CN110991090A - 一种马蹄焰玻璃窑炉数据预处理及热效率计算方法及系统 - Google Patents

Abstract

为了解决现有技术中并未考虑传感器在高温高压导致数据的波动异常的问题，本发明提供一种马蹄焰玻璃窑炉数据预处理及热效率计算方法及系统，包括以下步骤：S1.通过数据采集装置采集玻璃窑炉内的温度数据；S2.对S1步骤采集的温度数据进行预处理；S3.对S2步骤预处理后的数据进行热平衡分析；S4.最终获得马蹄焰玻璃窑炉内实时热效率计算模型，获得实时热效应值；本发明针对马蹄焰玻璃窑炉这一特定类型的设备，快速处理异常数据并填补缺失值，以达到可以采用实时数据来进行热平衡分析，从而快速计算出窑炉的实时热效率。技术人员根据实际的生产情况，快速调整窑炉的运行状况，最终达到能效优化的目标。

Description

一种马蹄焰玻璃窑炉数据预处理及热效率计算方法及系统

技术领域

本发明涉及软测量技术领域，特别涉及一种马蹄焰玻璃窑炉数据预处理及热效率计算方法及系统。

背景技术

我国的窑炉数量众多，且大多技术落后，行业的需求增长依然偏弱，经济效益增长主要来自价格因素，行业盈利能力仍然有待提高。所以为了提高盈利能力，必须降低能耗，提升工艺水平，才能减少材料的损耗，从而降低成本提高盈利。

玻璃窑炉的燃烧系统，是玻璃生产过程的核心部分，也是最主要的能源消耗部分，其中主要的能源类型为石油焦。玻璃窑炉的燃烧过程是一个非常复杂的物理、化学过程，影响因素非常多，其中很多因素又彼此相互作用，相互制约。因此燃烧质量的高低，影响了整个工厂的经济效益。

目前，玻璃窑炉除了工厂里的技术人员，主要还是依靠历史经验，纸质上的记录来判断设备的运行状况。这种方式缺乏效率和准确性。因为人工不可能一直在运算，而且人可能会有误判，导致窑炉设备并不能全程处于最佳的运行状态。对于老旧的设备来说，自身的效率值也不断的下降，所以更需要科学的方式来使用。

但是，设备普遍老旧，传感器数量多但不齐全，网络不稳定，导致采集回来的数据并不是整洁有序的。有可能是数据缺失，有可能是采集频率发生改变，等其他情况。对于统计分析人员来说，这会造成很大的困扰。

可见，目前窑炉工厂的热效率计算，大多通过手动采集数据，要专门采购仪器，比如红外测温仪等，价格不菲，测量的成本高。人工计算还有效率问题，数据不是实时，反馈作用比较慢，缺少时效性。设备的调整往往就在一两分钟内就要采取措施，所以时间效率显得尤为重要。

针对马蹄焰玻璃窑炉，存在“以实际生产的万吨级玻璃纤维池窑为例,通过热工质量守恒定律和能量守恒定律，对窑炉和通路的物料平衡和热平衡分析，对池窑的热量分布和热效率情况进行分析”的文章，如舒国军,梁士鹏,韩利雄,张燕.窑炉热平衡测算分析池窑运行情况[J].玻璃纤维,2018(01):33-37；还有，“在确定热效率的时候，规定采用正平衡和反平衡的方法”，如苏运昌,程大享.用正、反热平衡法确定蒸汽锅炉效率[J].吉林电力技术,1982(01):46-49。

但是上述现有的技术方案，并未考虑传感器在高温高压导致数据的波动异常的情况，一旦传感器发生波动，通过该波动产生的数据也进入了计算中，得到的结果存在一定的误差，无法起到提升热效率的目的。

