摘要
本发明公开了一种火电机组深度调峰下低碳经济运行优化控制方法,基于机组运行历史数据、燃煤成分历史数据和历史日度碳排放量,集成多种机器学习算法建立关于日度碳排放量的预测模型,利用预测模型,以机组运行实时数据和燃煤成分实时数据为输入,计算获得日度碳排放量预测值;并在火电机组低负荷深度调峰的条件下构建多目标优化函数,将预测模型作为多目标优化函数中优化机组碳排放量目标的子函数,以经济收益最大化、碳排放最小化为优化目标,综合燃料成本和电价,获得多目标优化结果用于生成决策变量以调整机组运行参数。本发明实现了深度调峰下低负荷波动工况变化的快速响应,确保锅炉稳定燃烧,降低碳排放并提高经济效益,为燃煤电厂的低碳化转型提供技术支撑。
技术关键词
火电机组深度调峰
优化控制方法
模型预测值
学习器
连续监测系统
实时数据
燃煤电厂烟气
机器学习算法
锅炉稳定燃烧
烟气流量
成分分析装置
煤粉输送管道
长短记忆网络
机组运行数据
在线燃煤
二氧化碳排放量
系统为您推荐了相关专利信息
Stacking模型
拓扑网络
桥梁模型
表达式
Stacking集成学习
参数优化方法
仿真模型系统
调频
供热抽汽
汽轮发电机系统
表面缺陷诊断方法
变压器
卷积神经网络模型
变电站巡视系统
可见光图像
心房颤动检测
学习器
电子健康记录
挖掘方法
集成机器学习
信号优化控制方法
移位左转交叉口
路段
交叉口信号周期
车辆