CN106682778A - 一种基于决策树系统的锅炉烟道气压预警方法 - Google Patents
一种基于决策树系统的锅炉烟道气压预警方法 Download PDFInfo
- Publication number
- CN106682778A CN106682778A CN201611239782.XA CN201611239782A CN106682778A CN 106682778 A CN106682778 A CN 106682778A CN 201611239782 A CN201611239782 A CN 201611239782A CN 106682778 A CN106682778 A CN 106682778A
- Authority
- CN
- China
- Prior art keywords
- decision tree
- boiler
- tree system
- air pressure
- boiler flue
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/002—Generating a prealarm to the central station
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Emergency Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Feeding And Controlling Fuel (AREA)
Abstract
本发明公开了一种基于决策树系统的锅炉烟道气压预警方法,包括如下步骤:步骤(1)、获取锅炉房环境与锅炉运行参数数据A,再获取锅炉烟道气压临界值B,建立烟道气压误差率表T;步骤(2):建立决策树系统,建立对照系统,将决策树系统与对照系统进行逻辑匹配;步骤(3):电子传感器获取实时锅炉烟道气压数据传输至决策树系统,得到烟道气压高低值概率P;步骤(4):如果P大于0.8,则锅炉烟道气压不正常,中控台给出报警提示;步骤(5):锅炉工作人员得到中控台发出的报警提示后进行确认,如果确认后锅炉烟道气压正常则说明决策树系统判断错误,修正决策树系统。本发明实现锅炉烟道气压的自动化判断,判断准确。
Description
技术领域
本发明属于预警技术领域,特别是涉及一种基于决策树系统的锅炉烟道气压预警方法。
背景技术
当前国内各烟道气压预警系统均设置了电子传感器提示系统。传统的电子传感器原理是在将烟道气压的高低值,通过电子传感器感知将每一段位的数值及时的反馈给中控系统。工作通过中控系统的图文提示得知锅炉烟道气压的高低值。但由于锅炉炉管的高温、炉水的腐蚀性,对电子传感器造成一定程度的影响,使得在烟道气压反馈值上造成错误估值,或者出现假值,以造成锅炉工作人员产生错误的判断导致出现重大事故。而且灵敏度高的电子传感器的价格不菲,更换不易,频繁地更换使得产家十分的头疼。所以目前的国内烟道气压预警系统无法精准的反应锅炉的烟道气压高低值。此前大部分的电子传感器使用电化学原理对水中的游离金属离子产生感电,通过电信号的传输来提示烟道气压的高低值。但是炉温过高是水中金属离子运动活跃对结果造成一定干扰性。
发明内容
本发明的目的就在于克服现有技术的不足,提供了一种基于决策树系统的锅炉烟道气压预警方法,能在各种环境下即时纠正电子传感器的数据误差,提醒锅炉工作人员烟道气压的情况,使得工作人员得到一个准确的烟道气压情况,来确保锅炉正常稳定的运行,以延长电子传感器的使用的寿命,降低锅炉的维护成本,实现锅炉烟道气压的自动化判断,判断准确,不再需人工判断,减轻工作人员的劳动强度。
为了实现上述目的,本发明提供了一种基于决策树系统的锅炉烟道气压预警方法,包括如下步骤:
步骤(1)、获取锅炉房环境与锅炉运行参数数据A,再获取锅炉烟道气压临界值B,根据数据A和临界值B中的相互学习速度对应出误差率表t,将误差率表t中的数值量化为0-1之间的小数后建立烟道气压误差率表T;
步骤(2):根据步骤(1)中的烟道气压误差率表T作为决策树系统骨架,建立决策树系统,同时获取工作人员人工判断锅炉烟道气压高低值的历史数据建立对照系统,将决策树系统与对照系统进行逻辑匹配;
步骤(3):通过电子传感器获取实时锅炉烟道气压数据,并传输至决策树系统,决策树系统反复训练后得到烟道气压高低值概率P;
步骤(4):决策树系统判断烟道气压高低值概率P的大小,如果P大于0.8,则说明锅炉烟道气压不正常,决策树系统将结果传输给中控台,中控台给出报警提示;如果P小于0.8,则说明锅炉烟道气压正常,中控台不会给出报警提示;
