[发明专利]一种耦合气象数据的燃煤电厂煤耗预测方法

权利要求书

1.一种耦合气象数据的燃煤电厂煤耗预测方法，其特征在于，包括以下步骤：

S1、获取燃煤电厂机组容量、历史机组运行数据和历史气象数据以及所述历史机组运行数据和历史气象数据分别对应的日期；

S2、对步骤S1中获得的历史机组运行数据和历史气象数据进行数据预处理；

S3、建立耦合历史气象数据的煤耗预测模型，对预测模型的精度进行验证，实现未来煤耗的精准预测。

2.根据权利要求1所述一种耦合气象数据的燃煤电厂煤耗预测方法，其特征在于，所述步骤S1中历史机组运行数据包括燃煤电厂一年内的日发电量、日耗煤量、煤耗率；历史气象数据包括所获历史机组运行数据对应的当天的温度、压强、湿度、风速。

3.根据权利要求1所述一种耦合气象数据的燃煤电厂煤耗预测方法，其特征在于，所述步骤S2中数据预处理的步骤包括以下三个步骤：设定上下限；缺失值填充；指标归一化。

4.根据权利要求3所述一种耦合气象数据的燃煤电厂煤耗预测方法，其特征在于，所述数据预处理的三个步骤的具体过程如下：

(1)设定上下限：设定历史机组运行数据和历史气象数据的数值上下限范围，范围之外的数据认定为噪声，噪声判断的规则为对电厂上述指标进行统计分析，去除前1％和后1％异常值，发现噪点，进行清除即可；

(2)缺失值填充：对经过预处理后数据库中存在的缺失值指标，均使用以这一数据相邻前后可获得数据的10天的数据均值进行填充；

(3)指标归一化：对历史机组运行数据和历史气象数据归一化0到1之间，作为模型输入值方便机器学习模型进行处理。

5.根据权利要求1所述一种耦合气象数据的燃煤电厂煤耗预测方法，其特征在于，所述步骤S3中建立耦合历史气象数据的煤耗预测模型的具体方法如下：分别建立耦合历史机组运行数据和历史气象数据的数据集的BP神经网络模型和Transformer模型，对数据集进行训练，并对数据集进行验证和测试，获得耦合气象数据的BP-T模型。

6.根据权利要求5所述一种耦合气象数据的燃煤电厂煤耗预测方法，其特征在于，所述BP-T模型输出规则如下：

Y＝1/2(Y_BP+Y_T)

其中，Y为BP-T模型最终的输出；Y_BP为BP神经网络模型预测煤耗，Y_T为Transformer网络模型预测煤耗。