(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 202211048070.5 (22)申请日 2022.08.30 (71)申请人 华能靖远热电有限公司 地址 730900 甘肃省白银市平川区电力路4 号 申请人 甘肃辰桂达科技发展 有限公司 (72)发明人 窦怀武　汪海军　王金明　王朴　 仇兰军　高鹏　王天龙　杨小珺　 (74)专利代理 机构 北京细软智谷知识产权代理 有限责任公司 1 1471 专利代理师 刘晓丹 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01)G06F 16/215(2019.01) G06F 16/25(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种火电企业低碳调度寻优方法及系统 (57)摘要 本申请涉及一种火电企业低碳调度寻优方 法及系统， 涉及火电企业能源调度技术领域， 方 法先采集火电企业的燃煤燃烧历史数据样本； 并 对样本进行预处理， 提取出与碳排放指标相关的 特征集并将其随机分配为训练集和验证集； 基于 多层前向神经网络算法， 输入训练集对碳排放预 测模型进行迭代训练和模型参数调整， 直至模型 收敛， 获得训练好的碳排放预测模型； 将实际采 集的燃煤燃烧 数据输入模型进行碳排放量预测， 并根据预测结果和生产要求进行资源调度， 综合 制定出最优配煤掺烧 方案。 本申请通过定期采集 存储企业的生产指标数据， 可以实现企业碳排放 数据追溯， 同时构建碳排放预测模 型进行碳排放 预测， 可以合理为火电企业制定出相应的煤炭采 购计划。 权利要求书1页 说明书6页 附图3页 CN 115222153 A 2022.10.21 CN 115222153 A 1.一种火电企业低碳调度寻优方法， 其特 征在于， 包括以下步骤： S1： 采集火电企业的燃 煤燃烧历史数据样本； S2： 利用高阶神经网络API对燃煤燃烧历史数据样本进行预处理， 提取出与碳排放指标 相关的特 征集， 并将特 征集随机分配为训练集和验证集； S3： 基于多层前向神经网络算法， 输入训练集对碳排放预测模型进行迭代训练和模型 参数调整， 直至模型收敛， 获得训练好的碳 排放预测模型； S4： 将实际采集的火电企业燃煤燃烧数据输入碳排放预测模型进行碳排放量预测， 并 根据碳排放量预测结果和生产要求， 对煤种、 煤种掺配比例和上煤量进 行调度分配， 综合制 定出最优配煤掺烧方案 。 2.根据权利要求1所述的一种火电企业低碳调度寻优方法， 其特征在于， 所述步骤S1具 体包括： 将火电企业的各项生产运行指标数据进行业务关联， 通过数据接口与燃料智能化 系统、 碳排放监测系统和SIS系统进行数据对接， 定期采集火电企业的生产运行指标数据， 并将采集的生产运行指标 数据作为燃 煤燃烧历史数据样本 。 3.根据权利要求1所述的一种火电企业低碳调度寻优方法， 其特征在于， 所述步骤S2具 体包括： 基于机器学习 库TensorFlow， 利用其keras模块提供的高阶神经网络API， 对采集到 的燃煤燃烧历史数据样本进行预处理， 提取出与碳排放指标相关的特征集， 将特征集 随机 分配为训练集和验证集。 4.根据权利要求1所述的一种火电企业低碳调度寻优方法， 其特征在于， 所述步骤S3具 体包括： 基于多层前向神经网络算法， 输入训练集对碳排放预测模型进 行多次迭代训练， 并 将验证集输入碳排放预测模型进行验证对比， 对模型参数进行调整， 直至模型输出 的预测 结果与实际输出值的误差低于预设的阈值时， 获得 学习训练好的碳 排放预测模型。 5.根据权利要求1所述的一种火电企业低 碳调度寻优方法， 其特征在于， 所述碳排放预 测模型包括输入层、 隐藏层和输出层， 输入层与隐藏层连接， 隐藏层与输出层连接； 输入层 由三个输入单元构成； 隐藏层包括两层隐藏层， 每层隐藏层均由4个隐藏单元构成； 输出层 由两个输出 单元构成。 6.根据权利要求2所述的一种火电企业低 碳调度寻优方法， 其特征在于， 所述生产运行 指标数据包括 生产指标、 燃料指标、 环保指标和经济指标。 7.根据权利要求1所述的一种火电企业低 碳调度寻优方法， 其特征在于， 所述生产要求 包括燃煤库存量、 发电计划、 环保要求、 碳 排放配额、 安全生产要求和经济要求。 8.一种采用上述权利要求1~7任意一项所述一种火电企业低 碳调度寻优方法实现的火 电企业低碳调度寻优系统， 其特征在于， 所述系统包括数据采集模块、 数据预处理模块、 碳 排放预测模块和寻优方案制定模块； 数据采集模块用于将火电企业的各项生产运行指标数 据进行业务关联， 通过数据接口与燃料智能化系统、 碳排放监测系统和SIS系统进 行数据对 接， 定期采集火电企业的生产运行指标数据； 数据预处理模块用于对采集到的生产运行指 标数据进 行预处理； 碳排放预测模块用于根据预 处理后的生产运行指标数据进行碳排放预 测； 寻优方案制 定模块用于根据碳排放量预测结果和 生产要求， 对煤种比例和上煤量进行 调度分配， 综合制定出最优配煤掺烧方案 。权　利　要　求　书 1/1 页 2 CN 115222153 A 2一种火电企业低碳调度寻 优方法及系统 技术领域 [0001]本发明属于火电企业能源调度技术领域， 具体涉及一种火电企业低碳调度寻优方 法及系统。 背景技术 [0002]目前， 火电行业具 备碳排放相关的计算和检测方法与标准支撑， 具体为： 1） 排放因子法 （计算法） 。 排放因子法是IPCC提出的第一种碳排放估算方法， 依据 企业温室气体排放核算方法与企业温室气体排放核算方法与报告指南来计算发电企业二 氧化碳排放量。 [0003]2） 在线监测法 （检测法） 。 采用环保部门认可的烟气连续排放监测系统在线监测发 电企业二氧化碳排放量。 [0004]面临2030年 “碳达峰”的要求， 目前的火电企业存在 “碳迹”感知、 呈现能力不足， 运 行领域内“碳迹”计量能力不足， 碳痕迹缺失、 碳评价指标空白、 碳追溯手段缺乏等情况， 难 以根据火电企业的实际生产指标数据查找出碳排放异常原因， 不能指导火电企业及时制定 减碳措施。 发明内容 [0005]为解决上述现有技术的不足， 本发明提供了一种火电企业低碳调度寻优方法及系 统， 旨在解决当前火电企业碳排放数据追溯计量困难， 难以根据火电企业的实际生产指标 数据查找出碳 排放异常原因， 不能指导火电企业及时制定减碳措施的问题。 [0006]为实现以上目的， 本申请采用如下技 术方案： 第一方面， 本发明提供了一种火电企业低碳调度寻优方法， 包括以下步骤： S1： 采集火电企业的燃 煤燃烧历史数据样本； S2： 利用高 阶神经网络AP I对燃煤燃烧历史数据样本进行预处理， 提取出与碳排放 指标相关的特 征集， 并将特 征集随机分配为训练集和验证集； S3： 基于多层前向神经网络算法， 输入训练集对碳排放预测模型进行迭代训练和 模型参数调整， 直至模型收敛， 获得训练好的碳 排放预测模型； S4： 将实际采集的火电企业燃煤燃烧数据输入碳排放预测模型进行碳排放量预 测， 并根据碳排放量预测结果和生产要求， 对煤种、 煤种掺配比例和上煤量进行调度分配， 综合制定出最优配煤掺烧方案 。 [0007]进一步地， 所述步骤S1具体包括： 将火电企业的各项生产运行指标数据进行业务 关联， 通过数据接口与燃料智能化系统、 碳排放监测系统和SIS系统进行数据对接， 定期采 集火电企业的生产运行指标数据， 并将采集的生产运行指标数据作为燃煤燃烧历史数据样 本。 [0008]进一步地， 所述步骤S2具体包括： 基于机器学习库TensorFlow， 利用其keras模块 提供的高阶神经网络API， 对采集到的燃煤燃烧历史数据样 本进行预处理， 提取出与碳排放说　明　书 1/6 页 3 CN 115222153 A 3