CN119417177A 发电厂机组负荷分配系统及方法 （国电甘肃新能源有限公司）

本申请公开了一种发电厂机组负荷分配系入基于人工智能和深度学习的数据处理和分析算法来对于这些不同机组的关键运行参数的数特征和火力发电厂的变负荷方向来进行所述各台机组的运行状态和变负荷方向来动态调整各2根据火力发电厂的目标负荷和火力发电厂的实际负荷，确定火力发电厂的变负荷方根据火力发电厂的变负荷方向、火力发电厂的变负荷速率，确定通过传感监测系统采集各台机组的关键运行参数的数据集，其中从所述各台机组的关键运行参数的数据集提取机组运行状态特征以得到机组运行状基于所述机组运行状态特征的集合和所述火力发电厂将所述各台机组的关键运行参数的数据集进行数据规整为机组运行状态多源跟踪表对所述机组运行状态多源时序跟踪特征图的集合中的各个机组运行状态多源时序跟机组运行状态多源时序语义局部特征图的集合进行特征聚合匀散处理以得到增强机组运行状态多源时序跟踪特征图作为所述机组运行组运行状态多源跟踪表示矩阵的集合进行基于运行状态的时序特征提取以得到机组运行将所述各台机组的关键运行参数的数据集按照时间维度和参数样本维度排列为所述将所述机组运行状态多源跟踪表示矩阵的集合中的各个机组运行状态多源跟踪表示矩阵分别输入基于深度可分离卷积神经网络模型的运行状态时序特征提取器以得到所述多源时序语义局部特征图的集合进行能量显著描述和增强处理以得到增强机组运行状态计算所述机组运行状态多源时序语义局部特征图的集合中的各个机组运行状态多源3时序语义局部特征图的能量显著性描述因子以得到机组运行状态多源时序语义局部能量将所述机组运行状态多源时序语义局部能量显著性描述因子的集合输入基于门控函以所述机组运行状态多源时序语义局部显著调制权重的集合中的各个机组运行状态征图的集合中的各个机组运行状态多源时序语义局部特征图进行加权以得到所述增强机态多源时序语义局部特征图的集合中的各个机组运行状态多源时序语义局部特征图的能分别提取所述机组运行状态多源时序语义局部特征图的最大值和最小值以得到机组运行状态多源时序语义局部特征最大值和机组运行状态多源时序语义局部计算所述机组运行状态多源时序语义局部特征最大值和所述机组运行状态多源时序语义局部特征最小值之间的差值以得到机组运行状态多源时序语义局部分别计算所述机组运行状态多源时序语义局部特征图的全局均值和方差以得到机组运行状态多源时序语义局部特征均值和机组运行状态多源时序语义局部特将所述机组运行状态多源时序语义局部特征方差乘以常数二得到的数值和所述机组运行状态多源时序语义局部特征均值与超参数进行相加以得到机组运行状态多源时序语将所述机组运行状态多源时序语义局部特征差异值与所述机组运行状态多源时序语义局部特征统计调制值进行相除以得到所述机组运行状态多源时序语义局部特征图对应状态多源时序语义局部特征图的集合进行特征聚合匀散处理以得到增强机组运行状态多将所述增强机组运行状态多源时序语义局部特征图的集合按照所述网格划分的方式进行特征聚合以得到机组运行状态多源时序语义局部显著引导增强将所述机组运行状态多源时序语义局部显著引导增强特征图输入基于空洞卷积层的特征匀散模块以得到所述增强机组运行状态多对所述增强机组运行状态多源时序跟踪特征图的集合进行聚类贡献计算的特征聚合计算所述增强机组运行状态多源时序跟踪特征图的集合中的各个增强机组运行状态多源时序跟踪特征图与所述机组运行状态伪锚定参考特征图之间的余弦距离以得到机组如果所述变负荷方向为升负荷，基于所述机组运4其中，对所述增强机组运行状态多源时序跟踪特征图的集对所述增强机组运行状态多源时序跟踪特征图的集合中的各个增强机组运行状态多源时序跟踪特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