一种基于大数据分析的火电厂运行成本优化方法及系统与流程

本发明涉及火电厂运行成本分析，特别涉及一种基于大数据分析的火电厂运行成本优化方法及系统。

背景技术：

1、面对电力体制改革和不断变化的能源行业新形势，发电企业必须积极培育和增强市场竞争力，以充分把握市场机遇并迎接挑战，从而进一步提升发电行业的竞争力。这已经成为电力企业发展的共同课题。

2、在电力市场中，发电企业的主要成本通常是与发电煤炭相关的。目前，火电企业通常采用将成本折算为标准煤单价的方法来计算发电成本。然而，由于煤种的不同和负荷的变化对煤耗有较大影响，当前的煤炭成本计算方法缺乏对这些关键因素的考虑，导致火电企业的煤炭成本计算相对粗糙，未能真实反映实际的发电成本，容易导致在多种煤种情况下未能选择最优的煤种，从而造成不必要的资源浪费。

3、传统的火电厂运行成本优化方法基于静态模型，通常在固定的条件下进行计算，无法充分适应快速变化的市场需求、燃料价格、环境法规等因素，难以应对电力市场的实时波动和复杂性。只关注单一目标，例如最小化燃料成本或最大化电力产量，忽略了多个目标之间的权衡和相互关系，可能导致不够综合的决策，无法满足多重目标的需求，如成本、环保、可靠性等。在计算煤炭成本时缺乏对不同煤种和负荷变化的充分考虑，导致了煤耗估计的不准确性，无法充分优化不同条件下的煤炭使用。现有的火电厂运行成本优化方法在适应快速变化的电力市场、多目标优化、数据质量和可持续性等方面存在一些明显的缺点。因此，需要引入更先进的技术和方法，以提高火电厂运行成本优化的效率和效果，更好地满足未来能源行业的需求和挑战。

技术实现思路

1、有鉴于此，本发明实施例的目的在于提供一种基于大数据分析的火电厂运行成本优化方法及系统，能够提高火电厂的运营效率、降低成本、提高竞争力，并且能够更好地满足电力市场的需求和挑战，将数据科学和先进技术应用于火电厂的管理和决策，为电力行业的未来发展提供了有力支持。

2、第一方面，本发明实施例提供了一种基于大数据分析的火电厂运行成本优化方法，其中，包括：

3、步骤100，从火电厂的历史运行数据库中，获取火电厂运行各环节的成本数据；

4、步骤200，对所述成本数据进行预处理，得到合理数据集合；

5、步骤300，以影响火电厂运行成本的决策变量作为输入，火电厂运行总成本作为输出，建立火电厂运行成本的多目标约束优化模型；

6、步骤400，基于多目标约束优化模型得到的火电厂运行总成本，对火电厂的相关配置进行优化，同时对火电厂运行成本的分析过程进行可视化展现。

7、结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，步骤100中，所述从火电厂的历史运行数据库中，获取火电厂运行各环节的成本数据，包括：

8、步骤101，对火电厂的运行各环节中的数据进行采集和整理；

9、步骤102，对各类数据项和数据结构进行分析和辨识，存储得到火电厂的历史运行数据库；

10、步骤103，获取火电厂运行各环节的成本数据，所述成本数据包括燃料成本、用电成本和机组设备运维成本。

11、结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，步骤200中，所述对所述成本数据进行预处理，得到合理数据集合，包括：

12、步骤201，对所述成本数据进行去除噪声、填充缺失值、去除重复记录、数据类型一致性转换中的至少一项处理；

13、步骤202，建立基于数理统计的成本数据诊断模型，分析所述成本数据的历史同类数据，对所述成本数据进行合理性检验；

14、步骤203，建立所述成本数据的数据修正模型，选取设定的置信度，对不合理的所述成本数据进行修正。

15、结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，步骤300中，所述以影响火电厂运行成本的决策变量作为输入，火电厂运行总成本作为输出，建立火电厂运行成本的多目标约束优化模型，包括：

16、步骤301，确定影响火电厂运行成本的决策变量，包括燃料使用量(fuel usage)x1、机组电力产量(electricity production)x2、设备维护级别(maintenance level)x3、发电机负荷(generator output)和运营策略(operating strategy)；

17、步骤302，定义燃料成本最小化目标函数minimizef1(x)＝fuel cost＝g1(x1,x2,x3)，

18、用电成本最小化目标函数minimizef2(x)＝electricity cost＝g2(x1,x2,x3)，

19、设备运维成本最小化目标函数minimizef3(x)＝equipment maintenance cost＝g3(x1,x2,x3)；

20、步骤303，定义约束条件，包括燃料供应约束h1(x1,x2,x3)、电力需求约束h2(x1,x2,x3)、设备可维护性约束h3(x1,x2,x3)和技术限制约束h4(x1,x2,x3)中的至少一种，为不同的约束条件赋予不同的决策变量的取值范围；

21、步骤304，为所述燃料成本最小化目标函数设置权重w1、为所述用电成本最小化目标函数设置权重w2，为所述设备运维成本最小化目标函数设置权重w3，其中w1+w2+w3＝1；

22、步骤305，构建多目标约束优化的综合目标函数f(x)＝w1·f1(x)+w2·f2(x)+w3·f3(x)；

23、步骤306，得到火电厂运行成本的多目标约束优化模型minimize f(x)＝w1·f1(x)+w2·f2(x)+w3·f3(x)，

24、其中，火电厂运行成本的多目标约束优化模型的约束条件为subject to hi(x1,x2,x3)≤0,for i＝1,2,3，当i＝1,2,3时分别进行燃料供应约束、电力需求约束和设备维护约束。

