CN117977635B - 熔盐耦合火电机组的调频方法、装置、电子设备及介质 - Google Patents
熔盐耦合火电机组的调频方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN117977635B CN117977635B CN202410355858.3A CN202410355858A CN117977635B CN 117977635 B CN117977635 B CN 117977635B CN 202410355858 A CN202410355858 A CN 202410355858A CN 117977635 B CN117977635 B CN 117977635B
- Authority
- CN
- China
- Prior art keywords
- aliasing degree
- value
- frequency modulation
- aliasing
- modulation signal
- 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
- 150000003839 salts Chemical class 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000008878 coupling Effects 0.000 title abstract description 9
- 238000010168 coupling process Methods 0.000 title abstract description 9
- 238000005859 coupling reaction Methods 0.000 title abstract description 9
- 238000012937 correction Methods 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 61
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004146 energy storage Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000004800 variational method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本公开提出一种熔盐耦合火电机组的调频方法,包括:获取当前时刻时对熔盐耦合火电机组的第一调频信号,及历史时间段内对熔盐耦合火电机组的第二调频信号序列;对第一调频信号进行变分模态分解VMD处理,并确定在进行VMD处理时的初始分解层数;将第一调频信号和初始分解层数一并输入至预训练的混叠程度预测模型,以得到混叠程度预测模型输出的第一混叠程度预测值;根据第二调频信号序列确定混叠程度修正值,并基于混叠程度修正值对第一混叠程度预测值进行修正,以得到目标混叠程度值;根据目标混叠程度值对第一调频信号进行VMD处理,以得到高频分量和低频分量;控制熔盐机组根据高频分量进行响应,并控制火电机组根据低频分量进行响应。
Description
技术领域
本公开涉及电网调频技术领域,具体涉及一种熔盐耦合火电机组的调频方法、装置、电子设备及介质。
背景技术
火储联合调频能够显著改善火电机组的调频性能,可以快速、有效地减小系统调频容量缺额,目前,火储联合调频技术有电池储能、超级电容储能、飞轮储能、熔盐储能和多种形式构成的混合储能等,电池储能的循环寿命低并且存在一定的安全隐患,超级电容储能和飞轮储能作为功率型储能器件的代表,具有成本高、能量密度低等缺陷,熔盐储能以硝酸盐等原料作为蓄热介质,通过传热工质的热能与熔盐的内能转化来存储、释放能量,具有低成本、高安全、大容量和长寿命等优点。
现有技术中,通常变分模态分解(variational mode decomposition,VMD)技术将调频指令分为高频分量与低频分量,熔盐补偿高频分量,火电机组补偿低频分量。然而,由于VMD存在模态混叠,从而会影响熔盐耦合火电机组的调频效果。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本公开的目的在于提出一种熔盐耦合火电机组的调频方法、装置、电子设备和存储介质。
为达到上述目的,本公开第一方面实施例提出的熔盐耦合火电机组的调频方法,方法包括:
获取当前时刻时对熔盐耦合火电机组的第一调频信号,及历史时间段内对熔盐耦合火电机组的第二调频信号序列;
对第一调频信号进行变分模态分解VMD处理,并确定在进行VMD处理时的初始分解层数;
将第一调频信号和初始分解层数一并输入至预训练的混叠程度预测模型,以得到混叠程度预测模型输出的第一混叠程度预测值;
根据第二调频信号序列确定混叠程度修正值,并基于混叠程度修正值对第一混叠程度预测值进行修正,以得到目标混叠程度值;
根据目标混叠程度值对第一调频信号进行VMD处理,以得到高频分量和低频分量;
控制熔盐机组根据高频分量进行响应,并控制火电机组根据低频分量进行响应。
在本公开的一些实施例中,根据第二调频信号序列确定混叠程度修正值,包括:
确定第二调频信号序列中与每个第二调频信号对应的第二混叠程度预测值,及实际混叠程度值;
根据第二混叠程度预测值和与第二混叠程度预测值对应的实际混叠程度值,确定混叠程度修正值。
在本公开的一些实施例中,确定第二调频信号序列中与每个第二调频信号对应的第二混叠程度预测值,包括:
确定在对第二调频信号进行VMD处理时的候选分解层数;
将候选分解层数和第二调频信号一并输入至混叠程度预测模型,以得到混叠程度预测模型输出的第二混叠程度预测值。
在本公开的一些实施例中,根据第二混叠程度预测值和与第二混叠程度预测值对应的实际混叠程度值,确定混叠程度修正值,包括:
确定第二混叠程度预测值和与第二混叠程度预测值对应的实际混叠程度值之间的差值;
如果差值大于或等于零,则对差值的数量进行累计计数得到第一数量;
根据第一数量和多个差值,确定混叠程度修正值。
在本公开的一些实施例中,根据第一数量和多个差值,确定混叠程度修正值,包括:
采用如下公式计算得到混叠程度修正值:
;
其中,为混叠程度修正值,j为第一数量,/>为差值,/>为第一数量的差值中的最大差值,/>为除第一数量的差值之外的差值中的最小差值。
在本公开的一些实施例中,据目标混叠程度值对第一调频信号进行VMD处理,以得到高频分量和低频分量,包括:
基于目标混叠程度值确定分频系数;
根据分频系数对第一调频信号进行VMD处理,以得到高频分量和低频分量
为达到上述目的,本公开第二方面实施例提出的熔盐耦合火电机组的调频装置,装置包括:
获取模块,用于获取当前时刻时对熔盐耦合火电机组的第一调频信号,及历史时间段内对熔盐耦合火电机组的第二调频信号序列;
第一处理模块,用于对第一调频信号进行变分模态分解VMD处理,并确定在进行VMD处理时的初始分解层数;
第二处理模块,用于将第一调频信号和初始分解层数一并输入至预训练的混叠程度预测模型,以得到混叠程度预测模型输出的第一混叠程度预测值;
修正模块,用于根据第二调频信号序列确定混叠程度修正值,并基于混叠程度修正值对第一混叠程度预测值进行修正,以得到目标混叠程度值;
第三处理模块,用于根据目标混叠程度值对第一调频信号进行VMD处理,以得到高频分量和低频分量;
控制模块,用于控制熔盐机组根据高频分量进行响应,并控制火电机组根据低频分量进行响应。
在本公开的一些实施例中,修正模块,还用于:
确定第二调频信号序列中与每个第二调频信号对应的第二混叠程度预测值,及实际混叠程度值;
根据第二混叠程度预测值和与第二混叠程度预测值对应的实际混叠程度值,确定混叠程度修正值。
在本公开的一些实施例中,修正模块,还用于:
确定在对第二调频信号进行VMD处理时的候选分解层数;
将候选分解层数和第二调频信号一并输入至混叠程度预测模型,以得到混叠程度预测模型输出的第二混叠程度预测值。
在本公开的一些实施例中,修正模块,还用于:
确定第二混叠程度预测值和与第二混叠程度预测值对应的实际混叠程度值之间的差值;
如果差值大于或等于零,则对差值的数量进行累计计数得到第一数量;
根据第一数量和多个差值,确定混叠程度修正值。
在本公开的一些实施例中,修正模块,还用于:
采用如下公式计算得到混叠程度修正值:
;
其中,为混叠程度修正值,j为第一数量,/>为差值,/>为第一数量的差值中的最大差值,/>为除第一数量的差值之外的差值中的最小差值。
在本公开的一些实施例中,第三处理模块,还用于:
基于目标混叠程度值确定分频系数;
根据分频系数对第一调频信号进行VMD处理,以得到高频分量和低频分量。
本公开第三方面实施例提出的电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现如本公开第一方面实施例提出的熔盐耦合火电机组的调频方法。
本公开第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开第一方面实施例提出的熔盐耦合火电机组的调频方法。
本公开第五方面实施例提出了一种计算机程序产品,当计算机程序产品中的指令由处理器执行时,执行如本公开第一方面实施例提出的熔盐耦合火电机组的调频方法。
本公开提供的熔盐耦合火电机组的调频方法、装置、电子设备和存储介质,至少存在以下有益效果:获取当前时刻时对熔盐耦合火电机组的第一调频信号,及历史时间段内对熔盐耦合火电机组的第二调频信号序列,再对第一调频信号进行变分模态分解VMD处理,并确定在进行VMD处理时的初始分解层数,再将第一调频信号和初始分解层数一并输入至预训练的混叠程度预测模型,以得到混叠程度预测模型输出的第一混叠程度预测值,再根据第二调频信号序列确定混叠程度修正值,并基于混叠程度修正值对第一混叠程度预测值进行修正,以得到目标混叠程度值,再根据目标混叠程度值对第一调频信号进行VMD处理,以得到高频分量和低频分量,再控制熔盐机组根据高频分量进行响应,并控制火电机组根据低频分量进行响应,由此,能够基于混叠程度值对第一混叠程度预测值进行准确修正,并能够基于第一混叠程度预测值对初始分解层数进行调整,以提升VMD分解效果,从而能够基于分解结果实现更佳的熔盐耦合火电机组调频性能。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本公开一实施例提出的火电厂与电网连接示意图;
图2是本公开一实施例提出的熔盐耦合火电机组的调频方法的流程示意图;
图3是本公开一实施例提出的目标混叠程度值的确定流程示意图;
