一种基于机器学习算法的火电机组自优化辅助调频方法技术

本发明专利技术涉及一种基于机器学习算法的火电机组自优化辅助调频方法，技术方案是机组一次调频动作过程中，实时计算机组一次调频贡献率；根据实时计算的一次调频贡献率，对机组一次调频动作目标值进行一次修正；采用K近邻模型算法预测当前工况下的调频效果，对机组一次调频动作目标值进行二次修正；采集、计算、存储机组一次调频动作数据，利用决策树模型算法对数据进行评价，择优更新K近邻模型算法数据集，持续在线自学习、自整定、自优化机组一次调频控制参数，本发明专利技术实时计算机组一次调频贡献率，修正机组一次调频动作目标值，以及持续在线自学习、自整定、自优化机组一次调频控制参数，以达到提升机组的一次调频合格率。以达到提升机组的一次调频合格率。

【技术实现步骤摘要】
一种基于机器学习算法的火电机组自优化辅助调频方法


[0001]本专利技术属于火电机组一次调频
，具体涉及一种基于机器学习算法的火电机组自优化辅助调频方法。

技术介绍

[0002]网频是电网负荷与发电机有功功率的平衡关系，是电网运行的重要控制参数，关系到整个电网的安全性、稳定性、经济性等众多因素。发电机组的一次调频功能，其重要目的是当电网频率发生变化时，各发电机组快速响应，及时调整有功功率，使电网频率重新回到调频死区内，确保电网频率的安全性、稳定性。
[0003]一次调频贡献率是目前电网对发电机组一次调频性能最重要的考核参数，其表征的是当电网频率发生偏离时，机组实际贡献的一次调频频负荷与理论计算的贡献负荷比值，一次调频贡献率越大，说明发电机组在电网频率发生改变时，对电网频率的调节作用越大，对电网稳定性越有利。
[0004]由于发电机组一次调频特性受到汽轮机阀门流量特性、主蒸汽压力、机组负荷、调节品质等综合因素影响，目前，很多机组的一次调频特性不够理想，调频合格率偏低。

技术实现思路

[0005]针对上述情况，为克服现有技术之不足，本专利技术之目的就是提供一种基于机器学习算法的火电机组自优化辅助调频方法，可有效解决提高火电机组的一次调频合格率、改善调频过程机组运行稳定性的问题。
[0006]本专利技术采用的技术方案是：
[0007]一种基于机器学习算法的火电机组自优化辅助调频方法，包括以下步骤：
[0008]步骤S1：机组一次调频动作过程中，实时计算机组一次调频贡献率；
[0009]步骤S2：根据实时计算的一次调频贡献率，对机组一次调频动作目标值进行一次修正；
[0010]步骤S3：采用K近邻模型算法预测当前工况下的调频效果，对机组一次调频动作目标值进行二次修正；
[0011]步骤S4：采集、计算、存储机组一次调频动作数据，利用决策树模型算法对数据进行评价，择优更新K近邻模型算法数据集，持续在线自学习、自整定、自优化机组一次调频控制参数。
[0012]本专利技术方法新颖独特，机组一次调频动作过程中，实时计算机组一次调频贡献率，结合机器学习的K近邻模型算法、决策树模型算法，修正机组一次调频动作目标值，以及持续在线自学习、自整定、自优化机组一次调频控制参数，以达到提升机组的一次调频合格率，满足电网要求，适用于各种机组类型和运行方式，能够显著提高火电机组的一次调频合格率，并改善调频过程机组的运行稳定性，其使用方便，效果好，是火电机组一次调频上的创新，有良好的社会和经济效益。
附图说明
[0013]图1为本专利技术调频方法的框式流程图；
[0014]图2为本专利技术决策树模型结构图。
具体实施方式
[0015]以下结合实施例对本专利技术的具体实施方式作进一步详细说明。
[0016]本专利技术方法基于台式机、笔记本、工控机等计算设备，可以包括电源、通讯卡、机箱、处理器、储存器、显示器、鼠标、键盘等现有技术，即可满足本专利技术方法的实现，设备通过通讯接口实现与火电控制系统之间的数据交换，具备基本的数据存储、调用、分析工作，具体的设备可根据现场情况灵活调整、配置。
[0017]本专利技术基于机器学习算法的火电机组自优化辅助调频方法包括以下步骤：
[0018]步骤S1：机组一次调频动作过程中，实时计算机组一次调频贡献率。
[0019]在步骤S1中，判断一次调频动作，
[0020]在本实施例中，通过机组转速信号与额定转速3000r/min做绝对差值计算，如果绝对差值大于2r/min，则判断机组一次调频动作；
[0021]在步骤S1中，计算机组一次调频贡献率，
[0022]通过利用下面公式计算，代入机组的实时转速、功率值，就可以最终计算得到机组的一次调频贡献率。
[0023](1)计算机组的一次调频理论贡献电量(理论一次调频积分电量)H
e
：
[0024][0025]ΔP(Δf,t)＝Δf(t)
×
MCR/f
n
×
K
c
[0026]其中：
[0027]Δf(t)＝|f
t
‑
50|
‑
f
人工死区
；
[0028]|Δf(t)|—对应电网频率变化超过死区的频率差绝对值；
[0029]MCR—机组额定有功出力；
[0030]f
n
—电网额定频率50Hz；
[0031]f
t
—对应t时刻的电网频率(Hz)；
[0032]K
C
—机组速度变动率(永态转差系数)；
[0033]f
人工死区
人工设置的非调节区域，火电控制在
±
0.033Hz(
±
2r/min)内；
[0034](2)计算机组的一次调频实际贡献电量H
i
：
[0035][0036]式中：
[0037]H
i
：机组一次调频实际贡献电量；高频少发或低频多发电量为正，高频多发或低频少发电量为负。
[0038]t
o
：系统频率超过机组一次调频动作死区的时刻；
[0039]t
t
：系统频率进入机组一次调频动作死区的时刻；
[0040]P
t
：t时刻机组实际发电有功功率；
[0041]P
o
：t
o
时刻机组实际发电有功功率；(或t
o
时刻前10秒平均值)
[0042](3)计算机组一次调频贡献率K
[0043]一次调频贡献率K＝(一次调频实际贡献电量/一次调频理论贡献电量)
×
100％，即：
[0044][0045]步骤S2：根据实时计算的一次调频贡献率，对机组一次调频动作目标值进行一次修正。
[0046]计算公式如下：
[0047](1)计算动态辅助调频一次修正系数
[0048]A1＝f(K)
[0049]K：实时计算的一次调频贡献率；
[0050]A1：动态辅助调频一次修正系数；
[0051](2)动态辅助调频一次修正
[0052]y1＝A1x
[0053]x:原机组一次调频动作目标值；
[0054]y1:一次修正后的机组一次调频动作目标值；
[0055]一次调频贡献率(简称贡献率)K与动态辅助调频一次修正系数(简称修正系数)A1的函数关系，是根据《火力发电机组一次调频试验及性能验收导则》开展60％、75％、90％工况下的一次调频特性扰动试验，并在试验过程对动态辅助调频一次修正回路参数进行整定。
[0056]步骤S3：采用K近邻模型算法预测当前工况下的调频效果，对机组一次调频动作目标值进行二次修正。
[0057](1)通过定向扰动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习算法的火电机组自优化辅助调频方法，其特征在于，包括以下步骤：步骤S1：机组一次调频动作过程中，实时计算机组一次调频贡献率；步骤S2：根据实时计算的一次调频贡献率，对机组一次调频动作目标值进行一次修正；步骤S3：采用K近邻模型算法预测当前工况下的调频效果，对机组一次调频动作目标值进行二次修正；步骤S4：采集、计算、存储机组一次调频动作数据，利用决策树模型算法对数据进行评价，择优更新K近邻模型算法数据集，持续在线自学习、自整定、自优化机组一次调频控制参数。2.根据权利要求1所述的基于机器学习算法的火电机组自优化辅助调频方法，其特征在于，所述步骤S1的具体方法包括：(1)计算机组的一次调频理论贡献电量H
e
：ΔP(Δf,t)＝Δf(t)
×
MCR/f
n
×
K
c
其中：Δf(t)＝|f
t
‑
50|
‑
f
人工死区
；|Δf(t)|—对应电网频率变化超过死区的频率差绝对值；MCR—机组额定有功出力；f
n
—电网额定频率50Hz；f
t
—对应t时刻的电网频率(Hz)；K
C
—机组速度变动率；(2)计算机组的一次调频实际贡献电量H
i
：式中：H
i
：机组一次调频实际贡献电量；高频少发或低频多发电量为正，高频多发或低频少发电量为负；t
o
：系统频率超过机组一次调频动作死区的时刻；t
t
：系统频率进入机组一次调频动作死区的时刻；P
t
：t时刻机组实际发电有功功率；P
o
：t
o
时刻机组实际发电有功功率；(3)计算机组一次调频贡献率K一次调频贡献率K＝(一次调频实际贡献电量/一次调频理论贡献电量)
×
100％，即：3.根据权利要求1所述的基于机器学习算法的火电机组自优化辅助调频方法，其特征
在于，所述步骤S2的具体方法包括:(1)计算动态辅助调频一次修正系数A1＝f(K)K：实时计算的一次调频贡献率；A1：动态辅助调频一次修正系数；(2)动态辅助调频一次修正y1＝A1xx:原机组一次调频动作目标值；y1:一次修正后的机组一次调频动作目标值。4.根据权利要求1所述的基于机器学习算法的火电机组自优化辅助调频方法，其特征在于，所述步骤S3的具体方法包括:(1)通过定向扰动试验、参数调整，创建训练数据集根据《火力发...

【专利技术属性】
技术研发人员：董建朋，
申请(专利权)人：大唐三门峡电力有限责任公司，
类型：发明
国别省市：