[發明專利]基于聚類分析和隨機森林回歸的核電機組電功率預測方法

在審

• 申請號: 201911364412.2
• 申請日: 2019-12-26
• 公開（公告）號: CN111242345A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 李蔚;吳愷逾;盛德仁;陳堅紅;鮑旭東;胡躍華;蔡超;駱雪蓮
• 申請（專利權）人: 浙江大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 杭州中成專利事務所有限公司 33212
• 代理人: 朱瑩瑩

本發明屬于電力系統領域，涉及一種基于聚類分析和隨機森林回歸的核電機組電功率預測方法。本發明通過聚類分析對機組的歷史運行數據進行特征提取，用以訓練隨機森林回歸模型，從而可以根據機組實時運行數據預測機組電功率。由于通過聚類分析實現了數據降維，通過構建隨機森林回歸模型避免了構建機理模型，本發明具有預測精度高、預測速度快、泛化能力強的優點。

技術領域

本發明屬于電力系統領域，涉及一種基于聚類分析和隨機森林回歸的核電機組電功率預測 方法。

背景技術

核能因其清潔、發電穩定的特性，在世界能源結構中占有重要地位。以法國、美國、德國 為首的一批發達國家早已大力發展核電技術。面對日趨嚴重的資源、環境壓力，我國能源形勢 日漸嚴峻，調整能源結構刻不容緩。2020年核電裝機容量有望達到5800萬千瓦，持續上升的 裝機規模促使人們關注核電機組運行中產生的問題。

近年來，國內某核電站由于取、排水口的布置問題，機組夏季運行時全潮平均溫升偏大于 設計溫升，海水溫度的變化引起機組背壓的變化，出現了夏季工況機組輸出電功率偏低的現象， 具體表現為漲落潮期間凝汽器海水入口溫度快速變化。為了避免機組在海水溫度上升最高期間 反應堆熱功率超過100％，需要在日常運行時限制機組出力。針對這個問題，對機組運行數據 進行監測，利用機組運行的歷史數據，建立機組運行參數對機組電功率影響關系，從而準確預 測機組電功率變化，對汽輪機高壓調節閥開度調整提供運行指導。

在核電機組實際運行時，影響機組電功率的參數多種多樣，并且這些參數間具有很強的相 關性和共線性，從理論上很難分析各個參數單獨作用于機組電功率的機理，而傳統的多元線性 回歸模型又難以達到較高的擬合精度；隨機森林回歸模型相較于傳統的回歸模型，具有泛化能 力強、訓練速度快、實現簡單、預測準確等優勢，現已應用于風電領域預測，但未在核電機組 得到應用，因此對于隨機森林回歸模型在核電站常規島的應用研究具有重要意義。

發明內容

本發明采用的是基于聚類分析和隨機森林回歸的核電機組電功率預測方法。通過聚類分析 對機組的歷史運行數據進行特征提取，用以訓練隨機森林回歸模型，從而可以根據機組實時運 行數據預測機組電功率。由于通過聚類分析實現了數據降維，通過構建隨機森林回歸模型避免 了構建機理模型，本發明具有預測精度高、預測速度快、泛化能力強的優點。

本發明采用如下技術方案：

基于聚類分析和隨機森林回歸的核電機組電功率預測方法，包括以下步驟：

(1)獲取機組歷史運行數據。

(2)對機組歷史運行數據進行清洗，剔除異常數據。

(3)采用聚類分析對清洗后的歷史運行數據進行特征提取，得到特征值。

(4)采用標準化的方法對特征值和目標值(電功率)進行無量綱化處理，由此得到用于 隨機森林回歸的數據集。

標準化的公式可表達為：

式中，X^′為標準化后的樣本值，X為原樣本值，為原樣本的均值，s為原樣本的標準差。

(5)對步驟(4)得到的數據集進行拆分，得到訓練集和測試集。訓練集用于訓練隨機森 林回歸模型，測試集用于評估隨機森林回歸模型的預測效果。

(6)建立隨機森林回歸模型，使用訓練集對其進行訓練。

(7)使用測試集對隨機森林回歸模型進行測試，采用平均絕對誤差(MAE)、均方誤差 (MSE)、R平方值三種評估指標，評估隨機森林回歸模型的預測效果。