图4是本公开一实施例提出的熔盐耦合火电机组的调频装置的结构示意图;
图5示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
下面详细描述本公开的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本公开,而不能理解为对本公开的限制。相反,本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本公开一实施例提出的熔盐耦合火电机组的调频方法的流程示意图。
其中,需要说明的是,本实施例的熔盐耦合火电机组的调频方法的执行主体为熔盐耦合火电机组的调频装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等,如终端可为手机、掌上电脑等。
本申请实施例提供了基于熔盐耦合的火电机组的调频方法,以保证响应时间短,同时避免模态混叠。
在本申请中,火电厂配置有熔盐储能设备,熔盐储能设备协助火电机组参与调频。
图1为本申请实施例所提供的火电厂与电网连接示意图。如图1所示,电机组G经母线与电网连接,熔盐储能设备(可以简称为熔盐或熔盐储能)经储能变流器(PowerConversion System,PCS)与母线连接,然后并入电网,熔盐储能设备包括熔盐罐、热电直接转换系统和熔盐加热器,其中,熔盐加热器用于将来自电网的电能转化为热能存储在熔盐罐中,热电直接转换系统用于将熔盐罐释放的热能转化为电能送至电网。在电网下发调频指令时,调频指令携带有电网调频响应需求PT,火电厂在接收到调频指令后,火电机组G以火电机组负荷PL进行响应,剩余的由熔盐储能设备响应,即熔盐储能设备以Pc (PT-PL= Pc)的熔盐储能出力进行响应。利用本申请的熔盐耦合火电机组的调频方法能够更加准确地确定火电机组负荷PL和熔盐储能出力PC的值。
如图2所示,该熔盐耦合火电机组的调频方法,包括:
S201:获取当前时刻时对熔盐耦合火电机组的第一调频信号,及历史时间段内对熔盐耦合火电机组的第二调频信号序列。
也即是说,本公开实施例中,可以是在当前时刻接收电网下发的对熔盐耦合火电机组的第一调频信号,并记录电网下发的历史时间段内在预设时间间隔t时对熔盐耦合火电机组的第二调频信号(/>)。
S202:对第一调频信号进行变分模态分解VMD处理,并确定在进行VMD处理时的初始分解层数。
其中,变分模态分解(Variational Mode Decomposition,VMD)算法一种完全非递归的模态变分方法,利用VMD算法可以对原始信号f(t)分解得到具有一定稀疏性质的多个模态分量(Intrinsic Mode Function,IMF)。
也即是说,本公开实施例在获取当前时刻时对熔盐耦合火电机组的第一调频信号之后,可以对第一调频信号进行VMD处理,并在分解过程中记录进行VMD处理时的初始分解层数k。
S203:将第一调频信号和初始分解层数一并输入至预训练的混叠程度预测模型,以得到混叠程度预测模型输出的第一混叠程度预测值。
其中,混叠程度预测模型是基于参考调频信号和参考分解层数,与参考混叠程度值之间的映射关系预先训练得到,该混叠程度预测模式可以是深度学习模型,神经网络模型等,对此不做限制。
其中,由混叠程度预测模型根据第一调频信号和初始分解层数预测所得的混叠程度预测值,即为第一混叠程度预测值。
其中,第一混叠程度预测值,是指在对第一调频信号进行VMD处理之后,可以得到多个IMF,可以是将多个IMF分别映射至频域,从而得到多个连续的频谱分量,每两个相邻频谱分量之间的总混叠程度,其中,总混叠程度满足:
;
其中,D为总混叠程度,K为初始分解层数,表示相邻IMF的频率重叠区间(即交叉区间),/>表示相邻IMF所在频率区间,/>是相邻IMF中后一个(即第i+1个模态分量)的频率最大值,/>是相邻IMF中前一个(即第i个模态分量)的频率最小值。
本公开实施例中,可以是基于参考调频信号和参考分解层数,与参考混叠程度值之间的映射关系预先训练得到混叠程度预测模型,再将第一调频信号和初始分解层数一并输入至预训练的混叠程度预测模型之中,以获取混叠程度预测模型输出的第一混叠程度预测值。
S204:根据第二调频信号序列确定混叠程度修正值,并基于混叠程度修正值对第一混叠程度预测值进行修正,以得到目标混叠程度值。
其中,混叠程度修正值可以用于对于第一混叠程度预测值进行修正。
可选地,一些实施例中,根据第二调频信号序列确定混叠程度修正值,可以是确定第二调频信号序列中与每个第二调频信号对应的第二混叠程度预测值,及实际混叠程度值,再根据第二混叠程度预测值和与第二混叠程度预测值对应的实际混叠程度值,确定混叠程度修正值。
可选地,一些实施例中,确定第二调频信号序列中与每个第二调频信号对应的第二混叠程度预测值,可以是确定在对第二调频信号进行VMD处理时的候选分解层数,再将候选分解层数和第二调频信号一并输入至混叠程度预测模型,以得到混叠程度预测模型输出的第二混叠程度预测值。
其中,在对第二调频信号进行VMD处理时的分解层数即为候选分解层数。
也即是说,本公开实施例中,可以是确定在对第二调频信号进行VMD处理时的候选分解层数,再将候选分解层数和第二调频信号一并输入至混叠程度预测模型,以得到混叠程度预测模型输出的第二混叠程度预测值,或者,还可以采用其他的混叠程度预测方法根据候选分解层数和第二调频信号,确定第二混叠程度预测值,对此不做限制。
可选地,一些实施例中,根据第二混叠程度预测值和与第二混叠程度预测值对应的实际混叠程度值,确定混叠程度修正值,可以是确定第二混叠程度预测值和与第二混叠程度预测值对应的实际混叠程度值之间的差值,再在差值大于或等于零时,对差值的数量进行累计计数得到第一数量,再根据第一数量和多个差值,确定混叠程度修正值。
也即是说,本公开实施例中,可以是确定第二混叠程度预测值和相应实际混叠程度值/>之间的差值/>,即/>=/>-实际/>,t为历史时间段的总时长。
在≥0时,对差值的数量进行累计计数得到第一数量j,再根据第一数量和多个差值,确定混叠程度修正值。
可选地,一些实施例中,根据第一数量和多个差值,确定混叠程度修正值,可以是采用如下公式计算得到混叠程度修正值:
;
其中,为混叠程度修正值,j为第一数量,/>为差值,/>为第一数量的差值中的最大差值,/>为除第一数量的差值之外的差值中的最小差值。
本公开实施例在确定混叠程度修正值之后,可以基于混叠程度修正值对第一混叠程度预测值进行修正,以得到目标混叠程度值,该过程可以表示为:
;
其中,为目标混叠程度值,/>为混叠程度修正值,/>为第一混叠程度预测值。
本公开实施例中,参见图3,图3是本公开一实施例提出的目标混叠程度值的确定流程示意图,即将将输入信号X(t)和分解层数K输入预训练的混叠程度预测模型,以获取当前k下的第一混叠程度预测值,同时,可以是获取300次的第二调频信号,并确定与每个第二调频信号对应的第二混叠程度预测值/>和实际混叠程度值/>,并对第二混叠程度预测值/>和实际混叠程度值/>进行作差处理,以得到差值/>(/>(t-1)……/>(t-300)),再在/>≥0时将其差值归入增大组,在/><0时将其差值归入减小组,并根据增大组中的元素数量,确定混叠程度修正值/>,再基于混叠程度修正值/>对第一混叠程度预测值/>进行修正,以得到目标混叠程度值/>。
S205:根据目标混叠程度值对第一调频信号进行VMD处理,以得到高频分量和低频分量。
可选地,一些实施例中,据目标混叠程度值对第一调频信号进行VMD处理,以得到高频分量和低频分量,可以是基于目标混叠程度值确定分频系数,再根据分频系数对第一调频信号进行VMD处理,以得到高频分量和低频分量。
本公开实施例中,在基于目标混叠程度值确定分频系数之后,可以根据分频系数对第一调频信号进行VMD处理,以得到高频分量()和低频分量(/>),对第一调频信号进行VMD处理后可得:
;
其中,j为分频系数,一般取[n/2]即模态分量(IMF)的数量一半后取整,(t)为分解后的第i个模态量(IMF),n=K(初始分解层数)。
S206:控制熔盐机组根据高频分量进行响应,并控制火电机组根据低频分量进行响应。
考虑到高频分量由熔盐平抑,低频分量由火电机组平抑,即控制熔盐机组按照高频分量进行响应并控制火电机组按照低频分量进行响应,即熔盐储能设备的熔盐储能出力PC等于高频分量,火电机组负荷PL等于低频分量。
为了验证本申请的方法的效果,进行试验验证,即采用传统的混叠程度预测方法和本公开实施例的方法分别对混叠程度进行预测,预测结果如表1所示:
表1
由上述表1可知,本公开实施例提出的方法分别对混叠程度的平均预测误差为11.1,而传统混叠程度预测方法的平均预测误差为14.6,由此可知,本公开实施例提出的方法大大提高了混叠程度的预测精度。
本公开实施例中,通过获取当前时刻时对熔盐耦合火电机组的第一调频信号,及历史时间段内对熔盐耦合火电机组的第二调频信号序列,再对第一调频信号进行变分模态分解VMD处理,并确定在进行VMD处理时的初始分解层数,再将第一调频信号和初始分解层数一并输入至预训练的混叠程度预测模型,以得到混叠程度预测模型输出的第一混叠程度预测值,再根据第二调频信号序列确定混叠程度修正值,并基于混叠程度修正值对第一混叠程度预测值进行修正,以得到目标混叠程度值,再根据目标混叠程度值对第一调频信号进行VMD处理,以得到高频分量和低频分量,再控制熔盐机组根据高频分量进行响应,并控制火电机组根据低频分量进行响应,由此,能够基于混叠程度值对第一混叠程度预测值进行准确修正,并能够基于第一混叠程度预测值对初始分解层数进行调整,以提升VMD分解效果,从而能够基于分解结果实现更佳的熔盐耦合火电机组调频性能。
图4是本公开一实施例提出的熔盐耦合火电机组的调频装置的结构示意图。
如图4所示,该熔盐耦合火电机组的调频装置40,包括:
获取模块401,用于获取当前时刻时对熔盐耦合火电机组的第一调频信号,及历史时间段内对熔盐耦合火电机组的第二调频信号序列;
第一处理模块402,用于对第一调频信号进行变分模态分解VMD处理,并确定在进行VMD处理时的初始分解层数;
第二处理模块403,用于将第一调频信号和初始分解层数一并输入至预训练的混叠程度预测模型,以得到混叠程度预测模型输出的第一混叠程度预测值;
修正模块404,用于根据第二调频信号序列确定混叠程度修正值,并基于混叠程度修正值对第一混叠程度预测值进行修正,以得到目标混叠程度值;
第三处理模块405,用于根据目标混叠程度值对第一调频信号进行VMD处理,以得到高频分量和低频分量;
控制模块406,用于控制熔盐机组根据高频分量进行响应,并控制火电机组根据低频分量进行响应。
在本公开的一些实施例中,修正模块404,还用于:
确定第二调频信号序列中与每个第二调频信号对应的第二混叠程度预测值,及实际混叠程度值;
根据第二混叠程度预测值和与第二混叠程度预测值对应的实际混叠程度值,确定混叠程度修正值。
在本公开的一些实施例中,修正模块404,还用于:
确定在对第二调频信号进行VMD处理时的候选分解层数;
将候选分解层数和第二调频信号一并输入至混叠程度预测模型,以得到混叠程度预测模型输出的第二混叠程度预测值。
在本公开的一些实施例中,修正模块404,还用于:
确定第二混叠程度预测值和与第二混叠程度预测值对应的实际混叠程度值之间的差值;
如果差值大于或等于零,则对差值的数量进行累计计数得到第一数量;
根据第一数量和多个差值,确定混叠程度修正值。
在本公开的一些实施例中,修正模块404,还用于:
采用如下公式计算得到混叠程度修正值:
;
其中,为混叠程度修正值,j为第一数量,/>为差值,/>为第一数量的差值中的最大差值,/>为除第一数量的差值之外的差值中的最小差值。
在本公开的一些实施例中,第三处理模块405,还用于:
基于目标混叠程度值确定分频系数;
根据分频系数对第一调频信号进行VMD处理,以得到高频分量和低频分量。
需要说明的是,前述对熔盐耦合火电机组的调频方法的解释说明也适用于本实施例的熔盐耦合火电机组的调频装置,此处不再赘述。
本公开实施例中,通过获取当前时刻时对熔盐耦合火电机组的第一调频信号,及历史时间段内对熔盐耦合火电机组的第二调频信号序列,再对第一调频信号进行变分模态分解VMD处理,并确定在进行VMD处理时的初始分解层数,再将第一调频信号和初始分解层数一并输入至预训练的混叠程度预测模型,以得到混叠程度预测模型输出的第一混叠程度预测值,再根据第二调频信号序列确定混叠程度修正值,并基于混叠程度修正值对第一混叠程度预测值进行修正,以得到目标混叠程度值,再根据目标混叠程度值对第一调频信号进行VMD处理,以得到高频分量和低频分量,再控制熔盐机组根据高频分量进行响应,并控制火电机组根据低频分量进行响应,由此,能够基于混叠程度值对第一混叠程度预测值进行准确修正,并能够基于第一混叠程度预测值对初始分解层数进行调整,以提升VMD分解效果,从而能够基于分解结果实现更佳的熔盐耦合火电机组调频性能。
图5示出了适于用来实现本公开实施方式的示例性电子设备的框图。图5显示的电子设备12仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其他可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。
尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如:光盘只读存储器(Compact Disc Read OnlyMemory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory;以下简称:DVD-ROM)或者其他光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其他程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得人体能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network;以下简称:LAN),广域网(Wide Area Network;以下简称:WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其他模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其他硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现前述实施例中提及的熔盐耦合火电机组的调频方法。
为了实现上述实施例,本公开还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开前述实施例提出的熔盐耦合火电机组的调频方法。
为了实现上述实施例,本公开还提出一种计算机程序产品,当计算机程序产品中的指令处理器执行时,执行如本公开前述实施例提出的熔盐耦合火电机组的调频方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
需要说明的是,在本公开的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本公开的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本公开的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本公开的实施例所属技术领域的技术人员所理解。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本公开各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定是指相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种熔盐耦合火电机组的调频方法,其特征在于,所述方法包括:
获取当前时刻时对熔盐耦合火电机组的第一调频信号,及历史时间段内对所述熔盐耦合火电机组的第二调频信号序列;
对所述第一调频信号进行变分模态分解VMD处理,并确定在进行所述VMD处理时的初始分解层数;
将所述第一调频信号和所述初始分解层数一并输入至预训练的混叠程度预测模型,以得到所述混叠程度预测模型输出的第一混叠程度预测值;
根据所述第二调频信号序列确定混叠程度修正值,并基于所述混叠程度修正值对所述第一混叠程度预测值进行修正,以得到目标混叠程度值;
根据所述目标混叠程度值对所述第一调频信号进行所述VMD处理,以得到高频分量和低频分量;
控制熔盐机组根据所述高频分量进行响应,并控制所述火电机组根据所述低频分量进行响应;其中,
所述根据所述第二调频信号序列确定混叠程度修正值,包括:
确定所述第二调频信号序列中与每个所述第二调频信号对应的第二混叠程度预测值,及实际混叠程度值;
根据所述第二混叠程度预测值和与所述第二混叠程度预测值对应的所述实际混叠程度值,确定所述混叠程度修正值;
所述根据所述第二混叠程度预测值和与所述第二混叠程度预测值对应的所述实际混叠程度值,确定所述混叠程度修正值,包括:
确定所述第二混叠程度预测值和与所述第二混叠程度预测值对应的所述实际混叠程度值之间的差值;
如果所述差值大于或等于零,则对所述差值的数量进行累计计数得到第一数量;
根据所述第一数量和多个所述差值,确定所述混叠程度修正值;
所述根据所述第一数量和多个所述差值,确定所述混叠程度修正值,包括:
采用如下公式计算得到所述混叠程度修正值:
;
其中,为所述混叠程度修正值,j为第一数量,/>为所述差值,/>为第一数量的差值中的最大差值,/>为除第一数量的差值之外的差值中的最小差值。
2.如权利要求1所述的方法,其特征在于,所述确定所述第二调频信号序列中与每个所述第二调频信号对应的第二混叠程度预测值,包括:
确定在对所述第二调频信号进行所述VMD处理时的候选分解层数;
将所述候选分解层数和所述第二调频信号一并输入至所述混叠程度预测模型,以得到所述混叠程度预测模型输出的第二混叠程度预测值。
3.如权利要求1所述的方法,其特征在于,所述据所述目标混叠程度值对所述第一调频信号进行所述VMD处理,以得到高频分量和低频分量,包括:
基于所述目标混叠程度值确定分频系数;
根据所述分频系数对所述第一调频信号进行所述VMD处理,以得到高频分量和低频分量。
4.一种熔盐耦合火电机组的调频装置,其特征在于,所述装置包括:
获取模块,用于获取当前时刻时对熔盐耦合火电机组的第一调频信号,及历史时间段内对所述熔盐耦合火电机组的第二调频信号序列;
第一处理模块,用于对所述第一调频信号进行变分模态分解VMD处理,并确定在进行所述VMD处理时的初始分解层数;
第二处理模块,用于将所述第一调频信号和所述初始分解层数一并输入至预训练的混叠程度预测模型,以得到所述混叠程度预测模型输出的第一混叠程度预测值;
修正模块,用于根据所述第二调频信号序列确定混叠程度修正值,并基于所述混叠程度修正值对所述第一混叠程度预测值进行修正,以得到目标混叠程度值;
第三处理模块,用于根据所述目标混叠程度值对所述第一调频信号进行所述VMD处理,以得到高频分量和低频分量;
控制模块,用于控制熔盐机组根据所述高频分量进行响应,并控制所述火电机组根据所述低频分量进行响应;
其中,
所述修正模块,还用于确定所述第二调频信号序列中与每个所述第二调频信号对应的第二混叠程度预测值,及实际混叠程度值;根据所述第二混叠程度预测值和与所述第二混叠程度预测值对应的所述实际混叠程度值,确定所述混叠程度修正值;
所述修正模块,还用于确定所述第二混叠程度预测值和与所述第二混叠程度预测值对应的所述实际混叠程度值之间的差值;如果所述差值大于或等于零,则对所述差值的数量进行累计计数得到第一数量;根据所述第一数量和多个所述差值,确定所述混叠程度修正值;
所述修正模块,还用于采用如下公式计算得到所述混叠程度修正值:
;
其中,为所述混叠程度修正值,j为第一数量,/>为所述差值,/>为第一数量的差值中的最大差值,/>为除第一数量的差值之外的差值中的最小差值。
5.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。
6.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,其中,所述计算机指令用于使所述计算机执行权利要求1-3中任一项所述的方法。
7.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-3中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410355858.3A CN117977635B (zh) | 2024-03-27 | 2024-03-27 | 熔盐耦合火电机组的调频方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410355858.3A CN117977635B (zh) | 2024-03-27 | 2024-03-27 | 熔盐耦合火电机组的调频方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117977635A CN117977635A (zh) | 2024-05-03 |
