CN109492956A - 一种火力发电机组的运行参数预警方法和装置 - Google Patents
一种火力发电机组的运行参数预警方法和装置 Download PDFInfo
- Publication number
- CN109492956A CN109492956A CN201910016664.XA CN201910016664A CN109492956A CN 109492956 A CN109492956 A CN 109492956A CN 201910016664 A CN201910016664 A CN 201910016664A CN 109492956 A CN109492956 A CN 109492956A
- Authority
- CN
- China
- Prior art keywords
- operating parameter
- model
- parameter
- power generation
- generation 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.)
- Pending
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种火力发电机组的运行参数预警方法和装置，其中，该方法包括：确定火力发电机组待预警的m个运行参数yj，j＝1,2,…,m；根据预建立的输入输出模型和影响运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出运行参数yj的期望值；将运行参数yj的实际值与运行参数yj的期望值比较，根据比较结果确定是否发出预警信号。本发明公开的火力发电机组的运行参数预警方法和装置，能够在参数出现异常时及时向操作人员发出预警信号，保障火力发电机组安全经济的运行。
Description
技术领域
本发明涉及工业自动化控制领域，尤指一种火力发电机组的运行参数预警方法和装置。
背景技术
近年来，为了提高经济效益以及减少污染物的排放，火力发电机组(可简称为火电机组)单机规模在不断扩大。新建火力发电机组大都是660兆瓦(MW)及以上超临界机组，这就使得火力发电机组的控制系统变得更加复杂，设备工作中处于的温度和压力也进一步提升，而更加高温高压的工作环境，设备的故障率也会进一步提高，其造成的危害性也会进一步增强。因此，及时有效的发现生产过程中的异常参数，对处于异常的参数进行早期预警，能够使得操作人员提前发现火力发电机组运行中潜在的隐患，这对于避免事故的发生以及扩大化，保证机组高效经济的运行具有十分重要的意义。
目前，报警系统作为火力发电机组生产过程的一个重要的人机交互接口，是保证火力发电机组正常运行的一个重要环节。当前火力发电机组控制系统中的报警系统设计原理简单，只是针对参数上下限的定值报警或者跳变报警，是一个静态的报警。
然而，火力发电机组在正常运行过程中，许多参数都是随着发电负荷或者设备的不同运行状态处于一个动态变化的过程，例如主汽压力、总风量和一次风母管压力等参数，当参数到达报警上限或报警下限，此时发出报警信号，事故可能已经无法避免，报警具有迟滞性。
发明内容
为了解决上述技术问题，本发明提供了一种火力发电机组的运行参数预警方法和装置，能够在参数出现异常时及时向操作人员发出预警信号，保障火力发电机组安全经济的运行。
为了达到本发明目的，第一方面，本发明提供了一种火力发电机组的运行参数预警方法，包括：
确定火力发电机组待预警的m个运行参数yj，j＝1,2,…,m；
根据预建立的输入输出模型和影响所述运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出所述运行参数yj的期望值；
将所述运行参数yj的实际值与所述运行参数yj的期望值比较，根据比较结果确定是否发出预警信号；其中，m和n均为正整数。
第二方面，本发明提供了一种火力发电机组的运行参数预警装置，包括：
确定模块，用于确定火力发电机组待预警的m个运行参数yj，j＝1,2,…,m；以及，根据预建立的输入输出模型和影响所述运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出所述运行参数yj的期望值；
预警模块，用于将所述运行参数yj的实际值与所述运行参数yj的期望值比较，根据比较结果确定是否发出预警信号；其中，m和n均为正整数。
第三方面，本发明提供了一种火力发电机组的运行参数预警装置，包括存储器和处理器，存储器用于存储执行指令；处理器调用所述执行指令，用于执行如第一方面实施例所述的火力发电机组的运行参数预警方法。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如第一方面实施例所述的方法的步骤。
本发明提供的火力发电机组的运行参数预警方法和装置，通过预建立的输入输出模型计算出火力发电机组处于不同工况下运行参数的期望值，对于偏离期望值的运行参数及时发出预警信号，实现早期预警功能，可以有效减少火力发电机组的事故发生率，对于提高经济效益以及减少人员伤亡具有重要意义。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1为本发明实施例提供的火力发电机组的运行参数预警方法的流程图；
