火电供电煤耗量的预测方法及装置与流程

本技术涉及火电预测，特别涉及一种火电供电煤耗量的预测方法及装置。

背景技术：

1、在电力现货市场环境下，火电机组的供电煤耗预测结果直接支撑电厂发电交易决策，对火电企业控制燃料成本、提升市场经营收益具备重要作用。现有火电煤耗预测技术多采用分步式参数辨识思路完成模型参数求解，参数辨识完成后多以定型参数参与煤耗预测运算，模型参数动态自适应调整能力较弱。火电机组长期运行过程中易受季节更替、设备状态衰减、工况频繁切换、入炉煤质波动等多重因素干扰，机组运行特性存在持续时变漂移特性。传统预测方式难以跟随机组实时运行变化完成参数动态适配更新，模型适配性随运行时长逐步下降，导致供电煤耗预测结果与机组真实煤耗水平存在偏差，预测精度稳定性不足，难以满足电力现货市场精细化交易决策对煤耗预测高准确度、高鲁棒性的应用需求。难以跟随机组实时运行状态完成适配，使得供电煤耗预测输出结果与机组实际运行工况匹配度有限，预测输出结果和真实煤耗之间容易产生偏差，难以满足电力现货交易场景下对煤耗预测精度的实际使用需求。

技术实现思路

1、本技术的目的是提供一种火电供电煤耗量的预测方法及装置，旨在解决现有技术中火电供电煤耗预测模型难以跟随机组运行工况动态变化实现自适应适配的技术问题。

2、为实现上述目的，本技术提供一种火电供电煤耗量的预测方法，包括：

3、构建火电供电煤耗非线性动态数学模型，以机组负荷和平均热值作为输入变量，以供电煤耗量作为输出变量；

4、对所述非线性动态数学模型的静态非线性参数以及动态线性参数进行同步辨识，得到模型初始参数向量；

5、根据机组最新运行数据，对所述模型初始参数向量进行迭代更新，获得更新后的供电煤耗预测模型；

6、利用所述更新后的供电煤耗预测模型输出供电煤耗量预测结果。

7、在一些可选的实施例中，所述火电供电煤耗非线性动态数学模型的离散输入输出关系满足如下表达式：

8、，

9、式中，为k时刻供电煤耗量；为k-1时刻供电煤耗量；为k-2时刻供电煤耗量；为k-1时刻机组负荷；为k-1时刻平均热值；、为动态线性参数；、、为静态非线性参数。

10、在一些可选的实施例中，对所述非线性动态数学模型的静态非线性参数以及动态线性参数进行同步辨识，得到模型初始参数向量，包括：

11、配置协方差矩阵初始值以及待辨识参数向量初始值；

12、获取机组历史运行数据，构造回归向量；

13、迭代执行辨识运算，同步求解所述静态非线性参数以及所述动态线性参数，得到模型初始参数向量。

14、在一些可选的实施例中，迭代执行辨识运算，同步求解所述静态非线性参数以及所述动态线性参数，得到模型初始参数向量，包括：

15、采用基于递推最小二乘法的一步辨识法，根据当前步回归向量以及上一步协方差矩阵，计算当前步增益矩阵；

16、根据所述当前步增益矩阵、所述当前步回归向量以及所述上一步协方差矩阵，更新得到当前步协方差矩阵；

17、根据所述当前步增益矩阵、实际供电煤耗量、所述当前步回归向量以及上一步待辨识参数向量，更新得到当前步待辨识参数向量，迭代直至收敛，将收敛后的当前步待辨识参数向量确定为所述模型初始参数向量。

18、在一些可选的实施例中，根据当前步回归向量以及上一步协方差矩阵，计算当前步增益矩阵所采用的计算公式为：

19、，

20、式中，为第n步增益矩阵；为第n-1步协方差矩阵；为第n步回归向量；为的转置向量；

21、根据所述当前步增益矩阵、所述当前步回归向量以及所述上一步协方差矩阵，更新得到当前步协方差矩阵所采用的计算公式为：

22、，

23、式中，为第n步协方差矩阵；i为单位矩阵；为第n步增益矩阵；为第n步回归向量；为第n-1步协方差矩阵；为的转置向量。

24、在一些可选的实施例中，根据所述当前步增益矩阵、实际供电煤耗量、所述当前步回归向量以及上一步待辨识参数向量，更新得到当前步待辨识参数向量，迭代直至收敛，将收敛后的当前步待辨识参数向量确定为所述模型初始参数向量，包括：

25、计算实际供电煤耗量与基于所述上一步待辨识参数向量、所述当前步回归向量得到的煤耗预估量之间的预测残差；

26、基于所述预测残差、所述当前步增益矩阵以及所述上一步待辨识参数向量，采用预设参数更新公式进行计算，得到所述当前步待辨识参数向量；

27、循环执行增益矩阵计算、协方差矩阵更新、当前步待辨识参数向量更新的步骤，直至满足预设收敛条件，将收敛后的当前步待辨识参数向量确定为所述模型初始参数向量。

28、在一些可选的实施例中，所述预设参数更新公式的表达式为：

29、，

30、式中，为第n步待辨识参数向量；为第n-1步待辨识参数向量；为第n步增益矩阵；为第n步实际供电煤耗量；为第n步回归向量；为的转置向量。

31、在一些可选的实施例中，根据机组最新运行数据，对所述模型初始参数向量进行迭代更新，获得更新后的供电煤耗预测模型，包括：

32、获取机组最新运行数据，构造对应回归向量；

33、沿用已配置的协方差矩阵、待辨识参数向量作为迭代运算的上一时刻初始值；

34、迭代执行参数更新运算，修正待辨识参数向量，获得更新后的供电煤耗预测模型。

35、在一些可选的实施例中，迭代执行参数更新运算，修正待辨识参数向量，获得更新后的供电煤耗预测模型，包括：

36、根据当前步回归向量以及上一步协方差矩阵，计算当前步增益矩阵；

37、根据所述当前步增益矩阵、所述当前步回归向量以及所述上一步协方差矩阵，更新得到当前步协方差矩阵；

38、根据所述当前步增益矩阵、实际供电煤耗量、所述当前步回归向量以及上一步待辨识参数向量，更新得到当前步待辨识参数向量。

39、本技术还提供一种火电供电煤耗量的预测装置，所述装置用于执行上文所述的火电供电煤耗量的预测方法，所述装置包括：

40、模型构建模块，用于构建火电供电煤耗非线性动态数学模型，以机组负荷和平均热值作为输入变量，以供电煤耗量作为输出变量；

41、参数同步辨识模块，用于对所述非线性动态数学模型的静态非线性参数以及动态线性参数进行同步辨识，得到模型初始参数向量；

42、参数迭代更新模块，用于根据机组最新运行数据，对所述模型初始参数向量进行迭代更新，获得更新后的供电煤耗预测模型；

43、预测输出模块，用于利用所述更新后的供电煤耗预测模型输出供电煤耗量预测结果。

44、本技术的上述技术方案至少具有如下有益技术效果：

45、本技术的技术方案通过构建火电供电煤耗非线性动态数学模型，以机组负荷和平均热值作为输入变量，以供电煤耗量作为输出变量，能够完整捕获机组运行过程中输入条件与煤耗输出之间的映射关系；通过对所述非线性动态数学模型的静态非线性参数以及动态线性参数进行同步辨识，可一次性完成两类参数的协同求解，保持模型静态特性与动态特性的匹配一致性，减少分步辨识带来的参数耦合偏差；在此基础上根据机组最新运行数据，对所述模型初始参数向量进行迭代更新，获得更新后的供电煤耗预测模型，能够跟随机组实际运行状态持续修正模型内部参数，让模型跟随工况变化完成自适应调整，再利用所述更新后的供电煤耗预测模型输出供电煤耗量预测结果，有利于提升供电煤耗预测结果和机组真实运行工况的贴合程度，得到准确度更高的供电煤耗量预测输出。