一种基于燃煤机组运行班组行为分析的用煤量预测方法
【技术领域】
[0001]本发明涉及一种用煤量预测方法，具体涉及一种基于燃煤机组运行班组行为分析的用煤量预测方法。
【背景技术】
[0002]目前，燃煤机组用煤量预测主要是根据电力企业历年的发电量、耗煤量之间的关系，采用一元线性回归方法，分析耗煤量的最高数学期望值，预测未来一段时期的耗煤量。该方法在实际应用中，由于忽略了燃煤机组不同运行班组、不同环境温度、不同煤质以及不同供热负荷导致的煤耗水平波动的不均匀性，其预测精度往往较低，亟需改进。
【发明内容】
[0003]为解决现有技术的不足，本发明的目的在于提供一种基于燃煤机组运行班组行为分析的用煤量预测方法。
[0004]为了实现上述目标，本发明采用如下的技术方案:
[0005]—种基于燃煤机组运行班组行为分析的用煤量预测方法，包括如下3个大步骤:
[0006]S1、通过对机组海量运行数据进行大数据分析，挖掘不同班组的煤耗运行特性，大数据分析过程主要包括两步:样本数据聚类、煤耗特性提取；
[0007]其中，样本数据聚类维度划分标准包括:运行班组、大气环境温度、供热流量、当量负荷给煤量。在样本聚类分析时，选择k-means算法，该算法以空间中k个点为中心进行聚类，对最靠近他们的对象归类，通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。具体方法为:首先对机组运行及计算数据按照排班表进行分类划分，然后按照环境温度、供热流量、当量负荷给煤量进行数据细分归类，将海量数据按照班组-环境温度-当量负荷给煤量-供热流量四个维度进行归类筛选；初步划分完成后，使用k-means算法对样本空间进行梳理，对部分样本数据较少类空间进行自动合并。
[0008]样本数据聚类后，对每个小类进行数据分布度量特征因子统计分析，即:通过对各类样本空间数据的统计分析，定量挖掘不同班组煤耗指标数据分布度量特征因子。其中，数据分布度量特征因子包括:供电煤耗平均值、分布方差、最大值、最小值、数据分布频率及数据分布概率密度函数。数据分布频率用于绘制直方图，每一个元素包括:区间下限、区间上限、频率及样本数；数据分布概率密度函数用点集表示，每个点包括:参数值、概率密度值。
[0009]S2、开展燃煤机组发电量预测，采用自回归移动平均模型+外在因素的修正方法。当日发电量预测的具体公式如下:Pd= Φ Λ ! + - + Φ 30Pd 30+ Φ y iPy !+f (T)，其中Pd p Pd 30、Py ?分别代表前一天、前30天发电量、去年当日发电量，Φ ρ Φ3。、<i>yl代表前一天、前30天、去年历史数据的权重系数，而f(T)代表外加环境温度修正函数。在实际求解中，首先运用线性回归方法，确定Φ:、Φ3。、<i>y:等系数，然后利用最小二乘法确定P d-( Φ Λ:+...+ Φ30ρ, 30+φυ & D与环境温度的关系，以确定f⑴。
[0010]其中，自回归移动平均模型基本思路为:将预测对象随时间推移而形成的数据序列视为一个随机序列，用下面数学模型来近似描述这个序列:
[0011]St= Φ iStl+…+ (i)nStn，其中Stl、Stn分别代表前一个、前η个周期前的指标历史数据。
[0012]一旦使用历史数据获得这个模型中的参数，就可以使用该模型预测未来时刻的序列值。在自回归移动平均模型应用过程中，我们使用过去一个月的历史数据、过去一年同期历史数据来预测未来一周每天发电量数据。对于外在因素修正方法，主要考虑外在环境温度的变化的影响。
[0013]S3、预测当日用煤量数据。具体预测方法为:根据发电量预测数据、前一日及一年前的同一天各班组发电量分布情况，计算出预测日内多个班组的平均负荷，再根据当前当量负荷给煤量、环境温度预测数据，在步骤S1划分的聚类中寻找最匹配的空间类别，然后在该类别中寻找最大概率分布煤耗指标，通过发电量及供电煤耗叠加计算，预测出当日用煤量数据。
[0014]本发明的有益之处在于:本发明的用煤量预测方法基于燃煤机组海量运行数据，通过对燃煤机组运行班组操作行为特征定量提取分析，同时考虑外在环境温度的变化，实现了特定工况下燃煤机组供电煤耗的定量预测，进而预测机组用煤量指标，有效提升了机组用煤量预测的准确性，提高了服务电力调度运行的水平，有利于相关政府部门、电力调度部门结合电厂上报存煤量数据，掌握存煤可用天数等信息，进而科学合理地安排发电负荷，强化电煤协同预警能力。
【具体实施方式】
[0015]以下结合具体实施例对本发明作具体的介绍。
[0016]以1000MW等级超超临界供热机组为实施例，其正常运行班组运转机制为五班三倒方式，下面以该机组为例进行用煤量预测方法介绍:
[0017](1)、样本数据聚类:首先对机组运行及计算数据按照排班表进行分类划分，然后按照环境温度(以1°C为间隔进行划分)、供热流量(以lt/h为间隔进行划分)、当量负荷给煤量(以0.05t/Mffh为间隔进行划分)进行数据细分归类，将海量数据按照班组-环境温度-当量负荷给煤量-供热流量四个维度进行归类筛选；初步划分完成后，使用k-means算法对样本空间进行梳理，对部分样本数据较少类空间进行自动合并。
