CN116644851A - 结合负荷优化配置的热电厂设备控制方法及*** - Google Patents
结合负荷优化配置的热电厂设备控制方法及*** Download PDFInfo
- Publication number
- CN116644851A CN116644851A CN202310611298.9A CN202310611298A CN116644851A CN 116644851 A CN116644851 A CN 116644851A CN 202310611298 A CN202310611298 A CN 202310611298A CN 116644851 A CN116644851 A CN 116644851A
- Authority
- CN
- China
- Prior art keywords
- equipment
- thermoelectric
- load
- control
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 239000003245 coal Substances 0.000 claims abstract description 91
- 238000013507 mapping Methods 0.000 claims abstract description 51
- 230000005611 electricity Effects 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000009826 distribution Methods 0.000 claims abstract description 12
- 238000010438 heat treatment Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims 4
- 238000005265 energy consumption Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 7
- 230000008859 change Effects 0.000 description 10
- 230000005856 abnormality Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000012300 Sequence Analysis Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000000087 stabilizing effect Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Public Health (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Primary Health Care (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Feedback Control In General (AREA)
Abstract
结合负荷优化配置的热电厂设备控制方法及***,属于智能控制领域,其中包括:采集用户的历史用电和供热信息并进行分析,生成用户热电负荷;交互热电设备的设备基础信息,构建设备运行参数映射库;基于热电负荷进行热负荷和电负荷的拟合分配,并调用映射库,进行耗煤量计算;执行耗煤量的控制寻优,并留存N种寻优控制方案;依据N种方案进行方案选择,生成选定控制方案;通过选定控制方案进行热电设备的设备控制。本申请解决了现有技术中控制方案缺乏全面性和精确性导致供热电效率低下的技术问题,实现对热电厂设备智能化控制和全生命周期管理,达到优化设备运行、降低能耗、提高设备控制全面性和效率的技术效果。
Description
技术领域
本发明涉及智能控制领域,具体涉及结合负荷优化配置的热电厂设备控制方法及***。
背景技术
热电厂是我国电力和供热***的重要组成部分,其设备控制方法的合理性直接影响能源利用效率和环境保护水平。传统的热电厂设备控制方法主要依靠人工经验,难以实现高精度监测、自动优化配置和智能化控制,控制方案缺乏全面性和精确性,导致控制效率较低。尽管近年来,信息技术与自动控制在热电厂设备中的应用逐渐增加,但大多数应用集中在某一控制环节,难以实现全面的设备监测与优化控制。
发明内容
本申请通过提供了结合负荷优化配置的热电厂设备控制方法及***,旨在解决现有技术中控制方案缺乏全面
性和精确性导致供热电效率低下的技术问题。
鉴于上述问题,本申请提供了结合负荷优化配置的热电厂设备控制方法及***。
本申请公开的第一个方面,提供了结合负荷优化配置的热电厂设备控制方法,该方法包括采集用户的历史用电和供热信息,并基于历史用电和供热信息进行分析,生成用户热电负荷;交互热电设备的设备基础信息,根据基础信息构建设备运行参数映射库,其中,设备运行参数映射库的映射参数包括单位时间内耗煤量与电负荷和热负荷的映射;基于热电负荷进行热负荷和电负荷的拟合分配,并调用设备运行参数映射库,通过公式进行耗煤量计算;执行耗煤量的控制寻优,并留存N种寻优控制方案;将N种寻优控制方案的耗煤量作为第一参考数据,将N种寻优控制方案的设备稳定性数据作为第二参考数据,进行N种寻优控制方案的方案选择,生成选定控制方案;通过选定控制方案进行热电设备的设备控制。