图2为本发明实施例提供的输入输出模型的结构示意图；
图3为本发明实施例提供的炉膛风量输入输出模型的相关参数的示意图；
图4为本发明实施例一提供的火力发电机组的运行参数预警装置的结构示意图；
图5为本发明实施例二提供的火力发电机组的运行参数预警装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1为本发明实施例提供的火力发电机组的运行参数预警方法的流程图，如图1所示，本发明实施例提供的火力发电机组的运行参数预警方法，包括：
S101：确定火力发电机组待预警的m个运行参数yj，j＝1,2,…,m。其中，m为正整数。
具体的，运行参数yj是一个过程参数，是指火力发电机组运行过程中处于不同工况下而不断变化的参数。运行参数yj可以是一个或者多个，且确定的运行参数yj在火力发电机组控制系统中具有监视测点，火力发电机组控制系统可以为分散控制系统(DistributedControl System，简称DCS)。
其中，本发明实施例的执行主体可以为火力发电机组的运行参数预警装置，该火力发电机组的运行参数预警装置可以为DCS。本实施例中，运行参数yj可以是主汽压力、总风量和一次风母管压力等参数中的一个或多个；运行参数yj和运行参数yj的数量m可以由操作人员预先设定。
S102：根据预建立的输入输出模型和影响运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出运行参数yj的期望值。其中，n为正整数。
具体的，每一个待预警的运行参数，其影响因素都不一样。本发明实施例可以根据预设确定方法，比如根据火力发电机组生产过程的特点、相关设备的特性以及现场的实际情况，针对不同的待预警的运行参数，找出所有影响其变化的相关的参考参数xi。
其中，参考参数xi的选择非常重要，其直接影响着下述实施例建立的输入输出模型最终的建模精度。需要说明的是，选取的参数在DCS中应具有监视测点。
本实施例中，一种实现方式，参考参数xi以及参考参数xi的数量n可以由操作人员在线修改。即操作人员根据经验值，在线修改确定影响运行参数yj的参考参数xi以及参考参数xi的数量n。另一种实现方式，参考参数xi以及参考参数xi的数量n可以预先设置在DCS中。即在DCS中预先设置运行参数yj和参考参数xi对应关系列表，根据该关系列表可直接确定出影响运行参数yj的n个参考参数xi。
举例来说，以运行参数yj是主汽压力为例，参考参数xi可以确定为发电机组负荷和主汽流量，此时，j＝1，i＝2。
可选的，根据预建立的输入输出模型和影响运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出运行参数yj的期望值，包括：将参考参数x i作为输入输出模型的输入量；将输入输出模型的输出量作为运行参数yj的期望值。
本实施例中，可以将参考参数xi作为预建立的输入输出模型的输入，运行参数yj作为预建立的输入输出模型的输出量。基于预先训练好的输入输出模型，输入参考参数xi，即可得到该输入输出模型的输出值，即运行参数yj的期望值。具体的，对于训练好的输入输出模型，可以得到一组权值和阈值。图2为本发明实施例提供的输入输出模型的结构示意图，如图2所示，在该输入输出模型中预先设定训练好的权值，预先设定输入输出的变量个数，以及将输入变量xi预先设定在该模型的输入中，通过读取输入变量xi的实时值，即可得到该输入输出模型的输出值，即运行参数yj的期望值。
本实施例中，输入输出模型可以为多输入多输出模型，m和n可以相等，也可以不等，即该输入输出模型的输出量和输入量的数量可以相等，也可以不等。
S103：将运行参数yj的实际值与运行参数yj的期望值比较，根据比较结果确定是否发出预警信号。
具体的，将输入输出模型输出的期望值与实际值进行比较，在实际值偏离期望值时发出预警信号。
本发明实施例提供的火力发电机组的运行参数预警方法，通过预建立的输入输出模型计算出火力发电机组处于不同工况下运行参数的期望值，对于偏离期望值的运行参数及时发出预警信号，实现早期预警功能，可以有效减少火力发电机组的事故发生率，对于提高经济效益以及减少人员伤亡具有重要意义。
进一步地，在上述实施例中，根据预建立的输入输出模型和影响运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出运行参数yj的期望值之前，本发明实施例提供的火力发电机组的运行参数预警方法还可以包括：建立输入输出模型。其中，输入输出模型可以采用以下方式建立：选取运行参数yj和参考参数xi处于正常工况下的预设时间段内的历史数据；根据历史数据确定模型的建模数据；基于建模数据，通过神经网络算法建立输入输出模型。
本实施例中，基于建模数据，通过神经网络算法建立输入输出模型，具体可以为：将参考参数xi作为神经网络算法建立模型的输入层，将运行参数yj为神经网络算法建立模型的输出层，将输入输出模型的权值作为神经网络算法建立模型的隐藏层。其中，隐藏层中的权值可以根据运行参数yj和参考参数xi处于正常工况下的预设时间段内的历史数据训练获得。其中，本实施例中根据历史数据训练获得权值的实现原理与现有技术神经网络算法训练获得隐藏层数据的实现原理相同，本实施例在此不进行赘述。
本实施例中，选取运行参数yj和参考参数xi处于正常工况下的一段时间的历史数据，该历史数据可以包含火力发电机组在正常运行下的所有工况，保证建模数据的完整性、全面性；并且确认该预设时间段内的运行参数yj处于正常状态。
本实施例中，本实施例中预设时间段可以由操作人员根据现场的实际情况或经验值预先设定。
本实施例中，根据历史数据确定模型的建模数据可以包括：一种是可以将历史数据直接作为建模数据；另一种是可以将历史数据进行预处理后，将预处理后的数据作为建模数据。
本实施例中，通过神经网络算法建立模型的实现原理与现有技术中神经网络算法建立模型的实现原理相同，本实施例在此不进行赘述。
本发明实施例提供的火力发电机组的运行参数预警方法，在上述实施例的基础上，通过人工智能算法(如神经网络算法)进行建模，与传统的机理建模相比，原理简单，缩短了建模的周期，并且能有效提高建模的精度。
本发明实施例神经网络的计算过程可以如下：
采用公式计算隐藏层的输出。
式中：Hj为隐藏层(以下简称隐层)第j个神经元的实际输出，f(x)为选取的激活函数，Wij为第i个输入层至第j个隐层的权值(也可以称为连接权)，aj为输入层至隐层的阈值。
采用公式计算输出层的输出。
式中：Ok为输出层第k个神经元的实际输出，Ok即对应上述实施例中的运行参数yj，Vjk为第j个隐层至第k个输出层的权值，bk为隐层至输出层的阈值。
神经网络的训练过程就是对权值以及阈值不断寻优的过程。
神经网络训练后会得到一组权值以及阈值，该数据会存放到csv表格中，以炉膛风量为例，输入变量为2个，输出变量为1个，隐层个数为3个，第一个隐层的节点数为30，第二隐层的节点数为50，第三隐层的节点数为30。训练后会生成4个字符分隔值(Comma-Separated Values，简称csv)表格，第一个csv表格(如下述表1)中存放输入层至第一隐层的权值以及阈值，第二个表格(如下述表2A和2B)中存放第一隐层至第二隐层的权值以及阈值，第三个表格(如下述表3A和3B)中存放第二隐层至第三隐层的权值以及阈值，第四个表格(如下述表4)中存放第三隐层至输出层的权值以及阈值。其中，表2A和2B可以为一个表，表3A和3B可以为一个表。
表1
表2A
表2B
表3A
表3B
表4
将表格文件放入到指定文件夹下，在输入输出模型中填入表格的名字以及表格的文件夹的名字，该模型则会自动读取表格中的数值。图3为本发明实施例提供的炉膛风量输入输出模型的相关参数的示意图，如图3所示，其为炉膛风量输入输出模型中填写的相关参数，在输入输出模型中填入表格的名字炉膛风量以及表格的文件夹的名字炉膛风量模型，则该模型会自动读取对应表格中的数值。
进一步地，在上述实施例中，根据历史数据确定模型的建模数据可以包括：对历史数据进行预处理，预处理包括：去除存在缺失值或异常值的数据；将预处理后的数据作为模型的建模数据。
本实施例中，为了保证选取的历史数据的有效性以及准确性，在进行神经网络训练建模之前，首先需要对选取的历史数据进行预处理，预处理可以包括但不限于对于缺失值以及异常值的处理。
进一步地，在上述实施例中，根据比较结果确定是否发出预警信号可以包括：在运行参数yj的实际值与期望值的差值大于预设阈值时，发出预警信号。具体的，将运行参数yj的实际值与期望值作差，在运行参数yj的实际值与期望值的差值大于预设阈值时，确定运行参数偏离期望值，发出预警信号。
其中，预设阈值可以由操作人员根据经验值预先设定。
进一步地，在上述实施例中，在根据比较结果确定是否发出预警信号之前，可以将输入输出模型输出的运行参数yj的期望值加一个预设上限值，得到期望值的上限；和/或，将输入输出模型输出的运行参数yj的期望值加一个预设下限值，得到期望值的下限。
具体的，本实施例中可以将运行参数yj期望值与实际值在DCS中通过逻辑组态来进行比较，两者比较的输出点加入到DCS声光预警中。当实际值高于期望值的上限或者小于期望值的下限时，在DCS中向操作人员发出声光预警信号。
其中，预设上限值和预设下限值可以由操作人员根据经验值预先设定。DCS逻辑组态是应用DCS组态工具和程序语言进行的编程工作，其实现原理与现有技术相同，本实施例在此不进行赘述。
图4为本发明实施例一提供的火力发电机组的运行参数预警装置的结构示意图，如图4所示，本发明实施例提供的火力发电机组的运行参数预警装置，包括：确定模块41和预警模块42。
确定模块41，用于确定火力发电机组待预警的m个运行参数yj，j＝1,2,…,m；以及，根据预建立的输入输出模型和影响所述运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出所述运行参数yj的期望值；
预警模块42，用于将所述运行参数yj的实际值与所述运行参数yj的期望值比较，根据比较结果确定是否发出预警信号；其中，所述m和n均为正整数。
本发明实施例提供的火力发电机组的运行参数预警装置用于执行图1所示方法实施例的技术方案，其实现原理和实现效果类似，此处不再赘述。
进一步地，在上述实施例中，确定模块41根据预建立的输入输出模型和影响所述运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出所述运行参数yj的期望值，可以包括：将所述参考参数x i作为所述模型的输入量；将所述模型的输出量作为所述运行参数yj的期望值。
进一步地，在上述实施例中，所述装置还包括建模模块43，用于建立所述输入输出模型。
建模模块43建立输入输出模型可以包括：选取所述运行参数yj和所述参考参数x i处于正常工况下的预设时间段内的历史数据；根据所述历史数据确定所述模型的建模数据；基于所述建模数据，通过神经网络算法建立所述模型。
进一步地，在上述实施例中，建模模块43根据所述历史数据确定所述模型的建模数据可以包括：对所述历史数据进行预处理，所述预处理包括：去除存在缺失值或异常值的数据；将预处理后的数据作为所述模型的建模数据。
进一步地，在上述实施例中，预警模块42根据比较结果确定是否发出预警信号可以包括：在所述运行参数yj的实际值与期望值的差值大于预设阈值时，发出预警信号。
图5为本发明实施例二提供的火力发电机组的运行参数预警装置的结构示意图，如图5所示，本发明实施例提供的火力发电机组的运行参数预警装置，包括：存储器51和处理器52。
存储器51用于存储执行指令，处理器52可以是一个中央处理器(CentralProcessing Unit，简称CPU)，或者是特定集成电路(Application Specific IntegratedCircuit，简称ASIC)，或者完成实施本发明实施例的一个或多个集成电路。当火力发电机组的运行参数预警装置运行时，处理器52与存储器51之间通信，处理器52调用执行指令，用于执行以下操作：
确定火力发电机组待预警的m个运行参数yj，j＝1,2,…,m；
根据预建立的输入输出模型和影响所述运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出所述运行参数yj的期望值；将所述运行参数yj的实际值与所述运行参数yj的期望值比较，根据比较结果确定是否发出预警信号；
其中，所述m和n均为正整数。
进一步地，处理器52根据预建立的输入输出模型和影响所述运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出所述运行参数yj的期望值，包括：
将所述参考参数xi作为所述模型的输入量；将所述模型的输出量作为所述运行参数yj的期望值。
进一步地，处理器52还用于：建立所述输入输出模型；
处理器52建立所述输入输出模型包括：选取所述运行参数yj和所述参考参数xi处于正常工况下的预设时间段内的历史数据；根据所述历史数据确定所述模型的建模数据；基于所述建模数据，通过神经网络算法建立所述模型。
进一步地，处理器52根据所述历史数据确定所述模型的建模数据，包括：对所述历史数据进行预处理，所述预处理包括：去除存在缺失值或异常值的数据；将预处理后的数据作为所述模型的建模数据。
进一步地，处理器52根据比较结果确定是否发出预警信号，包括：在所述运行参数yj的实际值与期望值的差值大于预设阈值时，发出预警信号。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现上述任一实施例所述的火力发电机组的运行参数预警方法的步骤。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
Claims (12)
1.一种火力发电机组的运行参数预警方法，包括：
确定火力发电机组待预警的m个运行参数yj，j＝1,2,…,m；
根据预建立的输入输出模型和影响所述运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出所述运行参数yj的期望值；
将所述运行参数yj的实际值与所述运行参数yj的期望值比较，根据比较结果确定是否发出预警信号；
其中，m和n均为正整数。
2.根据权利要求1所述的方法，其特征在于，所述根据预建立的输入输出模型和影响所述运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出所述运行参数yj的期望值，包括：
将所述参考参数x i作为所述模型的输入量；
将所述模型的输出量作为所述运行参数yj的期望值。
3.根据权利要求1所述的方法，其特征在于，所述输入输出模型采用以下方式建立：
选取所述运行参数yj和所述参考参数x i处于正常工况下的预设时间段内的历史数据；
根据所述历史数据确定所述模型的建模数据；
基于所述建模数据，通过神经网络算法建立所述模型。
4.根据权利要求3所述的方法，其特征在于，所述根据所述历史数据确定所述模型的建模数据，包括：
对所述历史数据进行预处理，所述预处理包括：去除存在缺失值或异常值的数据；
将预处理后的数据作为所述模型的建模数据。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据比较结果确定是否发出预警信号，包括：
在所述运行参数yj的实际值与期望值的差值大于预设阈值时，发出预警信号。
6.一种火力发电机组的运行参数预警装置，其特征在于，包括：
确定模块，用于确定火力发电机组待预警的m个运行参数yj，j＝1,2,…,m；以及，根据预建立的输入输出模型和影响所述运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出所述运行参数yj的期望值；
预警模块，用于将所述运行参数yj的实际值与所述运行参数yj的期望值比较，根据比较结果确定是否发出预警信号；
其中，m和n均为正整数。
7.根据权利要求6所述的装置，其特征在于，所述确定模块根据预设输入输出模型和影响所述运行参数yj的n个参考参数xi，i＝1,2,…,n，确定出所述运行参数yj的期望值，包括：
将所述参考参数x i作为所述模型的输入量；
将所述模型的输出量作为所述运行参数yj的期望值。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
建模模块，用于建立所述输入输出模型；
所述建模模块建立所述输入输出模型，包括：
选取所述运行参数yj和所述参考参数xi处于正常工况下的预设时间段内的历史数据；
根据所述历史数据确定所述模型的建模数据；
基于所述建模数据，通过神经网络算法建立所述模型。
9.根据权利要求8所述的装置，其特征在于，所述建模模块根据所述历史数据确定所述模型的建模数据，包括：
对所述历史数据进行预处理，所述预处理包括：去除存在缺失值或异常值的数据；
将预处理后的数据作为所述模型的建模数据。
10.根据权利要求6-9任一项所述的装置，其特征在于，所述预警模块根据比较结果确定是否发出预警信号，包括：
在所述运行参数yj的实际值与期望值的差值大于预设阈值时，发出预警信号。
11.一种火力发电机组的运行参数预警装置，其特征在于，包括存储器和处理器，存储器用于存储执行指令；处理器调用所述执行指令，用于执行如权利要求1-5任一项所述的火力发电机组的运行参数预警方法。
12.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述指令被处理器执行时实现权利要求1-5任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910016664.XA CN109492956A (zh) | 2019-01-08 | 2019-01-08 | 一种火力发电机组的运行参数预警方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910016664.XA CN109492956A (zh) | 2019-01-08 | 2019-01-08 | 一种火力发电机组的运行参数预警方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109492956A true CN109492956A (zh) | 2019-03-19 |
Family
ID=65714201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910016664.XA Pending CN109492956A (zh) | 2019-01-08 | 2019-01-08 | 一种火力发电机组的运行参数预警方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109492956A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112102593A (zh) * | 2020-09-18 | 2020-12-18 | 浙江浙能长兴发电有限公司 | 基于火力发电厂生产实时数据自学习模型的保障运行安全的预报警技术应用 |
| CN112580784A (zh) * | 2020-12-16 | 2021-03-30 | 哈尔滨电站设备成套设计研究所有限公司 | 基于多输入多输出卷积神经网络的设备智能预警方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107944633A (zh) * | 2017-12-07 | 2018-04-20 | 北京能源集团有限责任公司 | 基于模型趋势预测的报警方法及系统 |
| CN108562854A (zh) * | 2018-04-08 | 2018-09-21 | 华中科技大学 | 一种电机异常状态在线预警方法 |
-
2019
- 2019-01-08 CN CN201910016664.XA patent/CN109492956A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107944633A (zh) * | 2017-12-07 | 2018-04-20 | 北京能源集团有限责任公司 | 基于模型趋势预测的报警方法及系统 |
| CN108562854A (zh) * | 2018-04-08 | 2018-09-21 | 华中科技大学 | 一种电机异常状态在线预警方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112102593A (zh) * | 2020-09-18 | 2020-12-18 | 浙江浙能长兴发电有限公司 | 基于火力发电厂生产实时数据自学习模型的保障运行安全的预报警技术应用 |
| CN112580784A (zh) * | 2020-12-16 | 2021-03-30 | 哈尔滨电站设备成套设计研究所有限公司 | 基于多输入多输出卷积神经网络的设备智能预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103576641B (zh) | 用于监视操作过程单元中的资产的系统和方法 | |
| US8532795B2 (en) | Method and system for offline code validation | |
| CN100555136C (zh) | 加工厂中的异常状况预防方法和系统 | |
| US9665089B2 (en) | Method and apparatus for advanced control using function blocks in industrial process control and automation systems | |
| US10607466B2 (en) | Method to configure control system alarms by associating alarms to tags | |
| JP2004152265A (ja) | プロセス制御システムにおける統合型モデル予測制御および最適化 | |
| CN111386501B (zh) | 用于优化工业工厂的调整的基于云的方法和系统 | |
| CN109492956A (zh) | 一种火力发电机组的运行参数预警方法和装置 | |
| CN104182623A (zh) | 一种基于当量变化率计算的热工过程数据检测方法 | |
| JP2020513130A (ja) | 産業用プロセス制御及び自動化システムにおける警報を合理化及び分析するための装置及び方法 | |
| KR100971908B1 (ko) | 시뮬레이션을 이용한 선제적 일정계획 시스템 | |
| CN115453356A (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
| US20210325835A1 (en) | Pattern recognition technique for data-driven fault detection within a process plant | |
| CN106940533A (zh) | 一种基于云超实时仿真平台与硬件在环的实时决策方法 | |
| US10747207B2 (en) | System and method for accurate automatic determination of “alarm-operator action” linkage for operator assessment and alarm guidance using custom graphics and control charts | |
| CN117557047A (zh) | 一种基于深度强化学习的配电设备运维优化方法及系统 | |
| US20230376024A1 (en) | Device and Method for Identifying Anomalies in an Industrial System for Implementing a Production Process | |
| CN102330608A (zh) | 用于确定燃气涡轮中的稳态条件的系统、方法和装置 | |
| CN112467806B (zh) | 一种基于dmn电网调控规则确定电网运行状态的方法及系统 | |
| CN115118578A (zh) | 一种基于web的scada系统 | |
| AU2022202976A1 (en) | Artificial intelligence alarm management | |
| CN112989581A (zh) | 一种频率动态仿真方法、装置、电子设备及存储介质 | |
| Shchehlov et al. | Availability Markov Models of Complex Equipment with Relearning Diagnostic Means after Detecting Latent Failures | |
| EP4361745A1 (en) | Autonomous operation of modular industrial plants | |
| CN109693049A (zh) | 激光加工头气压监控方法、装置及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190319 |
|
| RJ01 | Rejection of invention patent application after publication |