[发明专利]基于机器学习的水电厂发电负荷预测系统及方法

权利要求书

1.基于机器学习的水电厂发电负荷预测方法，其特征在于：所述发电负荷预测方法执行如下步骤：

Z01：根据水轮机组的振动频率，建立水轮机组故障的故障树，得到引起水轮机组发生故障的风险因素，并对故障树的风险因素进行评分；获取水轮机组的风险因素和类别，得到水轮机组的历史维修时间长度信息；

Z02：将水电厂历史发电量、水轮机组工作效率和水轮机组维修时间长度作为影响因素，预测本季度水电厂的第一发电量；根据计划发电量与所预测的第一发电量，对水电厂的剩余电量进行第一次优化分配；

Z03：分析第一次优化分配后的总发电成本，将总发电成本与预设成本相比较；根据比较结果，选择最优的水轮机组数量进而分配电量；

在步骤Z01中，根据水轮机组的振动频率范围，通过层次分析法对水轮机组的故障进行风险评分，所述分析步骤如下：

Z011：根据水轮机组的振动频率范围，得到水轮机组发生故障的三个一级指标作为风险因素，三十个二级指标为故障类别；其中三个一级指标是指：水力因素、机械因素和电气因素；

Z012：将风险因素进行两两比较，得到风险因素的权重值B_pq,并将权重值B_pq作为判断矩阵；B_pq是指第p指标的重要性是第q指标的重要性的倍数，是指判断矩阵中第n行第n列的元素；

Z023：对判断矩阵进行一致性检验，通过CR=CI/RI，若CR小于0.10，则判断矩阵具有一致性；若CR大于0.1，则修正判断矩阵；其中判断矩阵的权重向量的公式具体为：

；

其中：是指权重向量中的第k个元素，B_kq是指判断矩阵B中第k行第q列的元素；

Z024：根据评分对照表得到风险因素的综合评分；

获取发电机组不同故障类比和因素所对应的历史维修时间集合T={10，20，30...o}，o是指维修时间，CR是指一致性比率，CI是指一致性指标，RI是指随机一致性指标。

2.根据权利要求1所述的基于机器学习的水电厂发电负荷预测方法，其特征在于：在步骤Z02中，获取最接近预测季度的三个历史季度的水轮机组总发电量信息集合为H，获取水轮机组的工作效率为G和水轮机组维修时间长度T，得到本季度的第一发电量为D，是指误差；

则第一发电量的预测公式为：；

将第一发电量与所计划发电量相比较，若第一发电量小于所计划发电量，则在共同发电的水电厂集合中选择C个水轮机组分配电量任务；若第一发电量大于所计划发电量，则保存电量差值作为备用电量；

其中D是指所预测的第一发电量，是指斜率系数。

3.根据权利要求1所述的基于机器学习的水电厂发电负荷预测方法，其特征在于：在步骤Z03中，通过布谷鸟算法确定最优水轮机组数量具体包括：

Z031：根据第一次优化后的总发电成本，计算水轮机组数量范围集合{C,L}对应的适应度值

；

j是指水轮机组的启动次数，i是指水轮机组的总数量，r是指水轮机组的启动总次数，Z_cj是指c个水轮机组第j次启动的发电成本，w是指计划电量与第一发电量的差值电量，u是指每个水轮机组的分配电量，是指c个水轮机组第j次再次启动的发电成本,Z是指第一次优化后的总发电成本；

Z032：对布谷鸟算法中的步长、步长方向、迭代次数r=0和布谷鸟蛋被寄主抛弃的概率值Pa进行初始化；随机生成e组水轮机组数量的集合{ce,le}，则得到布谷鸟蛋鸟巢位置；

Z033：计算适应度值，在适应度值中随机选择一个适应度值与较优的适应度值相比较；若核实到随机选择的适应度值优于较优适应度值，则更新并输出最优适应度值；

Z034：循环步骤Z032-Z033，直至迭代次数r结束。