本申请公开的另一个方面,提供了结合负荷优化配置的热电厂设备控制***,该***包括用户热电负荷模块,用于采集用户的历史用电和供热信息,并基于历史用电和供热信息进行分析,生成用户热电负荷;参数映射库构建模块,用于交互热电设备的设备基础信息,根据基础信息构建设备运行参数映射库,其中,设备运行参数映射库的映射参数包括单位时间内耗煤量与电负荷和热负荷的映射;耗煤量计算模块13,基于热电负荷进行热负荷和电负荷的拟合分配,并调用设备运行参数映射库,通过公式进行耗煤量计算;寻优控制方案模块,用于执行耗煤量的控制寻优,并留存N种寻优控制方案;选定控制方案模块,用于将N种寻优控制方案的耗煤量作为第一参考数据,将N种寻优控制方案的设备稳定性数据作为第二参考数据,进行N种寻优控制方案的方案选择,生成选定控制方案;热电设备控制模块,用于通过选定控制方案进行热电设备的设备控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了根据用户历史用电和供热信息,分析生成用户热电负荷,实现根据用户实际需求进行控制,满足用能需求;构建设备运行参数映射库,能够根据热电设备实际运行参数计算耗煤量,实现准确预测耗煤情况;执行耗煤量控制寻优,获得多种方案,实现有较高自由度的方案选择;综合考虑耗煤量、设备稳定性以及设备调用时长等因素选择控制方案,实现安全稳定高效的方案选择;根据控制方案对热电厂设备进行优化控制的技术方案,解决了现有技术中由于控制方案缺乏全面性和精确性导致供热电效率低下的技术问题,实现对热电厂设备智能化控制和全生命周期管理,达到优化设备运行、降低能耗、提高设备控制全面性和效率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了结合负荷优化配置的热电厂设备控制方法可能的流程示意图;
图2为本申请实施例提供了结合负荷优化配置的热电厂设备控制方法中生成用户热电负荷可能的流程示意图;
图3为本申请实施例提供了结合负荷优化配置的热电厂设备控制方法中生成选定控制方案可能的流程示意图;
图4为本申请实施例提供了结合负荷优化配置的热电厂设备控制***可能的结构示意图。
附图标记说明:用户热电负荷模块11,参数映射库构建模块12,耗煤量计算模块13,寻优控制方案模块14,选定控制方案模块15,热电设备控制模块16。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种结合负荷优化配置的热电厂设备控制方法及***,采集历史数据分析用电负荷,根据设备运行数据生成耗煤量,并映射用电负荷量和耗煤量,对耗煤量进行控制寻优,得到多种控制方案,并基于耗煤量和设备稳定性选定控制方案对热电设备进行优化控制。达到优化设备运行、降低能耗、提高设备控制全面性和效率的技术效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了结合负荷优化配置的热电厂设备控制方法,该方法包括:
步骤S100:采集用户的历史用电和供热信息,并基于所述历史用电和供热信息进行分析,生成用户热电负荷;
具体而言,历史用电信息是指用户过去一定时期内的电力消耗数据,包括用电量、用电时间等信息。历史供热信息是指热电厂在历史用电对应历史时期内的供热量数据,包括供热量、供热时间等信息。
基于历史用电和供热信息采用时序分析、回归分析、时间序列模型等方法进行分析,例如,计算用户历史数据的平均用电功率和用电量,作为代表用户基础用能水平的热电负荷参数;提取用户历史负荷曲线的特征参数,如峰值、谷值、倍率、面积等,代表用户热电需求的变化规律;分析用户历史数据的周期变化,提取代表周期性变化的特征参数,如日周期、周周期和年周期参数;收集用户地理位置、人口、建筑类型等数据,结合历史用能信息计算用户的用能密度参数,突破单一用户数据的限制,代表区域内同类型用户群体的用能水平。通过对历史用电和供热信息进行深入分析,得到用户热电负荷,为优化热电厂设备控制提供数据基础。
步骤S200:交互热电设备的设备基础信息,根据所述基础信息构建设备运行参数映射库,其中,所述设备运行参数映射库的映射参数包括单位时间内耗煤量与电负荷和热负荷的映射;
具体而言,首先,收集热电厂内各类热电设备的基础性能参数,如容量、效率、耗煤系数等,构建设备基础信息库。然后,根据设备基础信息库中的参数,建立各设备在不同运行条件下的运行参数与耗煤量、产生的电力和热力之间的映射关系,形成设备运行参数映射库。设备运行参数映射库中的映射参数是在正常工况下,设备每单位时间内的理论耗煤量、产电量和供热量之间的对应关系,根据设备的容量、热工效率、机械效率、传热效率等参数进行确定。
例如,某台发电机组的基础信息为:装机容量为50MW,机械效率为98%,发电效率为42%,则其运行参数映射库中的映射参数可以设置为:功率-耗煤量-发电量,其对应的参数值可分别为:40MW-120t/h-16.8MW,45MW-135t/h-18.9MW,50MW-150t/h-21.0MW。
通过设备的基础信息推导出设备在不同工况下的运行参数之间的映射关系,建立了设备运行参数映射库,反映了设备在不同产出条件下的理论耗煤和产能规律,为优化设备的运行控制奠定了基础。
步骤S300:基于所述热电负荷进行热负荷和电负荷的拟合分配,并调用所述设备运行参数映射库,通过公式进行耗煤量计算,计算公式如下:
其中,B为总耗煤量,T为热电设备运行时间,为第j台热电设备在t时刻的电负荷,/>为第j台热电设备在t时刻的热负荷,/>为第j台热电设备在t时刻热负荷为/>,电负荷为/>的耗煤量,/>为t时刻全厂运行热电设备的台数;
具体而言,首先根据用户热电负荷对热负荷和电负荷进行拟合分配,确定在给定时期T内,各类发电机组和锅炉所需产出的电量和热量,得到各设备的产出目标和。然后,调用设备运行参数映射库,查找各设备在产出目标/>和/>对应工况下的耗煤量参数/>。最后,将各设备在不同时刻的耗煤量参数进行积分求和,计算得到热电厂在给定时期T内的总耗煤量B。
