联合循环发电站电力输出预测

• 作者: 陈代俊 陈里里 李阳涛 重庆交通大学机电与车辆工程学院
• 来源期刊: 发电技术
• 学科: 工学
• 关键词: 联合循环发电站 电力输出 特征提取 核主成分分析(KPCA) 前向选择
• 年，卷（期）: 2024,（1）
• 所属期刊栏目: 发电及环境保护
• 页码范围: 103-109
• 页数: 7页
• 语种: 中文

摘要

为了使联合循环发电站利润最大化，准确预测其满负载电力输出非常重要。联合循环发电站运行时，前一级产生的废气被用来驱动下一级热机，以此来推动发电机，其满负载电力输出受到环境温度、大气压强、相对湿度和废气气压的影响。为此，首先，采用核主成分分析(kernel principle component analysis,KPCA)对电站发电相关的特征进行特征组合降维完成特征提取；然后，采用极端梯度提升(extreme gradient boosting,XGBoost)算法进行特征重要性评分，并结合序列前向选择法(forward selection,FS)获取最优特征子集；最后，构建了KPCA-XGB-FS模型用于联合循环发电站满负载下小时电力输出预测。通过对某联合发电站的真实数据进行实验，并与使用相同数据的已有研究方法进行对比，结果表明，所提出方法能够有效对电力输出进行预测，预测结果优于已有的研究方法。