CN117010946A - 一种火电厂生产经营成本核算***及其使用方法 - Google Patents
一种火电厂生产经营成本核算***及其使用方法 Download PDFInfo
- Publication number
- CN117010946A CN117010946A CN202311106234.XA CN202311106234A CN117010946A CN 117010946 A CN117010946 A CN 117010946A CN 202311106234 A CN202311106234 A CN 202311106234A CN 117010946 A CN117010946 A CN 117010946A
- Authority
- CN
- China
- Prior art keywords
- data
- transaction
- market
- power
- prediction
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 230000004927 fusion Effects 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000005611 electricity Effects 0.000 claims abstract description 26
- 230000008859 change Effects 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims abstract description 22
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 claims abstract description 21
- 230000008901 benefit Effects 0.000 claims abstract description 11
- 238000010248 power generation Methods 0.000 claims description 40
- 239000003245 coal Substances 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000007726 management method Methods 0.000 claims description 26
- 238000002156 mixing Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000013499 data model Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000010977 unit operation Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 235000019580 granularity Nutrition 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种火电厂生产经营成本核算***及其使用方法,属于电力核算***技术领域,其中,一种火电厂生产经营成本核算***,包括中央处理模块,所述中央处理模块信号连接有区内日融合交易辅助决策模块、电厂生产经营综合分析模块、数值天气预报模块和区内供需预测模块;所述区内日融合交易辅助决策模块,基于电力中长期日融合交易规则,建立融合交易市场出清、结算模型,采集市场交易数据,生成电价变化曲线,计算交易加权均价,为用户提供实时盯盘功能,实时跟踪日融合市场出清量以及市场出清价。该发明具备灵活的报表生成和数据分析功能,支持多样化的市场分析和决策需求的优点。
Description
技术领域
本发明属于电力核算***技术领域,尤其涉及一种火电厂生产经营成本核算***及其使用方法。
背景技术
火电角色将逐步由电量供应主体向调频、备用、容量服务提供者转变,收益模式将由传统计划模式下的电量电价,向市场化的现货模式转变,随着电力市场体系不断完善,中长期交易、现货交易、辅助服务交易、容量补偿等多重机制协调发展,未来火电的收益模式将逐渐多元,对于经营指标分析、市场研判、交易策略等提出了更深层次的要求和挑战;
随着电力市场的发展与进步,电厂现有的信息化***在功能上存在局限性,无法满足电力市场复杂多变的需求。例如,缺乏灵活的报表生成和数据分析功能,无法支持多样化的市场分析和决策需求。因此,电厂亟需搭建一套火电厂生产经营成本核算***,提高电厂生产经营管理水平,实现收益最大化。
发明内容
针对现有技术存在的问题,本发明提供了一种火电厂生产经营成本核算***及其使用方法,具备灵活的报表生成和数据分析功能,支持多样化的市场分析和决策需求的优点,解决了现有技术中缺乏灵活的报表生成和数据分析功能,无法支持多样化的市场分析和决策需求的问题。
本发明是这样实现的,一种火电厂生产经营成本核算***,包括中央处理模块,所述中央处理模块信号连接有区内日融合交易辅助决策模块、电厂生产经营综合分析模块、数值天气预报模块和区内供需预测模块;