例如,有3台热电厂设备的装机容量分别为45MW、35MW、50MW,装机容量对应的耗煤量分别为:B1=120t/h,B2=110t/h,B3=150t/h,若三台设备持续以装机容量下的功率运行,则每小时全厂耗煤量=120+110+150=380t/h;将全厂各时刻的耗煤量/>在时间轴上进行积分,则得到给定时期T内的总耗煤量B。如果给定时期T为10小时,周期内每小时不同工况下3台热电厂设备的总共耗煤量分别为:/>=344t/h,/>=375t/h,/>=399t/h,/>=327t/h,/>=398t/h,/>=407t/h,/>=365t/h,/>=390t/h,/>=370t/h,/>=425t/h,则加和所有时间段的耗煤量得到总耗煤量为3800t。
基于热电负荷进行热负荷和电负荷的拟合分配,并根据设备运行参数映射库,计算一定周期内不同工况下各设备的耗煤量,为热电厂制定控制方案提供数据支持,从而实现对不同热电厂设备控制方案下进行寻优,提高热电厂设备控制的全面度和精确性。
步骤S400:执行耗煤量的控制寻优,并留存N种寻优控制方案;
具体而言,根据热电厂实际情况收集影响耗煤量的各种控制因素,在满足用户给定热电负荷的前提下,通过调整这些控制因素,寻找可以使实际耗煤量最小的方案。例如,热电厂有3台效率不同的发电机组,功率分配方案会对总耗煤量产生影响,那么在确保满足用户负荷的情况下,通过计算可以找到使总耗煤量最小的发电机组功率分配方案。又如,热电厂有两种不同热值的煤种可供选择,那么通过计算可以确定在不同负荷下选择哪种煤种可以减少耗煤量。
首先,根据热电厂实际情况,收集影响耗煤量的所有控制因素,如发电机组功率和台数、锅炉负荷、风机转速、给炉机输出等,建立这些因素与耗煤量之间的映射模型。其次,根据设备特性和运行限制条件,确定各控制因素可以调整的范围,为后续的方案寻优提供限定条件。然后,采用遗传算法、模拟退火算法等寻优算法,在满足给定产出条件的前提下,通过计算和迭代找到可以使模型预测耗煤量最小的控制因素参数方案。接着,将寻优得到的控制方案代入热电厂耗煤量模型进行运算,验证其可以有效减少耗煤量,同时进行热力学检验,确保其满足安全稳定运行的各项限制条件。最后,在所有通过验证的控制方案中,选择耗煤量最小的N种方案作为热电厂优化运行的备选方案,留存进控制***的数据库中,为后续的方案选择和调整提供重要数据支持。
采用寻优算法寻找出可以有效减少热电厂耗煤量的各种控制方案及其参数,这些备选方案均可实现较低的耗煤量,使控制方案不再为单一选择方案,提高控制方案的全面性,进而提高控制方***性,从而优化热电厂设备运行,降低能耗,提高热电厂的能源转换效率。
步骤S500:将所述N种寻优控制方案的耗煤量作为第一参考数据,将所述N种寻优控制方案的设备稳定性数据作为第二参考数据,进行所述N种寻优控制方案的方案选择,生成选定控制方案;
具体而言,将得到的N种耗煤量优化控制方案按照耗煤量和设备稳定性这两个标准进行方案评选,从中选择出一种较优的优化控制方案作为选定控制方案。首先,将N种控制方案对应的理论耗煤量数据作为第一参考数据,表示各方案在相同产出条件下可以实现的最小耗煤量,选取其中耗煤量最小的方案。然后,采集N种控制方案在热力学检验和仿真验证中的设备参数数据并进行分析计算,其中设备参数数据包括出口温度、压力、流量等;判断各方案对热电厂关键设备(如锅炉、蒸汽轮机等)的影响和稳定性,作为第二参考数据,选取对设备影响和稳定性最小的方案。最后,将第一参考数据和第二参考数据进行综合判断,选择在耗煤量和设备稳定性上都比较优异的一种控制方案,作为本发明的选定控制方案。该选定方案既可以较低的耗煤量完成设定的产出任务,也不会对设备稳定运行产生较大影响,是所得热电厂的N种寻优控制方案中达成高效低碳运行的优选方案。
与现有单一的方案选择方法相比,在选择控制方案时不仅考虑了耗煤量这一经济指标,同时兼顾了设备稳定性这个安全系数,通过采用多元综合判断的方式,使控制方案全面准确,在提高能源转换效率的同时保证控制方案的稳定性。
步骤S600:通过所述选定控制方案进行所述热电设备的设备控制。
具体而言,将得到的选定控制方案发送到热电厂设备控制***中,用于实时自适应地调控热电设备,实现设备的自动化运行。首先,将选定控制方案中各控制因素的参数设定值,如发电机组功率分配系数、风机转速、给煤机煤量等,发送到对应的设备控制***,指导设备达到该方案要求的工作状态。然后,热电厂检测各类设备运行参数,如出口温度、压力、流量等,并将检测数据反馈到控制***,控制***采用PID控制算法等,实时比较反馈数据与选定控制方案的设定值,计算出控制偏差。接着,控制***根据控制偏差,向各设备控制***发送控制信号,如增量信号以调节各设备的工作参数,又如阀门开度、风机频率等,各设备根据控制信号修正工作参数,使实际工况逐渐符合选定控制方案的要求。最后,通过上述闭环控制,各设备的实际工作状态与选定控制方案逐步达到一致。至此,选定控制方案成功应用于热电厂的自动化运行管理中,完成在线调控作用,指导热电厂高效低碳稳定运行。
通过将给出的选定控制方案在线转化为自动化的设备控制指令,进而智能调节设备,可更快速准确地驱动热电厂设备达到优化运行状态,并可动态跟踪负荷变化,保证稳定运行,实现优化设备运行、降低能耗、提高设备控制全面性和效率的技术效果。
进一步的,如图2所示,本申请实施例还包括:
步骤S110:基于所述历史用电和供热信息进行时序趋势分析,拟合获得基础热电负荷;
步骤S120:设置截取窗口,读取截取窗口内的窗口用电和供热信息;
步骤S130:根据所述窗口用电和供热信息设置波动的波动宽容值;
步骤S140:基于所述波动宽容值和所述基础热电负荷生成用户热电负荷。
