[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

说明书

本发明公开了基于机器学习的水电厂发电负荷预测系统及方法，涉及数据处理技术领域；发电负荷预测模块用于对本季度水轮机组的发电功率进行预测，将所述预测第一发电功率与计划发电功率相比较，并将比较结果输送至水轮机组故障分析模块；水轮机组故障分析模块用于核实到水轮机组发生故障时，分析引起水轮机组发生故障的风险因素；最优功率分配模块用于获取所预测的总发电功率与已使用的发电功率差值，根据差值选择最优的水轮机组数量进行功率分配；切实保证水电机组的总发电功率成本能够最小，使得水轮机组的数量能够最优。

技术领域

本发明涉及数据处理技术领域，具体为基于机器学习的水电厂发电负荷预测系统及方法。

背景技术

水电厂又称作为水力发电厂，它是将水的动能和位能转换成电能的工厂，是在河流高处，利用水的压力使得水轮机旋转，进而将动能和势能转换为机械能，后水轮机带动发电机组旋，转，将机械能转换成电能；因此，水电厂产生电能的过程中，水电机组尤为重要；一旦水电机组发生故障，可能会导致电能的生产率下降，无法使得计划电能供应给输电线路。

水电机组的具体结构有水轮机、发电机和相关水力发电辅助设备组成的整体，其中为了切实保证水电机组设备能够稳定运行还需要配备调速器等等，水电机组中的重要设备之一就是发电机，发电机在工作过程中会产生相应的振动，一旦发生变化，即不能够保证水电厂能够顺利发电；因此，需要实时检测发电机是否产生故障，如若产生故障，如何合理分配电量完成计划电量供应是极为重要的问题。

发明内容

本发明的目的在于提供基于机器学习的水电厂发电负荷预测系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：基于机器学习的水电厂发电负荷预测系统及方法，所述发电负荷预测系统包括水轮机组故障分析模块、发电负荷预测模块、最优电量分配模块和监测模块；

所述水轮机组故障分析模块用于根据水轮机组的振动频率范围，分析引起水轮机组发生故障的风险因素，根据水轮机组因不同风险因素故障得到需要维修的时间长度；

所述发电负荷预测模块用于对本季度水轮机组的发电量进行预测，将所述预测第一发电量与计划发电量相比较，根据比较结果，对第一发电量进行优化处理；

所述最优电量分配模块用于根据优化后的总发电成本，将总发电成本与预设成本相比较，选择最优的水轮机组数量进行分配电量；

所述监测模块用于实时监测水轮机组的振动频率，根据振动频率的变化值进行预警；

所述水轮机组故障分析模块、发电负荷预测模块与监测模块相连接；所述发电负荷预测模块与最优电量分配模块相连接。

进一步的，所述水轮机组故障分析模块包括振动频率范围检测单元、水轮机组维修时间分析单元和水轮机风险评估单元；

所述振动频率范围检测单元用于核实水轮机组的振动频率，根据水轮机组的频率变化分析水轮机组的故障概率；

所述故障树分类单元用于对水轮机组按照不同故障类比进行分类；

所述水轮机风险评估单元用于获取引起水轮机组故障的风险因素，对故障树的风险因素进行评分；

所述水轮机组维修时间分析单元用于获取水轮机组故障原因，根据故障原因得到水轮机组的维修时间长度；

所述水轮机风险评估单元的输出端与振动频率范围检测单元、故障树分类单元、水轮机组维修时间分析单元的输入端相连接。

进一步的，所述发电负荷预测模块包括影响因素获取单元、预测分析单元和结果比较单元；

所述影响因素获取单元用于获取影响水轮机组正常发电的因素，并将影响因素输送至预测分析单元；