所述区内日融合交易辅助决策模块,基于电力中长期日融合交易规则,建立融合交易市场出清、结算模型,采集市场交易数据,生成电价变化曲线,计算交易加权均价,为用户提供实时盯盘功能,实时跟踪日融合市场出清量以及市场出清价;
电厂生产经营综合分析模块,通过采集厂内煤耗、机组出力的基础数据,建立对应的配煤掺烧模型、电气***模型,对火电厂生产过程环节进行深度追踪,分析机组运行效率,提高电厂能源管理能力与供电边际成本计算精度;
数值天气预报模块,进行多层嵌套的降尺度计算,得到分钟级、公里级的气象数据,建立气象预测数据模型,为新能源功率预测和负荷预测提供数据基础;
区内供需预测模块,通过采集和分析气象数据,预算区域内新能源的发电量,并通过分析气象数据预算区内电量负荷,通过所述区内电量负荷和所述新能源的发电量预算火电需求量。
作为本发明优选的,所述区内日融合交易辅助决策模块包括以下单元:
融合交易市场出清、结算模型单元:
建立融合交易市场的出清与结算模型,包括电量、电价参数;根据参与交易的电厂和需求方的申报信息,进行市场出清计算,确定交易结果;根据交易结果,进行结算操作,包括计算清算价格、结算电费;
市场交易数据采集单元:获取市场交易数据,对获取的数据进行解析和处理,提取关键信息,至少包括电量、电价、交易时间中的一种,将处理后的交易数据存储到数据库中,供后续分析和展示使用;
电价变化曲线生成单元:基于采集到的市场交易数据,生成电价变化曲线图表;根据需要设定不同的时间粒度,曲线图表动态展示电价波动情况,帮助用户了解市场行情;
实时盯盘功能单元:监测市场交易数据的变化,实时跟踪价格和出清量;实时更新报价,帮助用户掌握市场信息;设定预警机制,在特定条件下触发警报提醒用户注意市场变化;
挂单与撤单操作提醒单元:根据交易规则,提醒用户在申报时段进行挂单或撤单操作,接收用户提交的挂单和撤单请求,并进行验证和同步至交易平台;提供操作结果反馈,确保用户挂单和撤单操作的及时性和准确性。
作为本发明优选的,融合交易市场出清、结算模型单元包括:
交易设置子单元:定义融合交易市场的基本规则,确定参与交易的主体,设定交易限制条件;
申报信息收集子单元:收集参与交易的电厂和需求方的申报信息,要求参与方按照规则设定的时点提交申报信息;
出清计算子单元:根据接收到的申报信息,进行市场出清计算,针对不同的交易品种、时段、供需平衡、成本最小化、交易规则和限制条件,确定出清结果;
结算操作子单元:根据出清结果进行结算操作,包括计算清算价格、结算电费;对于出清买方,根据出清价格和出清量,计算应付电费;对于出清卖方,根据出清价格和出清量,计算应收电费;
结果验证与公示子单元:对出清和结算结果进行验证,确保符合交易规则和限制条件,公示出清和结算结果,使参与交易的各方能够了解市场情况。
作为本发明优选的,融合交易市场出清、结算模型单元包括异常处理与调整子单元:处理申报信息中的异常情况,根据市场情况和需求变化,及时进行市场调整。
作为本发明优选的,所述电厂生产经营综合分析模块包括以下单元:
数据采集与处理单元:从电厂内部***或传感器中采集煤耗、机组出力的关键数据,对采集到的数据进行清洗、预处理和归一化,确保数据质量和可用性;
配煤掺烧模型单元:建立配煤掺烧模型,将输入参数与煤耗进行相关联,根据不同的燃煤组合情况和机组状态,进行配煤方案优化,提高燃煤效率;
电气***模型单元:建立电厂的电气***模型,包括供电边际成本计算,考虑燃料成本、发电能力、启停成本,通过模型分析,评估机组运行效率,找出降低边际成本的优化方案;
生产过程追踪与分析单元:对电厂生产过程进行深度追踪,监测关键环节的性能指标,分析追踪数据,并与模型预测结果进行对比,找出潜在问题和改进措施。
作为本发明优选的,电厂生产经营综合分析模块还包括交易行为复盘分析单元:收集电厂参与的长期交易、日融合交易、现货交易等交易数据;对交易行为进行复盘分析,计算多品种收益,量化电厂的经济效益;基于分析结果,并结合市场情况和需求变化,提供辅助决策依据,优化电厂的生产效率和市场收益;
历史运行数据回顾性分析单元:统计和分析历史运行数据,探索运行模式、故障模式和异常情况,识别潜在问题,根据分析结果,提供解决方案和改进措施,帮助电厂提高生产效率、增加市场收益。
作为本发明优选的,所述数值天气预报模块包括:
数据收集与处理单元:收集实时观测数据、卫星遥感数据、气象雷达数据中的至少一种,对收集到的数据进行校验、清洗和预处理,确保数据的质量和可用性;
数值模拟***单元:利用资源数值模拟***,采用多层嵌套的降尺度计算方法,从大尺度到小尺度逐步提高精度,获取初始场和边界条件,运行数值模拟***,将初值、边界条件和物理参数输入模型,计算出分钟级、公里级的天气预报结果;
气象预测数据模型单元:建立气象预测数据模型,将数值模拟***得到的结果进行处理和转换,得到所需的辐照度、气压、温度的参数,根据实时观测数据和历史数据,对模型进行校准和优化,提高预测准确性和可靠性;
数据输出与接口单元:将分钟级、公里级的天气预报数据结果输出,并提供API接口,方便其他***和应用程序调用和获取数据,根据用户需求,可以提供不同格式和精度的数据输出,以满足全网新能源功率预测及负荷预测等应用的需求。
作为本发明优选的,区内供需预测模块包括:
气象数据采集单元:收集区域内的气象数据,包括辐照度、风速、温度、湿度;
新能源发电量预测单元:基于收集到的气象数据和光伏、风电装置的特性曲线,预测区域内新能源发电的产能;使用数学模型或机器学习算法,将气象数据与发电装置的效率进行相关联,得出新能源发电量的预测结果;
区域电力负荷预测单元:根据历史电力负荷数据、用户需求变化和现有负荷的相关因素,建立电力负荷预测模型,结合收集到的气象数据,分析气象因素对电力负荷的影响,得出区域内电力负荷的预测结果。
火电需求量预测单元:综合处理新能源发电量预测和区域电力负荷预测结果,通过比较和分析两者之间的差异,预测所需的火电发电量,根据火电的调峰功能和备用性,在满足电力需求的前提下,补充新能源无法满足的电力缺口;
作为本发明优选的,区内供需预测模块包括:
新能源功率预测算法建模单元:基于采集到的气象数据和各新能源场站的实际运行数据,建立功率预测算法模型,运用人工智能技术,通过训练和优化模型,得到气象要素与发电功率之间的映射关系;
功率预测与发布单元:根据建立好的预测算法模型,结合实时气象数据,进行功率预测并发布预测结果,预测包括超短期、短期、节假日、月度和年度的功率需求;
区内***负荷预测与分析单元:利用大数据技术和人工智能算法,对特定区域内***负荷进行预测和分析,掌握全网电力需求情况;通过分析火电机组的市场空间,提供参考依据,以实现发电收益最大化的目标。
一种火电厂生产经营成本核算***的使用方法,包括以下步骤:
基于电力中长期日融合交易规则,建立融合交易市场出清、结算模型,采集市场交易数据,生成电价变化曲线,计算交易加权均价,为用户提供实时盯盘功能,实时跟踪日融合市场出清量以及市场出清价;
通过采集厂内煤耗、机组出力的基础数据,建立对应的配煤掺烧模型、电气***模型,对火电厂生产过程环节进行深度追踪,分析机组运行效率,提高电厂能源管理能力与供电边际成本计算精度;
进行多层嵌套的降尺度计算,得到分钟级、公里级的气象数据,建立气象预测数据模型,为新能源功率预测和负荷预测提供数据基础;
通过采集和分析气象数据,预算区域内新能源的发电量,并通过分析气象数据预算区内电量负荷,通过所述区内电量负荷和所述新能源的发电量预算火电需求量。
与现有技术相比,本发明的有益效果如下:
本发明中,使用时,基于电力中长期日融合交易规则,建立融合交易市场出清、结算模型,采集市场交易数据,生成电价变化曲线,计算交易加权均价,为用户提供实时盯盘功能,实时跟踪日融合市场出清量以及市场出清价;通过采集厂内煤耗、机组出力的基础数据,建立对应的配煤掺烧模型、电气***模型,对火电厂生产过程环节进行深度追踪,分析机组运行效率,提高电厂能源管理能力与供电边际成本计算精度;进行多层嵌套的降尺度计算,得到分钟级、公里级的气象数据,建立气象预测数据模型,为新能源功率预测和负荷预测提供数据基础;通过采集和分析气象数据,预算区域内新能源的发电量,并通过分析气象数据预算区内电量负荷,通过所述区内电量负荷和所述新能源的发电量预算火电需求量。通过上述设置,灵活的报表生成和数据分析功能,支持多样化的市场分析和决策需求。
附图说明
图1是本发明实施例1提供的火电厂生产经营成本核算***的***框图一;
图2是本发明实施例1提供的火电厂生产经营成本核算***的***框图二;
图3是本发明实施例1提供的火电厂生产经营成本核算***的***框图三;
图4是本发明实施例1提供的火电厂生产经营成本核算***的***框图四;
图5是本发明实施例1提供的火电厂生产经营成本核算***的***框图五;
图6是本发明实施例1提供的火电厂生产经营成本核算***的***框图六;
图7是本发明实施例1提供的火电厂生产经营成本核算***的***框图七;
图8是本发明实施例2提供的火电厂生产经营成本核算***的***框图一;
图9是本发明实施例2提供的火电厂生产经营成本核算***的***框图二。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
实施例1
参阅图1,本发明实施例提供的一种火电厂生产经营成本核算***,包括中央处理模块,其特征在于:所述中央处理模块信号连接有区内日融合交易辅助决策模块、电厂生产经营综合分析模块、数值天气预报模块和区内供需预测模块;
所述区内日融合交易辅助决策模块,基于电力中长期日融合交易规则,建立融合交易市场出清、结算模型,采集市场交易数据,生成电价变化曲线,计算交易加权均价,为用户提供实时盯盘功能,实时跟踪日融合市场出清量以及市场出清价;
电厂生产经营综合分析模块,通过采集厂内煤耗、机组出力的基础数据,建立对应的配煤掺烧模型、电气***模型,对火电厂生产过程环节进行深度追踪,分析机组运行效率,提高电厂能源管理能力与供电边际成本计算精度;
数值天气预报模块,进行多层嵌套的降尺度计算,得到分钟级、公里级的气象数据,建立气象预测数据模型,为新能源功率预测和负荷预测提供数据基础;
区内供需预测模块,通过采集和分析气象数据,预算区域内新能源的发电量,并通过分析气象数据预算区内电量负荷,通过所述区内电量负荷和所述新能源的发电量预算火电需求量。
参阅图2,所述区内日融合交易辅助决策模块包括以下单元:
融合交易市场出清、结算模型单元:
建立融合交易市场的出清与结算模型,包括电量、电价参数;
