CN117117983A - 一种结合配电网需求的火电厂调峰管理方法及*** - Google Patents
一种结合配电网需求的火电厂调峰管理方法及*** Download PDFInfo
- Publication number
- CN117117983A CN117117983A CN202310899287.5A CN202310899287A CN117117983A CN 117117983 A CN117117983 A CN 117117983A CN 202310899287 A CN202310899287 A CN 202310899287A CN 117117983 A CN117117983 A CN 117117983A
- Authority
- CN
- China
- Prior art keywords
- data
- electricity
- power plant
- thermal power
- resident
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 36
- 230000005611 electricity Effects 0.000 claims abstract description 342
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000005540 biological transmission Effects 0.000 claims abstract description 25
- 230000000737 periodic effect Effects 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 7
- 230000005856 abnormality Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given 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
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel generators
-
- 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)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及电厂调峰技术领域,提供一种结合配电网需求的火电厂调峰管理方法及***。所述方法包括:对配电网进行数据采集,获取配电网基础需求数据;获取输电网络的电负荷极值;确定居民用电的用电数据;在用电周期内进行居民用电标识,模拟火电厂用电数据,获取火电厂模拟用电数据;将所述居民用电的用电数据、所述火电厂模拟用电数据输入至电力深度调峰模型中,输出火电厂深度调峰数据;基于所述火电厂深度调峰数据对火电厂进行调峰管理。本申请解决了现有技术中火电机组运行与居民用电高峰同时用电造成的输电网络负荷过大的技术问题,达到了保持火电机组平稳运行,不给输电网络造成过大负荷与损伤同时保持用户用电的稳定技术效果。
Description
技术领域
本申请涉及电厂调峰技术领域,特别是涉及一种结合配电网需求的火电厂调峰管理方法及***。
背景技术
火力发电厂简称火电厂,是利用可燃物(例如煤)作为燃料生产电能的工厂。由于火电厂的火电机组运行需要用电,居民日常生活也需要用电,就可能导致火电机组运行时正好碰到居民日常生活用电高峰,可能会给输电网造成网络负荷过大的问题。
综上所述,本申请解决了现有技术中火电机组运行与居民用电高峰同时用电造成的输电网络负荷过大的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种提高供电效率和能源利用率的一种结合配电网需求的火电厂调峰管理方法及***。本申请解决了现有技术中火电厂能源利用率不高,能源浪费情况严重的技术问题,达到了提高供电效率和能源利用率的技术效果。
第一方面,本申请实施例提供了一种结合配电网需求的火电厂调峰管理方法,所述方法包括:基于大数据分析技术,对配电网进行数据采集,获取配电网基础需求数据;根据所述配电网基础需求数据,获取输电网络的电负荷极值;通过用电***,调取居民用电的周期用电曲线,确定居民用电的用电数据;根据所述居民用电的用电数据,在用电周期内进行居民用电标识,根据标识信息,模拟火电厂用电数据,获取火电厂模拟用电数据;将所述居民用电的用电数据、所述火电厂模拟用电数据输入至电力深度调峰模型中,输出火电厂深度调峰数据;基于所述火电厂深度调峰数据对火电厂进行调峰管理。
第二方面,本申请实施例提供了一种结合配电网需求的火电厂调峰管理***,所述***包括:配电网基础需求数据获取模块,所述配电网基础需求数据获取模块用于基于大数据分析技术,对配电网进行数据采集,获取配电网基础需求数据;电负荷极值获取模块,所述电负荷极值获取模块用于根据所述配电网基础需求数据,获取输电网络的电负荷极值;居民用电数据确定模块,所述居民用电数据确定模块用于通过用电***,调取居民用电的周期用电曲线,确定居民用电的用电数据;火电厂用电数据模拟模块,所述火电厂用电数据模拟模块用于根据所述居民用电的用电数据,在用电周期内进行居民用电标识,根据标识信息,模拟火电厂用电数据,获取火电厂模拟用电数据;火电厂深度调峰数据输出模块,所述火电厂深度调峰数据输出模块用于将所述居民用电的用电数据、所述火电厂模拟用电数据输入至电力深度调峰模型中,输出火电厂深度调峰数据;火电厂调峰管理模块,所述火电厂调峰管理模块用于基于所述火电厂深度调峰数据对火电厂进行调峰管理。
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:
首先,基于大数据分析技术,对配电网进行数据采集,获取配电网基础需求数据;其次根据所述配电网基础需求数据,获取输电网络的电负荷极值;再通过用电***,调取居民用电的周期用电曲线,确定居民用电的用电数据;然后根据所述居民用电的用电数据,在用电周期内进行居民用电标识,根据标识信息,模拟火电厂用电数据,获取火电厂模拟用电数据;接下来将所述居民用电的用电数据、所述火电厂模拟用电数据输入至电力深度调峰模型中,输出火电厂深度调峰数据;最后基于所述火电厂深度调峰数据对火电厂进行调峰管理。本申请解决了现有技术中火电机组运行与居民用电高峰同时用电造成的输电网络负荷过大的技术问题,达到了保持火电机组平稳运行,不给输电网络造成过大负荷与损伤同时保持用户用电的稳定技术效果。
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他目的、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为一个实施例中一种结合配电网需求的火电厂调峰管理方法的流程示意图;
图2为一个实施例中一种结合配电网需求的火电厂调峰管理方法的配电网基础需求数据确定的流程示意图;
图3为一个实施例中一种结合配电网需求的火电厂调峰管理***的结构框图。
附图标记说明:配电网基础需求数据获取模块11,电负荷极值获取模块12,居民用电数据确定模块13,火电厂用电数据模拟模块14,火电厂深度调峰数据输出模块15,火电厂调峰管理模块16。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在介绍了本申请基本原理后,下面,将参考附图对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
如图1所示,本申请提供了一种结合配电网需求的火电厂调峰管理方法,所述方法包括:
S100:基于大数据分析技术,对配电网进行数据采集,获取配电网基础需求数据;
具体而言,调峰是指将用电少的地方多余的电调往电能不足的地方,本申请提供了一种结合配电网需求的火电厂调峰管理方法,通过对配电网基础需求数据和输电网络电负荷极值的获取,再确定居民用电的用电数据,根据标识信息模拟火电厂用电数据,再通过火电厂深度调峰模型得到火电厂深度调峰数据,对火电厂进行调峰管理,解决了现有技术中火电机组运行与居民用电高峰同时用电造成的输电网络负荷过大的技术问题,达到了保持火电机组平稳运行,不给输电网络造成过大负荷与损伤同时保持用户用电的稳定技术效果。
大数据分析技术是一个大而复杂的数据集的集合,很难使用可用的数据库管理工具或传统的数据处理应用程序进行存储和处理,包括捕获,管理,存储,搜索,共享,传输,分析和可视化此数据;配电网是指从输电网或地区发电厂接受电能,通过配电设施就地分配或按电压逐级分配给各类用户的电力网;数据采集是指从传感器和其他待测设备等模拟和数字被测单元中自动采集信息的过程,本申请中是指从配电网中自动采集信息的过程;配电网基础需求数据是指配电网的供电数据、用电能耗数据等。基于大数据分析技术,对配电网进行数据采集,获取配电网基础需求数据,通过对配电网基础需求数据的获取,为后续获得电负荷极值做出铺垫。
如图2所示,进一步地,本申请步骤包括:
S110:在预设配电周期内,对配电网进行供电监测,获得供电数据;
S120:根据所述供电数据,确定所述预设配电周期内的用电负荷值;
S130:基于所述用电负荷值计算所述预设配电周期内的用电能耗数据;
S140:通过所述用电能耗数据确定所述配电网基础需求数据。
具体而言,预设配电周期是由工作人员自行设定的数据,周期内包括配电网供电以及用电的峰值和谷值,根据实际情况而定;供电监测是对配电网的供电情况,例如电压、频率、谐波等进行监控测量;供电数据则是所述配电网提供的电量、负荷、电压等数据;用电负荷值是指用电设备在某一时刻向电力***取用的电功率的总和;用电能耗数据是指所述配电网供电时能源的消耗数据。
在预设配电周期内,对配电网进行供电监测,获得供电数据;根据所述供电数据,确定所述预设配电周期内的用电负荷值;基于所述用电负荷值计算所述预设配电周期内的用电能耗数据;通过所述用电能耗数据确定所述配电网基础需求数据。通过获得所述配电网基础需求数据,为后续得到输电网络的电负荷极值做出了贡献。
S200:根据所述配电网基础需求数据,获取输电网络的电负荷极值;
具体而言,输电网络是指传输电能的网络,是电力***整体功能的重要组成环节,在水力、煤炭等一次能源资源条件适宜的地点建立发电厂,通过输电可以将电能输送到远离发电厂的负荷中心,使电能的开发和利用超越地域的限制;电负荷极值是指所述输电网络中所能承载的电负荷的最大值。根据所述配电网基础需求数据,获取输电网络的电负荷极值。通过获取输电网络的电负荷极值,为后续模拟火电厂用电数据做出了铺垫。
S300:通过用电***,调取居民用电的周期用电曲线,确定居民用电的用电数据;
具体而言,用电***是指用电设施是相对供电设施而言的,系指用户从接受电力电源至用电设备所配送的所有电力的设备和配套设施。周期用电曲线是指所述居民用电在一个周期内的用电情况,具有时间标识;用电数据是指在某一时刻居民使用的电量数据。通过用电***,调取居民用电的周期用电曲线,确定居民用电的用电数据;为后文的居民的用电峰值、用电谷值、用电峰值时段、用电谷值时段的获取做出了铺垫。
进一步地,本申请步骤还包括:
S310:基于居民用电规律中的用电节点,确定居民用电周期;
S320:根据所述居民用电周期,提取居民用电时段信息、居民用电量信息;
S330:将所述居民用电时段作为第一坐标轴,将所述居民用电量信息作为第二坐标轴;
S340:通过所述第一坐标轴、所述第二坐标轴,构建所述居民用电的周期用电曲线。
具体而言,用电规律是指居民使用电力的规律,例如在一天中,居民白天使用电量较低,但晚上一个时间点过后就会变高,到睡觉的时间点又会变低,在一段时间内都是这样,可以称之为居民的用电规律;用电节点是指居民使用电力的时间节点,居民用电周期是指居民使用电力的时间段,由用电节点确定;用电时段信息是指居民用电的时间段信息,例如晚上七点到十一点;居民用电量信息是指居民使用的电量,可以通过查询电表或者电力***获得。
基于居民用电规律中的用电节点,确定居民用电周期;根据所述居民用电周期,提取居民用电时段信息、居民用电量信息;将所述居民用电时段作为第一坐标轴,将所述居民用电量信息作为第二坐标轴;通过所述第一坐标轴、所述第二坐标轴,构建所述居民用电的周期用电曲线。通过构建所述居民用电的周期用电曲线,为后续计算获得居民用电负荷数据做出了铺垫。
进一步地,本申请步骤还包括:
S350:基于所述居民用电的周期用电曲线,提取曲线内的极大值、极小值分别作为居民的用电峰值、用电谷值;
S360:将所述用电峰值、所述用电谷值与所述居民用电的周期用电曲线进行反向匹配,确定用电峰值时段、用电谷值时段;
S370:根据所述用电峰值、所述用电谷值、所述用电峰值时段、所述用电谷值时段计算获得居民用电负荷数据;
S380:将所述居民用电负荷数据添加至所述用电数据中。
具体而言,用电峰值和用电谷值分别指居民用电的最大值和最小值;反向匹配是指;电峰值时段和用电谷值时段分别指居民最大用电量的时间点和最小用电量的时间点;居民用电负荷数据是指所述居民的用电设备在某一时刻向电力***取用的电功率的总和。
基于所述居民用电的周期用电曲线,提取曲线内的极大值、极小值分别作为居民的用电峰值、用电谷值;将所述用电峰值、所述用电谷值与所述居民用电的周期用电曲线进行反向匹配,确定用电峰值时段、用电谷值时段;根据所述用电峰值、所述用电谷值、所述用电峰值时段、所述用电谷值时段计算获得居民用电负荷数据;将所述居民用电负荷数据添加至所述用电数据中。根据得到的所述用电数据,可以得到用电周期内的居民用电标识,为后续抹蜜火电厂的用电数据做出了铺垫。
S400:根据所述居民用电的用电数据,在用电周期内进行居民用电标识,根据标识信息,模拟火电厂用电数据,获取火电厂模拟用电数据;
具体而言,居民用电标识是指居民用电的时间节点进行标记识别,例如以一天为周期,一天中有用电的时间节点和不用电的时间节点,将用电的时间节点进行标识;模拟火电厂用电数据是指通过用电周期内居民用电的标识,将使用电的时间进行标记,找到空闲时间,将火电厂用电量进行穿插,模拟火电厂用电时段以及用电量,为后续构建电力深度调峰模型做出铺垫。
S500:将所述居民用电的用电数据、所述火电厂模拟用电数据输入至电力深度调峰模型中,输出火电厂深度调峰数据;
具体而言,深度调峰是指受电网负荷峰谷差较大影响,而导致各火电厂降出力,发电机组超过基本调峰范围进行调峰的一种运行方式,一般深度调峰的负荷率多为40%至30%;根据所述居民用电的用电数据、所述火电厂模拟用电数据输入至电力深度调峰模型中,输出火电厂深度调峰数据。通过构建电力深度调峰模型,为后续对火电厂进行调峰管理做出铺垫。
进一步地,本申请步骤包括:
S510:基于BP神经网络,构建所述电力深度调峰模型,所述电力深度调峰模型的输入数据包括所述居民用电的用电数据、所述火电厂模拟用电数据,输出数据包括所述火电厂深度调峰数据;
S520:所述电力深度调峰模型包含数据输入层、深度调峰控制层、调峰结果输出层;
S530:分别对所述居民用电的用电数据中包含的所述居民用电负荷数据、所述火电厂模拟用电数据中包含的火电厂模拟用电负荷数据进行数据标注,获得构建数据集,其中,所述构建数据集内包括训练集和验证集;
S540:采用所述训练集和验证集对所述电力深度调峰模型进行监督训练和验证,直到所述电力深度调峰模型收敛或准确率达到预设要求,输出所述火电厂深度调峰数据。
具体而言,基于所述居民用电的用电数据和所述火电厂模拟用电数据,构建电力深度调峰模型,构建电力深度调峰模型的过程如下:基于BP神经网络,构建所述电力深度调峰模型的网络结构,所述电力深度调峰模型包含数据输入层、深度调峰控制层、调峰结果输出层;该电力深度调峰模型内包括多个模拟人体大脑神经元的简单单元,电力深度调峰模型可在监督训练过程中形成简单单元之间连接的权值、阈值等参数,训练完成后的电力深度调峰模型可根据输入数据进行复杂的非线性逻辑运算,输出火电厂深度调峰数据,电力深度调峰模型的输入数据为所述居民用电的用电数据和所述火电厂模拟用电数据,输出数据为火电厂深度调峰数据。获取构建数据集,构建电力深度调峰模型,其中,所述构建数据集包括所述居民用电的用电数据中包含的所述居民用电负荷数据和所述火电厂模拟用电数据中包含的火电厂模拟用电负荷数据进行数据标注的数据,进一步对所述构建数据集进行数据标注并按照一定比例进行划分,获得训练集和验证集。通过所述构建数据集对所述电力深度调峰模型进行训练和验证,获得所述电力深度调峰模型。
所述电力深度调峰模型为机器学习中可以不断进行迭代优化的神经网络模型,通过训练集进行监督训练获得。按照预设数据划分规则将所述构建数据集划分为训练集和验证集,所述预设数据划分比例本领域技术人员可基于实际情况自定义设置,例如:85%、15%。通过所述训练集对所述电力深度调峰模型进行监督训练,当模型输出结果趋于收敛状态时,通过所述验证集对所述电力深度调峰模型的输出结果准确率进行验证,获取预设验证准确率指标,所述预设验证准确率指标本领域技术人员可基于实际情况自定义设置,例如:90%。当电力深度调峰模型输出结果准确率大于等于所述预设验证准确率指标时,获得所述电力深度调峰模型。通过基于BP神经网络构建电力深度调峰模型,可以提高火电厂深度调峰数据获得的效率和准确率。
S600:基于所述火电厂深度调峰数据对火电厂进行调峰管理。
具体而言,调峰是指根据用户需求控制发电量的整个过程,按照用户需求,根据所述火电厂深度调峰数据对火电厂的发电量进行调峰管理。达到了提高供电效率和能源利用率的效果。
进一步地,本申请步骤包括:
S610:根据所述火电厂深度调峰数据,获取火电厂用电峰值时段、火电厂用电谷值时段;
S620:抽取历史火电厂的异常故障信息,对所述火电厂用电峰值时段、所述火电厂用电谷值时段进行数据比对,确定火电厂异常故障节点;
S630:对所述火电厂异常故障节点进行火电厂用电负荷的数据监测,当所述火电厂用电负荷大于预设用电负荷时,则生成调控告警指令;
S640:根据所述调控告警指令对火电厂进行用电负荷的异常校正。
具体而言,火电厂用电峰值时段和火电厂用电谷值时段是指所述火电厂消耗电力最高和最低的时间点;历史火电厂的异常故障信息是指过去时间段中,火电厂产生故障时的信息,例如火电厂产生异常时的用电量、用电时段等;火电厂异常故障节点是指在某个时间段或者某个地方产生故障,例如过热器故障、汽轮机组出现问题等;预设用电负荷是指工作人员自行设定的用电负荷值,若所述火电厂用电负荷大于预设用电负荷时,证明所述火电厂出现异常故障,例如设置预设用电负荷为10000w,当火电厂异常故障节点的用电负荷小于预设用电负荷时,证明火电厂异常故障节点可能发生机器老化等问题,若当火电厂异常故障节点的用电负荷大于预设用电负荷时,证明所述火电厂异常故障节点确认故障;调控告警指令是指对火电厂的用电负荷进行调整控制发出预警的命令。
根据所述火电厂深度调峰数据,获取火电厂用电峰值时段、火电厂用电谷值时段;抽取历史火电厂的异常故障信息,对所述火电厂用电峰值时段、所述火电厂用电谷值时段进行数据比对,确定火电厂异常故障节点;对所述火电厂异常故障节点进行火电厂用电负荷的数据监测,当所述火电厂用电负荷大于预设用电负荷时,则生成调控告警指令;根据所述调控告警指令对火电厂进行用电负荷的异常校正,本申请实施例达到了减少火电厂的故障次数和停电时间的技术效果。
本申请提供了一种结合配电网需求的火电厂调峰管理方法,通过对配电网基础需求数据和输电网络电负荷极值的获取,再确定居民用电的用电数据,根据标识信息模拟火电厂用电数据,再通过火电厂深度调峰模型得到火电厂深度调峰数据,对火电厂进行调峰管理,本申请解决了现有技术中火电机组运行与居民用电高峰同时用电造成的输电网络负荷过大的技术问题,达到了保持火电机组平稳运行,不给输电网络造成过大负荷与损伤同时保持用户用电的稳定技术效果。
如图3所示,本申请还提供了一种结合配电网需求的火电厂调峰管理***,所述***包括:
配电网基础需求数据获取模块11,所述配电网基础需求数据获取模块11用于基于大数据分析技术,对配电网进行数据采集,获取配电网基础需求数据;
电负荷极值获取模块12,所述电负荷极值获取模块12用于根据所述配电网基础需求数据,获取输电网络的电负荷极值;
居民用电数据确定模块13,所述居民用电数据确定模块13用于通过用电***,调取居民用电的周期用电曲线,确定居民用电的用电数据;
火电厂用电数据模拟模块14,所述火电厂用电数据模拟模块14用于根据所述居民用电的用电数据,在用电周期内进行居民用电标识,根据标识信息,模拟火电厂用电数据,获取火电厂模拟用电数据;
火电厂深度调峰数据输出模块15,所述火电厂深度调峰数据输出模块15用于将所述居民用电的用电数据、所述火电厂模拟用电数据输入至电力深度调峰模型中,输出火电厂深度调峰数据;
火电厂调峰管理模块16,所述火电厂调峰管理模块16用于基于所述火电厂深度调峰数据对火电厂进行调峰管理。
进一步地,本申请实施例还包括:
供电数据获得模块,所述供电数据获得模块用于在预设配电周期内,对配电网进行供电监测,获得供电数据;
用电负荷值确定模块,所述用电负荷值确定模块用于根据所述供电数据,确定所述预设配电周期内的用电负荷值;
用电能耗数据计算模块,所述用电能耗数据计算模块用于基于所述用电负荷值计算所述预设配电周期内的用电能耗数据;
配电网基础需求数据获得模块,所述配电网基础需求数据获得模块用于通过所述用电能耗数据确定所述配电网基础需求数据。
进一步地,本申请实施例还包括:
居民用电周期确定模块,所述居民用电周期确定模块用于基于居民用电规律中的用电节点,确定居民用电周期;
居民用电信息提取模块,所述居民用电信息提取模块用于根据所述居民用电周期,提取居民用电时段信息、居民用电量信息;
居民用电坐标轴建立模块,所述居民用电坐标轴建立模块用于将所述居民用电时段作为第一坐标轴,将所述居民用电量信息作为第二坐标轴;
周期用电曲线构建模块,所述周期用电曲线构建模块用于通过所述第一坐标轴、所述第二坐标轴,构建所述居民用电的周期用电曲线。
进一步地,本申请实施例还包括:
居民用电极值提取模块,所述居民用电极值提取模块用于基于所述居民用电的周期用电曲线,提取曲线内的极大值、极小值分别作为居民的用电峰值、用电谷值;
居民用电曲线匹配模块,所述居民用电曲线匹配模块用于将所述用电峰值、所述用电谷值与所述居民用电的周期用电曲线进行反向匹配,确定用电峰值时段、用电谷值时段;
居民用电负荷数据计算模块,所述居民用电负荷数据计算模块用于根据所述用电峰值、所述用电谷值、所述用电峰值时段、所述用电谷值时段计算获得居民用电负荷数据;
用电数据添加模块,所述用电数据添加模块用于将所述居民用电负荷数据添加至所述用电数据中。
进一步地,本申请实施例还包括:
电力深度调峰模型构建模块,所述电力深度调峰模块构建模块用于基于BP神经网络,构建所述电力深度调峰模型,所述电力深度调峰模型的输入数据包括所述居民用电的用电数据、所述火电厂模拟用电数据,输出数据包括所述火电厂深度调峰数据;
电力深度调峰模型包含模块,所述电力深度调峰模型包含模块用于所述电力深度调峰模型包含数据输入层、深度调峰控制层、调峰结果输出层;
构建数据集获得模块,所述构建数据集获得模块用于分别对所述居民用电的用电数据中包含的所述居民用电负荷数据、所述火电厂模拟用电数据中包含的火电厂模拟用电负荷数据进行数据标注,获得构建数据集,其中,所述构建数据集内包括训练集和验证集;
火电厂深度调峰数据输出模块,所述火电厂深度调峰数据输出模块用于采用所述训练集和验证集对所述电力深度调峰模型进行监督训练和验证,直到所述电力深度调峰模型收敛或准确率达到预设要求,输出所述火电厂深度调峰数据。
进一步地,本申请实施例还包括:
火电厂用电时段获取模块,所述火电厂用电时段获取模块用于根据所述火电厂深度调峰数据,获取火电厂用电峰值时段、火电厂用电谷值时段;
火电厂异常故障节点确定模块,所述火电厂异常故障节点确定模块用于抽取历史火电厂的异常故障信息,对所述火电厂用电峰值时段、所述火电厂用电谷值时段进行数据比对,确定火电厂异常故障节点;
调控告警指令生成模块,所述调控告警指令生成模块用于对所述火电厂异常故障节点进行火电厂用电负荷的数据监测,当所述火电厂用电负荷大于预设用电负荷时,则生成调控告警指令;
用电负荷异常校正进行模块,所述用电负荷异常校正进行模块用于根据所述调控告警指令对火电厂进行用电负荷的异常校正。
关于一种结合配电网需求的火电厂调峰管理***的具体实施例可以参见上文中对于一种结合配电网需求的火电厂调峰管理方法的实施例,在此不再赘述。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种结合配电网需求的火电厂调峰管理方法,其特征在于,所述方法包括:
基于大数据分析技术,对配电网进行数据采集,获取配电网基础需求数据;
根据所述配电网基础需求数据,获取输电网络的电负荷极值;
通过用电***,调取居民用电的周期用电曲线,确定居民用电的用电数据;
根据所述居民用电的用电数据,在用电周期内进行居民用电标识,根据标识信息,模拟火电厂用电数据,获取火电厂模拟用电数据;
将所述居民用电的用电数据、所述火电厂模拟用电数据输入至电力深度调峰模型中,输出火电厂深度调峰数据;
基于所述火电厂深度调峰数据对火电厂进行调峰管理。
2.如权利要求1所述的方法,其特征在于,所述获取配电网的基础需求数据,方法还包括:
在预设配电周期内,对配电网进行供电监测,获得供电数据;
根据所述供电数据,确定所述预设配电周期内的用电负荷值;
基于所述用电负荷值计算所述预设配电周期内的用电能耗数据;
通过所述用电能耗数据确定所述配电网基础需求数据。
3.如权利要求1所述的方法,其特征在于,所述调取居民用电的周期用电曲线,方法还包括:
基于居民用电规律中的用电节点,确定居民用电周期;
根据所述居民用电周期,提取居民用电时段信息、居民用电量信息;
将所述居民用电时段作为第一坐标轴,将所述居民用电量信息作为第二坐标轴;
通过所述第一坐标轴、所述第二坐标轴,构建所述居民用电的周期用电曲线。
4.如权利要求3所述的方法,其特征在于,所述确定居民用电的用电数据,方法还包括:
基于所述居民用电的周期用电曲线,提取曲线内的极大值、极小值分别作为居民的用电峰值、用电谷值;
将所述用电峰值、所述用电谷值与所述居民用电的周期用电曲线进行反向匹配,确定用电峰值时段、用电谷值时段;
根据所述用电峰值、所述用电谷值、所述用电峰值时段、所述用电谷值时段计算获得居民用电负荷数据;
将所述居民用电负荷数据添加至所述用电数据中。
5.如权利要求1所述的方法,其特征在于,所述输出火电厂深度调峰数据,方法还包括:
基于BP神经网络,构建所述电力深度调峰模型,所述电力深度调峰模型的输入数据包括所述居民用电的用电数据、所述火电厂模拟用电数据,输出数据包括所述火电厂深度调峰数据;
所述电力深度调峰模型包含数据输入层、深度调峰控制层、调峰结果输出层;
分别对所述居民用电的用电数据中包含的所述居民用电负荷数据、所述火电厂模拟用电数据中包含的火电厂模拟用电负荷数据进行数据标注,获得构建数据集,其中,所述构建数据集内包括训练集和验证集;
采用所述训练集和验证集对所述电力深度调峰模型进行监督训练和验证,直到所述电力深度调峰模型收敛或准确率达到预设要求,输出所述火电厂深度调峰数据。
6.如权利要求1所述的方法,其特征在于,方法还包括:
根据所述火电厂深度调峰数据,获取火电厂用电峰值时段、火电厂用电谷值时段;
抽取历史火电厂的异常故障信息,对所述火电厂用电峰值时段、所述火电厂用电谷值时段进行数据比对,确定火电厂异常故障节点;
对所述火电厂异常故障节点进行火电厂用电负荷的数据监测,当所述火电厂用电负荷大于预设用电负荷时,则生成调控告警指令;
根据所述调控告警指令对火电厂进行用电负荷的异常校正。
7.一种结合配电网需求的火电厂调峰管理***,其特征在于,所述***包括:
配电网基础需求数据获取模块,所述配电网基础需求数据获取模块用于基于大数据分析技术,对配电网进行数据采集,获取配电网基础需求数据;
电负荷极值获取模块,所述电负荷极值获取模块用于根据所述配电网基础需求数据,获取输电网络的电负荷极值;
居民用电数据确定模块,所述居民用电数据确定模块用于通过用电***,调取居民用电的周期用电曲线,确定居民用电的用电数据;
火电厂用电数据模拟模块,所述火电厂用电数据模拟模块用于根据所述居民用电的用电数据,在用电周期内进行居民用电标识,根据标识信息,模拟火电厂用电数据,获取火电厂模拟用电数据;
火电厂深度调峰数据输出模块,所述火电厂深度调峰数据输出模块用于将所述居民用电的用电数据、所述火电厂模拟用电数据输入至电力深度调峰模型中,输出火电厂深度调峰数据;
火电厂调峰管理模块,所述火电厂调峰管理模块用于基于所述火电厂深度调峰数据对火电厂进行调峰管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310899287.5A CN117117983A (zh) | 2023-07-21 | 2023-07-21 | 一种结合配电网需求的火电厂调峰管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310899287.5A CN117117983A (zh) | 2023-07-21 | 2023-07-21 | 一种结合配电网需求的火电厂调峰管理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117117983A true CN117117983A (zh) | 2023-11-24 |
Family
ID=88811736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310899287.5A Pending CN117117983A (zh) | 2023-07-21 | 2023-07-21 | 一种结合配电网需求的火电厂调峰管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117117983A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117387056A (zh) * | 2023-12-13 | 2024-01-12 | 华能济南黄台发电有限公司 | 一种火电厂深度调峰状态监测方法及*** |
-
2023
- 2023-07-21 CN CN202310899287.5A patent/CN117117983A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117387056A (zh) * | 2023-12-13 | 2024-01-12 | 华能济南黄台发电有限公司 | 一种火电厂深度调峰状态监测方法及*** |
CN117387056B (zh) * | 2023-12-13 | 2024-03-08 | 华能济南黄台发电有限公司 | 一种火电厂深度调峰状态监测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116865258B (zh) | 一种层级构造的分布式电源智能电网构建方法 | |
CN105790265A (zh) | 一种考虑交流潮流约束的不确定性机组组合模型及求解方法 | |