具体而言,对用户的长期历史用电和供热数据进行时序分析,提取数据的主要周期性变化规律,采用曲线拟合方法获得基础热电负荷曲线,代表用户基本的热电需求水平。时序分析可采用Fourier变换等技术分析历史数据的周期成分,提取出日周期、周周期和年周期等主要变化规律。基础热电负荷曲线的拟合可采用Polynomial曲线、指数曲线、三次B样条曲线等方法实现,以获得平滑的代表性曲线。
设置合理的时间窗口,读取最近一个时间窗口内的用户用电和供热历史数据作为窗口用电和供热信息,其中时间窗口的长短按照数据变化频率而定,可设置为近1周、半月或1个月的数据。窗口用电和供热信息包含用户在最近一个时间窗口内的实际用能数据,更接近用户当前的实际需求,反映用户当前的热电需求水平和变化趋势。根据窗口用电和供热信息计算用户用能的变化范围,作为代表用户热电负荷变动的波动宽容值,波动宽容值可以设置为窗口数据的标准差、方差或离群点限值等,用以度量用户用能变化的幅度。波动宽容值与窗口长度成反比,窗口越短则代表当前用户用能变化的波动宽容值越大。
基础热电负荷代表用户长期热电需求的平均水平,波动宽容值代表用户用能需求在近期内的变动幅度,采用叠加法、置信区间法、时间参数模型、条件概率模型等方法通过波动宽容值和基础热电负荷生成用户热电负荷。例如,对叠加法而言,将波动宽容值叠加在基础热电负荷曲线上,生成带有动态变化范围的用户热电负荷,如基础热电负荷为50MW,波动宽容值为±10%,则用户热电负荷可以设置为45-55MW。
通过波动宽容值和基础热电负荷生成用户热电负荷,既包含用户基本用能需求的参数,又包含近期内用能变化的动态参数,全面准确地反映用户当前及未来一定时期内的热电需求,为热电厂的优化控制和调度提供理想的基础输入条件,从而提高后续控制方案的精准性。
进一步的,本申请实施例还包括:
步骤S510:读取所述热电设备的历史工作数据;
步骤S520:对所述历史工作数据进行设备生命周期节点划分,生成多节点标识;
步骤S530:设置时间衰减系数,基于所述时间衰减系数和所述多节点标识进行所述历史工作数据的数据真实值计算,获得真实值计算结果;
步骤S540:根据所述真实值计算结果和所述历史工作数据进行运行稳定性计算,获得设备稳定性数据。
具体而言,从历史数据库中读取热电厂各关键设备的历史运行数据,如阀门开度、给水量、轴承温度、入口温度和压力等过程参数数据,这些数据包含了设备在长期运行过程中的工作信息,反映了设备运行状态的动态变化。根据设备的理论生命周期,将历史运行数据划分为不同的阶段,如磨合前期、磨合中期、磨合后期、稳定前期、稳定中期、稳定后期、故障多发期等。这些阶段对应了设备的性能和稳定性变化,根据所划分的设备生命周期可以准确判断设备当前所处的运行阶段。对设备生命周期的划分采用专家评判法和聚类分析法等技术,得到根据设备生命周期划分的多节点标识。
由于历史工作数据的采集时间跨度较长,设备性能和状态在这个过程中会发生变化,直接使用历史工作数据进行分析会引入较大偏差,为减小这个偏差,需要考虑数据的时效性,设置时间衰减系数对不同时间段的数据进行加权,计算出反映当前设备性能的数据真实值。首先,根据热电厂设备的所处时期确定时间衰减函数,如指数函数等,然后,根据数据变化确定不同时期数据重要性的相对变化和衰减速率,计算出不同时期数据的权重,其中,历史数据时间越近,所赋予的权重越大。最后,根据多节点标识对不同时期的历史工作数据设置根据时间衰减系数获取的权重,进行数据真实值计算,获得真实值计算结果。
获取时间衰减处理后的真实值计算结果后,可以准确地判断设备当前的运行状况。采用马尔可夫过程等技术结合真实值计算结果和历史工作数据,分析设备的故障率、工作波动等指标,并进一步计算设备的运行稳定性,为后续的设备控制方案选择提供判断依据。
进一步的,本申请实施例还包括:
步骤S541:通过所述历史工作数据进行异常调用,并记录故障频率、故障值、工作波动频率、工作波动值,其中,所述故障值为故障的严重程度的表征值,所述工作波动值为进行发电或供热的稳定输出表征值;
步骤S542:通过所述真实值计算结果进行所述故障频率、所述故障值、所述工作波动频率、所述工作波动值的真实特征调整;
步骤S543:根据调整后的所述故障频率、所述故障值、所述工作波动频率、所述工作波动值进行设备的运行稳定性计算,获得设备稳定性数据。
具体而言,根据热电设备的历史工作数据,可以检测到设备遭遇的各种故障和工作波动事件,为异常调用。通过分析历史工作数据,统计并记录故障频率、故障值、工作波动频率和工作波动值等指标。其中,故障值表示故障事件严重程度,可以采用停机时间或经济损失等指标定量描述;工作波动值表示设备发电或供热输出的波动程度,可以采用输出功率或温度的标准差等指标描述。
获得的时间衰减系数真实值计算结果,可以反映当前时期设备的真实工作状态。根据该真实值计算结果,采用加权求和或概率统计等方法对记录的故障频率、故障值、工作波动频率和工作波动值等指标进行修正,减小由于时间变化导致的误差,得到这些指标的真实特征值。得到故障指标和工作波动指标的真实特征后,可以准确评估设备的运行稳定性,然后采用马尔科夫过程或灰色关联分析等技术,根据故障频率、故障值、工作波动频率和工作波动值计算设备的运行稳定性,并将计算结果作为设备稳定性数据,为设备控制方案的选择提供依据,进一步提高控制方***性。
进一步的,如图3所示,本申请实施例还包括:
步骤S550:基于所述用户热电负荷设置时长阈值;
步骤S560:判断所述N种寻优控制方案中的热电设备调用时长是否均满足所述时长阈值;
步骤S570:当热电设备调用时长存在不能满足所述时长阈值的热电设备时,则进行对应寻优控制方案的热电设备异常调用标识;
