CN103955202A - 一种基于燃煤电厂脱硫系统数据自动诊断甄别方法 - Google Patents

Abstract

本发明公开了一种基于燃煤电厂脱硫系统数据自动诊断甄别方法，运用统计学方法，结合脱硫系统工艺原理，对现场采集脱硫系统数据进行自动辨识，实现了数据不变、数据超限、数据波动异常、参数耦合异常、烟气量、石灰石消耗量、石膏产量的自动甄别，提高了采集数据的准确性，保证了考核结果的公平性。

Description

一种基于燃煤电厂脱硫系统数据自动诊断甄别方法

技术领域

本发明涉及一种基于燃煤电厂脱硫系统数据自动诊断甄别方法，属于电力系统自动控制技术领域。

背景技术

根据国家节能减排相关政策，在省环保厅、电监办、物价局等相关政府部门大力支持下建立了全省脱硫系统发电数据监管体系。该体系通过对电厂上传的脱硫实时数据进行监测、存储、计算、分析、考核等综合处理，用于脱硫电价的考核。

随着业务研究的越来越深入及信息技术发展越来越迅速，包括政府部门及电力企业等用户对该监管体系的要求也越来越高，作为脱硫环保设施监管的载体，其底层原始数据的真实性、准确性成为影响监管、考核公平性的重要因素。目前监管体系只实现了采集终端通信状态自动识别、测点数据上下限初步判断等基本功能，测点数据恒定不变、关联测点数据之间耦合关系异常、相关工艺原理无法平衡等问题无法自动识别，采集数据的真实性、准确性就难以把握。

发明内容

本发明的目的是运用统计学原理、脱硫系统工艺原理，对脱硫系统关键指标设计相关校核条件，以自动甄别数据的真实性，挖掘置信度较小的测点，提高数据的集约化利用水平。

为了实现上述的目的，本发明是采取以下的技术方案来实现的：

一种基于燃煤电厂脱硫系统数据自动诊断甄别方法，采用统计学原理与脱硫系统工艺原理相结合的方法，对现场采集的脱硫系统数据变化异常进行自动识别，并对脱硫系统关键指标进行自动甄别，主要包括以下步骤：

1）采用统计学原理对数据变化异常状态进行自动识别，数据变化异常状态主要包括数据不变，数据超限，数据波动异常和数据耦合异常四种情况，其中，

1-a)数据不变的识别规则为：考核期内测点数据没有变化且持续时间达到30分钟，则判断为该测点数据不变，所述考核期是指机组发电功率大于等于50%机组额定负荷的时间内；所述考核期内测点数据没有变化是指相邻两个数据之间的绝对偏差<0.001；

1-b)数据超限的识别规则为：考核期内测点数据同时满足以下四个条件则判断该测点为数据超限异常，

分析仪故障=0；

分析仪标定=0；

采集数据<阈值下限或者采集数据>阈值上限；

持续时间达到30分钟；

1-c)数据波动异常的识别规则为：测点小时变异系数中，考核时间>0，并且变异系数>阈值上限或者变异系数<阈值下限，则判断该测点为数据波动异常；所述小时变异系数为：小时变异系数=（标准偏差÷平均值）×100%；

1-d)数据耦合异常的识别规则为：相关关系的小时相关系数中，考核时间>0，并且相关系数>阈值上限或者相关系数<阈值下限，则判断该测点为数据耦合异常；

2）采用脱硫系统工艺原理对关键指标进行自动甄别，关键指标主要包括石灰石消耗量和石膏产量两个指标，其中

石灰石消耗量的理论计算公式为：

$Q_{{\mathrm{CaCO}}_3,95\%,\mathrm{FGD}}=\frac{Q_{{\mathrm{SO}}_2,\mathrm{FGD},\mathrm{reduced}}}{64}\&times;\mathrm{Ca}/S\&times;100\&times;\frac{1}{0.95}---\left(1\right)$

其中，为95%纯度的石灰石消耗量（kg/h），为SO₂脱除量（kg/h），Ca/S为钙硫摩尔比（mol/mol），

利用在线测量数据计算的石灰石消耗量，与发电企业入厂统计数据进行对比，即可实现石灰石消耗量的自动甄别；

石膏产量Q_gyp,FGD的理论计算公式为：

$Q_{\mathrm{gyp},\mathrm{FGD}}=(2.681+0.082\&times;\mathrm{Ca}/S)\&times;Q_{{\mathrm{SO}}_2,\mathrm{FGD},\mathrm{reduced}}+Q_{\mathrm{ash},\mathrm{FGD},\mathrm{absorbed}}---\left(2\right)$

