CN107153408B - 一种火电机组dcs数据的滤波方法 - Google Patents
一种火电机组dcs数据的滤波方法 Download PDFInfo
- Publication number
- CN107153408B CN107153408B CN201710266729.7A CN201710266729A CN107153408B CN 107153408 B CN107153408 B CN 107153408B CN 201710266729 A CN201710266729 A CN 201710266729A CN 107153408 B CN107153408 B CN 107153408B
- Authority
- CN
- China
- Prior art keywords
- sample
- data
- attribute
- multiplying power
- generating unit
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Complex Calculations (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种火电机组DCS数据的滤波方法:a、选取需求的采样点,获得DCS数据;b、选择主属性的第一个数据为最初基准,随后数据依次与该基准比较,偏差在稳定幅度阈值以内的所有数据均值作为一个样本,同时更新基准并重复该步骤;c、包含DCS数据观测数目超过稳定长度阈值的样本进入一次样本集;d、所有一次样本的同一属性的极差倍率取值在属性稳定边界以内的一次样本进入二次样本集;e、单个样本的所有非主属性的极差倍率在样本稳定边界以内的二次样本进入稳定样本集,即完成火电机组DCS数据滤波;本发明能够推选合理、工况稳定、代表火电机组设备实际运行状态的数据样本。
Description
技术领域
本发明涉及DCS数据处理技术领域,尤其涉及一种火电机组DCS数据的滤波方法。
背景技术
近年来,分布式控制系统(Distributed Control System,简称DCS)在绝大多数工业设备上得以应用,形成了测量设备运行的DCS数据流,其蕴涵着丰富而有价值的信息,是很多在线或离线计算分析软件的数据基础。为获得火电机组的实际运行,要求机组运行的各项参数相对稳定,参数波动幅度和数值偏差在一定的允许范围内,但DCS数据具有海量性、多元性、动态性、交连性,使得难以对其直接进行计算分析并获取准确结论。因此,需要将DCS数据滤波,将连续数据离散化、动态数据静态化,计算并推选能够代表机组实际运行特性的稳定数据样本。
发明内容
为了克服上述现有技术存在的问题,本发明的目的在于提供一种火电机组DCS数据的滤波方法,实现计算并推选能够代表机组设备实际运行特性的稳定工况的数据样本。
为了实现上述目的,本发明采用的如下技术方案:
一种火电机组DCS数据的滤波方法,包括以下步骤:
A、从DCS数据库中选取所需的测点,并选定某一测点作为主属性,设置采样周期和采样时长,从DCS数据库获得原始数据后,进入步骤B;
B、将获得的原始数据按照时间发生顺序排列,以主属性的第一个数据为最初基准,从该基准后的数据与该基准依次顺序比较,直到某一数据与基准的差值在规定的稳定幅度阈值以外,则以此数据回溯到基准的所有采集数据的均值作为一个样本,同时更新此数据为基准,重复以上步骤直至最末数据,进入步骤C;
C、计算每个样本所包含的DCS数据观测数目,判断该数目是否超过稳定长度阈值,将超出稳定长度阈值的样本遴选出来作为一次样本集,进入步骤D;
D、计算一次样本集的其它非主属性的极差倍率,考查所有一次样本的同一属性的极差倍率分布特征,并根据其分布特征计算分位数作为属性稳定边界,推选所有一次样本的同一属性的极差倍率取值在属性稳定边界以内的一次样本进入二次样本集,进入步骤E;
E、再考查每一个二次样本的不同非主属性的极差倍率分布特征,并根据其分布特征计算分位数作为样本稳定边界,推选单个样本的所有非主属性的极差倍率在样本稳定边界以内的二次样本进入稳定样本集,即完成火电机组DCS数据滤波。
所述的步骤A中,设置采样周期小于或等于30秒,采样时长能涵盖机组运行的全负荷范围。
所述的步骤D中,计算一次样本集的其它非主属性的极差倍率Rrange:
Rrange=max(x1,x2,...,xn)/min(x1,x2,...,xn)-1(1)