[0018](2)、煤耗特性提取:样本数据聚类后，对每个小类进行数据分布度量特征因子统计分析。其中，数据分布度量特征因子包括:供电煤耗平均值、分布方差、最大值、最小值、数据分布频率及数据分布概率密度函数。
[0019](3)、发电量预测:发电量预测采用自回归移动平均模型+外在因素修正方法，具体公式如下:Pd= Φ兄广"+巾3(^3。+巾^匕#0')，其中？^、？^。、己1分别代表前一天、前30天发电量、去年当日发电量，Φρ Φ3。、<i)y i代表前一天、前30天、去年历史数据的权重系数，而f(T)代表外加环境温度修正函数。在实际求解中，首先运用线性回归方法，确定Φ η Φ 30' Φ y 1等系数，然后利用最小二乘法确定P d_ ( Φ lPd 1 +...+ Φ 3()Pd 3。+Φ y lPy 1)与环境温度的关系，以确定f(T)。
[0020](4)、用煤量预测:根据发电量预测数据、前一日及一年前的同一天三个班组发电量分布情况，计算出预测日内三个班组的平均负荷，再根据当前当量负荷给煤量、环境温度预测数据，在(1)划分的聚类中寻找最匹配的空间类别，然后在该类别中寻找最大概率分布煤耗指标，通过发电量乘以供电煤耗叠加计算，即可预测出当日用煤量数据。
[0021]综上，本发明通过对不同运行班组的煤耗运行特性进行大数据提取分析，结合机组发电量预测数据，进而预测机组的用煤量，有利于相关政府部门、电力调度部门结合电厂上报存煤量数据，掌握存煤可用天数等信息，进而科学合理地安排发电负荷。
[0022]以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
【主权项】
1.一种基于燃煤机组运行班组行为分析的用煤量预测方法，其特征在于，包括如下步骤: 51、通过对机组海量运行数据进行大数据分析，挖掘不同班组的煤耗运行特性，大数据分析过程主要包括两步:样本数据聚类、煤耗特性提取； 52、开展燃煤机组发电量预测，采用自回归移动平均模型+外在因素的修正方法； 53、预测当日用煤量数据。2.根据权利要求1所述的一种基于燃煤机组运行班组行为分析的用煤量预测方法，其特征在于，所述样本数据聚类的方法为:首先对机组运行及计算数据按照排班表进行分类划分，然后按照环境温度、供热流量、当量负荷给煤量进行数据细分归类，将海量数据按照班组-环境温度-当量负荷给煤量-供热流量四个维度进行归类筛选；初步划分完成后，使用k-means算法对样本空间进行梳理，对部分样本数据较少类空间进行自动合并。3.根据权利要求2所述的一种基于燃煤机组运行班组行为分析的用煤量预测方法，其特征在于，所述煤耗特性提取的方法为:样本数据聚类后，对每个小类进行数据分布度量特征因子统计分析；其中，数据分布度量特征因子包括:供电煤耗平均值、分布方差、最大值、最小值、数据分布频率及数据分布概率密度函数。4.根据权利要求3所述的一种基于燃煤机组运行班组行为分析的用煤量预测方法，其特征在于，所述数据分布频率用于绘制直方图，每一个元素包括:区间下限、区间上限、频率及样本数。5.根据权利要求3所述的一种基于燃煤机组运行班组行为分析的用煤量预测方法，其特征在于，所述数据分布概率密度函数用点集表示，每个点包括:参数值、概率密度值。6.根据权利要求1所述的一种基于燃煤机组运行班组行为分析的用煤量预测方法，其特征在于，所述步骤S2中，当日发电量预测的具体公式如下:Pd= Φ Λ Α…+ ΦΛ 30+φγ iPy i+f⑴，其中Pd pPd 3(:、Py没别代表前一天、前30天发电量、去年当曰发电量，φη φ3。、φγ i代表前一天、前30天、去年历史数据的权重系数，f(T)代表外加环境温度修正函数。7.根据权利要求1-6任一项所述的一种基于燃煤机组运行班组行为分析的用煤量预测方法，其特征在于，所述步骤S3中，当日用煤量的具体预测方法为:根据发电量预测数据、前一日及一年前的同一天各班组发电量分布情况，计算出预测日内多个班组的平均负荷，再根据当前当量负荷给煤量、环境温度预测数据，在步骤S1划分的聚类中寻找最匹配的空间类别，然后在该类别中寻找最大概率分布煤耗指标，通过发电量及供电煤耗叠加计算，预测出当日用煤量数据。
【专利摘要】本发明公开了一种基于燃煤机组运行班组行为分析的用煤量预测方法，基于燃煤机组海量运行数据，通过对燃煤机组运行班组操作行为特征定量提取分析，同时考虑到外在环境温度的变化，实现了特定工况下燃煤机组供电煤耗的定量预测，进而预测机组用煤量指标，有效提升了机组用煤量预测的准确性，提高了服务电力调度运行的水平，有利于相关政府部门、电力调度部门结合电厂上报存煤量数据，掌握存煤可用天数等信息，进而科学合理地安排发电负荷，强化电煤协同预警能力。
【IPC分类】G06Q50/06, G06Q10/04
【公开号】CN105426987
【申请号】CN201510737684
【发明人】孙虹, 孙栓柱, 周春蕾, 代家元, 孙彬, 王其祥, 高进, 王林, 张友卫, 李春岩, 王明, 刘成, 魏威
【申请人】国家电网公司, 江苏省电力公司, 江苏方天电力技术有限公司
【公开日】2016年3月23日
【申请日】2015年11月3日