其中：Q_{ash,FGD,absorbed}为烟尘吸收量（kg/h）。

利用在线测量数据计算的石膏产量，与发电企业石膏出厂统计数据进行对比，即可实现石膏产量的自动甄别。

前述的数据不变异常状态和数据超限异常状态的测点数据包括：

脱硫计算的测点数据：机组负荷、FGD进口烟气SO₂浓度、FGD进口烟气O₂浓度、旁路档板开度、增压风机电流、浆液循环泵电流；

排口计算的测点数据包括：排口SO₂浓度、排口NO_X浓度、排口烟尘浓度、排口O₂浓度、排口烟气流速、排口烟气湿度、排口烟气压力、排口烟气温度；

烟囱计算的测点数据包括：烟囱SO₂浓度、烟囱NO_X浓度、烟囱烟尘浓度、烟囱O₂浓度、烟囱烟气流速、烟囱烟气湿度、烟囱烟气压力、烟囱烟气温度。

前述的数据波动异常状态的测点数据包括：机组负荷、排口SO₂浓度、排口NO_X浓度、排口O₂浓度、排口烟气流速。

前述的数据耦合异常状态的测点相关关系包括：增压风机电流-发电机功率、浆液循环泵电流-发电机功率、FGD进口SO₂浓度-排口SO₂浓度。

通过采用上述技术手段，

（1）本发明提高了脱硫系统采集数据质量的自动识别水平，本发明对脱硫系统采集数据运用统计学原理、工艺原理实现了数据不变、数据超限、数据波动异常、数据耦合异常的自动识别，并对烟气量、石灰石消耗量、石膏产量等指标实现了自动甄别，实现了从生产数据到生产系统的全方面诊断辨识；

（2）降低了海量数据人员维护成本，全省脱硫系统测点达到20万左右，按10秒钟采集一次数据，一天将产生17.28亿条数据记录，如此海量数据若单纯依靠人员手工调阅查询识别，一方面将造成极大的人员维护成本，另一方面维护人员也不可能将所有出现问题都及时发现并解决，依据本发明的方法，采用计算机程序设计，即可实现系统所有测点各种问题的自动甄别。

具体实施方式

本发明采用统计学原理与脱硫系统工艺原理相结合的方法，对现场采集的脱硫系统数据变化异常进行自动识别，并对脱硫系统关键指标进行自动甄别，

一、采用统计学原理对数据变化异常状态进行自动识别

统计学原理是指依据统计学原理，对作为小时统计数据来源的现场监测数据进行诸如数据不变，数据超限，数据波动异常，数据耦合异常等情况进行数据质量分析，评估数据的真实性和一致性，通过数值特征指标直观地展现监测数据质量，为数据异常分析提供依据。

（1）数据不变

考核期内测点数据如果长期保持不变，则该测点有可能出现故障，导致电价考核、排放量计算等模型输出结果异常，动态对电价考核、排放量计算等的关键监测参数进行数据保持不变的状态进行跟踪，可以及时发现数据异常情况、及早排查测电故障。

数据不变的识别规则为：考核期内测点数据没有变化且持续时间达到30分钟，则判断为该测点数据不变，所述考核期是指机组发电功率大于等于50%机组额定负荷时；所述考核期内测点数据没有变化是指相邻两个数据之间的绝对偏差<0.001；测点数据包括：