根据参与交易的电厂和需求方的申报信息,进行市场出清计算,确定交易结果;
根据交易结果,进行结算操作,包括计算清算价格、结算电费;
市场交易数据采集单元:
获取市场交易数据,对获取的数据进行解析和处理,提取关键信息,至少包括电量、电价、交易时间中的一种,将处理后的交易数据存储到数据库中,供后续分析和展示使用;
电价变化曲线生成单元:
基于采集到的市场交易数据,生成电价变化曲线图表;
根据需要设定不同的时间粒度,如分钟级、小时级或天级等,
曲线图表动态展示电价波动情况,帮助用户了解市场行情;
实时盯盘功能单元:
监测市场交易数据的变化,实时跟踪价格和出清量;
实时更新报价,帮助用户掌握市场信息;
设定预警机制,在特定条件下触发警报提醒用户注意市场变化;
挂单与撤单操作提醒单元:
根据交易规则,提醒用户在申报时段进行挂单或撤单操作
接收用户提交的挂单和撤单请求,并进行验证和同步至交易平台;
提供操作结果反馈,确保用户挂单和撤单操作的及时性和准确性。
以上单元可以结合产生新功能,如根据电价变化曲线生成预测模型,提供对交易策略的辅助决策等,从而实现区内日融合交易的辅助决策支持。
参阅图3,融合交易市场出清、结算模型单元包括:
交易设置子单元:
定义融合交易市场的基本规则,包括竞价方式、交易时段、交易品种等。
确定参与交易的主体,如电厂、需求方、交易中心等。
设定交易限制条件,如最小、最大申报数量、价格范围等。
申报信息收集子单元:
收集参与交易的电厂和需求方的申报信息,包括出清量、出清价格等。
要求参与方按照规则设定的时点提交申报信息。
出清计算子单元:
根据接收到的申报信息,进行市场出清计算。
针对不同的交易品种、时段、供需平衡、成本最小化、交易规则和限制条件,确定出清结果;
结算操作子单元:
根据出清结果进行结算操作,包括计算清算价格、结算电费;
对于出清买方,根据出清价格和出清量,计算应付电费;对于出清卖方,根据出清价格和出清量,计算应收电费;
结果验证与公示子单元:
对出清和结算结果进行验证,确保符合交易规则和限制条件。
公示出清和结算结果,使参与交易的各方能够了解市场情况。
参阅图4,异常处理与调整子单元:
处理申报信息中的异常情况,如违反交易规则、无效申报等,根据市场情况和需求变化,及时进行市场调整,如调整交易时段、限制条件等。
以上是一个大致的融合交易市场出清与结算模型的设计框架,具体细节还需要根据实际情况来确定,包括交易机制、市场参与者、清算方式、结算周期等。此外,还需考虑监管要求、风险控制等因素,确保交易的公平、透明和安全性。
参阅图5,所述电厂生产经营综合分析模块包括以下单元:
数据采集与处理单元:
从电厂内部***或传感器中采集煤耗、机组出力等关键数据。
对采集到的数据进行清洗、预处理和归一化,确保数据质量和可用性。
配煤掺烧模型单元:
建立配煤掺烧模型,将输入参数如煤质、温度、湿度等与煤耗进行相关联,根据不同的燃煤组合情况和机组状态,进行配煤方案优化,提高燃煤效率;
电气***模型单元:
建立电厂的电气***模型,包括供电边际成本计算,考虑燃料成本、发电能力、启停成本等要素,通过模型分析,评估机组运行效率,找出降低边际成本的优化方案。
生产过程追踪与分析单元:
对电厂生产过程进行深度追踪,监测关键环节如燃烧***、锅炉***、汽轮机等的性能指标,分析追踪数据,并与模型预测结果进行对比,找出潜在问题和改进措施。
所述电厂生产经营综合分析模块包括交易行为复盘分析单元:
收集电厂参与的长期交易、日融合交易、现货交易等交易数据;
对交易行为进行复盘分析,计算多品种收益,量化电厂的经济效益;
基于分析结果,并结合市场情况和需求变化,提供辅助决策依据,优化电厂的生产效率和市场收益。
历史运行数据回顾性分析单元:
统计和分析历史运行数据,探索运行模式、故障模式和异常情况,识别潜在问题,根据分析结果,提供解决方案和改进措施,帮助电厂提高生产效率、增加市场收益。
以上单元可以结合产生新功能,如基于模型的预测和优化算法、异常检测和告警机制等,从而提升电厂的能源管理能力、降低供电边际成本、优化交易策略,并为电厂的决策提供可靠的数据支持。
参阅图6,所述数值天气预报模块包括:
数据收集与处理单元:
收集实时观测数据、卫星遥感数据、气象雷达数据中的至少一种,对收集到的数据进行校验、清洗和预处理,确保数据的质量和可用性;
数值模拟***单元:
利用资源数值模拟***,采用多层嵌套的降尺度计算方法,从大尺度到小尺度逐步提高精度,结合国际先进的天气预报数值模式,如欧洲中心(ECMWF)模式、美国全球预报***(GFS)模式等,获取初始场和边界条件,运行数值模拟***,将初值、边界条件和物理参数输入模型,计算出分钟级、公里级的天气预报结果。
气象预测数据模型单元:
建立气象预测数据模型,将数值模拟***得到的结果进行处理和转换,得到所需的辐照度、气压、温度等参数。根据实时观测数据和历史数据,对模型进行校准和优化,提高预测准确性和可靠性。
数据输出与接口单元:
将分钟级、公里级的天气预报数据结果输出,并提供API接口,方便其他***和应用程序调用和获取数据。根据用户需求,可以提供不同格式和精度的数据输出,以满足全网新能源功率预测及负荷预测等应用的需求。
