[发明专利]一种基于神经网络预测火电机组深度调峰能力的方法

说明书

本发明提出一种基于神经网络预测火电机组深度调峰能力的方法，基于火电机组历史运行数据，结合神经网络模型预测机组低负荷运行数据，从而确定电网调峰能力。本发明利用神经网络开展火电机组深度调峰能力预测，解决了仅以调峰性能试验作为机组调峰能力判定的问题，为现场运行人员提供机组运行状态及数据支撑，进一步挖掘了机组调峰能力，参与电网调峰，并能够根据机组状态、煤质参数、环境参数动态预测机组调峰性能，对于提升机组、电网调峰安全性以及充分挖掘机组调峰潜力具有重要意义。

技术领域

本发明涉及电网调峰领域，更具体地，涉及一种基于神经网络预测火电机组深度调峰能力的方法。

背景技术

风电、火电等可再生能源装机容量在国家补贴和税收优惠政策下不断提升，但因波动性、间歇性而使消纳受到限制，存在弃风弃光问题，电网系统调峰能力不足是重要因素。火电机组参与电网调峰，是促进可再生能源消纳的重要途径，因此需要挖掘火电机组的调峰能力。

而目前火电机组参与调峰存在着一些问题：(1)火电机组调峰能力有待研究，机组最大出力难以准确衡量，有些机组建设时间较长，已难以满足额定容量下运行，通过机组调峰试验也存在试验周期长且结果不能动态更新管理的问题；(2)调峰过程对锅炉及辅机是重大考验，机组即使能够满足最大出力，但存在着运行安全裕度较小的可能；(3)机组长期未在额定容量下运行且未经运行数据分析，即达到额定容量可能对机组安全性带来影响。

目前针对火电机组调峰能力的确定，主要以开展机组调峰性能试验来确定，存在三方面问题，一是机组的试验负荷的确定完全依靠经验判断，由于没有常规运行以下负荷的运行参数作为参考，试验过程发生故障的可能性较高；二是可能存在部分机组试验符合并不能准确反映机组调峰能力，机组的调峰潜力还可以继续挖掘；三是调峰试验具有周期性，且时间间隔较长，也无法动态跟踪机组在煤质、环境等参数变化下调峰能力的即时数值，容易引发机组和电网故障。

发明内容

为了克服现有技术中存在的缺陷，本发明基于火电机组历史运行数据，结合神经网络模型预测机组低负荷运行数据，从而确定电网调峰能力。

具体地，本发明提出一种基于神经网络预测火电机组深度调峰能力的方法，基于火电机组历史运行数据，结合神经网络模型预测机组低负荷运行数据，从而确定电网调峰能力。

该方法包括以下步骤：

S1：确定与调峰能力相关的机组运行参数；

S2：确定运行参数数据来源；

S3：确定每个运行参数预测过程所需的输入数据；

S4：针对各运行参数单独建立神经网络络预测模型；

S5：训练所述神经网络预测模型；

S6：采用该预测模型对火电机组深度调峰能力进行预测。

进一步地，

步骤S1中，相关运行参数包括：受热面壁温、炉膛负压、火检信号、SCR入口烟温、空预器差压、汽机轴振、轴向位移。

进一步地，

步骤S2中，如有现场试验条件，以实测值作为预测数据基础，否则，运行参数均由机组分布式控制系统DCS取数得到。

进一步地，

步骤S3中，对于受热面壁温，需对每一测点均进行预测计算；其余运行参数均选取历史运行负荷数据。

进一步地，

步骤S3中，所有指标取数均从机组降负荷运行过程中产生的数据取得。

进一步地，

步骤S3中，取数时间范围为30天内，当数据量较大时，选择离当前时间点时间最短的50组数据作为代表值。