脱硫计算的测点数据包括：机组负荷、FGD进口烟气SO₂浓度、FGD进口烟气O₂浓度、旁路档板开度、增压风机电流、浆液循环泵电流；

排口计算的测点数据包括：排口SO₂浓度、排口NO_X浓度、排口烟尘浓度、排口O₂浓度、排口烟气流速、排口烟气湿度、排口烟气压力、排口烟气温度；

烟囱计算的测点数据包括：烟囱SO₂浓度、烟囱NO_X浓度、烟囱烟尘浓度、烟囱O₂浓度、烟囱烟气流速、烟囱烟气湿度、烟囱烟气压力、烟囱烟气温度。

（2）数据超限

动态对电价考核、排放量计算等的关键监测参数采集数据进行超限状态跟踪，以便及时发现数据异常情况、分析数据异常原因、及早解决数据质量问题。

数据超限的识别规则为：考核期内测点数据同时满足以下四个条件则判断该测点为数据超限异常，

分析仪故障=0；

分析仪标定=0；

采集数据<阈值下限或者采集数据>阈值上限；

持续时间达到30分钟；

脱硫计算的测点数据包括：机组负荷、FGD进口烟气SO₂浓度、FGD进口烟气O₂浓度、旁路档板开度、增压风机电流、浆液循环泵电流；

排口计算的测点数据包括：排口SO₂浓度、排口NO_X浓度、排口烟尘浓度、排口O₂浓度、排口烟气流速、排口烟气湿度、排口烟气压力、排口烟气温度；

烟囱计算的测点数据包括：烟囱SO₂浓度、烟囱NO_X浓度、烟囱烟尘浓度、烟囱O₂浓度、烟囱烟气流速、烟囱烟气湿度、烟囱烟气压力、烟囱烟气温度。

（3）数据波动异常

以变异系数作为测点采集数据变化或波动程度的度量指标，据此判断数据的真实性。以1小时内考核期的采集数据为样本集，计算测点的小时变异系数；基于监测参数数据变异系数分布情况自动搜索变异系数的正常范围，指导设置参数变异系数告警阈值上下限。

小时变异系数和级差、标准差和方差一样，都是反映数据离散程度的绝对值，其数据大小不仅受变量值离散程度的影响，而且还受变量值平均水平大小的影响。其计算公式为：

小时变异系数=（标准偏差÷平均值）×100%，

数据波动异常的识别规则为：测点小时变异系数中，考核时间>0，并且变异系数>阈值上限或者变异系数<阈值下限，则判断该测点为数据波动异常；

监控测点数据包括：机组负荷、排口SO₂浓度、排口NO_X浓度、排口O₂浓度、排口烟气流速。

以测点1小时内考核期的采集数据为样本集，小时变异系数计算方法如下：

计算平均值

$\stackrel{\&OverBar;}{x}=\frac{1}{n}\&times;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{x}_i$

式中，n为样本集内样本数据个数，x_i为第i个样本数据。

计算标准差S

$S=\sqrt{\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(x_i-\stackrel{\&OverBar;}{x})}^2}{n-1}}=\sqrt{\frac{n\&times;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{x}_i^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{x}_i\right)}^2}{n\&times;(n-1)}}$

计算小时变异系数C·V

$C\&CenterDot;V=\frac{S}{\stackrel{\&OverBar;}{x}}\&times;100\%\&CenterDot;$

（4）参数耦合异常

以相关系数作为两个测点之间相关程度的度量指标，可以对设备运行参数之间变化趋势和不同监测点处的烟气组分浓度变化趋势的一致性进行评估。以1小时内考核期中两个测点同时处于正常状态(非故障、标定)的采集数据为样本集，计算测点的小时相关系数，对其进行相关性分析；基于相关程度对相关系数的数据分布进行分析，指导设置相关系数告警阈值上下限。

数据耦合异常的识别规则为：相关关系的小时相关系数中，考核时间>0，并且相关系数>阈值上限或者相关系数<阈值下限，则判断该测点为数据耦合异常；

测点相关关系包括：增压风机电流-发电机功率、浆液循环泵电流-发电机功率、FGD进口SO₂浓度-排口SO₂浓度。

以测点1小时内考核期的采集数据为样本集，小时相关系数计算方法如下：

（4-1）计算参数x、y的平均值

$\stackrel{\&OverBar;}{x}=\frac{1}{n}\&times;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{x}_i,\stackrel{\&OverBar;}{y}=\frac{1}{n}\&times;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{y}_i$

式中，n为样本集内样本数据个数，x_i为参数x的第i个样本数据，y_i为参数y的第i个样本数据。

（4-2）计算参数x、y的相关系数γ_xy

${\mathrm{\&gamma;}}_{\mathrm{xy}}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}(x_i-\stackrel{\&OverBar;}{x})\&times;(y_i-\stackrel{\&OverBar;}{y})}{\sqrt{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}}{(x_i-\stackrel{\&OverBar;}{x})}^2\&times;\sqrt{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}}{(y_i-\stackrel{\&OverBar;}{y})}^2}\&CenterDot;$

二、采用脱硫系统工艺原理对关键指标进行自动甄别，关键指标主要包括石灰石消耗量和石膏产量两个指标，在对上述两个指标甄别的过程中需要计算SCR出口烟气量、FGD入口烟气量等指标。

（1）烟气量的计算

以脱硝系统入口烟气量为源，以过量空气系数为参照，以质量守恒定律为依据，从脱硝、脱硫化学反应方程式出发，逐步推算出SCR（选择性催化还原法）出口、FGD（烟气脱硫技术）入口及烟囱入口处的烟气量，建立烟气量预测模型。具体过程为：

（1-1）计算SCR反应器入口喷氨流量

如果测点是喷氨质量流量则需按下式转换成体积流量：

$Q_{{\mathrm{NH}}_3,\mathrm{SCR},\mathrm{in}}^i=\frac{Q_{{\mathrm{NH}}_3,\mathrm{SCR},\mathrm{in},m}^i}{0.771}---\left(1\right)$

