一种判断供热抽汽对火电机组发电能力范围的方法、系统、可读介质和电子设备与流程

本发明涉及一种判断供热抽汽对火电机组发电能力范围的方法、系统、可读介质和电子设备，属于火电机组发电。

背景技术：

1、随着风光等新能源比重的上升，电力系统对火电机组的调峰能力的需求日益提高。供热是影响火电机组的调峰能力的主要因素之一，判断供热对火电机组出力范围的限制对于掌握火电实际的调峰能力有着重大的意义。

2、目前判断供热抽汽对火电机组出力的方法，主要是通过构建火电机组机理模型，在模型边界条件下改变供热抽汽量，计算出不同供热抽汽下的火电机组的发电能力上下限。这种物理方法有着良好的逻辑推论性，步骤可解释；但比较依赖于火电机组模型结构及设备参数，且因建模过程采用理想化参数、经验公式等而导致与实际情况产生一定的偏离，且现有火电机组模型的训练常采用常规神经网络，常规神经网络模型在火电模型中泛化性方面表现不佳的问题，常因过于追求拟合精确性而发生定性关系错误。

技术实现思路

1、针对上述问题，本发明的目的是提供一种判断供热抽汽对火电机组发电能力范围的方法、系统、可读介质和电子设备，其不局限于运行数据判断发电能力边界，可以更加准确的获得火电机组的发电能力范围。

2、为实现上述目的，本发明提出了以下技术方案：一种判断供热抽汽对火电机组发电能力范围的方法，包括以下步骤：获取火电机组的最大主蒸汽流量、最小主蒸汽流量、最小排气量和供热抽汽量；将所述最小排气量输入供热抽汽排气量模型，生成供热抽汽下的最小主蒸汽流量；根据所述供热抽汽下的最小主蒸汽流量，结合所述火电机组的最大主蒸汽流量和最小主蒸汽流量，获得供热抽汽下主蒸汽上边界和下边界；将所述供热抽汽下主蒸汽上边界和下边界输入供热抽汽功率模型，获得供热抽汽下火电机组发电能力范围。

3、进一步，所述供热抽汽排气量模型和供热抽汽功率模型通过典型火电机理模型获得初始供热抽汽排气量模型和初始供热抽汽功率模型，以主蒸汽流量、供热抽汽量、背压和排气量作为输入变量，通过迁移学习算法对所述初始供热抽汽排气量模型和初始供热抽汽功率模型进行训练，至高压缸、中压缸和低压缸的热力学参数计算值和热平衡图实际值之间的误差小于预设值，或者迭代次数大于预设值。

4、进一步，所述典型火电机理模型通过热力学机理公式对火电厂进行物理推导和建模；以火电厂的常规热力学变量及功率作为输出变量，所述常规热力学变量和热平衡图的变量的种类一致。

5、进一步，迁移学习算法包括源域和目标域，在所述源域中输入所述初始供热抽汽排气量模型或初始供热抽汽功率模型，所述目标域为目标火电厂。

6、进一步，所述源域通过三层卷积层进行训练，所述目标域采用全连接层进行训练，将所述三层卷积层与所述全连接层进行拼接获得迁移学习算法模型。

7、进一步，将所述迁移学习算法模型的拟合值与真实值进行比较，通过绝对平均误差mae、均方根误差rmse和回归系数coeff进行表征。

8、进一步，所述排气量通过末尾级抽汽压力获得；通过末尾级抽汽压力与排气量的拟合公式获得主蒸汽流量与所述排气量的关系，从而获得供热抽汽排气量模型。

9、进一步，获得供热抽汽下主蒸汽上边界和下边界的方法为：结合所述供热抽汽排气量模型，在不同供热抽汽量下，以机组设定的最小主蒸汽流量和最小排气量计算主蒸汽流量下边界；以机组设定的最大主蒸汽流量作为主蒸汽流量上边界。