步骤S580:将异常调用标识结果作为第三参考数据,根据所述第一参考数据、所述第二参考数据和所述第三参考数据进行所述N种寻优控制方案的方案选择,生成选定控制方案。
具体而言,用户热电负荷反映用户端的电力和热力需求,其变化趋势和幅度直接影响热电设备的调用。根据用户热电负荷的数据统计特征,设置热电设备调用时长的上限值,为时长阈值,同时,时长阈值的设置应在满足用户热电负荷的基本需求的同时不致使设备超载运行。
通过执行耗煤量的控制寻优留存的N种寻优控制方案对应不同的热电设备调用时长。对N种寻优控制方案进行判断,如果某方案中的设备调用时长超过设置的时长阈值,则表明该方案不具备可行性。如果判断发现某方案中调用时长超阈值的热电设备,则需要对该方案及相关设备采用布尔变量或命名法等形式进行异常调用标识,在后续方案筛选中排除异常方案。
根据耗煤量得到的第一参考数据和根据设备稳定性得到的第二参考数据用于评价各方案的经济性和安全性,根据时长阈值得到的第三参考数据则用于判断方案的可行性。综合三类参考数据,采用模糊评判法或权衡法等技术对N种寻优控制方案进行筛选和评判,选择出既经济又安全又可行的选定控制方案,提高设备控制方***度和控制质量。
进一步的,本申请实施例还包括:
步骤S581:基于所述设备基础信息设置各热电设备的短时启动关联系数;
步骤S582:设定递增关联值,根据所述设备异常调用标识、所述短时启动关联系数和所述递增关联值进行异常调用的影响值计算,根据影响值计算结果生成所述第三参考数据。
具体而言,热电设备的启动过程往往需要消耗较大的启动能量,频繁的启动停止会给设备带来较大负担,影响其使用寿命。根据热电设备的容量、功率等基本参数,设置每个热电厂设备允许在短时间内启动的最大次数,即短时启动关联系数,其中,容量越大的设备,其短时启动关联系数应一般设置得越小。
首先,设定递增关联值,表示设备在连续使用过程中,其对后续启动的抵抗程度逐渐提高的系数。然后,结合得到的异常调用标识及设置的短时启动关联系数,计算各方案中设备异常调用的影响值。影响值越大,说明通过寻优的控制方案对设备的负面影响越严重。最后,将各方案的影响值计算结果作为第三参考数据,作为生成选定控制方案的依据,用于选择若实施控制方案后对设备影响值较小的方案,以避免对设备造成过重负荷。
通过考虑热电设备的启动关联性,可以准确评估不同控制方案对设备的潜在影响,避免选择N种寻优控制方案中会加速设备退化的方案,为优化选择设备控制方案提供判断依据,有利于提高设备的安全性和利用效率,提高热电厂设备的控制全面性。
进一步的,本申请实施例还包括:
步骤S710:基于设备控制结果和预设拟合结果进行设备异常分析;
步骤S720:对设备异常分析结果进行异常聚类;
步骤S730:通过异常聚类结果生成检修反馈信息;
步骤S740:通过所述检修反馈信息进行所述热电设备的检修维护。
具体而言,设备控制结果是指通过选定控制方案对热电设备进行控制后的实际工作状态,预设拟合结果表示根据选定控制方案对热电设备进行控制后的预想工作状态。采用状态估算、数据挖掘等技术手段对设备控制结果和预设拟合结果进行比较分析,检测设备工作过程中出现的异常,如温度过高、振动过大、输出功率偏低等。
设备异常分析会检测出多个异常参数或指标,需要采用K均值聚类、层次聚类和DBSCAN聚类等方法对这些异常情况进行分类聚合,生成异常类别。异常聚类的是按异常原因或影响对异常情况进行归类,为后续的检修方案制定提供参考。获取异常聚类结果后,判断热电设备异常的根本原因所在,同时生成对应异常类别的检修反馈信息,以指导设备检修维护。其中,检修反馈信息应包含异常部位、异常原因分析和检修建议等内容。然后,根据检修反馈信息对异常设备进行检测定位、部件更换或参数调整等操作,以消除异常,确保热电设备恢复正常工作状态。
通过对设备控制结果与预设拟合结果的差异分析,可以准确检测出设备异常情况,并通过异常聚类和检修反馈为设备检修维护提供精细化和针对性的决策依据,可以最大限度地减少设备停机时间,有效提高设备的工作效率和运行稳定性。
综上所述,本申请实施例所提供的结合负荷优化配置的热电厂设备控制方法具有如下技术效果:
采集用户的历史用电和供热信息,并基于历史用电和供热信息进行分析,生成用户热电负荷,可以准确预测用户的热电负荷,为后续设备运行管理提供重要参考。交互热电设备的设备基础信息,根据基础信息构建设备运行参数映射库,能够为不同负荷下设备耗煤量的计算提供数据支持,提高后续控制方案的全面性和准确性;基于热电负荷进行热负荷和电负荷的拟合分配,并调用设备运行参数映射库,通过公式进行耗煤量计算,可以根据不同情况下的热电负荷准确计算出相应的设备耗煤总量,为后续准确生成控制方案提供数据支持;执行耗煤量的控制寻优,并留存N种寻优控制方案,可以得到多种耗煤量最低的控制方案,避免控制方案的单一选择,丰富控制方案;将N种寻优控制方案的耗煤量作为第一参考数据,将N种寻优控制方案的设备稳定性数据作为第二参考数据,进行N种寻优控制方案的方案选择,生成选定控制方案,为控制方案的选定限定多方面的限制因素,提高控制方案的合理性和准确性;通过选定控制方案进行热电设备的设备控制,可以最大限度减少耗煤量的同时保证设备稳定工作,达到优化设备运行、降低能耗、提高设备控制全面性和效率的技术效果。
实施例二
基于与前述实施例中结合负荷优化配置的热电厂设备控制方法相同的发明构思,如图4所示,本申请实施例提供了结合负荷优化配置的热电厂设备控制***,该控制***包括:
用户热电负荷模块11,用于采集用户的历史用电和供热信息,并基于所述历史用电和供热信息进行分析,生成用户热电负荷;
参数映射库构建模块12,用于交互热电设备的设备基础信息,根据所述基础信息构建设备运行参数映射库,其中,所述设备运行参数映射库的映射参数包括单位时间内耗煤量与电负荷和热负荷的映射;
