包括:
根据第一公式计算每个单位中心向量与其他单位中心向量的正交系数,从而获得多个正交系数,其中,所述第一公式为:
式中,为第/>个单位中心向量与第/>个单位中心向量的正交系数,/>为第个单位中心向量的第/>个元素,/>为第/>个单位中心向量的第/>个元素,为单位中心向量元素的总数量;
若所述多个正交系数中存在大于正交阈值的系数,则减少所述预设分类数量,并跳转至所述根据所述预设分类数量,通过K-means聚类方式,对多个历史气温向量进行聚类,获得多个类的步骤;
否则,根据多个单位中心向量构建曲线样本集。
3.根据权利要求1所述的热电联产机组在调峰运行下的调整方法,其特征在于,所述供热预测模型的构建过程包括:
获取多个样本对以及第三公式,其中,样本对包括供热特征向量样本以及供热量样本,所述第三公式为:
式中,为下一时段的预测供热量,/>为第/>个第一权重参数,/>为第一偏置参数,/>为第一指数的总次数,/>为第/>个第二权重参数,/>为供热特征向量的第/>个元素,/>为供热特征向量元素的总数量,/>为第二偏置参数,/>为中间变量;
根据所述多个样本对的数量,调整所述第一指数的总次数,以使得所述第三公式中参数的总数量小于所述多个样本对的数量;
将所述多个样本对分别代入到所述第三公式中,构成关于所述第三公式的参数的第一方程组;
根据所述第一方程组对所述第三公式的参数进行求解,并将解得的参数代入到所述第三公式中,获得所述供热预测模型。
4.根据权利要求1-3任一项所述的热电联产机组在调峰运行下的调整方法,其特征在于,所述热电联产机组发电模型的构建过程包括:
获取第四公式以及多个热电联产数据样本集,其中,热电联产数据样本集包括:热电联产机组的进汽量样本、转速样本、抽汽量样本、发电量样本以及供热量样本,所述第四公式为:
式中,为供热量,/>为第/>个第三权重参数,/>为第四权重参数,/>为第五权重参数,/>为第六权重参数,/>为第三偏置参数,/>为进汽量,/>为转速,/>为抽汽量,为第二指数的总次数,/>为发电量,/>为第/>个第七权重参数,/>为第八权重参数,/>为第九权重参数,/>为第十权重参数,/>为第四偏置参数;
根据所述多个热电联产数据样本集的数量,调整所述第二指数的总次数,以使得所述第四公式中的参数总数量不大于所述多个热电联产数据样本集的数量;
将所述多个热电联产数据样本集分别代入到所述第四公式中,获得关于所述第四公式中多个参数的第二方程组;
根据所述第二方程组对所述第四公式的参数进行求解,并将解得的参数代入到所述第四公式中,获得所述热电联产机组发电模型。
5.一种热电联产机组在调峰运行下的调整装置,其特征在于,用于实现如权利要求1-4任一项所述的热电联产机组在调峰运行下的调整方法,所述热电联产机组在调峰运行下的调整装置包括:
监控曲线获取模块,用于获取气温曲线、供热管路的进水热量曲线以及供热管路的回水热量曲线;
监控数据分析模块,用于分别对所述气温曲线、所述进水热量曲线以及所述回水热量曲线提取特征,并将提取到的特征构建为供热特征向量;
供热量预测模块,用于根据所述供热特征向量输入到供热预测模型中,获取下一时段的预测供热量;
以及,
机组调整模块,用于将所述预测供热量以及调峰发电量输入到热电联产机组发电模型中,获取热电联产机组的进汽量、转速以及抽汽量,并根据所述进汽量、所述转速以及所述抽汽量调整热电联产机组。
6.一种电子设备,包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至4中任一项所述方法的步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410251525.6A CN117829558B (zh) | 2024-03-06 | 2024-03-06 | 热电联产机组在调峰运行下的调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410251525.6A CN117829558B (zh) | 2024-03-06 | 2024-03-06 | 热电联产机组在调峰运行下的调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117829558A CN117829558A (zh) | 2024-04-05 |
CN117829558B true CN117829558B (zh) | 2024-05-10 |
Family
ID=90524290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410251525.6A Active CN117829558B (zh) | 2024-03-06 | 2024-03-06 | 热电联产机组在调峰运行下的调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117829558B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105202623A (zh) * | 2015-09-21 | 2015-12-30 | 国家电网公司 | 一种供热机组采暖调峰能力预测方法 |
CN111222079A (zh) * | 2019-12-30 | 2020-06-02 | 国网北京市电力公司 | 电功率预测方法、装置、存储介质以及处理器 |
CN111396982A (zh) * | 2020-02-26 | 2020-07-10 | 华电电力科学研究院有限公司 | 一种热力耦合水力的热网平衡调节方法及供热系统 |
CN111503718A (zh) * | 2020-03-09 | 2020-08-07 | 华电电力科学研究院有限公司 | 基于多因素影响的热电联产供热负荷预测方法及供热系统 |
CN111520808A (zh) * | 2020-03-09 | 2020-08-11 | 华电电力科学研究院有限公司 | 基于低温余热回收的复杂热电联产供热系统及电热负荷调节方法 |
CN113898428A (zh) * | 2021-09-23 | 2022-01-07 | 华能国际电力股份有限公司德州电厂 | 分析双抽热电联产机组热、电、汽负荷调整空间的方法 |
CN115263467A (zh) * | 2022-07-19 | 2022-11-01 | 山东电力工程咨询院有限公司 | 单抽热电联产抽凝机组运行功率上下限确定方法及系统 |
CN116293896A (zh) * | 2023-01-30 | 2023-06-23 | 大唐保定热电厂 | 一种热电厂的供热效率调节方法及系统 |
WO2023160444A1 (zh) * | 2022-02-24 | 2023-08-31 | 山东核电有限公司 | 核电厂供热装置控制系统及方法 |
-
2024
