-
公开(公告)号:CN114326395B
公开(公告)日:2024-03-19
申请号:CN202111593325.1
申请日:2021-12-23
申请人: 华北电力大学 , 华能南京金陵发电有限公司 , 西安热工研究院有限公司 , 华能集团技术创新中心有限公司
摘要: 本发明公开了一种基于工况判别的智能发电机组控制模型在线更新方法,包括以下步骤:智能发电机组数据采集、建立全工况样本集、构建广义预测控制模型、进行工况判别以及更新决策。本发明采用深度残差收缩网络建立全工况样本集,可包含智能发电机组已知的各种运行工况;在广义预测控制模型中对系统输入增量采用阶梯式控制,并使用遗传‑粒子群算法进行滚动优化,有效提高了预测精度,降低求解控制模型的计算量,使得广义预测控制可应用至快速采样控制过程中;使用Fisher判别法进行工况判别以及更新决策,可准确判断当前工况,便于完成控制模型在线更新工作,提高了控制模型的预测性能和稳定性。
-
公开(公告)号:CN115935624A
公开(公告)日:2023-04-07
申请号:CN202211487619.0
申请日:2022-11-22
申请人: 华北电力大学 , 西安热工研究院有限公司 , 华能集团技术创新中心有限公司
IPC分类号: G06F30/20 , G06Q50/06 , G06F113/08
摘要: 本发明公开了一种动态过程火电机组一次调频能力评估方法,首先,建立汽轮机单解耦模型,并依据历史数据对其进行参数辨识;接着,依据锅炉出口冷流体工质蓄热及锅炉金属蓄热,对锅炉整体蓄热进行计算,得到汽轮机一次调频性能的动态响应过程方程;最后,将蓄热量增量与汽轮机模型结合,得到一次调频能力预测。
-
公开(公告)号:CN113659637A
公开(公告)日:2021-11-16
申请号:CN202111036975.6
申请日:2021-09-06
申请人: 华北电力大学 , 华能集团技术创新中心有限公司 , 西安热工研究院有限公司
摘要: 本发明公开了一种基于风电不确定性预测的火电机组调度方法,通过对机组区域内的风电负荷进行不确定性预测,根据风电功率预测的分布情况构建火电机组灵活性指标,并加入优化目标中进行调度优化求解,保证经济性的同时,提高机组运行灵活性以及对突发情况的应变能力,为风火联合发电区域的电网稳定运行提供帮助。
-
公开(公告)号:CN113659637B
公开(公告)日:2024-08-23
申请号:CN202111036975.6
申请日:2021-09-06
申请人: 华北电力大学 , 华能太仓发电有限责任公司 , 华能集团技术创新中心有限公司 , 西安热工研究院有限公司
IPC分类号: H02J3/46 , H02J3/00 , G06Q10/0631 , G06Q50/06
摘要: 本发明公开了一种基于风电不确定性预测的火电机组调度方法,通过对机组区域内的风电负荷进行不确定性预测,根据风电功率预测的分布情况构建火电机组灵活性指标,并加入优化目标中进行调度优化求解,保证经济性的同时,提高机组运行灵活性以及对突发情况的应变能力,为风火联合发电区域的电网稳定运行提供帮助。
-
公开(公告)号:CN113836819B
公开(公告)日:2024-04-09
申请号:CN202111198073.2
申请日:2021-10-14
申请人: 华北电力大学 , 华能太仓发电有限责任公司 , 华能集团技术创新中心有限公司 , 西安热工研究院有限公司
IPC分类号: G06F30/27 , G06F17/18 , G06N3/0442 , G06F18/214 , G06N3/08 , G06F119/08
摘要: 本发明公开了属于智慧发电技术领域的一种基于时序关注的床温预测方法。包括:对历史数据库中数据的缺值和坏点进行均值补全,并对数据进行归一化;以AGC指令、一次风风量、二次风上部风量、二次风下部风量、总燃料量、排渣量和回料阀开度为预测模型的输入变量,以床温为预测模型的输出变量,且对输入变量进行时序调整;建立基于时序关注的LSTM神经网络预测模型,将历史数据集按时序依次划分为训练集和验证集,并利用训练集对预测模型进行训练,利用验证集对预测模型的超参数进行选择;将机组实时运行数据输入预测模型中对机组床温进行预测。本发明能有效地对循环流化床机组床温参数进行精准预测,提高了机组运行的稳定性和安全性。
-
公开(公告)号:CN114326395A
公开(公告)日:2022-04-12
申请号:CN202111593325.1
申请日:2021-12-23
申请人: 华北电力大学 , 西安热工研究院有限公司 , 华能集团技术创新中心有限公司