耗煤量计算模块13,基于所述热电负荷进行热负荷和电负荷的拟合分配,并调用所述设备运行参数映射库,通过公式进行耗煤量计算,计算公式如下:
其中,B为总耗煤量,T为热电设备运行时间,为第j台热电设备在t时刻的电负荷,/>为第j台热电设备在t时刻的热负荷,/>为第j台热电设备在t时刻热负荷为/>,电负荷为/>的耗煤量,/>为t时刻全厂运行热电设备的台数;
寻优控制方案模块14,用于执行耗煤量的控制寻优,并留存N种寻优控制方案;
选定控制方案模块15,用于将所述N种寻优控制方案的耗煤量作为第一参考数据,将所述N种寻优控制方案的设备稳定性数据作为第二参考数据,进行所述N种寻优控制方案的方案选择,生成选定控制方案;
热电设备控制模块16,用于通过所述选定控制方案进行所述热电设备的设备控制。
进一步的,本申请实施例还包括:
基础热电负荷模块,基于所述历史用电和供热信息进行时序趋势分析,拟合获得基础热电负荷;
截取窗口模块,用于设置截取窗口,读取截取窗口内的窗口用电和供热信息;
波动宽容值模块,用于根据所述窗口用电和供热信息设置波动的波动宽容值;
用户热电负荷模块,基于所述波动宽容值和所述基础热电负荷生成用户热电负荷。
进一步的,本申请实施例还包括:
历史工作数据模块,用于读取所述热电设备的历史工作数据;
多节点标识模块,用于对所述历史工作数据进行设备生命周期节点划分,生成多节点标识;
真实值计算模块,用于设置时间衰减系数,基于所述时间衰减系数和所述多节点标识进行所述历史工作数据的数据真实值计算,获得真实值计算结果;
设备稳定性数据模块,用于根据所述真实值计算结果和所述历史工作数据进行运行稳定性计算,获得设备稳定性数据。
进一步的,本申请实施例还包括:
工作故障记录模块,用于通过所述历史工作数据进行异常调用,并记录故障频率、故障值、工作波动频率、工作波动值,其中,所述故障值为故障的严重程度的表征值,所述工作波动值为进行发电或供热的稳定输出表征值;
真实特征调整模块,用于通过所述真实值计算结果进行所述故障频率、所述故障值、所述工作波动频率、所述工作波动值的真实特征调整;
稳定性数据获得模块,用于根据调整后的所述故障频率、所述故障值、所述工作波动频率、所述工作波动值进行设备的运行稳定性计算,获得设备稳定性数据。
进一步的,本申请实施例还包括:
时长阈值设置模块,用于基于所述用户热电负荷设置时长阈值;
控制方案判断模块,用于判断所述N种寻优控制方案中的热电设备调用时长是否均满足所述时长阈值;
异常调用标识模块,用于当热电设备调用时长存在不能满足所述时长阈值的热电设备时,则进行对应寻优控制方案的热电设备异常调用标识;
选定控制方案模块,用于将异常调用标识结果作为第三参考数据,根据所述第一参考数据、所述第二参考数据和所述第三参考数据进行所述N种寻优控制方案的方案选择,生成选定控制方案。
进一步的,本申请实施例还包括:
启动关联系数模块,基于所述设备基础信息设置各热电设备的短时启动关联系数;
第三参考数据模块,用于设定递增关联值,根据所述设备异常调用标识、所述短时启动关联系数和所述递增关联值进行异常调用的影响值计算,根据影响值计算结果生成所述第三参考数据。
进一步的,本申请实施例还包括:
设备异常分析模块,基于设备控制结果和预设拟合结果进行设备异常分析;
异常聚类模块,用于对设备异常分析结果进行异常聚类;
检修反馈信息模块,用于通过异常聚类结果生成检修反馈信息;
检修维护模块,用于通过所述检修反馈信息进行所述热电设备的检修维护。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.结合负荷优化配置的热电厂设备控制方法,其特征在于,所述方法包括:
采集用户的历史用电和供热信息,并基于所述历史用电和供热信息进行分析,生成用户热电负荷;
交互热电设备的设备基础信息,根据所述基础信息构建设备运行参数映射库,其中,所述设备运行参数映射库的映射参数包括单位时间内耗煤量与电负荷和热负荷的映射;
基于所述热电负荷进行热负荷和电负荷的拟合分配,并调用所述设备运行参数映射库,通过公式进行耗煤量计算,计算公式如下:
其中,B为总耗煤量,T为热电设备运行时间,/>为第j台热电设备在t时刻的电负荷,/>为第j台热电设备在t时刻的热负荷,为第j台热电设备在t时刻热负荷为/>,电负荷为/>的耗煤量,为t时刻全厂运行热电设备的台数;
执行耗煤量的控制寻优,并留存N种寻优控制方案;
将所述N种寻优控制方案的耗煤量作为第一参考数据,将所述N种寻优控制方案的设备稳定性数据作为第二参考数据,进行所述N种寻优控制方案的方案选择,生成选定控制方案;
通过所述选定控制方案进行所述热电设备的设备控制。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述历史用电和供热信息进行时序趋势分析,拟合获得基础热电负荷;
设置截取窗口,读取截取窗口内的窗口用电和供热信息;
根据所述窗口用电和供热信息设置波动的波动宽容值;
基于所述波动宽容值和所述基础热电负荷生成用户热电负荷。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
读取所述热电设备的历史工作数据;
对所述历史工作数据进行设备生命周期节点划分,生成多节点标识;
设置时间衰减系数,基于所述时间衰减系数和所述多节点标识进行所述历史工作数据的数据真实值计算,获得真实值计算结果;
根据所述真实值计算结果和所述历史工作数据进行运行稳定性计算,获得设备稳定性数据。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
通过所述历史工作数据进行异常调用,并记录故障频率、故障值、工作波动频率、工作波动值,其中,所述故障值为故障的严重程度的表征值,所述工作波动值为进行发电或供热的稳定输出表征值;
通过所述真实值计算结果进行所述故障频率、所述故障值、所述工作波动频率、所述工作波动值的真实特征调整;
根据调整后的所述故障频率、所述故障值、所述工作波动频率、所述工作波动值进行设备的运行稳定性计算,获得设备稳定性数据。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述用户热电负荷设置时长阈值;
判断所述N种寻优控制方案中的热电设备调用时长是否均满足所述时长阈值;
当热电设备调用时长存在不能满足所述时长阈值的热电设备时,则进行对应寻优控制方案的热电设备异常调用标识;
将异常调用标识结果作为第三参考数据,根据所述第一参考数据、所述第二参考数据和所述第三参考数据进行所述N种寻优控制方案的方案选择,生成选定控制方案。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
基于所述设备基础信息设置各热电设备的短时启动关联系数;
设定递增关联值,根据所述设备异常调用标识、所述短时启动关联系数和所述递增关联值进行异常调用的影响值计算,根据影响值计算结果生成所述第三参考数据。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于设备控制结果和预设拟合结果进行设备异常分析;
对设备异常分析结果进行异常聚类;
通过异常聚类结果生成检修反馈信息;
通过所述检修反馈信息进行所述热电设备的检修维护。
8.结合负荷优化配置的热电厂设备控制***,其特征在于,所述***包括:
用户热电负荷模块,所述用户热电负荷模块用于采集用户的历史用电和供热信息,并基于所述历史用电和供热信息进行分析,生成用户热电负荷;
参数映射库构建模块,所述参数映射库构建模块用于交互热电设备的设备基础信息,根据所述基础信息构建设备运行参数映射库,其中,所述设备运行参数映射库的映射参数包括单位时间内耗煤量与电负荷和热负荷的映射;
耗煤量计算模块,所述耗煤量计算模块基于所述热电负荷进行热负荷和电负荷的拟合分配,并调用所述设备运行参数映射库,通过公式进行耗煤量计算,计算公式如下:
其中,B为总耗煤量,T为热电设备运行时间,/>为第j台热电设备在t时刻的电负荷,/>为第j台热电设备在t时刻的热负荷,为第j台热电设备在t时刻热负荷为/>,电负荷为/>的耗煤量,为t时刻全厂运行热电设备的台数;
寻优控制方案模块,所述寻优控制方案模块用于执行耗煤量的控制寻优,并留存N种寻优控制方案;
选定控制方案模块,所述选定控制方案模块用于将所述N种寻优控制方案的耗煤量作为第一参考数据,将所述N种寻优控制方案的设备稳定性数据作为第二参考数据,进行所述N种寻优控制方案的方案选择,生成选定控制方案;
热电设备控制模块,所述热电设备控制模块用于通过所述选定控制方案进行所述热电设备的设备控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310611298.9A CN116644851B (zh) | 2023-05-29 | 2023-05-29 | 结合负荷优化配置的热电厂设备控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310611298.9A CN116644851B (zh) | 2023-05-29 | 2023-05-29 | 结合负荷优化配置的热电厂设备控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116644851A true CN116644851A (zh) | 2023-08-25 |
CN116644851B CN116644851B (zh) | 2023-12-01 |
Family
ID=87642957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310611298.9A Active CN116644851B (zh) | 2023-05-29 | 2023-05-29 | 结合负荷优化配置的热电厂设备控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116644851B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117434908A (zh) * | 2023-12-18 | 2024-01-23 | 深圳市鑫路远电子设备有限公司 | 一种精密abc胶水的智能搅拌监测方法及*** |
CN117709554A (zh) * | 2024-02-04 | 2024-03-15 | 天津龙海科技有限公司 | 一种储热与电磁加热器联合的能源调度方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105305468A (zh) * | 2015-10-19 | 2016-02-03 | 国家电网公司 | 基于粒子群算法的火力发电机组一次调频参数优化方法 |
CN110989360A (zh) * | 2019-12-23 | 2020-04-10 | 武汉博晟信息科技有限公司 | 一种基于全量数据的火电机组稳态历史寻优方法 |
CN114781945A (zh) * | 2022-06-21 | 2022-07-22 | 汉谷云智(武汉)科技有限公司 | 热电联产机组负荷分配方法、设备、终端及存储介质 |
CN115712976A (zh) * | 2022-08-23 | 2023-02-24 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于多元供热机组的热能及电负荷优化方法及相关设备 |
