[发明专利]一种电厂机组的边际信息获取方法和装置

说明书

本发明公开了一种电厂机组的边际信息获取方法，包括服务器终端，所述服务器终端的输出端与能源预测设备的输入端连接，所述能源预测设备的输出端与能耗采集器的输入端连接，所述能耗采集器的输出输入端分别与第一发电机组。本发明通过能源预测设备，可以利用风力传感器对外部的风力进行检测，从而收集不同风力下风力发电机站储能的量，当数据收集完成后，能够经过风力判断前后几天内的电能储量，从而对发电机组的电能进行预先分配，而且经过深度学习模块，能够利用卷积神经网络经过预测的电能数据建立发电机组模型，将预测的发电机组模型与之前的发电机组模型对比，在对偏差值进行修正后，能够快速得到能耗特征参数，从而达到边际信息的高效获取。

技术领域

本发明涉及风力发电厂机组技术领域，具体为一种电厂机组的边际信息获取方法和装置。

背景技术

随着风力电力系统技术领域的发展，风力发电厂等其他新能源电力系统需要为大量用电区域的大量用户进行供电，并同时需要对电厂发电和供电过程中所产生的大量数据进行分析处理，以便准确监测电厂的资源耗费情况，发电厂一般通过多个发电机组进行发电提供电能，准确掌握电厂各机组的边际信息能够避免电厂能源的浪费，还可以促进发电厂电力系统的快速发展。

专利号CN201811447609.8，公开了一种电厂机组的边际信息获取方法和装置，该方法包括步骤：确定电厂的发电机组的机组特征；根据机组特征从机组模型库中调用与机组特征匹配的机组模型；从机组模型记录的能耗特征信息中提取发电机组的能耗特征参数；获取电厂的额外能耗；根据额外能耗以及发电机组的所述能耗特征参数获取电厂的发电机组的边际信息，使得机组模型库调用与电厂机组匹配的机组模型并通过该机组模型中获取机组的能耗特征参数，避免了传统方式需要多次采集和输入发电机组的信息造成错报漏报的问题，将电厂的额外能耗和发电机组的所述能耗特征参数进行结合获取电厂机组的边际信息，提高了获取电厂机组的边际信息的准确性。

目前，现有的电厂机组的边际信息获取方法和装置还存在着一些不足的地方，例如；现有的电厂机组的边际信息获取方法和装置，只是单纯建立发电机组模型获取机组的能耗特征参数，从而达到边际信息获取，但是这种获取边际信息的效率不是很高，需要浪费大量的获取分析时间，无法对新能源发电机组的边际信息进行预测，利用预测的值建立模型，经过现有模型数据和预测模型计算偏差值，判断出发电机组模型，降低边际信息获取方法的分析时间。

发明内容

本发明的目的在于提供一种电厂机组的边际信息获取方法和装置，解决了背景技术中所提出的问题。

为实现上述目的，本发明提供如下技术方案：一种电厂机组的边际信息获取方法，包括服务器终端，所述服务器终端的输出端与能源预测设备的输入端连接，所述能源预测设备的输出端与能耗采集器的输入端连接，所述能耗采集器的输出输入端分别与第一发电机组、第二发电机组和第三发电机组的输出输入端连接，所述第一发电机组、第二发电机组和第三发电机组的输出端与恶性负载识别器的输入端连接。

作为本申请技术方案的一可选方案，所述恶性负载识别器的输出端与能源分析模块的输入端连接。

作为本申请技术方案的一可选方案，所述能源分析模块的输出端与服务器终端的输入端连接。

作为本申请技术方案的一可选方案，所述能耗采集器的输出端与能源预警模块的输入端连接。

作为本申请技术方案的一可选方案，所述能源预警模块的输出端与服务器终端的输入端连接。

作为本申请技术方案的一可选方案，利用所述的电厂机组的边际信息获取方法，所述一种电厂机组的边际信息获取装置的步骤如下，所述能源预测设备包括第一风力传感器、第二风力传感器、第三风力传感器、处理器、信号输出模块、深度学习模块、卷积神经网络和对抗网络。

作为本申请技术方案的一可选方案，所述第一风力传感器、第二风力传感器和第三风力传感器的输出端与处理器的输入端连接。