10、本发明还公开了一种判断供热抽汽对火电机组发电能力范围的系统，包括：参数获取模块，用于获取火电机组的最大主蒸汽流量、最小主蒸汽流量和最小排气量；供热抽汽排气量模块，用于将所述最小排气量输入供热抽汽排气量模型，生成供热抽汽下的最小主蒸汽流量；主蒸汽流量范围获取模块，用于根据所述供热抽汽下的最小主蒸汽流量，结合所述火电机组的最大主蒸汽流量和最小主蒸汽流量，获得供热抽汽下主蒸汽流量上边界和下边界；发电能力范围获取模块，用于将所述供热抽汽下主蒸汽上边界和下边界输入供热抽汽功率模型，获得供热抽汽下火电机组发电能力范围。

11、进一步，所述供热抽汽排气量模型和供热抽汽功率模型通过典型火电机理模型获得初始供热抽汽排气量模型和初始供热抽汽功率模型，并通过迁移学习算法对所述初始供热抽汽排气量模型和初始供热抽汽功率模型进行训练。

12、本发明还一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现上述任一项所述的判断供热抽汽对火电机组发电能力范围的方法。

13、本发明还一种电子设备，包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中，并被配置为由所述一个或多个处理器执行，所述一个或多个程序用于执行上述任一项所述的判断供热抽汽对火电机组发电能力范围的方法。

14、本发明的技术方案至少具有如下技术效果或优点：本发明致力于发掘火电机组在供热工况下的最大调峰潜力，采用物理机理和人工智能方法相结合的模式求解出目标火电机组的出力范围。所提方法不需局限于运行数据判断发电能力边界（即使实际数据不存在逼近边界的）。因为该方法仅以实际数据进行模型的参数辨识，得到主蒸汽流量、功率、供热抽汽、排汽量的函数关系；而拟合发电能力边界时仅需以机组给定的主蒸汽流量边界值、排汽量边界值输入到函数关系中，即可延展出供热对发电能力的影响，可以更加准确的获得火电机组的发电能力范围。

1.一种判断供热抽汽对火电机组发电能力范围的方法，其特征在于，包括以下步骤：

2.如权利要求1所述的判断供热抽汽对火电机组发电能力范围的方法，其特征在于，所述供热抽汽排气量模型和供热抽汽功率模型通过典型火电机理模型获得初始供热抽汽排气量模型和初始供热抽汽功率模型，以主蒸汽流量、供热抽汽量、背压和排气量作为输入变量，通过迁移学习算法对所述初始供热抽汽排气量模型和初始供热抽汽功率模型进行训练，至高压缸、中压缸和低压缸的热力学参数计算值和热平衡图实际值之间的误差小于预设值，或者迭代次数大于预设值。

3.如权利要求2所述的判断供热抽汽对火电机组发电能力范围的方法，其特征在于，所述典型火电机理模型通过热力学机理公式对火电厂进行物理推导和建模；以火电厂的常规热力学变量及功率作为输出变量，所述常规热力学变量和热平衡图的变量的种类一致。

4.如权利要求2所述的判断供热抽汽对火电机组发电能力范围的方法，其特征在于，迁移学习算法包括源域和目标域，在所述源域中输入所述初始供热抽汽排气量模型或初始供热抽汽功率模型，所述目标域为目标火电厂。

5.如权利要求4所述的判断供热抽汽对火电机组发电能力范围的方法，其特征在于，所述源域通过三层卷积层进行训练，所述目标域采用全连接层进行训练，将所述三层卷积层与所述全连接层进行拼接获得迁移学习算法模型。

6.如权利要求5所述的判断供热抽汽对火电机组发电能力范围的方法，其特征在于，将所述迁移学习算法模型的拟合值与真实值进行比较，通过绝对平均误差mae、均方根误差rmse和回归系数coeff进行表征。

7.如权利要求1-6任一项所述的判断供热抽汽对火电机组发电能力范围的方法，其特征在于，所述排气量通过末尾级抽汽压力获得；通过末尾级抽汽压力与排气量的拟合公式获得主蒸汽流量与所述排气量的关系，从而获得供热抽汽排气量模型。

8.如权利要求7所述的判断供热抽汽对火电机组发电能力范围的方法，其特征在于，获得供热抽汽下主蒸汽上边界和下边界的方法为：

9.一种判断供热抽汽对火电机组发电能力范围的系统，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-8任一项所述的判断供热抽汽对火电机组发电能力范围的方法。