该数值天气预报模块可以基于先进的资源数值模拟***和气象模型,结合大量的原始气象数据和观测资料,提供分钟级、公里级的气象预测数据。这些数据可以为全网新能源功率预测、负荷预测等能源管理和运营决策提供关键的数据基础,帮助优化能源调度和提高能源利用效率。同时,模块还可以根据需要进行持续的数据校准和验证,以保证预测结果的准确性和可靠性。
参阅图7,区内供需预测模块包括:
气象数据采集单元:
收集区域内的气象数据,包括辐照度、风速、温度、湿度等关键参数。
可以利用气象站、卫星遥感、气象雷达等手段获取气象数据。
新能源发电量预测单元:
基于收集到的气象数据和光伏、风电装置的特性曲线,预测区域内新能源发电的产能;使用数学模型或机器学习算法,将气象数据与发电装置的效率进行相关联,得出新能源发电量的预测结果。
区域电力负荷预测单元:
根据历史电力负荷数据、用户需求变化和现有负荷的相关因素,建立电力负荷预测模型。结合收集到的气象数据,分析气象因素对电力负荷的影响,得出区域内电力负荷的预测结果。
火电需求量预测单元:综合处理新能源发电量预测和区域电力负荷预测结果,通过比较和分析两者之间的差异,预测所需的火电发电量,根据火电的调峰功能和备用性,在满足电力需求的前提下,补充新能源无法满足的电力缺口。
该区内供需预测模块可以通过分析气象数据、建立发电量和电力负荷的预测模型,为区域内的能源管理和供需平衡提供关键的数据支持。根据预测结果,电力公司可以做出相应的调度安排,最大限度地利用新能源发电,减少对传统火电的依赖,实现可持续能源的有效利用。
本发明还提供一种所述火电厂生产经营成本核算***的使用方法,包括以下步骤:
步骤S1,基于电力中长期日融合交易规则,建立融合交易市场出清、结算模型,采集市场交易数据,生成电价变化曲线,计算交易加权均价,为用户提供实时盯盘功能,实时跟踪日融合市场出清量以及市场出清价;
步骤S2,通过采集厂内煤耗、机组出力的基础数据,建立对应的配煤掺烧模型、电气***模型,对火电厂生产过程环节进行深度追踪,分析机组运行效率,提高电厂能源管理能力与供电边际成本计算精度;
步骤S3,进行多层嵌套的降尺度计算,得到分钟级、公里级的气象数据,建立气象预测数据模型,为新能源功率预测和负荷预测提供数据基础;
步骤S4,通过采集和分析气象数据,预算区域内新能源的发电量,并通过分析气象数据预算区内电量负荷,通过所述区内电量负荷和所述新能源的发电量预算火电需求量。
实施例2
与实施例1不同的是:
参阅图8,区内供需预测模块包括:
新能源功率预测算法建模单元:
基于采集到的气象数据和各新能源场站的实际运行数据,建立功率预测算法模型,运用人工智能技术,如机器学习、深度学习等,通过训练和优化模型,得到气象要素与发电功率之间的映射关系。
功率预测与发布单元:
根据建立好的预测算法模型,结合实时气象数据,进行功率预测并发布预测结果,预测包括超短期(几分钟至几小时)、短期(几小时至几天)、节假日、月度和年度的功率需求
区内***负荷预测与分析单元:
利用大数据技术和人工智能算法,对特定区域内***负荷进行预测和分析,掌握全网电力需求情况;通过分析火电机组的市场空间,提供参考依据,以实现发电收益最大化的目标。
以上区内供需预测模块可以帮助宁夏区内进行新能源和火电的协调调度,优化资源配置,提高新能源的利用效率,并为火电机组参与电力市场报价和运营决策提供关键数据支持。同时,通过精确预测***负荷,实现发电收益的最大化。
参阅图9,新能源功率预测算法建模单元包括:
数据处理子单元:对获取的数据进行预处理,包括去除异常值、平滑处理;
特征提取子单元:选取与新能源发电量相关的特征变量,对特征变量进行归一化或标准化处理,使其具有相同的尺度。例如,对于风力发电,可以选择平均风速、最大风速、风向等作为特征。
训练模型子单元:使用监督学习算法,如线性回归、支持向量机、决策树或神经网络等,建立预测模型,将特征变量作为输入,实际发电量作为输出,训练模型以拟合这些输入和输出之间的关系,利用已知的历史气象数据和相应的发电量数据进行模型训练。
模型验证与评估子单元:使用验证数据集对训练好的模型进行验证,计算预测值与实际发电量之间的误差。评估模型的性能指标,如均方根误差(RMSE)、平均绝对百分比误差(MAPE)等。
预测新能源发电量子单元:
使用实时获取的气象数据作为输入,通过训练好的模型预测新能源的发电量,根据预测结果,可以提前做出调整和决策,如调整电网负荷、优化能源调度等。
需要注意的是,新能源功率预测是一个复杂的问题,受到多种因素的影响。因此,在设计预测算法模型时,需要选择适当的特征、合理的模型,并不断验证和优化模型以提高准确性和稳定性。
本发明的工作原理:
在使用时,基于电力中长期日融合交易规则,建立融合交易市场出清、结算模型,采集市场交易数据,生成电价变化曲线,计算交易加权均价,为用户提供实时盯盘功能,实时跟踪日融合市场出清量以及市场出清价;通过采集厂内煤耗、机组出力的基础数据,建立对应的配煤掺烧模型、电气***模型,对火电厂生产过程环节进行深度追踪,分析机组运行效率,提高电厂能源管理能力与供电边际成本计算精度;进行多层嵌套的降尺度计算,得到分钟级、公里级的气象数据,建立气象预测数据模型,为新能源功率预测和负荷预测提供数据基础;通过采集和分析气象数据,预算区域内新能源的发电量,并通过分析气象数据预算区内电量负荷,通过所述区内电量负荷和所述新能源的发电量预算火电需求量。通过上述设置,灵活的报表生成和数据分析功能,支持多样化的市场分析和决策需求。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种火电厂生产经营成本核算***,包括中央处理模块,其特征在于:所述中央处理模块信号连接有区内日融合交易辅助决策模块、电厂生产经营综合分析模块、数值天气预报模块和区内供需预测模块;
