[發明專利]基于LSTM的深度調峰機組一次調頻能力在線估計方法及系統

在審

• 申請號: 202210550300.1
• 申請日: 2022-05-20
• 公開（公告）號: CN114759613A
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 張小科;胡懷中;王子杰;夏大偉;王景鋼;曹桂州;李珍平;史書懷;張步庭;李玲;陳二強
• 申請（專利權）人: 國網河南省電力公司電力科學研究院;西安交通大學
• 主分類號: H02J3/46
• 分類號: H02J3/46;H02J3/00;G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

1.基于LSTM的深度調峰機組一次調頻能力在線估計方法，其特征在于，包括以下步驟：

分別構建基于LSTM神經網絡的鍋爐燃燒系統子網絡、基于LSTM神經網絡的再熱系統子網絡、基于MLP的汽輪機調速系統子網絡和基于LSTM神經網絡汽輪機子網絡，根據深度調峰火電機組運行歷史數據構建具有統一時間維度的時序輸入序列和時序目標序列，利用對應的時序輸入序列和時序目標序列分別對鍋爐燃燒系統子網絡、再熱系統子網絡、汽輪機調速系統子網絡和汽輪機子網絡進行訓練；

將訓練后的鍋爐燃燒系統子網絡、再熱系統子網絡、汽輪機調速系統子網絡和汽輪機子網絡進行結合，得到完整的深度調峰火電機組一次調頻負荷預測網絡；

將深度調峰機組運行歷史數據輸入得到的深度調峰火電機組一次調頻負荷預測網絡中，對未來機組主汽壓力、主汽溫度、調門后壓力、再熱汽壓力、再熱汽溫度和機組負荷進行短期預測；

深度調峰火電機組獲取新的采樣數據后，將新的采樣數據加入輸入數據，并在原始輸入數據中剔除最初時刻同等時間長度的數據，更新網絡狀態，重復短期預測，實現深度調峰火電機組的一次調頻負荷在線預測。

2.根據權利要求1所述的基于LSTM的深度調峰機組一次調頻能力在線估計方法，其特征在于，構造基于LSTM神經網絡的鍋爐燃燒系統子網絡具體為：

將深度調峰火電機組運行歷史數據中的燃料量、調閥指令、給水量和給風量構建為具有統一時間維度的時序輸入序列，將深度調峰火電機組運行歷史數據中的主汽壓力和主汽溫度構建為具有統一時間維度的時序目標序列，時序輸入序列和時序目標序列具有相同的時間長度，且時序目標序列滯后于時序輸入序列，滯后時間長度為待預測時間長度；

構造基于LSTM神經網絡的鍋爐燃燒系統子網絡，采用標準差方法對構建的時序輸入序列和時序目標序列進行標準化處理，使用標準化處理后的時序輸入序列和時序目標序列對基于LSTM的鍋爐燃燒系統子網絡進行訓練，得到訓練后的鍋爐燃燒系統子網絡。

3.根據權利要求1所述的基于LSTM的深度調峰機組一次調頻能力在線估計方法，其特征在于，構造基于LSTM神經網絡的再熱系統子網絡具體為：

將深度調峰火電機組運行歷史數據中的燃料量、調閥指令、給水量和給風量構建為具有統一時間維度的時序輸入序列；將深度調峰火電機組運行歷史數據中的再熱汽壓力和再熱汽溫度構建為具有統一時間維度的時序目標序列；時序輸入序列和時序目標序列具有相同的時間長度，且時序目標序列滯后于時序輸入序列，滯后時間長度為待預測時間長度；

構造基于LSTM神經網絡的再熱系統子網絡，采用標準差方法對構建的時序輸入序列和時序目標序列進行標準化處理，使用標準化處理后的時序輸入序列和時序目標序列對基于LSTM的再熱系統子網絡進行訓練，得到訓練后的再熱系統子網絡。

4.根據權利要求1所述的基于LSTM的深度調峰機組一次調頻能力在線估計方法，其特征在于，構造汽輪機調速系統子網絡具體為：

將深度調峰火電機組運行歷史數據中的調閥指令、主汽壓力和主汽溫度構建為具有統一時間維度的時序輸入序列，將深度調峰火電機組運行歷史數據中的調節級壓力構建為具有統一時間維度的時序目標序列，時序輸入序列和時序目標序列具有相同的時間長度，且時序輸入序列與時序目標序列的時刻一一對應；

構造汽輪機調速系統子網絡，采用標準差方法對構建的時序輸入序列和時序目標序列進行標準化處理，使用標準化處理后的時序輸入序列和時序目標序列對汽輪機調速系統子網絡進行訓練，得到訓練后的汽輪機調速系統子網絡。

5.根據權利要求4所述的基于LSTM的深度調峰機組一次調頻能力在線估計方法，其特征在于，汽輪機調速系統子網絡包括一個序列輸入層、多個全連接層、若干個Drop層和一個序列輸出層，全連接層Y_t＝WX_t+b，W表示全連接層可學習權重，b表示可學習偏置權重，X_t表示t時刻全連接層的輸入，Y_t表示t時刻全連接層的輸出。