基于随机森林回归的火电机组供电煤耗遗传优化模型

doi:10.12267/j.issn.2096-5931.2021.03.013

信息通信技术与政策 ›› 2021, Vol. 47 ›› Issue (3): 76-82.doi: 10.12267/j.issn.2096-5931.2021.03.013

基于随机森林回归的火电机组供电煤耗遗传优化模型

Genetic optimization model of power supply coal consumption for thermal power unit based on random forest

孙永平1,王立峰2,张震伟1,杨勤1

1. 浙江浙能技术研究院有限公司, 杭州 311121;
2. 山东鲁能软件技术有限公司, 济南 250001

出版日期:2021-03-15 发布日期:2021-03-31
作者简介:
孙永平:浙江浙能技术研究院有限公司副总工程师,主要从事发电设备能效分析和故障诊断研究工作
王立峰:山东鲁能软件技术有限公司能源综合信息事业部主任,主要从事电力信息化及工业智能化研究工作
张震伟:浙江浙能技术研究院有限公司专业主管,高级工程师,主要从事发电设备故障诊断和发电智能化研究工作
杨勤:浙江浙能长兴发电有限公司高级工程师,主要从事大中型燃煤发电机组节能、可靠性、故障预警及大数据应用研究工作

SUN Yongping1, WANG Lifeng2, ZHANG Zhenwei1, YANG Qin1

1. Zhejiang Energy Group Research and Development, Hangzhou 311121, China;
2. Shandong Luneng Software Technology Co., Ltd., Jinan 250001, China

Online:2021-03-15 Published:2021-03-31

摘要/Abstract

摘要： 火电机组供电煤耗与电厂产能息息相关,为提高火电产能及其收益,有必要对火电机组供电煤耗进行优化,应用随机森林回归算法可从历史数据中挖掘机组供电煤耗与主蒸汽压力、主蒸汽温度等相关参数的回归模型,并以机组供电煤耗最低为目标条件,提出使用遗传算法优化方法搜索实时工况下最优运行参数控制策略。通过对某机组进行测试,结果表明,基于随机森林回归算法的火电机组供电煤耗遗传优化模型可有效减少机组供电煤耗,为发电企业提供优化建议,实现对发电成本的优化控制。

关键词: 火电机组, 供电煤耗, 随机森林, 遗传优化

Abstract: Since the coal consumption of thermal power plants is related to their capacity, it is necessary to optimize coal consumption in order to increase production capacity and revenue. The random forest regression algorithm can mine the regression model of coal consumption, main steam pressure, main steam temperature and other related parameters from historical data, and then propose the optimal operation strategy with the goal of the lowest coal consumption. Through the test of one unit, the results show that the genetic optimization model of coal consumption for power supply of thermal power units based on random forest regression algorithm can reduce coal consumption for power supply.

Key words: thermal power unit, power supply coal consumption, random forest algorithm, genetic optimization

孙永平, 王立峰, 张震伟, 杨勤. 基于随机森林回归的火电机组供电煤耗遗传优化模型[J]. 信息通信技术与政策, 2021, 47(3): 76-82.

SUN Yongping, WANG Lifeng, ZHANG Zhenwei, YANG Qin. Genetic optimization model of power supply coal consumption for thermal power unit based on random forest[J]. Information and Communications Technology and Policy, 2021, 47(3): 76-82.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2021.03.013

http://ictp.caict.ac.cn/CN/Y2021/V47/I3/76

参考文献 14

[1]	Fabricio Porras-Ortiz, OsvaldoAno, Ricardo Rubio- Barros, et al. Energy and reserve strategic offers in regional electricity markets: a complementarity approach[J]. International Journal of Electrical Power and Energy Systems, 2020,119(4):105860.
[2]	张顺, 葛智平, 郭涛, 等. 大规模新能源接入后系统调峰能力与常规电源开机方式关系研究[J]. 电力系统保护与控制, 2016,44(1):106-110.
[3]	Krishna Rawat, Amit Kumar Yadav. Characterization of coal and fly ash (generated) at coal based thermal power plant[J]. Materials Today: Proceedings, 2020.
[4]	高克凌. 略论燃煤电厂更换煤种应注意的问题及其对策[J]. 广东电力, 1995(1):21-26.
[5]	李海青, 黄志尧. 软测量技术原理及应用[M]. 工业装备与信息工程出版中心, 2000.
[6]	赵新木, 王承亮, 吕俊复, 等. 基于BP 神经网络的煤粉锅炉飞灰含碳量研究[J]. 热能动力工程, 2005,20(2):158-162.
[7]	文雯, 刘文哲, 肖祥武, 等. 基于大数据和并行随机森林算法火电机组供电煤耗计算模型[J]. 热力发电,2018,47(9):9-14.
[8]	王宏志, 陈帅, 侍洪波. 基于最小二乘支持向量机和PSO 算法的电厂烟气含氧量软测量[J]. 热力发电,2008,37(3):35-38.
[9]	Jamshid Khorshidi, NafisehSardariPour, TalebZarei. Exergy analysis and optimization of multi-effect distillation with thermal vapor compression system of bandar abbas thermal power plant using genetic algorithm [ J ]. Iranian Journal of Science and Technology, Transactions of Mechanical Engineering, 2019,43(1).
[10]	缪书唯, 谢开贵, 杨贺钧, 等. 基于数据驱动方法的风电机组功率优化[J]. 电力系统自动化, 2016,40(22):7-14.[11] Leo Breiman. Random forests[J]. Machine Learning,2001,45(1).
[12]	Holland, John H. Genetic algorithms [ J ]. ScientificAmerican, 1992,267(1):66-73.
[13]	郝晓弘, 宋吉祥, 裴婷婷, 等. 模糊聚类与神经网络在电力负荷数据修正上的应用[J]. 传感器与微系统,2020,39(4):152-155.
[14]	曹丽华, 丁皓轩, 葛维春, 等. 基于遗传算法的热电机组储热罐最优运行策略[J]. 中国电机工程报,2020,40(11):3574-3583.

基于随机森林回归的火电机组供电煤耗遗传优化模型

Genetic optimization model of power supply coal consumption for thermal power unit based on random forest

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 14

相关文章 1

编辑推荐

Metrics

本文评价