CN117977635B true CN117977635B (zh) | 2024-06-11 |
Family
ID=90853615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410355858.3A Active CN117977635B (zh) | 2024-03-27 | 2024-03-27 | 熔盐耦合火电机组的调频方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117977635B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102884574A (zh) * | 2009-10-20 | 2013-01-16 | 弗兰霍菲尔运输应用研究公司 | 音频信号编码器、音频信号解码器、使用混迭抵消来将音频信号编码或解码的方法 |
CN113259289A (zh) * | 2021-05-13 | 2021-08-13 | 曾泓然 | 基于残差神经网络的单通道混叠信号调制模式识别方法 |
US11095336B1 (en) * | 2020-07-10 | 2021-08-17 | Raytheon Company | Cyclic chirp calibration |
CN114696346A (zh) * | 2022-03-17 | 2022-07-01 | 西安热工研究院有限公司 | 一种熔盐储能配电系统的节能方法 |
CN115789616A (zh) * | 2022-11-21 | 2023-03-14 | 华能汕头海门发电有限责任公司 | 一种熔盐储能提升火电机组调峰能力的控制方法 |
CN116088320A (zh) * | 2023-04-11 | 2023-05-09 | 安徽农业大学 | 稀疏双时空非凸罚自适应Chirp模态交叉混叠分解方法 |
CN116340846A (zh) * | 2023-03-30 | 2023-06-27 | 北京理工大学 | 一种弱监督下多示例多标签学习的混叠调制信号识别方法 |
CN116599080A (zh) * | 2023-05-08 | 2023-08-15 | 西安热工研究院有限公司 | 基于熔盐储能系统辅助火电机组调频的方法及装置 |
CN116780507A (zh) * | 2023-05-29 | 2023-09-19 | 浙江大学 | 一种基于psvlba模型的电力负荷预测方法 |
CN117290708A (zh) * | 2023-11-24 | 2023-12-26 | 成都理工大学 | 便于计算暂态冲击量的高低频混叠信号分离方法 |
CN117410959A (zh) * | 2023-09-15 | 2024-01-16 | 三峡大学 | 一种基于eemd-gwo-lstm网络和mc误差修正的电网负荷超短期预测方法 |
CN117691629A (zh) * | 2024-02-04 | 2024-03-12 | 西安热工研究院有限公司 | 一种熔盐耦合火电机组的调频方法和系统 |
CN117713144A (zh) * | 2024-02-06 | 2024-03-15 | 西安热工研究院有限公司 | 一种基于熔盐储能的火电机组的调频方法和系统 |
-
2024
- 2024-03-27 CN CN202410355858.3A patent/CN117977635B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102884574A (zh) * | 2009-10-20 | 2013-01-16 | 弗兰霍菲尔运输应用研究公司 | 音频信号编码器、音频信号解码器、使用混迭抵消来将音频信号编码或解码的方法 |
US11095336B1 (en) * | 2020-07-10 | 2021-08-17 | Raytheon Company | Cyclic chirp calibration |
CN113259289A (zh) * | 2021-05-13 | 2021-08-13 | 曾泓然 | 基于残差神经网络的单通道混叠信号调制模式识别方法 |
CN114696346A (zh) * | 2022-03-17 | 2022-07-01 | 西安热工研究院有限公司 | 一种熔盐储能配电系统的节能方法 |
CN115789616A (zh) * | 2022-11-21 | 2023-03-14 | 华能汕头海门发电有限责任公司 | 一种熔盐储能提升火电机组调峰能力的控制方法 |
CN116340846A (zh) * | 2023-03-30 | 2023-06-27 | 北京理工大学 | 一种弱监督下多示例多标签学习的混叠调制信号识别方法 |
CN116088320A (zh) * | 2023-04-11 | 2023-05-09 | 安徽农业大学 | 稀疏双时空非凸罚自适应Chirp模态交叉混叠分解方法 |
CN116599080A (zh) * | 2023-05-08 | 2023-08-15 | 西安热工研究院有限公司 | 基于熔盐储能系统辅助火电机组调频的方法及装置 |
