买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安广林聚智企业管理咨询合伙企业(有限合伙)

摘要：本发明涉及火电厂技术领域，特别是涉及一种火电厂负荷的预测方法及系统。包括：采集火电厂若干机组的日发电小时数以及日总发电量，并计算机组平均运行小时数；根据机组平均运行小时数以及日总发电量计算机组的时均负荷量；根据若干个时均负荷量建立时均负荷量数据集，并对时均负荷量数据集中异常的时均负荷量进行删除处理；对进行删除处理后的时均负荷量数据集中的若干时均负荷量进行归一化处理以及反归一化处理；根据归一化处理以及反归一化处理后的时均负荷量数据集建立深度学习模型，并通过深度学习模型对火电厂进行负荷预测。本发明根据深度学习的模型算法提高了对火电厂负荷预测的准确性，有效地保证了电网的安全运行。

主权项：1.一种基于模型融合Stacking的火电厂煤耗量预测方法，其特征在于，包括:采集火电厂在额定工况660MW下的锅炉系统和汽轮机系统的若干个相关运行参数数据，并根据若干个所述相关运行参数数据建立样本数据集X；根据所述火电厂单位时间内的煤耗量作为目标特征变量，并根据若干个所述目标特征变量建立完备数据集U；其中，所述完备数据集U中的目标特征变量与所述样本数据集X中的相关运行参数数据相对应；通过归一化方法对所述样本数据集X进行标准化处理，对标准化处理后的所述样本数据集X进行更新，并同步更新所述完备数据集U，得到完备数据集v；通过Box-Cox变换对所述完备数据集v进行处理，以使所述完备数据集v中的数据接近正态分布；通过皮尔逊积矩相关系数和主成分分析法对所述完备数据集v进行降维处理和中心化处理；将降维处理和中心化处理后的所述完备数据集v分别与随机森林模型、Adaboost模型、梯度提升树模型以及极端随机树模型进行模型建立，并得到随机森林基模型、Adaboost基模型、梯度提升树基模型以及极端随机树基模型；通过Stacking集成学习方法对所述随机森林基模型、所述Adaboost基模型、所述梯度提升树基模型以及所述极端随机树基模型进行融合，并得到煤耗量预测模型；根据所述煤耗量预测模型对所述火电厂的煤耗量进行预测；当根据所述煤耗量预测模型对所述火电厂的煤耗量进行预测后，获取所述火电厂单位时间内的实际煤耗量，并计算所述煤耗量预测模型对所述火电厂的煤耗量进行预测的预测值与所述实际煤耗量的精度差值i，根据所述精度差值i对所述煤耗量预测模型进行优化；其中，当所述精度差值i大于预设标准精度差值时，重新将降维处理和中心化处理后的所述完备数据集v分别与随机森林模型、Adaboost模型以及梯度提升树模型进行模型建立，并得到随机森林基模型、Adaboost基模型以及梯度提升树基模型，并通过Stacking集成学习方法对所述随机森林基模型、所述Adaboost基模型以及所述梯度提升树基模型重新进行融合，以得到第二煤耗量预测模型，并通过所述第二煤耗量预测模型对所述火电厂的煤耗量进行预测。

全文数据：

权利要求：

百度查询： 西安广林聚智企业管理咨询合伙企业(有限合伙) 一种基于模型融合Stacking的火电厂煤耗量预测方法和系统