所述区内日融合交易辅助决策模块,基于电力中长期日融合交易规则,建立融合交易市场出清、结算模型,采集市场交易数据,生成电价变化曲线,计算交易加权均价,为用户提供实时盯盘功能,实时跟踪日融合市场出清量以及市场出清价;
电厂生产经营综合分析模块,通过采集厂内煤耗、机组出力的基础数据,建立对应的配煤掺烧模型、电气***模型,对火电厂生产过程环节进行深度追踪,分析机组运行效率,提高电厂能源管理能力与供电边际成本计算精度;
数值天气预报模块,进行多层嵌套的降尺度计算,得到分钟级、公里级的气象数据,建立气象预测数据模型,为新能源功率预测和负荷预测提供数据基础;
区内供需预测模块,通过采集和分析气象数据,预算区域内新能源的发电量,并通过分析气象数据预算区内电量负荷,通过所述区内电量负荷和所述新能源的发电量预算火电需求量。
2.如权利要求1所述的一种火电厂生产经营成本核算***,其特征在于:
所述区内日融合交易辅助决策模块包括以下单元:
融合交易市场出清、结算模型单元:
建立融合交易市场的出清与结算模型,包括电量、电价参数;根据参与交易的电厂和需求方的申报信息,进行市场出清计算,确定交易结果;根据交易结果,进行结算操作,包括计算清算价格、结算电费;
市场交易数据采集单元:获取市场交易数据,对获取的数据进行解析和处理,提取关键信息,至少包括电量、电价、交易时间中的一种,将处理后的交易数据存储到数据库中,供后续分析和展示使用;
电价变化曲线生成单元:基于采集到的市场交易数据,生成电价变化曲线图表;根据需要设定不同的时间粒度,曲线图表动态展示电价波动情况,帮助用户了解市场行情;
实时盯盘功能单元:监测市场交易数据的变化,实时跟踪价格和出清量;实时更新报价,帮助用户掌握市场信息;设定预警机制,在特定条件下触发警报提醒用户注意市场变化;
挂单与撤单操作提醒单元:根据交易规则,提醒用户在申报时段进行挂单或撤单操作,接收用户提交的挂单和撤单请求,并进行验证和同步至交易平台;提供操作结果反馈,确保用户挂单和撤单操作的及时性和准确性。
3.如权利要求1所述的一种火电厂生产经营成本核算***,其特征在于:
融合交易市场出清、结算模型单元包括:
交易设置子单元:定义融合交易市场的基本规则,确定参与交易的主体,设定交易限制条件;
申报信息收集子单元:收集参与交易的电厂和需求方的申报信息,要求参与方按照规则设定的时点提交申报信息;
出清计算子单元:根据接收到的申报信息,进行市场出清计算,针对不同的交易品种、时段、供需平衡、成本最小化、交易规则和限制条件,确定出清结果;
结算操作子单元:根据出清结果进行结算操作,包括计算清算价格、结算电费;对于出清买方,根据出清价格和出清量,计算应付电费;对于出清卖方,根据出清价格和出清量,计算应收电费;
结果验证与公示子单元:对出清和结算结果进行验证,确保符合交易规则和限制条件,公示出清和结算结果,使参与交易的各方能够了解市场情况。
4.如权利要求3所述的一种火电厂生产经营成本核算***,其特征在于:
融合交易市场出清、结算模型单元还包括:
异常处理与调整子单元:处理申报信息中的异常情况,根据市场情况和需求变化,及时进行市场调整。
5.如权利要求1所述的一种火电厂生产经营成本核算***,其特征在于:
所述电厂生产经营综合分析模块包括以下单元:
数据采集与处理单元:从电厂内部***或传感器中采集煤耗、机组出力的关键数据,对采集到的数据进行清洗、预处理和归一化,确保数据质量和可用性;
配煤掺烧模型单元:建立配煤掺烧模型,将输入参数与煤耗进行相关联,根据不同的燃煤组合情况和机组状态,进行配煤方案优化,提高燃煤效率;
电气***模型单元:建立电厂的电气***模型,包括供电边际成本计算,考虑燃料成本、发电能力、启停成本,通过模型分析,评估机组运行效率,找出降低边际成本的优化方案;
生产过程追踪与分析单元:对电厂生产过程进行深度追踪,监测关键环节的性能指标,分析追踪数据,并与模型预测结果进行对比,找出潜在问题和改进措施。
6.如权利要求1所述的一种火电厂生产经营成本核算***,其特征在于:
所述电厂生产经营综合分析模块还包括以下单元:
交易行为复盘分析单元:收集电厂参与的长期交易、日融合交易、现货交易等交易数据;对交易行为进行复盘分析,计算多品种收益,量化电厂的经济效益;基于分析结果,并结合市场情况和需求变化,提供辅助决策依据,优化电厂的生产效率和市场收益;
历史运行数据回顾性分析单元:统计和分析历史运行数据,探索运行模式、故障模式和异常情况,识别潜在问题,根据分析结果,提供解决方案和改进措施,帮助电厂提高生产效率、增加市场收益。
7.如权利要求1所述的一种火电厂生产经营成本核算***,其特征在于:
所述数值天气预报模块包括:
数据收集与处理单元:收集实时观测数据、卫星遥感数据、气象雷达数据中的至少一种,对收集到的数据进行校验、清洗和预处理,确保数据的质量和可用性;
数值模拟***单元:利用资源数值模拟***,采用多层嵌套的降尺度计算方法,从大尺度到小尺度逐步提高精度,获取初始场和边界条件,运行数值模拟***,将初值、边界条件和物理参数输入模型,计算出分钟级、公里级的天气预报结果;
气象预测数据模型单元:建立气象预测数据模型,将数值模拟***得到的结果进行处理和转换,得到所需的辐照度、气压、温度的参数,根据实时观测数据和历史数据,对模型进行校准和优化,提高预测准确性和可靠性;
数据输出与接口单元:将分钟级、公里级的天气预报数据结果输出,并提供API接口,方便其他***和应用程序调用和获取数据,根据用户需求,可以提供不同格式和精度的数据输出,以满足全网新能源功率预测及负荷预测等应用的需求。
8.如权利要求1所述的一种火电厂生产经营成本核算***,其特征在于:
区内供需预测模块包括:
气象数据采集单元:收集区域内的气象数据,包括辐照度、风速、温度、湿度;
新能源发电量预测单元:基于收集到的气象数据和光伏、风电装置的特性曲线,预测区域内新能源发电的产能;使用数学模型或机器学习算法,将气象数据与发电装置的效率进行相关联,得出新能源发电量的预测结果;
区域电力负荷预测单元:根据历史电力负荷数据、用户需求变化和现有负荷的相关因素,建立电力负荷预测模型,结合收集到的气象数据,分析气象因素对电力负荷的影响,得出区域内电力负荷的预测结果;
火电需求量预测单元:综合处理新能源发电量预测和区域电力负荷预测结果,通过比较和分析两者之间的差异,预测所需的火电发电量,根据火电的调峰功能和备用性,在满足电力需求的前提下,补充新能源无法满足的电力缺口。
9.如权利要求1所述的一种火电厂生产经营成本核算***,其特征在于:
区内供需预测模块包括:
新能源功率预测算法建模单元:基于采集到的气象数据和各新能源场站的实际运行数据,建立功率预测算法模型,运用人工智能技术,通过训练和优化模型,得到气象要素与发电功率之间的映射关系;
功率预测与发布单元:根据建立好的预测算法模型,结合实时气象数据,进行功率预测并发布预测结果,预测包括超短期、短期、节假日、月度和年度的功率需求;
区内***负荷预测与分析单元:利用大数据技术和人工智能算法,对特定区域内***负荷进行预测和分析,掌握全网电力需求情况;通过分析火电机组的市场空间,提供参考依据,以实现发电收益最大化的目标。
10.一种如权利要求1-9任一项所述火电厂生产经营成本核算***的使用方法,其特征在于,包括以下步骤:
基于电力中长期日融合交易规则,建立融合交易市场出清、结算模型,采集市场交易数据,生成电价变化曲线,计算交易加权均价,为用户提供实时盯盘功能,实时跟踪日融合市场出清量以及市场出清价;
通过采集厂内煤耗、机组出力的基础数据,建立对应的配煤掺烧模型、电气***模型,对火电厂生产过程环节进行深度追踪,分析机组运行效率,提高电厂能源管理能力与供电边际成本计算精度;
进行多层嵌套的降尺度计算,得到分钟级、公里级的气象数据,建立气象预测数据模型,为新能源功率预测和负荷预测提供数据基础;
通过采集和分析气象数据,预算区域内新能源的发电量,并通过分析气象数据预算区内电量负荷,通过所述区内电量负荷和所述新能源的发电量预算火电需求量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311106234.XA CN117010946A (zh) | 2023-08-30 | 2023-08-30 | 一种火电厂生产经营成本核算***及其使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311106234.XA CN117010946A (zh) | 2023-08-30 | 2023-08-30 | 一种火电厂生产经营成本核算***及其使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117010946A true CN117010946A (zh) | 2023-11-07 |
Family
ID=88571036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311106234.XA Pending CN117010946A (zh) | 2023-08-30 | 2023-08-30 | 一种火电厂生产经营成本核算***及其使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117010946A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117649131A (zh) * | 2024-01-29 | 2024-03-05 | 广州豪特节能环保科技股份有限公司 | 一种基于ai的能源***资源适配方法、***和介质 |
CN117674123A (zh) * | 2023-12-07 | 2024-03-08 | 上海交通大学 | 考虑电力***运行成本的风电短期功率预测方法 |
-
2023
- 2023-08-30 CN CN202311106234.XA patent/CN117010946A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117674123A (zh) * | 2023-12-07 | 2024-03-08 | 上海交通大学 | 考虑电力***运行成本的风电短期功率预测方法 |