式中:(x1,x2,...,xn)为某个一次样本的非主属性所包含原始DCS数据观测集合;考查所有一次样本的同一属性的极差倍率分布特征,根据表1计算分位数作为属性稳定边界,属性极差倍率取值在属性稳定边界以内的一次样本,进入二次样本集。
表1.一次样本的属性稳定边界
所述的步骤E中,考查每一个二次样本的不同非主属性的极差倍率分布特征,并根据表2计算分位数作为样本稳定边界,
表2.二次样本的样本稳定边界
单个样本的所有非主属性的极差倍率在样本稳定边界以内的二次样本,进入稳定样本集,即完成火电机组DCS数据滤波。
和现有技术相比较,本发明具备如下优点:
当前多数的电站厂级监控信息系统对火电机组设备运行数据仅采取简单的滤波方法,即一些规定上下限、数据保持、数据纠错功能,导致计算结果与实际偏差过大。本发明通过对DCS数据滤波,推选了合理、工况稳定、代表机组设备实际运行状态的数据样本,具有较广的适用性和较高的精度,可迁移到各类工控数据流中界定稳定工况样本的计算场合,为实现在线或离线准确计算提供数据支持。
附图说明
图1为本发明的流程示意图。
图2为DCS数据与本发明方法滤波后的数据样本图,其中:图2a为不同负荷下主蒸汽温度的DCS数据变异,图2b为不同负荷下主蒸汽温度的滤波后的数据样本变异,图2c为不同负荷下高压缸排汽压力的DCS数据变异,图2d为不同负荷下高压缸排汽压力的滤波后的数据样本变异,图2e为不同负荷下高压缸排汽温度的DCS数据变异,图2f为不同负荷下高压缸排气温度的滤波后的数据样本变异。
图3为DCS数据、本发明方法滤波后的数据样本计算的汽轮机高压缸效率与性能试验结果对比。
具体实施方式
下面以DCS数据计算汽轮机高压缸效率为例,对本发明的一种火电机组DCS数据的滤波方法作进一步的详细说明。
如图1所示,本发明一种火电机组DCS数据的滤波方法,包括以下步骤:
1、从DCS数据库中,选取与汽轮机高压缸效率辨识相关的采样点,采样点包括主蒸汽压力、主蒸汽温度、高压缸排汽压力、高压缸排汽温度,设定采样周期小于或等于30秒,采样时长能涵盖机组运行的全负荷范围。
2、将原始数据按照时间发生顺序排列,选择主蒸汽压力为主属性,设置稳定幅度阈值为0.1MPa,以主属性的第一个数据为最初基准,从该基准后的数据与该基准依次顺序比较,直到某一数据与基准的差值在规定的稳定幅度阈值以外,则以此数据回溯到基准的所有采集数据的均值作为一个样本,同时更新此数据为基准,重复以上步骤直至最末数据。
3、设置稳定长度阈值为10min×60/30sec=20个,计算每个样本所包含的DCS数据观测数目,判断该数目是否超过稳定长度阈值,将超出稳定长度阈值的样本遴选出来作为一次样本集。
4、计算一次样本集的其它非主属性,即主蒸汽温度、高压缸排汽压力、高压缸排汽温度的极差倍率Rrange:
Rrange=max(x1,x2,...,xn)/min(x1,x2,...,xn)-1(1)
式中:(x1,x2,...,xn)为某个一次样本的非主属性所包含原始DCS数据观测集合。考查所有一次样本的同一属性的极差倍率分布特征,根据表1计算主蒸汽温度、高压缸排汽压力、高压缸排汽温度的分位数作为三个属性稳定边界,三个属性的极差倍率取值分别在其属性稳定边界以内的一次样本,进入二次样本集。
表1.一次样本的属性稳定边界
5、考查每一个二次样本的不同非主属性的极差倍率分布特征,并根据表2计算分位数作为样本稳定边界,单个样本的所有非主属性的极差倍率在样本稳定边界以内的二次样本,进入稳定样本集,即完成火电机组DCS数据滤波。
表2.二次样本的样本稳定边界
根据表1和表2推选出能够直接应用于汽轮机高压缸效率计算的数据样本,与DCS数据相比如图2所示,其中左列图为DCS数据,右列图为数据样本,可见数据样本比DCS数据变异更小,同时数据样本的稳定范围更接近设计值,并显示出一定的规律性。DCS数据、本文方法滤波后的数据样本计算的汽轮机高压缸效率与性能试验结果对比如图3所示,可见数据样本与性能试验结果具有相同趋势且变差基本一致,数据样本代表了汽轮机高压缸的实际运行特性,而直接应用DCS数据计算的高压缸效率不具有任何规律性且变差较大,无法正确展示汽轮机高压缸实际运行效率。高压缸效率与调门开度关系较大,性能试验是在不同的负荷下变主蒸汽压力进行的,因而同一负荷下不同的主蒸汽压力或调门开度对应不同的高压缸效率;机组平常运行时,调门开度以及主蒸汽压力都会有一定的波动,导致高压缸效率在同一负荷下并不唯一,即有一定的变异,而该变异与调门开度有关。
Claims (4)
1.一种火电机组DCS数据的滤波方法,其特征在于,包括以下步骤:
A、从DCS数据库中选取所需的测点,并选定某一测点作为主属性,设置采样周期和采样时长,从DCS数据库获得原始数据后,进入步骤B;
B、将获得的原始数据按照时间发生顺序排列,以主属性的第一个数据为最初基准,从该基准后的数据与该基准依次顺序比较,直到某一数据与基准的差值在规定的稳定幅度阈值以外,则以此数据回溯到基准的所有采集数据的均值作为一个样本,同时更新此数据为基准,重复以上步骤直至最末数据,进入步骤C;
C、计算每个样本所包含的DCS数据观测数目,判断该数目是否超过稳定长度阈值,将超出稳定长度阈值的样本遴选出来作为一次样本集,进入步骤D;
D、计算一次样本集的其它非主属性的极差倍率Rrange,
Rrange=max(x1,x2,...,xn)/min(x1,x2,...,xn)-1(1)
式中:(x1,x2,...,xn)为某个一次样本的非主属性所包含原始DCS数据观测集合;
考查所有一次样本的同一属性的极差倍率分布特征,并根据极差倍率分布特征计算分位数作为属性稳定边界,推选所有一次样本的同一属性的极差倍率取值在属性稳定边界以内的一次样本进入二次样本集,进入步骤E;
E、再考查每一个二次样本的不同非主属性的极差倍率分布特征,并根据极差倍率分布特征计算分位数作为样本稳定边界,推选单个样本的所有非主属性的极差倍率在样本稳定边界以内的二次样本进入稳定样本集,即完成火电机组DCS数据滤波。
2.如权利要求1所述的一种火电机组DCS数据的滤波方法,其特征在于:所述的步骤A中,设置采样周期小于或等于30秒,采样时长能涵盖机组运行的全负荷范围。
3.如权利要求1所述的一种火电机组DCS数据的滤波方法,其特征在于:所述的步骤D中,考查所有一次样本的同一属性的极差倍率分布特征,根据表1计算分位数作为属性稳定边界,
表1.一次样本的属性稳定边界
属性极差倍率取值在属性稳定边界以内的一次样本,进入二次样本集。
4.如权利要求1所述的一种火电机组DCS数据的滤波方法,其特征在于:所述的步骤E中,考查每一个二次样本的不同非主属性的极差倍率分布特征,并根据表2计算分位数作为样本稳定边界,
表2.二次样本的样本稳定边界
单个样本的所有非主属性的极差倍率在样本稳定边界以内的二次样本,进入稳定样本集,即完成火电机组DCS数据滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710266729.7A CN107153408B (zh) | 2017-04-21 | 2017-04-21 | 一种火电机组dcs数据的滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710266729.7A CN107153408B (zh) | 2017-04-21 | 2017-04-21 | 一种火电机组dcs数据的滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107153408A CN107153408A (zh) | 2017-09-12 |
CN107153408B true CN107153408B (zh) | 2019-02-22 |
Family
ID=59793142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710266729.7A Active CN107153408B (zh) | 2017-04-21 | 2017-04-21 | 一种火电机组dcs数据的滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107153408B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108153258B (zh) * | 2017-12-18 | 2019-08-20 | 华润电力湖北有限公司 | 一种火电机组运行稳定性量化判断的方法与装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3946320A (en) * | 1974-04-25 | 1976-03-23 | International Standard Electric Corporation | Signal processor for doppler type navigation system |
CN102831149A (zh) * | 2012-06-25 | 2012-12-19 | 腾讯科技(深圳)有限公司 | 样本分析方法、装置及存储介质 |