式中：为第i个SCR反应器入口喷氨流量（体积流量，m³/h），为第i个SCR反应器的喷氨流量（质量流量，kg/h）。

（1-2）计算SCR反应器入口稀释空气流量

如果SCR反应器入口稀释空气流量没有测点，则按下式通过稀释风机出口空气流量计算：

$Q_{\mathrm{air},\mathrm{SCR},\mathrm{in}}^i=\frac{1}{n}\&times;Q_{\mathrm{air},\mathrm{XSFJ},\mathrm{out}}=\frac{1}{n}\&times;\underset{i=1}{\overset{n_{\mathrm{XSFJ}}}{\mathrm{\&Sigma;}}}{Q}_{\mathrm{air},\mathrm{XSFJ},\mathrm{out}}^i---\left(2\right)$

式中：为第i个SCR反应器入口稀释空气流量（Nm³/h），Q_air,XSFJ,out为稀释风机出口空气流量（SCR入口稀释空气流量）（Nm³/h），为第i台稀释风机出口空气流量（Nm³/h），n为SCR反应器个数，n_XSFJ为稀释风机台数。

（1-3）计算SCR反应器出口标态干烟气量（Nm³/h）

$Q_{\mathrm{gas},\mathrm{SCR},\mathrm{out},N}^i=Q_{\mathrm{gas},\mathrm{SCR},\mathrm{in},N}^i+Q_{{\mathrm{NH}}_3,\mathrm{SCR},\mathrm{in}}^i+Q_{\mathrm{air},\mathrm{SCR},\mathrm{in}}^i---\left(3\right)$

式中：为第i个SCR反应器出口标态干烟气量（Nm³/h），为第i个SCR反应器入口标态干烟气量（Nm³/h），为直接测量值，为直接测量值，为直接测量值过根据式（2）计算。

（1-4）计算空预器漏风率R_LF,AH（%）

$R_{\mathrm{LF},\mathrm{AH}}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}[Q_{\mathrm{gas},\mathrm{SCR},\mathrm{out},N}^i\&times;(C_{O_2,\mathrm{FGD},\mathrm{in}}-C_{O_2,\mathrm{SCR},\mathrm{out}}^i)]}{(21-C_{O_2,\mathrm{FGD},\mathrm{in}})\&times;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{Q}_{\mathrm{gas},\mathrm{SCR},\mathrm{out},N}^i}\&times;90---\left(4\right)$

式中：为第i个SCR反应器出口烟气含氧量（%），为直接测量值，n为SCR反应器个数，为FGD入口烟气含氧量（%），为直接测量值。

（1-5）计算FGD入口标态烟气量Q_gas,FGD,in,N（Nm³/h）：

$Q_{\mathrm{gas},\mathrm{FGD},\mathrm{in},N}=\left(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{Q}_{\mathrm{gas},\mathrm{SCR},\mathrm{out},N}^i\right)\&times;(1+\frac{R_{\mathrm{LF},\mathrm{AH}}}{100})---\left(5\right)$

（1-6）计算FGD入口烟气量Q_gas,FGD,in（m³/h）

$Q_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}=\frac{Q_{\mathrm{gas},\mathrm{FGD},\mathrm{in},N}}{\frac{273}{273+T_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}}\&times;(1-\frac{X_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}}{100})}---\left(6\right)$

式中，T_gas,FGD,in为FGD入口烟气温度（℃），为直接测量值，X_gas,FGD,in为FGD入口烟气湿度（%），为直接测量值。

（1-7）计算FGD入口烟气质量流量Q_gas,FGD,in,m（kg/h）

$\begin{array}{c}{Q}_{\mathrm{gas},\mathrm{FGD},\mathrm{in},m}=Q_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}\&times;{\mathrm{\&rho;}}_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}\\ =Q_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}\&times;1.34\&times;\frac{273}{273+T_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}}\end{array}---\left(7\right)$

式中，ρ_gas,FGD,in为FGD入口烟气密度（kg/m³），通过FGD入口烟气温度计算得到。

（2）石灰石消耗量的计算

通过脱硫反应方程式，通过物料平衡定律，以脱硫系统进出口SO₂、O₂浓度，烟气量及石灰石中杂质含量，推算出石灰石消耗量，以此建立相关的预测模型。具体过程为：

（2-1）计算进入FGD的氧化空气流量Q_air,FGD,in（m³/h）

如果进入FGD的氧化空气流量没有测点，则按下式通过氧化风机出口空气流量计算：

$Q_{\mathrm{air},\mathrm{FGD},\mathrm{in}}=\underset{i=1}{\overset{n_{\mathrm{YHFJ}}}{\mathrm{\&Sigma;}}}{Q}_{\mathrm{air},\mathrm{YHFJ},\mathrm{out}}^i---\left(8\right)$