步骤(5):锅炉工作人员得到中控台发出的报警提示后,对锅炉实际烟道气压情况进行确认,如果确认后锅炉烟道气压正常则说明决策树系统判断错误,此时锅炉工作人员将正确结果输入给对照系统,此时将对照系统再次与决策树系统逻辑匹配后修正决策树系统;如果确认后锅炉烟道气压不正常则说明决策树系统判断正确;
步骤(6):重复步骤(3)-(5),如此不断循环不断修正决策树系统直到决策树系统判断准确,不再需工作人员人工判断锅炉烟道气压情况。
进一步地,在步骤(2)中决策树系统的公式满足:
其中:XS为反馈积分,XBH为卷积常数,KX为逆反馈层数,SO为矢量卷积常数,KOH为定义向量常数集,fp为子集概率,bH为计数次数,Kh为判断误差计数。
本发明的有益效果:本发明能在各种环境下即时纠正电子传感器的数据误差,提醒锅炉工作人员烟道气压的情况,使得工作人员户得到一个准确的烟道气压情况,来确保锅炉正常稳定的运行,以延长电子传感器的使用的寿命,降低锅炉的维护成本,实现锅炉烟道气压的自动化判断,判断准确,不再需人工判断,减轻工作人员的劳动强度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的流程图。
具体实施方式
下面结合附图对发明进一步说明,但不用来限制本发明的范围。
实施例
如图1所示,本发明提供的一种基于决策树系统的锅炉烟道气压预警方法,包括如下步骤:
步骤(1)、获取锅炉房环境与锅炉运行参数数据A,再获取锅炉烟道气压临界值B,根据数据A和临界值B中的相互学习速度对应出误差率表t,将误差率表t中的数值量化为0-1之间的小数后建立烟道气压误差率表T;
锅炉房环境数据包括:锅炉房面积大小,有几台可使用的锅炉,锅炉的种类、使用时间、供能类型等等。锅炉运行参数数据包括:炉温、烟温、水压、蒸汽压、进水泵流量、燃烧机温度、风道数据等等。
步骤(2):根据步骤(1)中的烟道气压误差率表T作为决策树系统骨架,建立决策树系统,同时获取工作人员人工判断锅炉烟道气压高低值的历史数据建立对照系统,将决策树系统与对照系统进行逻辑匹配;
步骤(3):通过电子传感器获取实时锅炉烟道气压数据,并传输至决策树系统,决策树系统反复训练后得到烟道气压高低值概率P;
步骤(4):决策树系统判断烟道气压高低值概率P的大小,如果P大于0.8,则说明锅炉烟道气压不正常,决策树系统将结果传输给中控台,中控台给出报警提示;如果P小于0.8,则说明锅炉烟道气压正常,中控台不会给出报警提示;
步骤(5):锅炉工作人员得到中控台发出的报警提示后,对锅炉实际烟道气压情况进行确认,如果确认后锅炉烟道气压正常则说明决策树系统判断错误,此时锅炉工作人员将正确结果输入给对照系统,此时将对照系统再次与决策树系统逻辑匹配后修正决策树系统;如果确认后锅炉烟道气压不正常则说明决策树系统判断正确;
步骤(6):重复步骤(3)-(5),如此不断循环不断修正决策树系统直到决策树系统判断准确,不再需工作人员人工判断锅炉烟道气压情况。
在步骤(2)中决策树系统的公式满足:
其中:XS为反馈积分,XBH为卷积常数,KX为逆反馈层数,SO为矢量卷积常数,KOH为定义向量常数集,fp为子集概率,bH为计数次数,Kh为判断误差计数。
本发明能在各种环境下即时纠正电子传感器的数据误差,提醒锅炉工作人员烟道气压的情况,使得工作人员户得到一个准确的烟道气压情况,来确保锅炉正常稳定的运行,以延长电子传感器的使用的寿命,降低锅炉的维护成本,实现锅炉烟道气压的自动化判断,判断准确,不再需人工判断,减轻工作人员的劳动强度。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。
Claims (2)
1.一种基于决策树系统的锅炉烟道气压预警方法,其特征在于,包括如下步骤:
步骤(1)、获取锅炉房环境与锅炉运行参数数据A,再获取锅炉烟道气压临界值B,根据数据A和临界值B中的相互学习速度对应出误差率表t,将误差率表t中的数值量化为0-1之间的小数后建立烟道气压误差率表T;
步骤(2):根据步骤(1)中的烟道气压误差率表T作为决策树系统骨架,建立决策树系统,同时获取工作人员人工判断锅炉烟道气压高低值的历史数据建立对照系统,将决策树系统与对照系统进行逻辑匹配;
步骤(3):通过电子传感器获取实时锅炉烟道气压数据,并传输至决策树系统,决策树系统反复训练后得到烟道气压高低值概率P;
步骤(4):决策树系统判断烟道气压高低值概率P的大小,如果P大于0.8,则说明锅炉烟道气压不正常,决策树系统将结果传输给中控台,中控台给出报警提示;如果P小于0.8,则说明锅炉烟道气压正常,中控台不会给出报警提示;
步骤(5):锅炉工作人员得到中控台发出的报警提示后,对锅炉实际烟道气压情况进行确认,如果确认后锅炉烟道气压正常则说明决策树系统判断错误,此时锅炉工作人员将正确结果输入给对照系统,此时将对照系统再次与决策树系统逻辑匹配后修正决策树系统;如果确认后锅炉烟道气压不正常则说明决策树系统判断正确;
步骤(6):重复步骤(3)-(5),如此不断循环不断修正决策树系统直到决策树系统判断准确,不再需工作人员人工判断锅炉烟道气压情况。
2.根据权利要求1所述的一种基于决策树系统的锅炉烟道气压预警方法,其特征在于,在步骤(2)中决策树系统的公式满足:
其中:XS为反馈积分,XBH为卷积常数,KX为逆反馈层数,SO为矢量卷积常数,KOH为定义向量常数集,fp为子集概率,bH为计数次数,Kh为判断误差计数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611239782.XA CN106682778A (zh) | 2016-12-28 | 2016-12-28 | 一种基于决策树系统的锅炉烟道气压预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611239782.XA CN106682778A (zh) | 2016-12-28 | 2016-12-28 | 一种基于决策树系统的锅炉烟道气压预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106682778A true CN106682778A (zh) | 2017-05-17 |
Family
ID=58873251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611239782.XA Pending CN106682778A (zh) | 2016-12-28 | 2016-12-28 | 一种基于决策树系统的锅炉烟道气压预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106682778A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1841422A (zh) * | 2005-02-08 | 2006-10-04 | 神马科技公司 | 使用人工智能技术对发电厂的运行进行优化的方法和装置 |
US20090125155A1 (en) * | 2007-11-08 | 2009-05-14 | Thomas Hill | Method and System for Optimizing Industrial Furnaces (Boilers) through the Application of Recursive Partitioning (Decision Tree) and Similar Algorithms Applied to Historical Operational and Performance Data |
CN102831269A (zh) * | 2012-08-16 | 2012-12-19 | 内蒙古科技大学 | 一种流程工业过程工艺参数的确定方法 |
CN105787563A (zh) * | 2014-12-18 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 一种基于自学习机制的快速匹配模糊推理方法 |
CN106054104A (zh) * | 2016-05-20 | 2016-10-26 | 国网新疆电力公司电力科学研究院 | 一种基于决策树的智能电表故障实时预测方法 |
CN106125714A (zh) * | 2016-06-20 | 2016-11-16 | 南京工业大学 | 结合bp神经网络与二参数威布尔分布的故障率预测方法 |
-
2016
- 2016-12-28 CN CN201611239782.XA patent/CN106682778A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1841422A (zh) * | 2005-02-08 | 2006-10-04 | 神马科技公司 | 使用人工智能技术对发电厂的运行进行优化的方法和装置 |