摘要: 本发明公开了一种基于工况判别的智能发电机组控制模型在线更新方法,包括以下步骤:智能发电机组数据采集、建立全工况样本集、构建广义预测控制模型、进行工况判别以及更新决策。本发明采用深度残差收缩网络建立全工况样本集,可包含智能发电机组已知的各种运行工况;在广义预测控制模型中对系统输入增量采用阶梯式控制,并使用遗传‑粒子群算法进行滚动优化,有效提高了预测精度,降低求解控制模型的计算量,使得广义预测控制可应用至快速采样控制过程中;使用Fisher判别法进行工况判别以及更新决策,可准确判断当前工况,便于完成控制模型在线更新工作,提高了控制模型的预测性能和稳定性。
-
公开(公告)号:CN113836819A
公开(公告)日:2021-12-24
申请号:CN202111198073.2
申请日:2021-10-14
申请人: 华北电力大学 , 华能集团技术创新中心有限公司 , 西安热工研究院有限公司
摘要: 本发明公开了属于智慧发电技术领域的一种基于时序关注的床温预测方法。包括:对历史数据库中数据的缺值和坏点进行均值补全,并对数据进行归一化;以AGC指令、一次风风量、二次风上部风量、二次风下部风量、总燃料量、排渣量和回料阀开度为预测模型的输入变量,以床温为预测模型的输出变量,且对输入变量进行时序调整;建立基于时序关注的LSTM神经网络预测模型,将历史数据集按时序依次划分为训练集和验证集,并利用训练集对预测模型进行训练,利用验证集对预测模型的超参数进行选择;将机组实时运行数据输入预测模型中对机组床温进行预测。本发明能有效地对循环流化床机组床温参数进行精准预测,提高了机组运行的稳定性和安全性。
-
公开(公告)号:CN116383686A
公开(公告)日:2023-07-04
申请号:CN202310301941.8
申请日:2023-03-27
申请人: 华北电力大学 , 华能集团技术创新中心有限公司 , 西安热工研究院有限公司
IPC分类号: G06F18/23213 , G06F18/214 , G06F18/24 , G06N3/126 , G06N3/0442 , G06N3/08 , G06Q10/04
摘要: 本发明公开了属于电站风机状态预测技术领域的一种基于聚类动态划分时间序列的电站风机状态预测方法。在离线状态下利用能表征风机运行状态的监测参数数据,基于k‑means聚类算法实现风机状态分类并对原始数据进行标记,根据标记好的数据训练相关状态预测模型。在线预测时将数据序列同时输入各状态预测模型,根据输入序列中的数据分类情况设置权重系数初始值,以最终计算值与实际观测值的偏差为指标,基于搜索算法对权重系数寻优,实现精确的电站风机状态预测。
-
公开(公告)号:CN114186429A
公开(公告)日:2022-03-15
申请号:CN202111542595.X
申请日:2021-12-16
申请人: 华北电力大学 , 西安热工研究院有限公司 , 华能集团技术创新中心有限公司
IPC分类号: G06F30/20 , G06F30/25 , G06N3/00 , G06Q50/06 , G06F111/04 , G06F119/14
摘要: 本发明提出了一种利用火电机组灵活调节特性的发电优化调度方法,对典型火电机组的灵活调峰煤耗特性进行分析,基于曲线拟合方法,建立其煤耗曲线数值拟合模型,采用分段二次函数描述火电机组的发电成本,得到灵活调峰运行火电机组的分段二次发电费用函数。在此基础上建立包含灵活调峰火电机组和风电机组的电力系统日前机组组合优化模型,采用混合整数非线性规划(MINP)方法求解。
-
公开(公告)号:CN116760363A
公开(公告)日:2023-09-15
申请号:CN202310653829.0
申请日:2023-06-05
申请人: 华北电力大学 , 华能集团技术创新中心有限公司 , 西安热工研究院有限公司
IPC分类号: H02S50/15 , G06V20/10 , G06V20/17 , G06V20/70 , G06V10/26 , G06V10/774 , G06V10/77 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
摘要: 本发明公开了属于光伏故障识别技术领域,特别涉及基于改进EfficientNet的光伏故障识别方法,包括:采集光伏组件故障红外图像数据;对采集的红外图像数据进行预处理,形成样本集;根据故障类型对样本集进行标注并将样本集划分为测试样本集和训练样本集;构建EfficientNet‑CBAM模型,并使用训练样本集进行模型训练;建立光伏组件故障识别模型;识别并输出故障类型。从网络的高度、宽度和分辨率三个方向优化光伏故障识别模型的结构,同时引入CBAM注意力机制,增强模型对像素信息的关注程度,满足光伏电站实际应用的需求,高效且准确的识别光伏组件的故障情况。
-
-
-
-
-
-
-
-
-