式中，为第i台氧化风机出口空气流量（m³/h），n_YHFJ为FGD系统氧化风机台数。

（2-2）计算进入FGD的氧化空气质量流量Q_air,FGD,in,m（kg/h）

Q_air,FGD,in,m＝Q_air,FGD,in×ρ_air,FGD,in＝Q_air,FGD,in×1.29    （9）（2-3）计算FGD蒸发的水蒸汽质量流量Q_water,FGD,m（kg/h）

$\begin{array}{c}{Q}_{\mathrm{water},\mathrm{FGD},M}=\frac{(r_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}\&times;T_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}-r_{\mathrm{gas},\mathrm{FGD},\mathrm{out}}\&times;T_{\mathrm{gas},\mathrm{vent}})\&times;Q_{\mathrm{gas},\mathrm{FGD},\mathrm{in},m}}{r_{\mathrm{water}}\&times;(T_{\mathrm{gas},\mathrm{vent}}-T)+H_{\mathrm{water},\mathrm{vapour}}}\\ +\frac{(r_{\mathrm{air},\mathrm{FGD},\mathrm{in}}\&times;T_{\mathrm{air},\mathrm{FGD},\mathrm{in}}-r_{\mathrm{air},\mathrm{FGD},\mathrm{out}}\&times;T_{\mathrm{gas},\mathrm{vent}})\&times;Q_{\mathrm{air},\mathrm{FGD},\mathrm{in},m}}{r_{\mathrm{water}}\&times;(T_{\mathrm{gas},\mathrm{vent}}-T)+H_{\mathrm{water}}}\end{array}---\left(10\right)$

式中：T_gas,vent为排口烟气温度（℃），为直接测量值，r_air,FGD,in为进吸收塔的氧化空气比热，本发明中取定值1.01kJ/kg.℃，r_air,FGD,out为出吸收塔的氧化空气比热，本发明中取定值1.01kJ/kg.℃，T_air,FGD,in为进吸收塔的氧化空气温度，本发明中取经验值80℃，Q_air,FGD,in,m为进吸收塔的氧化空气质量流量（kg/h），r_water为水的比热，本发明中取定值4.2kJ/kg.℃，T为水温，本发明中取定值20℃，H_water,vapour为水蒸发所需潜热，本发明中取定值2430kJ/kg，

r_gas,FGD,in为FGD入口烟气比热（kJ/kg.℃），根据FGD入口烟气温度T_gas,FGD,in，按表1进行插值计算：

表1FGD入口烟气温度和比热

温度(℃)	比热(kJ/kg.℃)
		100	1.068
200	1.097

计算公式为： $r_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}=\frac{1.097-1.068}{200-100}\&times;(T_{\mathrm{gas},\mathrm{FGD},\mathrm{in}}-100)+1.068\&CenterDot;$

r_gas,FGD,out为FGD出口烟气比热（kJ/kg.℃），根据排口烟气温度T_gas,vent，按表2进行插值计算：

表2排口烟气温度和比热

温度(℃)	比热(kJ/kg.℃)
		0	1.042

100

1.068

计算公式为： $r_{\mathrm{gas},\mathrm{FGD},\mathrm{out}}=\frac{1.068-1.042}{100-0}\&times;(T_{\mathrm{gas},\mathrm{vent}}-0)+1.042\&CenterDot;$

（2-4）计算排口烟气质量流量Q_gas,vent,m（kg/h）

$\begin{array}{c}{Q}_{\mathrm{gas},\mathrm{vent},m}\\ =\frac{Q_{\mathrm{gas},\mathrm{FGD},\mathrm{in},m}+Q_{\mathrm{air},\mathrm{FGD},\mathrm{in},m}+Q_{\mathrm{water},\mathrm{FGD},m}+0.56\&times;\frac{Q_{\mathrm{gas},\mathrm{FGD},\mathrm{in},N}\&times;C_{{\mathrm{SO}}_2,\mathrm{FDG},\mathrm{in}}}{{10}^6}}{1-\frac{0.56}{1000}\&times;C_{{\mathrm{SO}}_2,\mathrm{vent}}\&times;\frac{273}{273+T_{\mathrm{gas},\mathrm{vent}}}\&times;(1-\frac{X_{\mathrm{gas},\mathrm{vent}}}{100})}---\left(11\right)\end{array}-$

式中：为FGD入口烟气SO₂浓度（mg/Nm³），为排口烟气SO₂浓度（mg/Nm³），X_gas,vent为排口烟气湿度（%），均为实测数据。

（2-5）计算排口烟气量Q_gas,vent（m³/h）

$Q_{\mathrm{gas},\mathrm{vent}}=\frac{Q_{\mathrm{gas},\mathrm{vent},m}}{{\mathrm{\&rho;}}_{\mathrm{gas},\mathrm{vent}}}=\frac{Q_{\mathrm{gas},\mathrm{vent},m}}{1.34\&times;\frac{273}{273+T_{\mathrm{gas},\mathrm{vent}}}}---\left(12\right)$

式中：ρ_gas,vent为排口烟气密度（kg/m³），通过排口烟气温度计算得到。

（2-6）计算排口标态干烟气量Q_gas,vent,N（Nm³/h）

$Q_{\mathrm{gas},\mathrm{vent},N}=Q_{\mathrm{gas},\mathrm{vent}}\&times;\frac{273}{273+T_{\mathrm{gas},\mathrm{vent}}}\&times;(1-\frac{X_{\mathrm{gas},\mathrm{vent}}}{100})---\left(13\right)$

（2-7）计算SO₂脱除量（kg/h）

（2-8）计算95%纯度的石灰石消耗量（kg/h）

$Q_{{\mathrm{CaCO}}_3,95\%,\mathrm{FGD}}=\frac{Q_{{\mathrm{SO}}_2,\mathrm{FGD},\mathrm{reduced}}}{64}\&times;\mathrm{Ca}/S\&times;100\&times;\frac{1}{0.95}---\left(15\right)$

式中：为95%纯度的石灰石消耗量（kg/h），Ca/S为钙硫摩尔比，本发明取定值1.1（mol/mol），64为SO₂的分子量，100为CaCO₃的分子量，0.95为石灰石纯度。

通过工艺原理、物质平衡原理，利用在线测量数据计算的石灰石消耗量与发电企业入厂统计数据进行对比，即可实现石灰石消耗量的自动甄别。

（3）石膏产量

以石灰石消耗量为基础，结合石膏的成分，推算出石膏产量，并以此建立相关的预测模型。具体过程为：

（3-1）计算FGD烟尘吸收量Q_{ash,FGD,absorbed}（kg/h）

Q_{ash,FGD,absorbed}＝(Q_gas,FGD,in,N×C_ash,FGD,in-Q_gas,vent,N×C_ash,vent)×10^-6    （16）

式中：C_ash,FGD,in为FGD入口烟气烟尘浓度（mg/Nm³），C_ash,vent为排口烟气烟尘浓度（mg/Nm³），烟尘浓度均为实测数据，其中排口烟尘浓度测点装于脱硫系统出口至烟囱水平烟道处。

（3-2）计算石膏生成量Q_gyp,FGD（kg/h）

$\begin{array}{c}{Q}_{\mathrm{gyp},\mathrm{FGD}}\\ =(2.681+0.082\&times;\mathrm{Ca}/S)\&times;Q_{{\mathrm{SO}}_2,\mathrm{FGD},\mathrm{reduced}}+Q_{\mathrm{ash},\mathrm{FGD},\mathrm{absorbed}}\end{array}---\left(17\right)-$

式中：Q_gyp,FGD为石膏生成量（kg/h），石膏中包含CaSO₄·2H₂O、CaSO₃·0.5H₂O、烟尘吸收量及杂质，Ca/S为钙硫摩尔比，本发明取定值1.1（mol/mol）。

通过工艺原理、物质平衡原理，利用在线测量数据计算的石膏产量与发电企业石膏出厂统计数据进行对比，即可实现石膏产量的自动甄别。

具体实施例如下：

（1）某发电公司#4机组FGD进口烟气O₂浓度样本数据参见表3，自2013-11-1201:18:16起至2013-11-1202:02:18，数据不变，样本之间的绝对偏差为0，持续时长为0.7小时，超过30分钟。识别为数据不变。

表3FGD进口烟气O₂浓度样本数据

时间	O2浓度	绝对偏差
			2013-11-1201:06:18	20.64999962
2013-11-1201:08:18	20.6439991	0.006000519

2013-11-1201:18:16	20.6439991	0
			2013-11-1201:25:17	20.6439991	0
2013-11-1201:34:17	20.6439991	0
			2013-11-1201:43:18	20.6439991	0
2013-11-1201:53:17	20.6439991	0
			2013-11-1202:02:18	20.6439991	0
2013-11-1202:12:17	20.64999962	0.006000519
			2013-11-1202:22:17	20.65699959	0.006999969
2013-11-1202:31:17	20.63800049	0.0189991
			2013-11-1202:33:18	20.6439991	0.005998611
2013-11-1202:43:17	20.63800049	0.005998611
			2013-11-1202:50:17	20.63199997	0.006000519
2013-11-1202:59:18	20.63800049	0.006000519

