[发明专利]基于大数据分析技术的供热机组可调出力区间评估方法

说明书

技术领域

本发明涉及一种基于大数据分析技术的供热机组可调出力区间评估方法，具体讲是一种运用大数据分析技术，对机组历史供热数据进行深度分析，进而评估在不同工况条件下机组发电负荷的可调整区间的方法。

背景技术

由于大型燃煤机组较传统供热锅炉、小型热电联产机组拥有更高的能源利用效率、更加清洁环保的污染物治理设施，随着节能减排工作的不断深化，相关政府部门积极推动国内大型燃煤机组进行供热改造，替代周边传统供热小锅炉、小型热电联产企业，以提高整体能源利用效率、大幅降低各种污染物排放。以江苏省为例，截至2015年6月底，全省100MW及以上供热机组容量达到38845MW，占全省大型燃煤机组总容量的61.85％，供热量接近全省煤电机组供热量的20％，供热流量达到3180t/h，而且随着小型燃煤机组的不断关停与替代，全省大型燃煤机组供热量将继续不断攀升。

大型燃煤机组供热改造后，对机组的调峰能力有一定限制。一般而言，供热抽汽量越大，最大发电能力越小，最小发电能力越大，即燃煤机组参与供热后，其发电能力将受到一定限制。据不完全统计，目前由于供热等因素，导致江苏全网出力受限最大达到5000MW左右，在电网平衡计划制定与电力调度(特别是迎峰度夏和迎峰度冬期间)时，必须对大型燃煤供热机组出力受限情况予以评估。

因此，为了满足电网调度平衡要求，国家相关政府部门出台了一系列加强供热机组调峰能力监管的措施。例如，国家能源局东北电管局于2011年就出台了《东北区域火电厂最小运行方式核定管理暂行办法》，旨在提高东北电网调峰调度的规范化和科学化水平，在保证居民和用电企业基本供暖供热的基础上，挖掘火电机组调峰空间，进一步缓解东北电网调峰能力下降的突出矛盾。

但是在大型供热机组调峰能力评估方面，由于现场试验工作过于复杂，涉及工况调整较多，同时，理论变工况计算工况图与机组实际运行数据相差较大，导致机组调峰能力区间准确评估较为困难。

发明内容

为了解决上述技术问题，本发明提供了一种基于大数据分析技术的供热机组可调出力区间评估方法。

为了达到上述目的，本发明所采用的技术方案是：

基于大数据分析技术的供热机组可调出力区间评估方法，包括以下步骤，

步骤1，定义给定机组的历史供热数据集为

其中，为机组工况数据，为机组运行数据，M为机组历史供热数据样本数，i∈[1,M]；

步骤2，运用多维聚类算法，将整个历史供热数据集按不同的工况，划分成若干个数据子集S＝{S₁,S₂,...,S_K}；

其中，K为工况类型个数，S_j为第j种工况的供热数据；

步骤3，采用高斯分布对每个工况下机组发电功率集P＝{p₁,p₂,...,p_n}进行描述；

其中，μ_P为均值，为方差，n为一工况下机组放电功率样本数，p_l为一工况下机组第l个放电功率样本，l∈[1,n]；

步骤4，对每个工况下，对机组发电功率集的高斯分布的置信区间进行寻优迭代计算，使该置信区间满足预先设定的约束条件，该置信区间的上、下限为相应工况下调峰能力区间的上、下限。

多维聚类算法的维度划分标准包括供热负荷、环境温度和当量负荷给煤量。

多维聚类算法为k-means算法。

约束条件为，

一、机组调峰能力区间上限小于等于机组额定负荷；

二、机组调峰能力区间下限大于等于R％机组额定负荷；

R％根据政府部门对每台机组核定的最低不投油运行负荷来确定；

三、置信区间的置信水平大于等于Y％，Y≥90。

寻优迭代计算的过程为，

A1)定义j＝1；

A2)计算置信水平X＝100％-jα；

其中，jα为步长；

A3)计算置信区间的上、下限；

置信区间的上限，

P_max＝μ_p+λ×σ_P

置信区间的下限，

P_max＝μ_p-λ×σ_P；