CN117649131A (zh) * | 2024-01-29 | 2024-03-05 | 广州豪特节能环保科技股份有限公司 | 一种基于ai的能源***资源适配方法、***和介质 |
CN117649131B (zh) * | 2024-01-29 | 2024-06-07 | 广州豪特节能环保科技股份有限公司 | 一种基于ai的能源***资源适配方法、***和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11699198B2 (en) | Methods and systems for machine-learning for prediction of grid carbon emissions | |
Hong et al. | Energy forecasting: A review and outlook | |
Wu et al. | An integrated decision-making model for sustainable photovoltaic module supplier selection based on combined weight and cumulative prospect theory | |
Milligan | Modelling utility‐scale wind power plants. Part 2: Capacity credit | |
CN105811402B (zh) | 一种电力负荷预测***及其预测方法 | |
CN111478312A (zh) | 一种提升电网稳定性的综合能源集群协调控制方法 | |
CN117010946A (zh) | 一种火电厂生产经营成本核算***及其使用方法 | |
US20090132302A1 (en) | Computer implemented systems and methods for improving renewable energy systems performance guarantees | |
CN108388962B (zh) | 一种风电功率预测***及方法 | |
CN114240086A (zh) | 碳排放监测方法、装置、存储介质及处理器 | |
CN106771568B (zh) | 区域分布式光伏窃电监管*** | |
CN114140176B (zh) | 一种负荷聚集平台的可调容量预测方法及装置 | |
Russo et al. | Short-term risk management of electricity retailers under rising shares of decentralized solar generation | |
CN116683452B (zh) | 一种日清缺失电量的修复方法及*** | |
CN116541666A (zh) | 一种基于影响因素溯源的低碳园区碳追踪方法 | |
CN116739368A (zh) | 基于能源大数据的工业园区碳排放水平监测及评估方法 | |
CN111738854A (zh) | 一种基于云计算的新能源现货交易决策的数据服务*** | |
Sai et al. | Event-driven forecasting of wholesale electricity price and frequency regulation price using machine learning algorithms | |
Yang et al. | Probabilistic revenue analysis of microgrid considering source-load and forecast uncertainties | |
CN112766541A (zh) | 考虑出力预测误差的虚拟电厂利益分配机制的方法及*** | |
CN108345996B (zh) | 一种降低风电功率考核电量的***及方法 | |
CN105427045A (zh) | 一种电力***及电力市场参与主体风险评估*** | |
Ji | Sensitivity Analysis Model of Wind Power Project Cost Influencing Factors Based on Improved LCOE | |
Razak et al. | Forecasting cost saving through solar system installation | |
Atik et al. | Modeling Electricity Bill with the Reflection of CO2 Emissions and Methods of Implementing AMI for Smart Grid in Bangladesh |
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 |