（2）某发电公司#5锅炉烟囱入口处烟气湿度（%）的样本数据参见表4，阀值下限为0，阀值上限为20。自2013-10-2916:03:50起，至2013-10-2916:41:40，数据超限，持续时长为0.6小时，超过30分钟。识别为数据超限。

表4烟囱入口处烟气湿度样本数据

时间	烟囱入口处烟气湿度
		2013-10-2916:03:00	19.62999916
2013-10-2916:03:10	19.68099976
		2013-10-2916:03:30	19.83300018
2013-10-2916:03:40	19.98399925
		2013-10-2916:03:50	20.13100052
2013-10-2916:04:00	20.18899918
		2013-10-2916:09:30	20.58699989
2013-10-2916:14:00	20.53800011
		2013-10-2916:19:50	20.58699989
2013-10-2916:24:00	20.38800049
		2013-10-2916:29:00	20.44099998
2013-10-2916:33:00	20.2329998
		2013-10-2916:38:00	20.28100014
2013-10-2916:42:00	19.88100052
		2013-10-2916:42:50	19.6779995
2013-10-2916:43:00	19.6779995

实际样本数据按每10s采集一次，表4中仅列出部分数据。

（3）某发电公司#5机发电功率（MW）样本数据参见表5，小时变异系数<1%，则判定该测点数据波动过小。以该测点2013年10月30日19点数据为例，该小时的变异系数为0.7907989，小于变异系数阀值下限1，则该小时测点数据波动过小。

表5发电机功率样本数据

时间	发电功率
		2013-10-3019:00:00	287.7489929
2013-10-3019:05:00	290.901001
		2013-10-3019:10:00	286.7990112
2013-10-3019:15:00	288.4930115
		2013-10-3019:20:00	288.4140015
2013-10-3019:25:00	286.4190063
		2013-10-3019:30:00	286.6560059
2013-10-3019:35:00	291.9620056
		2013-10-3019:40:00	283.9320068
2013-10-3019:45:00	286.7990112
		2013-10-3019:50:00	288.0979919
2013-10-3019:55:00	288.5249939
		2013-10-3020:00:00	284.0589905

根据上述采样数据，得到

平均值为：287.600463867187

标准差为：2.27434117448278

小时变异系数为：0.790798854737962。

（4）某发电公司#5炉FGD进口SO₂浓度-排口SO₂浓度样本数据参见表6，小时相关系数>0.95，则判定这两个参数数据异常吻合，参数耦合异常。以2013年10月17日7点数据为例，该小时的相关系数为0.978786373，大于相关系数阀值上限0.95，该小时参数耦合异常。

表6FGD进口SO₂浓度-排口SO₂浓度样本数据

时间	FGD进口SO2	FGD出口SO2
			2013-10-1604:00:00	608.2700195	28.47999954
2013-10-1604:05:00	619.1900024	29.57999992
			2013-10-1604:10:00	635.0100098	31.34000015
2013-10-1604:15:00	628.0100098	30.70000076
			2013-10-1604:20:00	627.2800293	30.80999947

2013-10-1604:25:00	626.8200073	31.25
			2013-10-1604:30:00	628.460022	31
2013-10-1604:35:00	633.1900024	31.61000061
			2013-10-1604:40:00	622.0999756	30.39999962
2013-10-1604:45:00	625.2800293	30.46999931
			2013-10-1604:50:00	627.9199829	30.65999985
2013-10-1604:55:00	650.5599976	32.58000183
			2013-10-1604:59:50	707.7600098	39.38000107

实际样本数据每10s采集一次，表6中仅给出部分数值。

根据实际样本数据，分别计算FGD进口SO₂浓度的平均值为：632.978374720982

排口SO₂浓度的平均值为：31.5001142937796

进而得到小时相关系数为：0.978786373。

（5）以某发电公司#5机组为实施案例：发电机额定功率为330MW；脱硝系统有A、B两个反应器，2台稀释风机；脱硫系统有2台氧化风机。

以小时数据为样本数据，采集测点数据，包括：发电机有功功率；稀释风机出口空气流量；SCR反应器A/B入口标态干烟气量、喷氨流量、出口烟气氧量；FGD入口烟气温度、烟气湿度、烟气氧量、烟气SO₂、烟气烟尘、入口氧化空气流量；排口入口烟气温度、烟气湿度、烟气SO₂、烟气烟尘；

根据上述采样数据即可计算出石灰石消耗量和石膏产量，并与发电企业的统计数据进行对比，表7和表8给出了一天中石灰石消耗量和石膏产量与发电企业的对比情况及误差计算结果。

