【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。