- 2024-03-06 CN CN202410251525.6A patent/CN117829558B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105202623A (zh) * | 2015-09-21 | 2015-12-30 | 国家电网公司 | 一种供热机组采暖调峰能力预测方法 |
CN111222079A (zh) * | 2019-12-30 | 2020-06-02 | 国网北京市电力公司 | 电功率预测方法、装置、存储介质以及处理器 |
CN111396982A (zh) * | 2020-02-26 | 2020-07-10 | 华电电力科学研究院有限公司 | 一种热力耦合水力的热网平衡调节方法及供热系统 |
CN111503718A (zh) * | 2020-03-09 | 2020-08-07 | 华电电力科学研究院有限公司 | 基于多因素影响的热电联产供热负荷预测方法及供热系统 |
CN111520808A (zh) * | 2020-03-09 | 2020-08-11 | 华电电力科学研究院有限公司 | 基于低温余热回收的复杂热电联产供热系统及电热负荷调节方法 |
CN113898428A (zh) * | 2021-09-23 | 2022-01-07 | 华能国际电力股份有限公司德州电厂 | 分析双抽热电联产机组热、电、汽负荷调整空间的方法 |
WO2023160444A1 (zh) * | 2022-02-24 | 2023-08-31 | 山东核电有限公司 | 核电厂供热装置控制系统及方法 |
CN115263467A (zh) * | 2022-07-19 | 2022-11-01 | 山东电力工程咨询院有限公司 | 单抽热电联产抽凝机组运行功率上下限确定方法及系统 |
CN116293896A (zh) * | 2023-01-30 | 2023-06-23 | 大唐保定热电厂 | 一种热电厂的供热效率调节方法及系统 |
Non-Patent Citations (1)
Title |
---|
智慧供热系统智能运行决策方法研究;薛普宁;《万方学位论文全文数据库信息科技辑》;20221102;第1-164页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117829558A (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qu et al. | Prediction of electricity generation from a combined cycle power plant based on a stacking ensemble and its hyperparameter optimization with a grid-search method | |
Zhou et al. | Integrated power and heat dispatch considering available reserve of combined heat and power units | |
CN106936627B (zh) | 一种基于大数据分析挖掘的火电设备性能监测方法 | |
Zhang et al. | Weather-classification-MARS-based photovoltaic power forecasting for energy imbalance market | |
CN112053254B (zh) | 高背压供热机组深度调峰能力的优化方法及装置 | |
CN111652761B (zh) | 一种基于证据理论的多源特征融合窃电行为检测方法 | |
Zhang et al. | Multi-objective interval prediction of wind power based on conditional copula function | |
CN117829558B (zh) | 热电联产机组在调峰运行下的调整方法 | |
CN112541841B (zh) | 用于模拟过去未来数据的方法、装置及终端设备 | |
KR20230076695A (ko) | 태양광 주기성에 적합한 시간 변수를 반영한 태양광 발전량 예측 장치 및 방법 | |
Zhang et al. | Probabilistic optimal energy flow of district multienergy systems: An MPLP-based online dictionary-learning approach | |
Yang et al. | Integrated energy system scheduling model based on non-complete interval multi-objective fuzzy optimization | |
CN116681188B (zh) | 综合能源系统优化方法、装置、电子设备及存储介质 | |
Wu et al. | Forecast of short‐term electricity price based on data analysis | |
CN115528684A (zh) | 一种超短期负荷预测方法、装置及电子设备 | |
CN115758188A (zh) | 一种非侵入式的负荷识别方法、装置、设备和介质 | |
CN114876731A (zh) | 风电场低效运行风电机组排查方法、系统、设备和介质 | |
Wang et al. | Deep learning-based short-term load forecasting for transformers in distribution grid | |
Lin et al. | SWSA transformer: A forecasting method of ultra-short-term wind speed from an offshore wind farm using global attention mechanism | |
CN112909932A (zh) | 一种调峰型虚拟电厂的优化方法及终端 | |
CN109523167B (zh) | 汽轮机通流效率对机组出力影响的评估方法及终端设备 | |
CN116957853A (zh) | 一种多能协同的电热负荷聚类和可调能力分析方法及系统 | |
Cai et al. | A Temporal Ensembling Based Semi-Supervised Graph Convolutional Network for Power Quality Disturbances Classification | |
CN117060461A (zh) | 一种基于典型场景的跨省区储能配置方法及系统 | |
CN117291035A (zh) | 一种吸收式制冷燃机进气冷却系统功率评估方法及系统 |
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 |