表7石灰石消耗量和石膏生成量与发电企业统计数据对比

表8石灰石消耗量和石膏生成量与发电企业统计数据对比误差结果

Claims (4)

1.一种基于燃煤电厂脱硫系统数据自动诊断甄别方法，其特征在于，采用统计学原理与脱硫系统工艺原理相结合的方法，对现场采集的脱硫系统数据变化异常进行自动识别，并对脱硫系统关键指标进行自动甄别，主要包括以下步骤：

1）采用统计学原理对数据变化异常状态进行自动识别，数据变化异常状态主要包括数据不变，数据超限，数据波动异常和数据耦合异常四种情况，其中，

1-a)数据不变的识别规则为：考核期内测点数据没有变化且持续时间达到30分钟，则判断为该测点数据不变，所述考核期是指机组发电功率大于等于50%机组额定负荷的时间内；所述考核期内测点数据没有变化是指相邻两个数据之间的绝对偏差<0.001；

1-b)数据超限的识别规则为：考核期内测点数据同时满足以下四个条件则判断该测点为数据超限异常，

分析仪故障=0；

分析仪标定=0；

采集数据<阈值下限或者采集数据>阈值上限；

持续时间达到30分钟；

1-c)数据波动异常的识别规则为：测点小时变异系数中，考核时间>0，并且变异系数>阈值上限或者变异系数<阈值下限，则判断该测点为数据波动异常；所述小时变异系数为：小时变异系数=（标准偏差÷平均值）×100%；

1-d)数据耦合异常的识别规则为：相关关系的小时相关系数中，考核时间>0，并且相关系数>阈值上限或者相关系数<阈值下限，则判断该测点为数据耦合异常；

2）采用脱硫系统工艺原理对关键指标进行自动甄别，关键指标主要包括石灰石消耗量和石膏产量两个指标，其中

石灰石消耗量的理论计算公式为：

$Q_{\mathrm{Ca}{\mathrm{CO}}_3,95\%,\mathrm{FGD}}=\frac{Q_{{\mathrm{SO}}_2,\mathrm{FGD},\mathrm{reduced}}}{64}\&times;\mathrm{Ca}/S\&times;100\&times;\frac{1}{0.95}---\left(1\right)$

其中，为95%纯度的石灰石消耗量（kg/h），为SO₂脱除量（kg/h），Ca/S为钙硫摩尔比（mol/mol），

利用在线测量数据计算的石灰石消耗量，与发电企业入厂统计数据进行对比，即可实现石灰石消耗量的自动甄别；

石膏产量Q_gyp,FGD的理论计算公式为：

$Q_{\mathrm{gyp},\mathrm{FGD}}=(2.681+0.082\&times;\mathrm{Ca}/S)\&times;Q_{{\mathrm{SO}}_2,\mathrm{FGD},\mathrm{reduced}}+Q_{\mathrm{ash},\mathrm{FGD},\mathrm{absorbed}}---\left(2\right)$

其中：Q_{ash,FGD,absorbed}为烟尘吸收量（kg/h）。

利用在线测量数据计算的石膏产量，与发电企业石膏出厂统计数据进行对比，即可实现石膏产量的自动甄别。

2.根据权利要求1所述的一种基于燃煤电厂脱硫系统数据自动诊断甄别方法，其特征在于，所述数据不变异常状态和数据超限异常状态的测点数据包括：

脱硫计算的测点数据：机组负荷、FGD进口烟气SO₂浓度、FGD进口烟气O₂浓度、旁路档板开度、增压风机电流、浆液循环泵电流；

排口计算的测点数据包括：排口SO₂浓度、排口NO_X浓度、排口烟尘浓度、排口O₂浓度、排口烟气流速、排口烟气湿度、排口烟气压力、排口烟气温度；

烟囱计算的测点数据包括：烟囱SO₂浓度、烟囱NO_X浓度、烟囱烟尘浓度、烟囱O₂浓度、烟囱烟气流速、烟囱烟气湿度、烟囱烟气压力、烟囱烟气温度。

3.根据权利要求1所述的一种基于燃煤电厂脱硫系统数据自动诊断甄别方法，其特征在于，所述数据波动异常状态的测点数据包括：机组负荷、排口SO₂浓度、排口NO_X浓度、排口O₂浓度、排口烟气流速。

4.根据权利要求1所述的一种基于燃煤电厂脱硫系统数据自动诊断甄别方法，其特征在于，所述数据耦合异常状态的测点相关关系包括：增压风机电流-发电机功率、浆液循环泵电流-发电机功率、FGD进口SO₂浓度-排口SO₂浓度。