发明内容

为了解决现有技术中并未考虑传感器在高温高压导致数据的波动异常的问题，本发明提供一种马蹄焰玻璃窑炉数据预处理及热效率计算方法及系统。

本发明为了解决上述技术体所采用的技术方案是：一种马蹄焰玻璃窑炉数据预处理及热效率计算方法，其技术方案在于：包括以下步骤：

S1.通过数据采集装置采集玻璃窑炉内的温度数据；

S2.对S1步骤采集的温度数据进行预处理；

S3.对S2步骤预处理后的数据进行热平衡分析；

S4.最终获得马蹄焰玻璃窑炉内实时热效率计算模型，获得实时热效应值；

其中，S2步骤中的预处理过程包括以下步骤：

S201.判断S1步骤中数据是否存在异常值，并将该异常值剔除；

S202.在剔除异常值后，填补相应的数值，使数据完整。

其中，S201步骤中检测异常值的过程是：

S2011.根据一段时间的历史数据，获取该段历史数据中的每一个小时的均值；先取其中一个输入或者输出的12个小时的值作为序列，求出该序列的移动极差均值、下限值以及上限值，并将待判断的数据与下限值以及上限值进行比较；

S2012.如果待判断的数据低于下限值或高于上限值，则该待判断的数据判定为可疑值，则进入深度分析步骤：

所述的深度分析步骤包括以下步骤：

S2013.对可疑的数据，取其S2011步骤中所述该段时间内一个月以来的历史数据，并按照大小排序，得到序列B(b1,b2,b3…bn)；

S2014.先取序列B中所有数值由小到大排列后第25％的数字，令该数为Q1；

S2015.取序列B中所有数值由小到大排列后第50％的数字，令该数为Q2；

S2016.取序列B中所有数值由小到大排列后第75％的数字，令该数为Q3；

S2017.设IQR＝Q3-Q1，则最小值min＝Q1-1.5IQR，最大值max＝Q3+1.5IQR；

S2018.当最新的数据，大于max或者小于min，都认为是数据波动过大，视为异常值。

一种马蹄焰玻璃窑炉数据预处理及热效率计算系统，其技术方案在于：包括数据采集模块、数据预处理模块、马蹄焰窑炉热平衡模块以及计算实时热效率值模块；其中，数据采集模块采集马蹄焰玻璃窑炉内的温度数据，通过数据预处理模块剔除异常值和补充缺失值后，将数据发送至马蹄焰窑炉热平衡模块中进行热平衡分析，最终在计算实时热效率值模块中生成马蹄焰玻璃窑炉内实时热效率计算模型。

需要明确的是：本文中所述数据采集装置可以是温度传感器。

本发明的有益效果是：本发明针对马蹄焰玻璃窑炉这一特定类型的设备，快速处理异常数据并填补缺失值，以达到可以采用实时数据来进行热平衡分析，从而快速计算出窑炉的实时热效率。技术人员根据实际的生产情况，快速调整窑炉的运行状况。最终达到能效优化的目标。

附图说明

图1为本发明的结构框图。

图2为数据预处理流程图。

图3为热平衡分析流程图。

具体实施方式

下面结合附图对本申请进行进一步的说明。

如图1，本发明的发明构思是：首先进行数据的采集工作，把数据从DCS系统上面上的参数采集下来。接着对采集回来的数据进行处理，把数据先初步清洗一遍，再把可能系统原因导致缺失的值，通过简单的算法进行填补。结合业务领域的经验，得到窑炉设备的传感器无法采集的数据.再是针对窑炉的高温高压的情况下，传感器在里面长期工作容易出现异常，导致数据偶尔会波动过大。因此把数据进行一次初步简单的判断，若最新数据的值与24小时内的值相比波动大，则进行第二次大数据量的异常检测。如果检测异常，直接判断为异常值，当做是缺失值，并进行填补。根据马蹄焰玻璃窑炉的设计，工艺流程，对窑炉进行热平衡分析，通过分析结果求出窑炉的热效率值。

一种马蹄焰玻璃窑炉数据预处理及热效率计算系统，其技术方案在于：包括数据采集模块、数据预处理模块、马蹄焰窑炉热平衡模块以及计算实时热效率值模块。

数据采集模块10：数据采集模块是马蹄焰玻璃窑炉能源管理系统中的基础模块，用于采集基础的业务数据。在玻璃窑炉的运行过程中，会产生大量的数据。利用窑炉设备上面的DCS系统将数据实时采集进入到本地的能源管理系统的服务器中，整理成标准数据库，以供后续使用。

数据预处理模块20：因为设备的网络接口可能会出问题，导致部分采集回来的数据出现波动和异常，往往是没办法直接用来分析。并且因为设备的传感器的种类所限制，没办法采集所有热平衡分析所需的数据，只能通过业务经验配合数据分析，得出新的数据来弥补该缺陷。还有就是在窑炉的高温高压等复杂情况下，传感器容易出现采集的数据会波动过大，需要我们找出波动过大的数据，把该数据认为是缺失值并进行处理。

数据预处理的具体过程如下：

(1)在马蹄焰玻璃窑炉中，缺少传感器可以采集窑炉实时燃料的消耗情况。但是工作罐数据是记录石油焦燃料重量变化的数据，可以通过分析推算，得出燃料的实时燃烧速率。其变化规律有两个：①不断往工作罐里添加燃料的同时，工作罐下方不断的输出燃料进行燃烧。②停止往工作罐里添加燃烧，工作罐不断输出燃料进行燃烧。首先要区分工作罐的工作状态，难点在于数据的波动，且因为设备老化，计量出错几率大，导致容易判断错工作罐的状态。

先获取一组连续数据，得到序列S＝{S1,S2,S3,…,S10}。其中Si表示某一时刻计量表上的值。计算出序列S中数据的均值Sa；若S1和S10都>＝Sa或者若S1和S10都<＝Sa,则重新选取一组新的序列S；若S1>Sa且S10<Sa,则序列S处于下降趋势，也就是工作罐处于②的工作状态；若S1<Sa且S10>Sa,则序列S处于上升趋势，工作罐处于①的工作状态；

(2)得出数据的变化趋势后，获取序列S后面紧接的数据序列U＝{U1,U2,U3,…}。当序列S处于下降趋势，且U1小于S10，则认为序列继续下降中；若U1大于S10,则令趋势转折点为T＝1，若Ui+1大于Ui，则T+1。若Ui+1小于Ui，则T重置为0；以此类推当T＝5时，认为序列下降趋势发生改变，变为了上升。在下降趋势的时间t内，工作罐的变化量，就是燃料的变化量V燃。V燃＝(S1–U1)/T；

(3)对于任意数据出现缺失值的情况，采用均值与随机参数结合的方式填补。

取缺失值Xi的前两个值Xi-2、Xi-1和Xi+1、Xi+2后两个值。随机参数ω∈{±0.01～0.05}

缺失值Xi＝(1+ω)*(Xi-2+Xi-1+Xi+1+Xi+2)/4。

判断数据的波动是否过大的过程：根据12个小时内的历史数据，取每一个小时的均值作为输入进行计算，具体步骤如下：

1.先取其中一个输入或者输出的12个小时的值序列A(a1,a2,a3…a12)。

2.求出这组数据的移动极差均值Mavg＝[(a2-a1)+(a3-a2)+……+(a12–a11)]/11

3.求出数据均值avg＝(a1,a2,a3…a12)/12

4.通过前三步得出下限值lv＝avg–3*Mavg/1.128；上限值hv＝avg+3*Mavg/1.128

5.如果最新的数据高于下限值或上限值，则要深入分析。

如果数据波动过大，深入分析是否异常：若有波动大的数据，疑似异常的值，通过加大数据量来进行分析，具体步骤为：

1.对可疑的数据，取其一个月以来的历史数据，并按照大小排序，得到序列B(b1,b2,b3…bn)。

2.先取B中所有数值由小到大排列后第25％的数字，令该数为Q1.

3.取B中所有数值由小到大排列后第50％的数字，令该数为Q2.

4.取B中所有数值由小到大排列后第75％的数字，令该数为Q3

5.其中IQR＝Q3-Q1，则最小值min＝Q1-1.5IQR，最大值max＝Q3+1.5IQR

当最新的数据，大于max或者小于min，都认为是数据波动过大，视为缺失值，进行数据填补。

马蹄焰窑炉热平衡模块30：在马蹄焰窑炉热平衡模块30中进行热平衡分析的过程是：

S301.构建热量输入输出模型；

S302.利用数据采集装置采集马蹄焰玻璃窑炉内温度数据；

S303.热平衡计算。

具体的计算步骤如下：

输入体系：

1)助燃空气显热计算

Q_ah＝V_ah·T_ah·C_ah (I)

式中：Q_ah--助燃空气显热热量，kj

V_ah--助燃空气体积,m³

T_ah--助燃空气温度,℃

C_ah--助燃空气比热容,1.444kj/(m³·℃)

2)配合料显热

Q_mh＝m_mh·C_mh·T_mh (2)

式中：Q_mh--配合料显热热量，kj

m_mh--配合料质量，kg

C_mh--配合料比热容，0.8368kj/(kg·℃)

T_mh--配合料温度，℃

3)燃料低位燃烧热量

Q_fb＝q_fb·m_fb (3)

式中：Q_fb--燃料低位燃烧热量，kj

q_fb--石油焦低位热值，kj/kg

m_fb--燃料质量，kg

4)燃料显热

Q_fh＝C_fh·m_fk·T_fh (4)

式中：Q_fh--燃料比热容，229kj/(kg·℃)

m_fh--燃料质量，kg

T_fh--燃料温度，℃

输出体系

5)玻璃液带出热量

Q_lh＝m_th·C_th·q_th·t_th (5)

式中：Q_lh--玻璃液带出热量，kj

m_th--玻璃液质量，kg

C_th--玻璃液的比热容，1.337kj/(kg·℃)

q_th--形成每kg玻璃液所消耗的热量，635kj/kg

t_th--玻璃液离开体系时的温度，℃

6)池窑表面散热

Q_sh＝Q_煊顶＋Q_池底+Q_左侧墙+Q_右侧墙+Q_前胸墙+Q_后胸墙 (6)

式中：Q_sh--池窑表面散热热量，kj

Q_煊顶--池窑煊顶散热热量，kj

Q_池底--池窑底部散热热量，kj

Q_前胸墙--池窑前胸墙散热热量，kj

Q_后胸墙--池窑后胸墙散热热量，kj

Q_左侧墙--池窑左侧墙散热热量，kj

Q_右侧墙--池窑右侧墙散热热量，kj

A_x--为不同方向的散热系数，煊顶为11.7，池底为9.2，左右前后为7.5

T_x--为表面不同部位的温度，由该面墙多个温度传感器平均得出，℃

t--为池窑外部环境温度，℃

S_x-为池窑六个不同表面墙的面积，面积由设计图纸计算得出，m²

7)烟气显热

Q_gh＝V_gh·T_gh·C_gh (7)

式中：Q_gh--为烟气显热热量，kj

V_gh--为烟气体积，m³

T_gh--为烟气温度，℃

C_gh--为烟气比热容，1.319kj/(m³·℃)

8)孔口辐射散热

Q_ph＝Q_左1+Q_左2+Q_右1+Q_右2+Q_前1+Q_前2+Q_进料1+Q_进料2 (8)

式中：Q_ph--为总孔口辐射散热热量，kj

S_孔-为各个小孔的面积，面积由池窑图纸所得，m²

Q_左1，Q_左2-为左侧墙的两个小孔的辐射散热量，kj

Q_右1，Q_右2-为右侧墙的两个小孔的辐射散热量，kj

Q_前1，Q_前2-为前胸墙的两个小孔的辐射散热量，kj

Q_进料1，Q_进料2-为两个进料口的辐射散热量，kj

9)其他热损失

Q_oh＝Q_不完全+Q_换向+Q_冷却风+Q_其他 (9)

式中：Q_oh--为其他无法计算的损失热量，kj

Q_不完全--为不完全燃烧的损失热量，kj

Q_换向--为池窑喷火换向损失的热量，kj

Q_冷却风--为冷却风带走的热量，kj

Q_其他--其他各种因素带走的热量，kj

计算实时热效率值模块40：在计算实时热效率值模块40内生成马蹄焰玻璃窑炉内实时热效率计算模型：

式中：η为池窑的热效率值；Q_ah为助燃空气显热热量；Q_mh为配合料显热热量；Q_fb为燃料低位燃烧热量；Q_fh为燃料比热容；Q_lh为玻璃液带出热量。

本发明具有以下优点：

1.窑炉设备DCS系统采集回来的数据，并不能直接计算热平衡。本发明可以不用额外购买测量仪器，仅使用设备自带的传感器的数据便可以完成热平衡分析。具有成本低，数据获取简便的特点。通过对数据的分析转换，得出一些新的数据(比如通过马蹄焰玻璃窑炉重量的变化来得出燃料的每小时消耗量，以及通过产品的质量来换算出玻璃液的质量)，解决了因为缺少核心计算数据而无法进行热平衡分析的问题。

2.本发明采用的是正平衡的计算方法，可以用较少的参数和数据求出热效率。现在大多热平衡分析采用的是反平衡的方法，反平衡需要计算冷却水，雾化介质，孔口溢流气体等参数，这些参数在窑炉的设备上是没办法采集的。所以用正平衡的计算方法可以避开这个问题。

3.通过对数据的分析，结合业务领域上的经验判断，对数据做了针对性的预处理。尤其是在马蹄焰玻璃窑炉这一长期高温高压的工作环境下，传感器容易采集到波动过大的数据，通过预处理能把解决数据波动过大的问题。在追求实时性和效率性的前提下，对判断数据的波动问题，分开两步计算。保证了热量计算所得的数据既高效又安全，从而让系统可以实时的对马蹄焰玻璃窑炉进行热平衡分析，最终得出窑炉实时的热效率值，提升能源利用率。

以上所述仅为发明的较佳实施例而己，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种马蹄焰玻璃窑炉数据预处理及热效率计算方法，其特征在于：包括以下步骤：

S1.通过数据采集装置采集玻璃窑炉内的温度数据；

S2.对S1步骤采集的温度数据进行预处理；

S3.对S2步骤预处理后的数据进行热平衡分析；

S4.最终获得马蹄焰玻璃窑炉内实时热效率计算模型，获得实时热效应值；

其中，S2步骤中的预处理过程包括以下步骤：

S201.判断S1步骤中数据是否存在异常值，并将该异常值剔除；

S202.在剔除异常值后，填补相应的数值，使数据完整。

2.根据权利要求1所述的一种马蹄焰玻璃窑炉数据预处理及热效率计算方法，其特征在于：S201步骤中检测异常值的过程是：

S2011.根据一段时间的历史数据，获取该段历史数据中的每一个小时的均值；先取其中一个输入或者输出的12个小时的值作为序列，求出该序列的移动极差均值、下限值以及上限值，并将待判断的数据与下限值以及上限值进行比较；

S2012.如果待判断的数据低于下限值或高于上限值，则该待判断的数据判定为可疑值，则进入深度分析步骤：

所述的深度分析步骤包括以下步骤：

S2013.对可疑的数据，取其S2011步骤中所述该段时间内一个月以来的历史数据，并按照大小排序，得到序列B(b1,b2,b3…bn)；

S2014.先取序列B中所有数值由小到大排列后第25％的数字，令该数为Q1；

S2015.取序列B中所有数值由小到大排列后第50％的数字，令该数为Q2；

S2016.取序列B中所有数值由小到大排列后第75％的数字，令该数为Q3；

S2017.设IQR＝Q3-Q1，则最小值min＝Q1-1.5IQR，最大值max＝Q3+1.5IQR；

S2018.当最新的数据，大于max或者小于min，都认为是数据波动过大，视为异常值。

3.根据权利要求1所述的一种马蹄焰玻璃窑炉数据预处理及热效率计算方法，其特征在于：S202步骤中填补相应的数值的过程是：

S2021.通过玻璃窑炉内的温度数据，判断玻璃窑炉内的燃烧状态；

S2022.根据玻璃窑炉内的温度数据，判断玻璃窑炉内的燃烧趋势；

S2023.根据玻璃窑炉内的燃烧状态和燃烧趋势，采用均值与随机参数结合的方式填补缺失值。

4.根据权利要求3所述的一种马蹄焰玻璃窑炉数据预处理及热效率计算方法，其特征在于：所述的S2021步骤中的玻璃窑炉内的燃烧状态的判断方法是：先获取玻璃窑炉内的温度数据中的一组连续数据，得到序列S＝{S1,S2,S3,…,S10}；其中Si表示某一时刻计量表上的值；得出该序列S中数据的均值Sa；若S1和S10都>＝Sa或者S1和S10都<＝Sa,则重新选取一组新的序列S；若S1>Sa且S10<Sa,则序列S处于下降趋势，则玻璃窑炉处于不断输出燃料进行燃烧，而不添加燃料的状态；若S1<Sa且S10>Sa,则序列S处于上升趋势，则玻璃窑炉处于不断输出燃料进行燃烧，而持续的添加燃料的状态；

所述的S2022步骤中玻璃窑炉内的燃烧趋势的判断方法是：根据玻璃窑炉内的燃烧状态，获得数据序列U＝{U1,U2,U3,…}；当上述的序列S处于下降趋势，且U1小于S10，则认为序列继续下降中；若U1大于S10,则令趋势转折点为T＝1，若Ui+1大于Ui，则T+1；若Ui+1小于Ui，则T重置为0；当T＝5时，序列下降趋势发生改变，变为了上升；在下降趋势的时间t内，工作罐的变化量，就是燃料的变化量V燃；V燃＝(S1–U1)/T。

5.根据权利要求1所述的一种马蹄焰玻璃窑炉数据预处理及热效率计算方法，其特征在于：所述的S3步骤的热平衡分析的过程是：

S301.构建热量输入输出模型；

S302.利用数据采集装置采集马蹄焰玻璃窑炉内温度数据；

S303.热平衡计算。

6.根据权利要求1所述的一种马蹄焰玻璃窑炉数据预处理及热效率计算方法，其特征在于：所述的S4步骤的马蹄焰玻璃窑炉内实时热效率计算模型为：

其中，Q_ah为助燃空气显热热量；Q_mh为配合料显热热量；Q_fb为燃料低位燃烧热量；Q_fh为燃料比热容；Q_lh为玻璃液带出热量。

7.一种马蹄焰玻璃窑炉数据预处理及热效率计算系统，其特征在于：包括数据采集模块模块(10)、数据预处理模块(20)、马蹄焰窑炉热平衡模块(30)以及计算实时热效率值模块(40)；其中，数据采集模块模块(10)采集马蹄焰玻璃窑炉内的温度数据，通过数据预处理模块(20)剔除异常值和补充缺失值后，将数据发送至马蹄焰窑炉热平衡模块(30)中进行热平衡分析，最终在计算实时热效率值模块(40)中生成马蹄焰玻璃窑炉内实时热效率计算模型。

Images