← 返回列表
一种基于两阶段集成学习的热电联供负荷调度方法
申请人信息
- 申请人:浙江省白马湖实验室有限公司
- 申请人地址:310051 浙江省杭州市滨江区长河街道滨盛路1751号1110室
- 发明人: 浙江省白马湖实验室有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于两阶段集成学习的热电联供负荷调度方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410137908.0 |
| 申请日 | 2024/2/1 |
| 公告号 | CN117674302A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | H02J3/46 |
| 权利人 | 浙江省白马湖实验室有限公司 |
| 发明人 | 刘盛辉; 傅骏伟; 孙士恩; 范海东; 滕卫明; 黄小光; 沈紫嫣 |
| 地址 | 浙江省杭州市滨江区长河街道滨盛路1751号1110室 |
摘要文本
本发明公开了一种基于两阶段集成学习的热电联供负荷调度方法，包括以煤耗为标签构建多类型热电联供机组运行数据集，基于两阶段梯度提升决策树法，根据数据集训练获得各机组实时耗煤量模型，引入各机组实时耗煤量模型建立优化方程，获得机组负荷调度模型，求解机组负荷调度模型获得最优负荷分配策略。采用两阶段梯度提升决策树模型训练方法能够自动调整训练数据集，提高模型在不同工况条件下快速且精准的获得机组耗煤量，使得最终获取的最优调度结果更加准确，解决了现有技术中各类机器学习模型还需要研究人员进行多次参数调整，耗时耗力的问题。
专利主权项内容
1.一种基于两阶段集成学习的热电联供负荷调度方法，其特征在于，包括以下步骤：以煤耗为标签构建多类型热电联供机组运行数据集；根据第一阶段梯度提升决策树算法，由数据集训练获得第一阶段梯度提升决策树模型，进行模型特征多样性判断，符合特征多样性，则将第一阶段梯度提升决策树模型输出为机组实时耗煤量模型，不符合特征多样性，则对第一阶段梯度提升决策树模型进行迭代，包括，将数据集进行特征重构和标签重构，根据第二阶段梯度提升决策树算法，由重构后数据集训练获得第二阶段梯度提升决策树模型，对第二阶段梯度提升决策树进行多样性判断，重复迭代过程直至符合特征多样性，将第二阶段梯度提升决策树模型输出为机组实时耗煤量模型；根据传统负荷调度任务并引入各机组实时耗煤量模型建立优化方程，获得机组负荷调度模型，求解机组负荷调度模型获得最优负荷分配策略。