Kamarposhti et al. | Effect of wind penetration and transmission line development in order to reliability and economic cost on the transmission system connected to the wind power plant | |
CN117117983A (zh) | 一种结合配电网需求的火电厂调峰管理方法及*** | |
Tryhuba et al. | Justification of Parameters of the Energy Supply System of Agricultural Enterprises with Using Wind Power Installations | |
CN115514100A (zh) | 一种基于多元储能和控制的混合储能*** | |
CN114362218B (zh) | 基于深度q学习的微电网内多类型储能的调度方法及装置 | |
CN114784882A (zh) | 机组组合优化处理方法及装置 | |
CN106886953A (zh) | 考虑多重不确定性的需求响应对含风电***风险分析方法 | |
CN117791596A (zh) | 故障电网的电力调度方法、***、电子设备及存储介质 | |
Zhou et al. | Distributionally robust unit commitment considering unimodality-skewness information of wind power uncertainty | |
CN117200352A (zh) | 一种基于云边融合的光伏发电调控方法及*** | |
CN117314191A (zh) | 一种综合能源***运行策略滚动生成方法及*** | |
Sun et al. | Interval mixed-integer programming for daily unit commitment and dispatch incorporating wind power | |
Wu et al. | Multiple criteria performance assessment for decentralized energy systems: a case study | |
Cheng et al. | A planning scenario clustering method based on monte-carlo simulation | |
Abadi et al. | A combined central-local volt/VAR approach in distribution systems with high PV uptake | |
Niu et al. | Evaluation of wind-solar hybrid power generation system based on Monte Carlo method | |
Lyu et al. | Two-Stage stochastic coordinated scheduling of integrated gas-electric distribution systems considering network reconfiguration | |
CN117220419B (zh) | 一种电力调度方法、***及存储介质 | |
Zhang et al. | Rolling-horizon robust economic dispatch under high penetration wind power | |
CN115986849B (zh) | 一种一次调频自优化控制方法及*** | |
EP4181338A1 (en) | Optimizing the sizing of a hybrid power plant | |
CN112598278B (zh) | 一种基于柔性计算的电力电量平衡判断方法及装置 | |
Cai et al. | Generation schedule considering branch security check under new energy access |
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 |