-
2023
- 2023-05-29 CN CN202310611298.9A patent/CN116644851B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105305468A (zh) * | 2015-10-19 | 2016-02-03 | 国家电网公司 | 基于粒子群算法的火力发电机组一次调频参数优化方法 |
CN110989360A (zh) * | 2019-12-23 | 2020-04-10 | 武汉博晟信息科技有限公司 | 一种基于全量数据的火电机组稳态历史寻优方法 |
CN114781945A (zh) * | 2022-06-21 | 2022-07-22 | 汉谷云智(武汉)科技有限公司 | 热电联产机组负荷分配方法、设备、终端及存储介质 |
CN115712976A (zh) * | 2022-08-23 | 2023-02-24 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于多元供热机组的热能及电负荷优化方法及相关设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117434908A (zh) * | 2023-12-18 | 2024-01-23 | 深圳市鑫路远电子设备有限公司 | 一种精密abc胶水的智能搅拌监测方法及*** |
CN117434908B (zh) * | 2023-12-18 | 2024-02-20 | 深圳市鑫路远电子设备有限公司 | 一种精密abc胶水的智能搅拌监测方法及*** |
CN117709554A (zh) * | 2024-02-04 | 2024-03-15 | 天津龙海科技有限公司 | 一种储热与电磁加热器联合的能源调度方法及*** |
CN117709554B (zh) * | 2024-02-04 | 2024-04-16 | 天津龙海科技有限公司 | 一种储热与电磁加热器联合的能源调度方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116644851B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116644851B (zh) | 结合负荷优化配置的热电厂设备控制方法及*** | |
CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及*** | |
JP4245583B2 (ja) | 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体 | |
CN107862463B (zh) | 用于调度电厂的负载的方法和控制*** | |
CN106786677B (zh) | 一种互联电力***分布式动态矩阵频率控制方法 | |
CN112215464A (zh) | 一种多工况下高炉煤气的预测平衡调度*** | |
CN110197296B (zh) | 一种基于时间序列相似性的机组负荷预测方法 | |
US20220285940A1 (en) | Virtual power plant system using renewable energy chp and virtual power plant operating method using the same | |
CN117439101B (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
CN114641911A (zh) | 虚拟发电厂电力交易***及利用该***的虚拟发电厂电力交易方法 | |
CN117057491A (zh) | 基于mpc与储能***结合的农村地区电力供应优化管理方法 | |
CN115764931A (zh) | 一种电力***自动发电控制方法、***、设备和介质 | |
CN116591265B (zh) | 一种无负压二次供水设备智能控制方法及*** | |
CN117833319A (zh) | 基于物联网的电力调峰*** | |
CN117748509A (zh) | 基于液冷储能***的可再生能源***并网调度控制方法 | |
CN111049195A (zh) | 一种agc参数优化方法及装置 | |
CN112927098B (zh) | 一种考虑源荷不确定性的电网经济调度综合性评估方法 | |
CN113887116A (zh) | 一种电站锅炉动态运行主汽温延迟特性建模方法 | |
WO2023275089A1 (en) | Advanced power management and allocation for generator systems | |
CN110610276B (zh) | 一种含广义预测控制的综合能源***调度方法及*** | |
CN113991647A (zh) | 一种面向频率响应容量规划的电力***随机生产模拟方法 | |
CN118040791B (zh) | 一种协同经济性的燃煤机组深度调峰***及方法 | |
CN116436160B (zh) | Agc性能指标在线监控***及方法 | |
CN116599163B (zh) | 基于调频控制的高可靠性风电场功率控制*** | |
CN118316029A (zh) | 一种基于人工智能的配电箱智能功率调节方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |