一种智能火电厂负荷在线建模方法及系统

专利主权项内容

1.一种智能火电厂负荷在线建模方法，其特征在于，所述方法具体步骤如下：分别计算各项发电机组运行指标与发电负荷指标的斯皮尔曼相关系数，根据各项发电机组运行指标与发电负荷指标的斯皮尔曼相关系数构建负荷承载模型；将负荷承载模型通过回声状态网络算法初始化后，对回声状态网络的输出层权重进行训练，同时引入泄漏积分神经元，对回声状态网络的储备池进行实时更新，并利用正则化方法对回声状态网络的输出值进行参数缩减，计算回声状态网络的修正输出值，通过建立置信度模型对修正输出值进行验证，对修正输出值进行信任等级分级；将可信任等级的回声状态网络模型输出值与实际的发电机组实时负荷值进行比对，按时间序列计算回声状态网络模型输出值与发电机组实时负荷值的偏差，根据预设的偏差阈值，并运用LOF算法提取异常离群点数据，计算异常离群点数据的分布程度；将计算所得的异常离群点数据分布程度与预设的异常离群点数据分布程度限值进行比对，根据比对结果进行信号分类，并根据不同信号生成不同的处理介入策略；将负荷承载模型通过回声状态网络进行训练并计算回声状态网络的修正输出值的逻辑：标定回声状态网络的输入层包含有K个神经元，储备池包含N个神经元，输出层包含L个神经元，将双曲正切函数作为激活函数，输入回声状态网络，将泄漏积分神经元引入回声状态网络，引入泄漏积分神经元后的储备池内部神经元更新方式为，式中，为储备池神经元在时刻的状态，为储备池神经元在时刻的状态，为i时刻的输入数据，为输入层到储备池的连接权重，为储备池神经元之间的自连接矩阵，为泄漏衰减率；对回声状态网络输出值运用岭回归算法进行正则化处理，正则化处理后的输出值为，式中，/>为修正输出值，/>为储备池状态向量的集合，/>为输出向量数据的集合，其中，l为训练数据的长度，E表示单位矩阵，/>为正则化参数。