到增强机组运行对所述增强机组运行状态多源时序跟踪全局池化特征向量的集合进行聚类分析以得基于所述增强机组运行状态多源时序关联特征自监督运行状态多源时序跟踪特征图的集合进行特征聚类场域调制聚合以得到机组运行状态多将所述机组运行状态多源时序显著聚合表示向量进行维度重构以得到所述机组运行征图的集合进行特征聚类场域调制聚合以得到机组运行状态多源时序显著聚合表示向量，计算所述增强机组运行状态多源时序跟踪全局池化特征向量的集合中的各个增强机组运行状态多源时序跟踪全局池化特征向量相对于所述增强机组运行状态多源时序关联特征自监督聚类特征向量的隐性聚类贡献因子以得到增强机组运行状态多源时序关联特征隐性聚类贡献因子的序列；将所述增强机组运行状态多源时序关联特征隐性聚类贡献因子的序列进行向量化排将所述增强机组运行状态多源时序关联特征聚类贡献场分布向量输入基于自注意力机制的聚类贡献场显性建模模块以得到增强机组运行状态多源时序关联特征聚类贡献场以所述增强机组运行状态多源时序关联特征聚类贡献场域调制权重向量中的各个特置加权和以得到所述机组运行状态多源时序显著行状态多源时序跟踪全局池化特征向量的集合中的各个增强机组运行状态多源时序跟踪全局池化特征向量相对于所述增强机组运行状态多源时序关联特征自监督聚类特征向量的隐性聚类贡献因子以得到增强机组运行状态多源时序关联特征隐性聚类贡献因子的序计算所述增强机组运行状态多源时序跟踪全局池化特征向量与所述增强机组运行状态多源时序关联特征自监督聚类特征向量之间的按位置除法的绝对值以得到增强机组运5计算以2为底的所述增强机组运行状态多源时序自监督聚类交互关联特征向量中的各个位置特征值的对数函数值以得到增强机组运行状态多源时序自监督聚类交互对数表示以所述增强机组运行状态多源时序自监督聚类交互对数表示向量中的各个位置特征特征值的加权和以得到增强机组运行状态多源时序关联特征聚类贡献度计算以自然常数e为底，所述增强机组运行状态多源时序关联特征聚类贡献度表示因子的指数函数值以得到增强机组运行状态多源时序关联特征隐变负荷方向确定模块，用于根据火力发电厂的目优先级排序模块，用于根据火力发电厂的变负荷方6于这些不同机组的运行状态特征和火力发电厂的变负荷方向来进行所述各台机组的优先7[0012]变负荷方向确定模块，用于根据火力发电厂的目标负荷和火力发电厂的实际负能和深度学习的数据处理和分析算法来对于这些不同机组的关键运行参数的数据集进行[0016]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、8[0024]虽然本申请对根据本申请的实施例的系统中的某些模块任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性实施例的发电厂机组负荷分配方法的流程图。图2为根据本申请实施例的发电厂机组负荷各台机组的关键运行参数的数据集进行数据规整为机组运行状态多源跟踪表示矩阵的集9特征图的集合中的各个机组运行状态多源时序跟踪特征图分别进行基于局部能量的特征[0031]更具体地，所述S221,将所述各台机多源跟踪表示矩阵的集合中的各个机组运行状态多源跟踪表示矩阵分别输入基于深度可分离卷积神经网络模型的运行状态时序特征提取器以得到所述机组运行状态多源时序跟状态多源跟踪表示矩阵分别输入基于深度可分离卷积神经网络模型的运行状态时序特征机组运行状态多源时序跟踪特征图分别进行基于局部能量的特征增强处理以得到所述机中的各个机组运行状态多源时序跟踪特征图分别表示每台机组的运行状态时序语义信息，状态多源时序跟踪特征图的集合中的各个机组运行状态多源时序跟踪特征图分别进行基强处理的方式能够利用网格来规范注意力视窗并基于网格中能量显著性来模仿注意力结显著描述和增强处理以得到增强机组运行状态多源时序语义局部特征图的集合；也就是，利用所述机组运行状态多源时序语义局部特征图的集合中的各个机组运行状态多源时序语义局部特征图的统计特征来计算每个机组运行状态多源时序语义局部特征图的能量显源时序语义局部能量显著性描述因子的集合输入基于门控函数的局部特征自适应选择器组运行状态多源时序语义局部显著调制权重的集合中的各个机组运行状态多源时序语义机组运行状态多源时序语义局部特征图的集合中的各个机组运行状态多源时序语义局部特征图的能量显著性描述因子以得到机组运行状态多源时序语义局部能量显著性描述因控函数的局部特征自适应选择器以得到机组运行状态多源时序语义局部显著调制权重的征图的集合中的各个机组运行状态多源时序语义局部特征图进行加权以得到所述增强机语义局部特征图的集合中的各个机组运行状态多源时序语义局部特征图的能量显著性描取所述机组运行状态多源时序语义局部特征图的最大值和最小值以得到机组运行状态多运行状态多源时序语义局部特征最大值和所述机组运行状态多源时序语义局部特征最小状态多源时序语义局部特征图的全局均值和方差以得到机组运行状态多源时序语义局部局部特征方差乘以常数二得到的数值和所述机组运行状态多源时序语义局部特征均值与状态多源时序语义局部特征差异值与所述机组运行状态多源时序语义局部特征统计调制值进行相除以得到所述机组运行状态多源时序语义局部特征图对应的机组运行状态多源量显著性描述因子的集合输入基于门控函数的局部特征自适应选择器以得到机组运行状态多源时序语义局部能量显著性描述因子的集合中每个机组运行状态多源时序语义局部能量显著性描述因子的负数为指数的指数函数以得到机组运行状态多源时序语义局部能指数因子的集合中每个机组运行状态多源时序语义局部能量显著性描述指数因子与常数一之和的倒数以得到归一化机组运行状态多源时序语义局部能量显著性描述因子的集合；将所述归一化机组运行状态多源时序语义局部能量显著性描述因子的集合中的每个归一化机组运行状态多源时序语义局部能量显著性描述因子输入门控函数进行掩码化处理以运行状态多源时序语义局部能量显著性描述因子的集合中的每个归一化机组运行状态多源时序语义局部能量显著性描述因子输入门控函数进行掩码化处理以得到所述机组运行时序语义局部能量显著性描述因子的集合中的归一化机组运行状态多源时序语义局部能序语义局部能量显著性描述因子的原值，否则置为0以得到所述机组运行状态多源时序语合匀散处理以得到增强机组运行状态多源时序跟踪特征图作为所述机组运行状态特征的过将所述增强机组运行状态多源时序语义局部特征图的集合按照所述网格划分的方式进增强特征图输入基于空洞卷积层的特征匀散模块以得到所述增强机组运行状态多源时序个机组运行状态多源时序跟踪特征图分别进行基于局部能量的特征增强处理以得到所述跟踪特征图的集合中的各个机组运行状态多源时序跟踪特征图分别进行基于局部能量的操作，分别为所述机组运行状态多源时序语义局部特征图态多源时序语义局部特征图对应的机组运行状态多源时序语义局部显著调制权重，θ是预组运行状态多源时序跟踪特征图的集合中的各个增强机组运行状态多源时序跟踪特征图序跟踪特征图的集合进行聚类贡献计算的特征聚合分析以得到机组运行状态伪锚定参考态多源时序跟踪特征图的聚类贡献度进行基于场域的显性建模以提升特征聚合分析的精多源时序跟踪特征图的集合中的各个增强机组运行状态多源时序跟踪特征图与所述机组进一步计算所述增强机组运行状态多源时序跟踪特征图的集合中的各个增强机组运行状态多源时序跟踪特征图与所述机组运行状态伪锚定参考特征图之间的余弦距离以得到机运行状态多源时序跟踪特征图的集合中的各个增强机组运行状态多源时序跟踪特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到增强机组运行状态多源时序跟踪全类场域调制聚合以得到机组运行状态多源时序显著聚合表示向量；在本申请的技术方案运行状态多源时序关联特征聚类贡献场分布向量进行显性建模生成增强机组运行状态多强化对聚类贡献大的机组运行状态多源时序关联特征的关注，同时抑制了不重要的特征，征聚类贡献场域调制权重向量对所述增强机组运行状态多源时序跟踪全局池化特征向量聚合表示不仅保留了原始机组运行状态的时序特征信息，还融入了聚类过程中学到的知态特征与锚定参考中心特征之间的差异性来更为准确地感知和识别各台机组的运行状态，述增强机组运行状态多源时序跟踪全局池化特征向量的集合的均值向量以得到所述增强机组运行状态多源时序关联特征自监督聚类[0043]更具体地，基于所述增强机组运行状态多源时序关联特对所述增强机组运行状态多源时序跟踪特征图的集合进行特征聚类场域调制聚合以得到序跟踪全局池化特征向量的集合中的各个增强机组运行状态多源时序跟踪全局池化特征向量相对于所述增强机组运行状态多源时序关联特征自监督聚类特征向量的隐性聚类贡机组运行状态多源时序关联特征隐性聚类贡献因子的序列进行向量化排列以得到增强机联特征聚类贡献场分布向量输入基于自注意力机制的聚类贡献场显性建模模块以得到增组运行状态多源时序跟踪全局池化特征向量的集合的按位置加权和以得到所述机组运行局池化特征向量的集合中的各个增强机组运行状态多源时序跟踪全局池化特征向量相对于所述增强机组运行状态多源时序关联特征自监督聚类特征向量的隐性聚类贡献因子以机组运行状态多源时序跟踪全局池化特征向量与所述增强机组运行状态多源时序关联特征自监督聚类特征向量之间的按位置除法的绝对值以得到增强机组运行状态多源时序自监督聚类交互关联特征向量；计算以2为底的所述增强机组运行状态多源时序自监督聚类交互关联特征向量中的各个位置特征值的对数函数值以得到增强机组运行状态多源时序池化特征向量中各个位置特征值的加权和以得到增强机组运行状态多源时序关联特征聚贡献度表示因子的指数函数值以得到增强机组运行状态多源时序关联特征隐性聚类贡献于自注意力机制的聚类贡献场显性建模模块以得到增强机组运行状态多源时序关联特征贡献场分布查询向量和所述机组运行状态多源时序聚类贡献场分布键向量的转置向量之用Softmax函数对所述查询一键机组运行状态多源时序聚类贡献场语义交互表示矩阵进行归一化处理以得到归一化查询一键机组运行状态多源时序聚类贡献场语义交互表示矩阵；时序聚类贡献场语义交互表示矩阵之间的乘法以得到所述增强机组运行状态多源时序关征聚合公式增强机组运行状态多源时序跟踪全局池化特征向量的集合进行聚类分析和特n}运行状态多源时序跟踪全局池化特征向量的集合中的第i个增强机组运行状态多源时序跟踪全局池化特征向量，N为所述增强机组运行状态多源时序跟踪全局池化特征向量的集合述增强机组运行状态多源时序跟踪全局池化特征向量的集合中的第j个增强机组运行状态d2j行状态多源时序关联特征隐性聚类贡献因子向量化排列得到的增强机组运行状态多源时qk和vv分别为机组运行状态多源时序聚类贡献场分布查询向量、机组运行状态多源时序聚类贡献场分布键向量和机组运行状态多源时序聚类贡献场分布值向量，L为所述机各个增强机组运行状态多源时序跟踪特征图分别表示各台机组的关键运行参数的跨样本状态多源时序跟踪特征图的聚类贡献度差异会使得所述机组运行状态伪锚定参考特征图态多源时序跟踪特征图的集合中的各个增强机组运行状态多源时序跟踪特征图与所述机图的集合中的各个增强机组运行状态多源时序跟踪特征图与所述机组运行状态伪锚定参运行状态伪锚定参考特征图进行空间分布结构优化以得到优化的机组运行状态伪锚定参