非正常工况下火电机组短期负荷预测技术研究

发布时间：2020-04-27 06:51

【摘要】：随着用电负荷形式日趋多样化以及以风电为代表的可再生能源规模化并网,电网要应对来自荷源侧的双随机扰动,需进一步加强对中小时间尺度下用电、发电负荷变化的监控及统筹调度。中国电科院、广东、河南电科院等多家单位已经开展火电机组一次调频能力预测研究,下一步研究的重点集中在一到十分钟时间尺度内非正常工况下火电机组短期负荷预测方向。由于电网《两个细则》的考核及深度调峰,火电机组接近极限状态运行,发电可靠性显著降低,容易出现短时间内机组发电负荷不能跟随AGC指令变化的情况,影响电网安全稳定运行。火电机组短期负荷预测目的在于根据机组运行状态、环境因素以及AGC指令的复杂程度预测未来时刻火电机组实际发电负荷可能出现的变化,并提前告知电网以实现优化调度。采用机理建模与数值预测算法相结合的方法预测非正常工况下火电机组发电负荷。建立负荷对象模型,并以此为基础建立整个发电负荷控制系统的机理模型,将其中存在规律性变化的部分作为状态方程,采用建立机理模型的方法加以预测;将输入变量和随机性变化的部分作为噪声,依据其统计学规律,应用小波变换进行处理,并建立时间序列模型进行数值预测。最后采用自适应加权数据融合算法将两者的预测结果进行融合,得到最终的预测结果。针对一600MW亚临界机组,建立其负荷/压力对象模型及协调控制系统,分析非正常工况下控制系统中高限/低限、闭锁、保持、迫升/迫降、压力拉回等因素对发电负荷的影响;最后的实验选用一350MW超临界机组作为研究对象,通过小波变换对负荷指令进行多尺度分解,建立ARIMA模型,依据前N个时刻的发电负荷预测其变化规律并进行加权求和得到数值预测的结果。通过机理方法对此机组进行机理预测,最后通过数据融合的方法将二者最终结果相融合。根据机组的实际运行数据和当前负荷指令以5分钟为一个步长预测发电负荷,经历1个小时后与机组实际发电负荷进行对比。结果表明,应用数据融合将数值法预测结果与机理法预测结果相融合,所得预测结果的相对误差在5.2%以内,相较于数值预测法与机理预测法的结果,更能够满足电网调度对预测精度的要求。课题研究成果可作为源网测双向信息交互模式下和谐调度的基础。
【图文】：

序列,重构原理,小波分解

序列 bt识别模型 ( ) ( )dt tφ B b =θB a和模型00 0( ) ( )dt tφ B z =θB b得出一个新的模型：00 0(B) (B) ( ) ( )d dt tφ φ z =θ B θB a可对该模型进行拟合及诊断检验。波 ARIMA 负荷预测模型的实例分析基于小波变换 ARIMA 模型的建立用小波变换算法将机组负荷的历史序列进行 n 层分解与重构计始信号分解为 n 层较为平稳的负荷序列。对分解得到的各层较分别建立具有自学习功能的滚动式时间序列模型(ARIMA 模立的 ARIMA 模型进行多步超前预测。最终，对各层负荷预测获取原始负荷序列的预测值。具体的实现过程如下图 2-1 所示ARIMA预测V ( )nV ( )knt

机组,机组负荷,限制器,负荷指令

ULD图 3-2 机组负荷指令运算回路组发生闭锁时，机组的负荷指令限制器的输出为 y(ti+1)=对机组负荷速率的限制值，h 表示时间间隔[27]。升/迫降/保持是 CCS 中的一种保护。火电机组运行中出等偏差信号大于第二偏差限值；执行“迫升/迫降有效”的逻辑条件，这两种条件同时存在时，对应的指示灯变执行迫降逻辑。反过来，火电机组运行中出现燃料量、小于第二偏差限值；执行“迫升/迫降有效”指令，是机，，这两种条件同时存在时，对应的指示灯变亮，相应的荷进入迫升。大/最小负荷限制回路的主要作用是确保机组在实际运行负荷的上下限以内。机组的负荷允许上下限可由运行人是机组的最大可能出力会影响到机组的负荷上限值，同磨煤机等辅机的运行状态是息息相关的。当机组中主要
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM621

【参考文献】