US20090125155A1 (en) * | 2007-11-08 | 2009-05-14 | Thomas Hill | Method and System for Optimizing Industrial Furnaces (Boilers) through the Application of Recursive Partitioning (Decision Tree) and Similar Algorithms Applied to Historical Operational and Performance Data |
CN102831269A (zh) * | 2012-08-16 | 2012-12-19 | 内蒙古科技大学 | 一种流程工业过程工艺参数的确定方法 |
CN105787563A (zh) * | 2014-12-18 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 一种基于自学习机制的快速匹配模糊推理方法 |
CN106054104A (zh) * | 2016-05-20 | 2016-10-26 | 国网新疆电力公司电力科学研究院 | 一种基于决策树的智能电表故障实时预测方法 |
CN106125714A (zh) * | 2016-06-20 | 2016-11-16 | 南京工业大学 | 结合bp神经网络与二参数威布尔分布的故障率预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11917010B2 (en) | Methods and internet of things (IoT) systems for gas purification management in storage and distribution station for smart gas | |
CN106682777A (zh) | 一种基于决策树系统的锅炉烟管堵塞预警方法 | |
CN106710160A (zh) | 一种基于决策树系统的锅炉烟管烟温预警方法 | |
CN106683351A (zh) | 一种基于决策树系统的锅炉烟气脱硫设备故障预警方法 | |
CN106596090A (zh) | 一种基于决策树系统的锅炉蒸汽阀故障预警方法 | |
CN106997692B (zh) | 一种混合型航标报警智能检测方法 | |
CN106682778A (zh) | 一种基于决策树系统的锅炉烟道气压预警方法 | |
CN106845689A (zh) | 一种基于决策树系统的锅炉给水温度预警方法 | |
CN106710161A (zh) | 一种基于决策树系统的锅炉水冷壁腐蚀预警方法 | |
CN106646234A (zh) | 一种基于决策树系统的锅炉主电机故障预警方法 | |
CN106802646A (zh) | 一种基于决策树系统的锅炉爆管故障预警方法 | |
CN106679953A (zh) | 一种基于决策树系统的锅炉调节闸门失效预警方法 | |
CN106765294A (zh) | 一种基于决策树系统的锅炉燃烧机燃烧不充分预警方法 | |
CN106781342A (zh) | 一种基于决策树系统的锅炉空气预热器故障预警方法 | |
CN106710162A (zh) | 一种基于决策树系统的锅炉炉胆结垢预警方法 | |
CN106678055A (zh) | 一种基于决策树系统的锅炉循环泵故障预警方法 | |
CN106682422A (zh) | 一种基于决策树系统的锅炉火管水垢预警方法 | |
CN106681303A (zh) | 一种基于决策树系统的锅炉中控系统线路故障预警方法 | |
CN106642061A (zh) | 一种基于决策树系统的锅炉分气缸故障预警方法 | |
CN106710163A (zh) | 一种基于决策树系统的锅炉气压预警方法 | |
CN106683352A (zh) | 一种基于决策树系统的锅炉火管穿孔预警方法 | |
CN106644445A (zh) | 一种基于决策树系统的锅炉止回阀失效预警方法 | |
CN106845690A (zh) | 一种基于决策树系统的锅炉水位预警方法 | |
CN106709657A (zh) | 一种基于决策树系统的锅炉进水泵失效预警方法 | |
CN106682833A (zh) | 一种基于决策树系统的锅炉过滤棉堵塞预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170517 |