本发明属于电网调频,具体涉及基于数据分析和建模的电厂机组调频优化方法。
背景技术:
1、随着经济的快速发展,对电力的需求越来越大,电力生产企业对于电力生产效率的提高迫在眉睫。其中,机组调频是电力生产中的关键环节,其调节控制效率和精度直接关系到电网稳定和电力供应质量。因此,研究机组调频控制技术具有重要意义。
2、目前,机组调频控制技术主要分为两种类型:传统的基于经验的控制方法和基于数据分析和建模的智能化控制方法。传统的基于经验的控制方法主要依赖于人工调整和经验总结,其控制效果受到人员水平和经验的限制,控制精度和效率难以提高。基于数据分析和建模的智能化控制方法则通过对机组运行数据进行分析和建模,提高了控制精度和效率,可以更好地适应电力生产的变化和需求。
3、近年来,一些专利文献涉及了基于数据分析和建模的智能化机组调频控制方法。例如,专利文献cn110801933a公开了一种基于机器学习的机组调频控制方法,该方法通过机器学习算法训练模型,对机组的运行数据进行建模和预测,并通过预测结果优化机组调频控制策略,提高了调频控制的效率和精度。专利文献cn107081131a公开了一种基于模型预测控制的机组调频方法,该方法利用模型预测算法预测机组的运行状态,并根据预测结果优化控制策略,实现了更加智能化和高效的机组调频控制。
4、然而,目前现有技术中依然存在一些问题,主要包括以下几个方面:
5、数据采集的不完整:现有技术主要依靠电厂人员手动采集机组的运行数据,往往存在数据采集不完整的情况。这种不完整的数据会影响建模和预测的准确性,从而影响机组调频控制的效率和精度。
6、建模方法的局限性:现有技术中采用的建模方法主要包括神经网络、支持向量机等方法,这些方法在一定程度上能够解决机组调频控制中的问题,但是其在处理非线性、高维、大数据等问题时存在一定的局限性。此外,这些方法的训练和调整需要消耗大量的时间和计算资源,无法适应实时性要求较高的机组调频控制。
7、控制策略的单一性:现有技术中采用的控制策略往往是固定的,无法适应机组运行状态的变化。例如,在机组负荷发生变化时,原有的控制策略可能无法满足实际需要,从而影响机组调频控制的效果。
8、算法的收敛速度和搜索效率:现有技术中采用的算法,例如模拟退火算法、遗传算法等,在搜索效率和收敛速度上存在一定的问题,难以满足机组调频控制的实际需求。
9、综上所述,现有技术中虽然采用了基于数据分析和建模的智能化机组调频控制方法,但仍然存在一些问题需要解决。为了提高机组调频控制的效率和精度,需要研究更加先进的数据采集、建模、控制策略和算法等方面的技术,以满足电力生产的实际需求。同时,需要继续深入研究机组调频控制中的问题和挑战,不断推进机组调频控制技术的发展和应用。
技术实现思路
1、本发明的主要目的在于提供基于数据分析和建模的电厂机组调频优化方法,本专利提供的基于数据分析和建模的电厂机组调频优化方法,能够提高电厂机组调频控制的精度和效率,实现更加智能化和高效的机组调频控制,从而提高电力供应的稳定性和可靠性。
2、为解决上述技术问题,本发明提供基于数据分析和建模的电厂机组调频优化方法,包括:
3、基于数据分析和建模的电厂机组调频优化方法,所述方法包括:
4、步骤s1:采集电厂机组中每一个机组的运行数据,所述运行参数的种类至少包括负荷、频率、转速和功率;
5、步骤s2:构建关键因素权重分配模型,所述关键因素权重分配模型依据运行参数中每一类参数对调频优化结果的影响大小,为运行参数中每一类参数分配权值;
6、步骤s3:将每一个机组的每一类运行参数单独组成一个集合,所述集合种类包括:负荷集合、频率集合、转速集合和功率集合;将每个集合作为某个多维度空间中的某一维度的数据,且不同的集合对应多维度空间的不同维度;依据每个集合中的数据,构建在该多维度空间下的电厂机组的运行数据对应的集合的维度空间体;
7、步骤s4:对每个维度空间体,通过设置一个渐变参数,使用渐变模拟算法找到该维度空间体下的最优全局解,再解析出该最优全局解下对应的运行参数的集合,将此时运行参数的集合作为机组调频控制最优策略;
8、步骤s5:将最优控制策略应用于电厂机组运行中,完成电厂机组调频优化。
9、进一步的,所述步骤1中,通过传感器的方式和/或机组控制系统软件采集电厂机组中每一个机组的运行数据。
10、进一步的,所述步骤s2具体包括:
11、步骤s2.1:对采集到的运行数据进行预处理,包括:对数据进行去噪、归一化和平滑操作,生成预处理运行数据;
12、步骤s2.2:构建关键因素权重分配模型,具体包括:将电厂机组的调频优化的过程分解为两个部分,第一部分是运行参数的种类,第二部分是各个参数对调频优化结果的影响大小;对于每个部分的元素,预先构建量化表,对第一部分和第二部分之间的比较进行定量化;计算每个部分元素的权重,得到权重计算结果;对权重计算结果进行一致性检验,得到一致性比率,若一致性比率小于0.1,则保留权重计算结果,否则舍弃权重结算结果;
13、步骤s2.3:根据权重计算结果为运行参数中每一类参数分配权值。
14、进一步的,所述步骤s2.2中对每个部分的元素,预先构建的量化表为使用1-9评分的标准量表,表示两个元素之间的相对重要性,评分值越大,则表明两个元素之间的相对重要性更高。