25、结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，步骤400中，所述基于多目标约束优化模型得到的火电厂运行总成本，对火电厂的相关配置进行优化，同时对火电厂运行成本的分析过程进行可视化展现；

26、s401，通过多目标优化算法对所述火电厂运行成本的多目标约束优化模型进行求解，得到决策变量x的一组非支配解；

27、s402，从一组所述非支配解中选择一个或多个最优解，得到对应的运行配置；

28、s403，对于选定的最优解，计算和分析每个成本因素的值，包括燃料成本、用电成本和设备运维成本；

29、s404，使用数据可视化工具和技术，将运行成本的分析结果进行可视化展现。

30、第二方面，本发明实施例还提供了一种基于大数据分析的火电厂运行成本优化系统，其中，包括：

31、数据获取模块，用于从火电厂的历史运行数据库中，获取火电厂运行各环节的成本数据；

32、数据处理模块，用于对所述成本数据进行预处理，得到合理数据集合；

33、建模模块，用于以影响火电厂运行成本的决策变量作为输入，火电厂运行总成本作为输出，建立火电厂运行成本的多目标约束优化模型；

34、优化模块，用于基于多目标约束优化模型得到的火电厂运行总成本，对火电厂的相关配置进行优化，同时对火电厂运行成本的分析过程进行可视化展现。

35、结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述数据获取模块包括：

36、采集单元，用于对火电厂的运行各环节中的数据进行采集和整理；

37、分析辨识单元，用于对各类数据项和数据结构进行分析和辨识，存储得到火电厂的历史运行数据库；

38、成本数据获取单元，用于获取火电厂运行各环节的成本数据，所述成本数据包括燃料成本、用电成本和机组设备运维成本。

39、结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述数据处理模块包括：

40、数据除杂单元，用于对所述成本数据进行去除噪声、填充缺失值、去除重复记录、数据类型一致性转换中的至少一项处理；

41、数据诊断单元，用于建立基于数理统计的成本数据诊断模型，分析所述成本数据的历史同类数据，对所述成本数据进行合理性检验；

42、数据修正单元，用于建立所述成本数据的数据修正模型，选取设定的置信度，对不合理的所述成本数据进行修正。

43、结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述建模模块包括：

44、决策变量确定单元，用于确定影响火电厂运行成本的决策变量，包括燃料使用量(fuel usage)x1、机组电力产量(electricity production)x2、设备维护级别(maintenancelevel)x3、发电机负荷(generator output)和运营策略(operating strategy)；

45、最小化目标函数定义单元，用于定义燃料成本最小化目标函数minimizef1(x)＝fuel cost＝g1(x1,x2,x3)，

46、用电成本最小化目标函数minimizef2(x)＝electricity cost＝g2(x1,x2,x3)，

47、设备运维成本最小化目标函数minimizef3(x)＝equipment maintenance cost＝g3(x1,x2,x3)；

48、约束条件定义单元，用于定义约束条件，包括燃料供应约束h1(x1,x2,x3)、电力需求约束h2(x1,x2,x3)、设备可维护性约束h3(x1,x2,x3)和技术限制约束h4(x1,x2,x3)中的至少一种，为不同的约束条件赋予不同的决策变量的取值范围；

49、权重设置单元，用于为所述燃料成本最小化目标函数设置权重w1、为所述用电成本最小化目标函数设置权重w2，为所述设备运维成本最小化目标函数设置权重w3，其中w1+w2+w3＝1；

50、综合目标函数构建单元，用于构建多目标约束优化的综合目标函数f(x)＝w1·f1(x)+w2·f2(x)+w3·f3(x)；

51、模型整合单元，用于得到火电厂运行成本的多目标约束优化模型minimize f(x)＝w1·f1(x)+w2·f2(x)+w3·f3(x)，

52、其中，火电厂运行成本的多目标约束优化模型的约束条件为subject to hi(x1,x2,x3)≤0,for i＝1,2,3,当i＝1,2,3时分别进行燃料供应约束、电力需求约束和设备维护约束。

53、结合第二方面，本发明实施例提供了第二方面的第四种可能的实施方式，其中，所述优化模块包括：

54、非支配解求解单元，用于通过多目标优化算法对所述火电厂运行成本的多目标约束优化模型进行求解，得到决策变量x的一组非支配解；

55、最优解选择单元，用于从一组所述非支配解中选择一个或多个最优解，得到对应的运行配置；

56、运行成本分析单元，用于对于选定的最优解，计算和分析每个成本因素的值，包括燃料成本、用电成本和设备运维成本；

57、可视化展示单元，用于使用数据可视化工具和技术，将运行成本的分析结果进行可视化展现。

58、本发明实施例的有益效果是：

59、本发明的基于大数据分析的火电厂运行成本优化方法及系统可以通过多目标约束优化模型找到最优的运行配置，以最小化总成本，包括燃料成本、用电成本和设备运维成本，这有助于降低火电厂的运营成本，提高盈利能力。

60、本发明采用多目标约束优化模型，综合考虑不同目标，如成本、可靠性和环保等，以实现多方面的最佳权衡选择，通过选择最优解，火电厂可以更有效地利用资源，包括煤炭、电力和设备维护，以提高效率和可持续性。

61、本发明使用了大数据分析，可以更快速地响应市场需求和变化，帮助火电厂更好地适应电力市场的波动，提高竞争力。

62、本发明采用了多目标优化方法，能够应对不同情况和市场需求的变化，提供了更灵活的运营策略。