[发明专利]基于神经网络与智能优化算法的火电机组负荷分配方法

权利要求书

1.一种基于神经网络与智能优化算法的火电机组负荷分配方法，其特征在于，包括：

步骤1，从发电厂分布式控制系统中获取各机组的历史运行数据，以及从发电厂厂级实时监控信息系统中获取历史供电煤耗数据；

步骤2，将所述历史运行数据及历史供电煤耗数据整理为矩阵形式，作为BP神经网络输入层的输入数据；其中，所述BP神经网络的隐含层采用Sigmoid函数，输出层采用线性函数，权值训练算法采用L-M优化算法；

步骤3，采用启发式的智能优化算法，作为寻优主程序，在所述寻优主程序中采用步骤2中训练好的BP神经网络的输出，作为所述智能优化算法的适应度函数，对所述寻优主程序中运行的数据进行筛选，直至发电厂当前各机组的最佳负荷承担量或者迭代次数达到限定最大值为止。

2.根据权利要求1所述的基于神经网络与智能优化算法的火电机组负荷分配方法，其特征在于，步骤1中所述历史运行数据包括汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度中的多种。

3.根据权利要求2所述的基于神经网络与智能优化算法的火电机组负荷分配方法，其特征在于，所述步骤2包括：

从历史运行数据中鉴别出机组的暂态运行数据将其剔除。

4.根据权利要求3所述的基于神经网络与智能优化算法的火电机组负荷分配方法，其特征在于，所述步骤2还包括：

对所述历史供电煤耗数据进行连续差分化，以对应于所述历史运行数据。

5.根据权利要求1至3任一项所述的基于神经网络与智能优化算法的火电机组负荷分配方法，其特征在于，所述步骤3包括：

将步骤1整体数据中的70％作为训练样本，用于BP神经网络的训练，其余30％作为测试样本，用于BP神经网络的测试。

6.根据权利要求4所述的基于神经网络与智能优化算法的火电机组负荷分配方法，其特征在于，所述步骤3具体包括：

采用粒子群优化算法作为寻优主程序执行机组负荷优化分配，包括：

根据发电厂各台机组的实际情况以及电网调度的要求，随机产生一组负荷分配值，该组分配值每一个数值对应机组的一个负荷值；

将该组值输入到步骤2中训练好的每台机组对应的BP神经网络中，经BP神经网络计算得出每台机组对应的煤耗值；

将得出的煤耗值相加，得到全厂所有机组的总煤耗值；

基于粒子群优化算法，不断更新负荷分配值的大小以及更新速度，通过BP神经网络不断更新单台机组的煤耗值，优化计算出机组的总煤耗值，直至总煤耗值不再变化，输出该总煤耗值对应的各台机组负荷，作为发电厂各台机组负荷优化分配的实际指令输出。