15、进一步的,所述步骤s2.2中计算每个部分元素的权重,得到权重计算结果的方法包括:首先,构建判断矩阵a,表示各个运行参数之间的比较结果,其中aij表示第i个参数相对于第j个参数的重要性:
16、
17、然后,计算出各个参数的权重向量w,其中wi表示第i个运行参数对调频优化结果的影响程度:
18、w=(w1,w2,…,wn)
19、
20、其中,n表示运行参数的数量。
21、进一步的,所述步骤s3具体包括:
22、步骤s3.1:首先将每个机组的每个运行参数集合进行组合,得到一个包含所有运行参数的向量;向量的维度等于运行参数的种类数,每个维度对应负荷集合、频率集合、转速集合或功率集合中的一个;
23、步骤s3.2:将每个向量作为一个多维度空间中的一个点,并根据这些点的位置构建一个多维度空间体,其中每个点对应一个运行参数集合,不同的运行参数集合对应多维空间中的不同维度。
24、进一步的,所述步骤s4具体包括:通过确定一个渐变参数来控制多维度空间中每个点的运动,渐变参数δ(t)越高,多维度空间体中的点的运动越大,渐变模拟算法的搜索范围越广;随着渐变参数的逐渐减小,点的运动逐渐减缓,最终会稳定在一个局部最优解或全局最优解附近;所述渐变参数的取值使用以下公式来计算:
25、
26、其中,δ0表示初始渐变参数,τ表示搜索时间常数,t表示当前迭代次数。看到,随着迭代次数t的增加,渐变参数δ(t)会逐渐减小,从而控制渐变参数的下降;
27、对多维度空间体中的点进行移动;点的移动方式使用渐变模拟算法中的随机移动方式,即从当前位置随机选择一个方向并移动一定距离;点移动时遵循的的公式如下:
28、xi(t+1)=xi(t)+σ(t)·ri(t);
29、其中,xi(t)表示第i个维度的点在t时刻的位置,σ(t)表示在t时刻的移动距离,ri(t)表示第i个维度的点在t时刻的随机方向;
30、在每次迭代中,选择一个移动距离σ(t),以保证算法能够收敛到最优解并避免陷入局部最优解;所述移动距离使用以下公式进行计算:
31、
32、其中,α表示移动距离的控制因子;移动距离的计算公式中,δ(t)表示当前渐变参数,表示多维空间体中一个点移动的平均距离。
33、在每次移动后,判断新的位置是否比当前位置更优;如果新的位置更优,则将当前位置更新为新的位置;否则,以一定概率接受新位置;接受新位置的概率由以下公式给出:
34、
35、其中,δe表示新位置与当前位置之间的能量差异,δ(t)表示当前渐变参数。看到,当新位置的能量更低时,接受新位置的概率为1;当新位置的能量更高时,接受新位置的概率随着渐变参数的下降而逐渐减小;重复进行点移动,直到找到多维度空间体中的最优全局解;再解析出该最优全局解下对应的运行参数的集合,将此时运行参数的集合作为机组调频控制最优策略。
36、进一步的,所述渐变参数的确定过程包括:随机生成一个初始渐变参数,并记录当前渐变参数下的最优解和最优适应度。试探新渐变参数:在当前渐变参数的基础上,随机生成一个新的渐变参数,用于模拟渐变模拟算法的搜索过程;使用新渐变参数进行渐变模拟算法的搜索,计算搜索结果的适应度,并与当前最优解进行比较;修正渐变参数:如果新渐变参数的适应度优于当前最优解,那么将新渐变参数作为当前的渐变参数,并更新最优解和最优适应度;否则,以一定概率接受新渐变参数,继续进行试探。
37、进一步的,所述移动距离的确定方法包括:随机生成一个初始移动距离,并记录当前移动距离下的最优解和最优适应度;在搜索过程中,根据当前搜索结果和移动距离的大小,动态调整移动距离的值;当适应度变化较小时,缩小移动距离,以加强搜索的精度;当适应度变化较大时,增大移动距离,以扩大搜索的范围;重复动态调整移动距离的过程,直到找到最优的移动距离为止。
38、进一步的,所述控制因子的确定方法包括:在参数空间中随机生成一组初始粒子群,每个粒子代表一组控制因子;使用当前粒子群的控制因子进行机组调频控制,计算控制结果的适应度;根据粒子群优化算法的公式,更新每个粒子的速度和位置;记录每个粒子的最优解和最优适应度;重复更新速度和位置的过程,直到找到最优的控制因子为止。
39、本发明的基于数据分析和建模的电厂机组调频优化方法,具有以下有益效果:
40、1.提高电厂机组调频控制的精度:该方法利用数据分析和建模的方法,对电厂机组的运行数据进行分析和建模,从而优化机组调频控制策略,提高了调频控制的精度,有利于提高电力供应的稳定性和可靠性。
41、2.提高电厂机组调频控制的效率:通过将每一个机组的每一类运行参数单独组成一个集合,并构建在多维度空间下的电厂机组的运行数据对应的集合的维度空间体,以及采用渐变模拟算法找到该维度空间体下的最优全局解,优化了电厂机组的调频控制策略,提高了调频控制的效率。
42、3.实现更加智能化和高效的机组调频控制:该方法不仅可以通过采集电厂机组中每一个机组的运行数据,构建关键因素权重分配模型,而且可以将最优控制策略应用于电厂机组运行中,实现更加智能化和高效的机组调频控制。
43、综上所述,该专利提供的基于数据分析和建模的电厂机组调频优化方法,不仅可以提高调频控制的精度和效率,而且可以实现更加智能化和高效的机组调频控制,从而具有重要的实际应用价值和社会经济效益。