(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211242130.7 (22)申请日 2022.10.11 (71)申请人 中国大唐集团科 学技术研究院有限 公司中南电力试验研究院 地址 450003 河南省郑州市自贸试验区郑 州片区 （郑东） 明理路56号中原金融产 业园13号楼 (72)发明人 秦铭阳　江鹏宇　焦爽　袁世通　 杨亚飞　王飞　张明明　杨宏佳　 马仁婷　 (74)专利代理 机构 北京思创大成知识产权代理 有限公司 1 1614 专利代理师 张立君 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) H02J 3/00(2006.01) H02J 3/46(2006.01) (54)发明名称 基于神经网络的火电厂负荷分配系统及方 法 (57)摘要 本申请公开了一种基于神经网络的火电厂 负荷分配系统及方法。 该系统可 以包括： 标准曲 线获取模块、 数据采集模块、 数据处理模块、 拟合 迭代模块； 标准曲线获取模块， 用于根据历史数 据获取标准曲线； 数据采集模块， 用于采集火电 厂运行的实时负荷数据， 将实时负荷数据传输至 数据处理模块； 数据处理模块， 用于对数据采集 模块采集到的实时负荷数据进行预处理， 并发送 给拟合迭代模块； 拟合迭代模块， 用于以标准曲 线为输出， 根据经过数据处理的实时负荷数据通 过神经网络进行拟合迭代， 获得火电厂负荷分配 结果。 本发明针对火电厂参数的特点， 采用神经 网络模型对机组负荷进行分配优化。 权利要求书2页 说明书6页 附图1页 CN 115481815 A 2022.12.16 CN 115481815 A 1.一种基于神经网络的火电厂负荷 分配系统， 其特征在于， 包括标准曲线获取模块、 数 据采集模块、 数据处 理模块、 拟合迭代模块； 标准曲线获取模块， 用于根据历史数据获取 标准曲线； 数据采集模块， 用于采集火电厂运行的实时负荷数据， 将所述实时负荷数据传输至所 述数据处 理模块； 数据处理模块， 用于对所述数据采集模块采集到的所述实时负荷数据进行预处理， 并 发送给所述拟合迭代模块； 拟合迭代模块， 用于以所述标准曲线为输出， 根据经过数据处理的所述实时负荷数据 通过神经网络进行拟合迭代， 获得火电厂负荷分配结果。 2.根据权利要求1所述的基于神经网络的火电厂负荷 分配系统， 其中， 所述历史数据包 括火电厂 各机组的燃煤消耗量与机组负荷的特征曲线、 火电厂各机组的氮氧化物排放量与 燃煤消耗量的特征曲线、 火电厂各机组的负荷调整速率。 3.根据权利要求1所述的基于神经网络的火电厂负荷 分配系统， 其中， 对所述数据采集 模块采集到的所述实时负荷数据进行 预处理包括： 将P个所述实时负荷数据进行聚类分析， 得到K个实时负荷数据集 合， 所述K为 正整数； 将所述K个实时负荷数据集合中的任一实时负荷数据集合以两两匹配的方式进行分 类， 得到Q个目标实时负荷数据集 合， 所述Q为大于或等于所述K的整数； 从所述Q个目标实时负荷数据集合中的每一目标实时负荷数据集合中选取数据质量最 好的一组实时负荷数据， 得到所述 Q个实时负荷数据。 4.根据权利要求1所述的基于神经网络的火电厂负荷 分配系统， 其中， 以所述标准曲线 为输出， 根据经过数据 处理的所述实时负荷数据通过神经网络进行拟合迭代， 获得火电厂 负荷分配结果包括： 通过所述历史数据与标准曲线训练所述神经网络； 根据所述实时负荷数据确定初始负荷分配数据； 将所述初始负荷分配数据输入至训练完成的神经网络， 拟合得到拟合曲线； 将所述拟合曲线与 所述标准曲线进行对比， 误差大于设定阈值则调 整所述初始负荷分 配数据进行迭代， 直至所述拟合 曲线与所述标准 曲线的误差小于所述设定阈值， 则对应的 负荷分配数据即为负荷分配结果。 5.根据权利要求4所述的基于神经网络的火电厂负荷 分配系统， 其中， 通过所述历史数 据与标准曲线训练所述神经网络包括： 分别将多组历史数据输入所述神经网络， 得到第一次迭代后的输出 结果； 将第一次迭代后的输出结果再次输入所述神经网络， 进行n轮迭代， 每次迭代过程中， 调节所述神经网络的权值信息； 当不同组 的历史数据对应的输出结果与 所述标准曲线的偏差率均小于设定 阈值， 则训 练完毕， 获取训练完成的神经网络 。 6.一种基于神经网络的火电厂负荷分配方法， 利用权利要求1 ‑5中任意一项的基于神 经网络的火电厂负荷分配系统， 其特 征在于， 包括： 根据历史数据对神经网络进行训练， 获取训练完成的神经网络； 采集火电厂运行的实时负荷数据并进行 预处理；权　利　要　求　书 1/2 页 2 CN 115481815 A 2将经过数据处理 的所述实时负荷数据输入所述训练完成的神经网络， 获得火电厂负荷 分配结果。 7.根据权利要求6所述的基于神经网络的火电厂负荷 分配方法， 其中， 所述历史数据包 括火电厂 各机组的燃煤消耗量与机组负荷的特征曲线、 火电厂各机组的氮氧化物排放量与 燃煤消耗量的特征曲线、 火电厂各机组的负荷调整速率。 8.根据权利要求6所述的基于神经网络的火电厂负荷 分配方法， 其中， 对所述实时负荷 数据进行 预处理包括： 将P个所述实时负荷数据进行聚类分析， 得到K个实时负荷数据集 合， 所述K为 正整数； 将所述K个实时负荷数据集合中的任一实时负荷数据集合以两两匹配的方式进行分 类， 得到Q个目标实时负荷数据集 合， 所述Q为大于或等于所述K的整数； 从所述Q个目标实时负荷数据集合中的每一目标实时负荷数据集合中选取数据质量最 好的一组实时负荷数据， 得到所述 Q个实时负荷数据。 9.根据权利要求6所述的基于神经网络的火电厂负荷 分配方法， 其中， 以所述标准曲线 为输出， 根据经过数据 处理的所述实时负荷数据通过神经网络进行拟合迭代， 获得火电厂 负荷分配结果包括： 通过所述历史数据与标准曲线训练所述神经网络； 根据所述实时负荷数据确定初始负荷分配数据； 将所述初始负荷分配数据输入至训练完成的神经网络， 拟合得到拟合曲线； 将所述拟合曲线与 所述标准曲线进行对比， 误差大于设定阈值则调 整所述初始负荷分 配数据进行迭代， 直至所述拟合 曲线与所述标准 曲线的误差小于所述设定阈值， 则对应的 负荷分配数据即为负荷分配结果。 10.根据权利要求9所述的基于神经网络的火电厂负荷分配方法， 其中， 通过所述历史 数据与标准曲线训练所述神经网络包括： 分别将多组历史数据输入所述神经网络， 得到第一次迭代后的输出 结果； 将第一次迭代后的输出结果再次输入所述神经网络， 进行n轮迭代， 每次迭代过程中， 调节所述神经网络的权值信息； 当不同组 的历史数据对应的输出结果与 所述标准曲线的偏差率均小于设定 阈值， 则训 练完毕， 获取训练完成的神经网络 。权　利　要　求　书 2/2 页 3 CN 115481815 A 3