CN106089328A (zh) * | 2016-08-10 | 2016-11-09 | 西安热工研究院有限公司 | 基于dcs数据挖掘的汽轮机调门流量特性曲线辨识方法 |
-
2017
- 2017-04-21 CN CN201710266729.7A patent/CN107153408B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3946320A (en) * | 1974-04-25 | 1976-03-23 | International Standard Electric Corporation | Signal processor for doppler type navigation system |
CN102831149A (zh) * | 2012-06-25 | 2012-12-19 | 腾讯科技(深圳)有限公司 | 样本分析方法、装置及存储介质 |
CN106089328A (zh) * | 2016-08-10 | 2016-11-09 | 西安热工研究院有限公司 | 基于dcs数据挖掘的汽轮机调门流量特性曲线辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107153408A (zh) | 2017-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107783415B (zh) | 一种dcs数据挖掘的火电机组定滑压运行曲线计算方法 | |
EP2239642B1 (en) | Analysis method | |
CN104539250B (zh) | 功率放大器的调试方法、装置和系统 | |
CN110705042A (zh) | 基于t-s模糊模型的汽轮机阀门流量特性辨识方法、系统及介质 | |
CN107153408B (zh) | 一种火电机组dcs数据的滤波方法 | |
CN114755581B (zh) | 对置活塞磁力线性发电机的性能参数测试方法及相关装置 | |
CN112417764A (zh) | 一种面向锅炉特种设备蒸汽量预测的k近邻回归预测方法 | |
CN111241677A (zh) | 一种基于机器学习的常减压装置生产模拟方法及系统 | |
KR102280390B1 (ko) | 데이터 처리 방법, 데이터 처리 장치, 데이터 처리 시스템, 및 데이터 처리 프로그램을 저장한 컴퓨터 판독 가능한 기록 매체 | |
CN102103589A (zh) | 试验表格生成装置以及试验表格生成方法 | |
CN108958029A (zh) | 用于参数整定方法和系统 | |
JP6302755B2 (ja) | プラント診断用データ作成システム | |
CN110928264A (zh) | 数据处理、数据处理装置以及计算机可读取记录介质 | |
CN110048442A (zh) | 模块化多电平变换器微分平滑非线性控制方法及装置 | |
KR102212384B1 (ko) | 복합 시스템들의 제어를 위한 무작위화된 강화 학습 | |
CN112163729A (zh) | 基于供货产品截断正态分布质量数据的过程能力分析方法 | |
CN112488410A (zh) | 基于设备综合效率的生产设备性能优化方法及装置 | |
CN106950933B (zh) | 质量一致性控制方法及装置、计算机存储介质 | |
CN105531726A (zh) | 产品抽样检验方法、装置及系统 | |
CN102663255A (zh) | 一种一次调频试验的数据自动处理方法 | |
Jaja et al. | THE COMPARATIVE STUDY OF CCD AND MCCD IN THE PRESENCE OF A MISSING DESIGN POINT | |
CN104700171B (zh) | 一种作动筒设备资源的信息管理及优化配置方法 | |
CN112653129B (zh) | 暂态功角稳定裕度估算方法、装置及系统 | |
CN112862126B (zh) | 一种基于决策树的智能变电站二次设备消缺的推荐方法 | |
CN110660002B (zh) | 风力发电机组的部件的失效率曲线的确定方法和设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |