[发明专利]一种火电厂发电日耗煤炭量的预测方法

说明书

本发明提供一种火电厂发电日耗煤炭量的预测方法，包括：获取该火电厂n天内发电日耗煤炭量；判断是否满足灰色GM(1,1)模型建模条件；采用灰色GM(1,1)模型对满足建模条件的火电厂发电日耗煤炭量进行建模；采用灰色随机GM(1,1)模型对n天内火电厂发电日耗煤炭量进行建模；利用灰色随机GM(1,1)模型进行预测，将灰色随机GM(1,1)模型输出估计值进行数据逆变换，对灰色随机GM(1,1)模型进行建模误差分析；判断灰色随机GM(1,1)模型的平均相对误差是否满足设定要求；计算残差序列；将残差序列建立灰色随机GM(1,1)模型，对火电厂发电日耗煤炭量进行预测。本发明利用灰色随机GM(1,1)模型对火电厂发电日耗煤炭量进行建模及预测，更能清晰的揭示复杂数据内部信息，能够取得更好的建模和预测效果。

技术领域

本发明涉及火力发电技术领域，具体是一种火电厂发电日耗煤炭量的预测方法。

背景技术

煤炭是火电厂生产电能和热能所耗用的重要燃料之一。火电厂发电日耗煤炭量的建模及预测，能及时了解生产运行的消耗情况，对火电厂煤炭量的采购，优化调配，存储和管理等产生指导作用，提早预防在“煤荒”和“电荒”时煤炭量的供给不足等问题，对于经济合理的使用燃料，降低消耗，提高煤炭供应保障能力及火电厂的经济效益具有重要意义。火电厂发电日耗煤炭量受天气，节假日，季节，煤价，经济形式，政策，及用电需求等因素影响，因而整体呈现一定的波动性。灰色预测对一些时间序列短、统计数据少、系统信息不完全的分析与建模，具有运算方便和建模精度高等特点，是一种处理小样本预测问题的有效方法。目前，暂未查到应用灰色模型解决火电厂发电耗用煤炭量建模及预测相关问题的文献及专利。鉴于灰色系统模型表现出的很多优良特性，可以应用于火电厂发电日耗煤炭量的建模及预测。灰色模型可视为灰色随机模型的特殊情况，传统灰色系统建模和预测大多针对确定性模型，而实际系统往往受到某些干扰及噪声等不确定因素的作用。因而引入灰色随机模型更具广泛性，有利于对数据的波动信息实现挖掘和建模。由于火电厂耗用的煤炭对发电耗用和供热耗用分开计算，本发明利用灰色随机模型对火电厂发电日耗煤炭量进行建模和预测。

发明内容

针对现有技术存在的不足，本发明提供一种火电厂发电日耗煤炭量的预测方法。

本发明的技术方案是：

一种火电厂发电日耗煤炭量的预测方法，包括：

步骤1、获取该火电厂n天内发电日耗煤炭量x⁽⁰⁾；

步骤2、判断n天内的火电厂发电日耗煤炭量x⁽⁰⁾是否满足灰色GM(1,1)模型建模条件：若n天内的火电厂发电日耗煤炭量x⁽⁰⁾呈递增趋势则满足灰色GM(1,1)模型建模条件；否则不满足灰色GM(1,1)模型建模条件，对火电厂日发电耗用煤炭量进行数据变换，并得到生成序列x⁽¹⁾，即数据变换后满足灰色GM(1,1)模型建模条件的火电厂发电日耗煤炭量x⁽¹⁾；

步骤3、采用灰色GM(1,1)模型对满足灰色GM(1,1)模型建模条件的火电厂发电日耗煤炭量进行建模，模型输出期望值为第i天的火电厂发电日耗煤炭量x⁽¹⁾(i)，模型输出估计值为即数据变换后的第i天的火电厂发电日耗煤炭量估计值，其中1≤i≤n；

步骤4、在步骤3的基础上，采用灰色随机GM(1,1)模型对n天内火电厂发电日耗煤炭量进行建模，模型输出期望值为x⁽¹⁾(i)，模型输出估计值为

步骤5、利用步骤4中建立的灰色随机GM(1,1)模型进行预测，得到模型输出预测值将灰色随机GM(1,1)模型输出估计值进行与步骤2相对应的数据逆变换得到同时对灰色随机GM(1,1)模型进行建模误差分析；

步骤6、判断步骤5中灰色随机GM(1,1)模型的平均相对误差是否满足设定要求：若满足，则执行步骤8；若不满足，则执行步骤7；