CN116780507A (zh) * | 2023-05-29 | 2023-09-19 | 浙江大学 | 一种基于psvlba模型的电力负荷预测方法 |
CN117410959A (zh) * | 2023-09-15 | 2024-01-16 | 三峡大学 | 一种基于eemd-gwo-lstm网络和mc误差修正的电网负荷超短期预测方法 |
CN117290708A (zh) * | 2023-11-24 | 2023-12-26 | 成都理工大学 | 便于计算暂态冲击量的高低频混叠信号分离方法 |
CN117691629A (zh) * | 2024-02-04 | 2024-03-12 | 西安热工研究院有限公司 | 一种熔盐耦合火电机组的调频方法和系统 |
CN117713144A (zh) * | 2024-02-06 | 2024-03-15 | 西安热工研究院有限公司 | 一种基于熔盐储能的火电机组的调频方法和系统 |
Non-Patent Citations (5)
Title |
---|
Model Characterization and Frequency Regulation in Wind-Diesel Hybrid Microgrids;Felipe Wilches-Bemal等;《2022 North American Power Symposium (NAPS)》;20230116;全文 * |
基于变分模态分解的高比例新能源电网调频储能需求计算方法;唐雨晨等;《南方电网技术》;20230331;第17卷(第3期);全文 * |
基于改进粒子群算法的混合储能独立调频的容量优化研究;李聪等;《太阳能学报》;20230131;第44卷(第1期);全文 * |
基于熔盐储热辅助煤电机组深度调峰的系统设计及容量计算方法研究;马汀山等;《热力发电》;20230731;第52卷(第7期);全文 * |
基于高温熔盐储热系统的火电机组深度调峰方案对比及分析;宋晓辉等;《热能动力工程》;20231130;第38卷(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117977635A (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117691630A (zh) | 一种基于vmd-ceemd的新型电力系统调频方法和系统 | |
WO2024016966A1 (zh) | 一种电力电子产品的多层控制系统及方法 | |
WO2023226355A1 (zh) | 基于多源感知的双向锂离子电池故障检测方法及系统 | |
CN117977635B (zh) | 熔盐耦合火电机组的调频方法、装置、电子设备及介质 | |
CN117833282B (zh) | 一种熔盐耦合火电机组的调频方法及系统 | |
CN111047163A (zh) | 储能策略数据处理系统、方法、装置及介质 | |
CN110837477A (zh) | 一种基于寿命预测的存储系统损耗均衡方法及装置 | |
CN105094700A (zh) | 云存储系统中分层存储的数据热度计算方法和装置 | |
CN117370796A (zh) | 风电机组故障预测模型训练和故障预测方法及装置 | |
US9722283B2 (en) | Using effective C-rates to determine inaccessible capacities of batteries | |
CN114779081A (zh) | 车辆电池寿命的互学习预测方法、装置及存储介质 | |
CN114236520A (zh) | 一种测距方法、设备管理方法、计算设备及存储介质 | |
CN112433682A (zh) | 固态硬盘中控制参数的获取方法、存储介质和电子装置 | |
CN116937602A (zh) | 制氨机组的运行控制方法、装置、电子设备及存储介质 | |
CN116859270A (zh) | 电池容量估计模型训练及容量估计方法、装置及存储介质 | |
CN110909455A (zh) | 一种延缓固体氧化物燃料电池性能衰退的方法 | |
CN117422213A (zh) | 综合智慧能源的规划方法、装置、电子设备及存储介质 | |
CN117723983A (zh) | 一种储能系统soc检测方法、装置及电子设备 | |
CN116187811A (zh) | 风电基地的评价方法、装置及电子设备 | |
CN113489039B (zh) | 一种充电调度方法、装置、设备及存储介质 | |
CN118013236B (zh) | 基于误差补偿法的储能辅助黑启动的风速预测方法和系统 | |
CN117252615A (zh) | 基于概率密度函数修正的电价价差预测方法和装置 | |
CN112529306B (zh) | 基于油系统油温估计的调相机潜伏性缺陷诊断方法和装置 | |
CN117878975B (zh) | 基于预测聚类的熔盐储能耦合火电机组的调频方法和系统 | |
CN116051163A (zh) | 电力系统的度电成本确定方法、装置、电子设备及介质 |
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 |