CN111445132A - 数据处理方法、数据处理系统及计算机存储介质 - Google Patents

数据处理方法、数据处理系统及计算机存储介质 Download PDF

Info

Publication number
CN111445132A
CN111445132A CN202010222681.1A CN202010222681A CN111445132A CN 111445132 A CN111445132 A CN 111445132A CN 202010222681 A CN202010222681 A CN 202010222681A CN 111445132 A CN111445132 A CN 111445132A
Authority
CN
China
Prior art keywords
difference
consumption
operation parameter
target
real
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.)
Granted
Application number
CN202010222681.1A
Other languages
English (en)
Other versions
CN111445132B (zh
Inventor
曾广斌
王晓泉
徐同博
王鑫
闻军
陈世和
张含智
袁雪峰
马成龙
聂怀志
卫平宝
陈建华
李晓静
姜利辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Goes Out New Knowledge Property Right Management Co ltd
Original Assignee
China Resource Power Technology Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Resource Power Technology Research Institute filed Critical China Resource Power Technology Research Institute
Priority to CN202010222681.1A priority Critical patent/CN111445132B/zh
Publication of CN111445132A publication Critical patent/CN111445132A/zh
Application granted granted Critical
Publication of CN111445132B publication Critical patent/CN111445132B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/0633—Workflow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Development Economics (AREA)
  • Biomedical Technology (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

本申请实施例公开了一种数据处理方法、数据处理系统及计算机存储介质，用于对运行参数进行耗差分析。本申请实施例方法包括：利用神经网络算法对耗差计算模型进行训练，耗差计算模型的输入为运行参数，输出为运行参数对应的耗差。得到耗差计算模型之后，将待处理运行参数输入该耗差计算模型，得到目标耗差，将目标耗差与根据耗差表查找到的运行参数对应的耗差进行对比，得到耗差偏差数值，也就是对标结果。本申请实施例利用了神经网络算法对运行参数进行耗差分析，运行参数的耗差分析无需技术人员参与，无需技术人员投入大量的工作时间，因此节省了技术人员的工作时间且对标结果不会带有个人的主观因素。

Description

数据处理方法、数据处理系统及计算机存储介质
技术领域
本申请实施例涉及数据处理领域，具体涉及一种数据处理方法、数据处理系统及计算机存储介质。
背景技术
关键指标对标是火力发电管理系统中的关键部分，对标管理有利于认真开展火电厂生产运行诊断工作、夯实各项基础工作以及管理流程的再造。真实反应出对标结果是对标管理的主要支撑。其中关键指标可以是运行参数对应的指标。
以往的关键指标对标的做法是，首先需要技术人员从各个系统及生产报表中提取机组的运行参数，并根据技术人员的自我认识和工作经验进行数据清洗及辨识，依靠主观因素对运行参数进行分析，得到运行参数对应的耗差。然后，根据耗差表查找出运行参数对应的耗差，其中耗差表源自机组的历史试验报告数据。最后将技术人员分析得到的运行参数对应的耗差与根据耗差表查找到的运行参数对应的耗差进行对比，得到对标结果。
然而，关键指标对比由技术人员采集运行参数并分析处理，当运行参数的数据量庞大时，会增加技术人员的工作量，而且技术人员依靠主观因素对运行参数进行分析得到的对标结果的主观性较强。
发明内容
本申请实施例提供了一种数据处理方法、数据处理系统及计算机存储介质，用于对运行参数进行耗差分析。
本申请实施例第一方面提供了一种数据处理方法，包括：
获取运行参数及所述运行参数对应的耗差；
利用神经网络算法对耗差计算模型进行训练，其中所述耗差计算模型的输入为所述运行参数，所述耗差计算模型的输出为所述运行参数对应的耗差；
获取待处理运行参数，向所述耗差计算模型输入所述待处理运行参数，使用所述耗差计算模型计算得到所述待处理运行参数对应的目标耗差；
将所述目标耗差与根据耗差表查找到的所述待处理运行参数对应的耗差进行对比，得到耗差偏差数值，其中耗差表为机组的历史试验报告数据。
优选的，所述方法还包括：
调取所述目标耗差及所述耗差偏差数值；
使用所述目标耗差及所述耗差偏差数值对耗差分析模型进行训练，以使所述耗差分析模型训练得到耗差偏差数值的第一标准范围及目标耗差的第二标准范围。
优选的，所述使用所述目标耗差及所述耗差偏差数值对耗差分析模型进行训练之后，所述方法还包括：
获取实时运行参数，向所述耗差计算模型输入所述实时运行参数，使用所述耗差计算模型计算得到所述实时运行参数对应的目标耗差；
将所述实时运行参数对应的目标耗差与根据所述耗差表查找到的所述实时运行参数对应的耗差进行对比，得到所述实时运行参数对应的耗差偏差数值；
向所述耗差分析模型输入所述实时运行参数对应的目标耗差及所述实时运行参数对应的耗差偏差数值，得到所述耗差分析模型判断所述实时运行参数对应的目标耗差是否在所述第二标准范围内的判断结果，以及所述耗差分析模型判断所述实时运行参数对应的耗差偏差数值是否在所述第一标准范围内的判断结果。
优选的，所述获取运行参数及所述运行参数对应的耗差之后，所述方法还包括：
判断所述运行参数是否在预设范围内；
若所述运行参数中的一个或多个在所述预设范围内，则将在所述预设范围内的运行参数确定为所述耗差计算模型的训练数据。
优选的，所述获取运行参数及所述运行参数对应的耗差之后，所述方法还包括：
剔除所述运行参数中数据超限或死值的运行参数。
本申请实施例第二方面提供了一种数据处理系统，包括：
获取单元，用于获取运行参数及所述运行参数对应的耗差；
训练单元，用于利用神经网络算法对耗差计算模型进行训练，其中所述耗差计算模型的输入为所述运行参数，所述耗差计算模型的输出为所述运行参数对应的耗差；
计算单元，用于获取待处理运行参数，向所述耗差计算模型输入所述待处理运行参数，使用所述耗差计算模型计算得到所述待处理运行参数对应的目标耗差；
对比单元，用于将所述目标耗差与根据耗差表查找到的所述待处理运行参数对应的耗差进行对比，得到耗差偏差数值，其中耗差表为机组的历史试验报告数据。
优选的，所述数据处理系统还包括：
调取单元，用于调取所述目标耗差及所述耗差偏差数值；
所述训练单元还用于使用所述目标耗差及所述耗差偏差数值对耗差分析模型进行训练，以使所述耗差分析模型训练得到耗差偏差数值的第一标准范围及目标耗差的第二标准范围。
优选的，所述计算单元还用于获取实时运行参数，向所述耗差计算模型输入所述实时运行参数，使用所述耗差计算模型计算得到所述实时运行参数对应的目标耗差；
所述对比单元还用于将所述实时运行参数对应的目标耗差与根据所述耗差表查找到的所述实时运行参数对应的耗差进行对比，得到所述实时运行参数对应的耗差偏差数值；
所述数据处理系统还包括：
输入输出单元，用于向所述耗差分析模型输入所述实时运行参数对应的目标耗差及所述实时运行参数对应的耗差偏差数值，得到所述耗差分析模型判断所述实时运行参数对应的目标耗差是否在所述第二标准范围内的判断结果，以及所述耗差分析模型判断所述实时运行参数对应的耗差偏差数值是否在所述第一标准范围内的判断结果。
优选的，所述数据处理系统还包括：
判断单元，用于判断所述运行参数是否在预设范围内；
确定单元，用于若所述运行参数中的一个或多个在所述预设范围内，则将在所述预设范围内的运行参数确定为所述耗差计算模型的训练数据。
优选的，所述数据处理系统还包括：
剔除单元，用于剔除所述运行参数中数据超限或死值的运行参数。
本申请实施例第三方面提供了一种数据处理系统，包括：
处理器、存储器、总线、输入输出设备；
所述处理器与所述存储器、输入输出设备相连；
所述总线分别连接所述处理器、存储器以及输入输出设备；
所述输入输出设备获取运行参数及所述运行参数对应的耗差；
所述处理器用于利用神经网络算法对耗差计算模型进行训练，其中所述耗差计算模型的输入为所述运行参数，所述耗差计算模型的输出为所述运行参数对应的耗差，获取待处理运行参数，向所述耗差计算模型输入所述待处理运行参数，使用所述耗差计算模型计算得到所述待处理运行参数对应的目标耗差，将所述目标耗差与根据耗差表查找到的所述待处理运行参数对应的耗差进行对比，得到耗差偏差数值，其中耗差表为机组的历史试验报告数据。
本申请实施例第四方面提供了一种计算机存储介质，计算机存储介质中存储有指令，该指令在计算机上执行时，使得计算机执行前述第一方面的方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请实施例利用神经网络算法对耗差计算模型进行训练，耗差计算模型的输入为运行参数，输出为运行参数对应的耗差。得到耗差计算模型之后，将待处理运行参数输入该耗差计算模型，得到目标耗差，将目标耗差与根据耗差表查找到的运行参数对应的耗差进行对比，得到耗差偏差数值，也就是对标结果。本申请实施例利用了神经网络算法对运行参数进行耗差分析，运行参数的耗差分析无需技术人员参与，无需技术人员投入大量的工作时间，因此节省了技术人员的工作时间且对标结果不会带有个人的主观因素。
附图说明
图1为本申请实施例中数据处理方法一个流程示意图；
图2为本申请实施例中数据处理系统一个结构示意图；
图3为本申请实施例中数据处理系统另一结构示意图；
图4为本申请实施例中数据处理系统另一结构示意图。
具体实施方式
本申请实施例提供了一种数据处理方法、数据处理系统及计算机存储介质，用于对运行参数进行耗差分析。
请参阅图1，本申请实施例中数据处理方法一个实施例包括：
101、获取运行参数及运行参数对应的耗差；
数据处理系统获取运行参数及运行参数对应的耗差，运行参数及运行参数对应的耗差可用于在后续的步骤作为训练耗差计算模型的训练数据。
其中，数据处理系统可以是分布式控制系统(distributed control system，DCS)，也可以是厂级监控信息系统(supervisory information system，SIS)，还可以是企业资源计划ERP系统或者其它生产信息系统。
例如，当本实施例的控制系统以DCS系统的形式运行时，控制系统与各个工况设备进行连接，以获取各个工况设备的运行参数。具体的，运行参数可以是煤质数据、飞灰含碳量、炉渣含碳量数据以及燃料信息提供的配煤掺烧信息等运行参数。
由于运行参数作为训练耗差计算模型的训练数据，因此，还可以对获取到的运行参数进行数据预处理。数据预处理的方式可以是对获取到的运行参数进行数据合理性判断，即判断运行参数是否在预设范围内，其中预设范围是技术人员根据运行参数的历史数据所设定的范围。
当运行参数中的一个或多个在预设范围内时，数据处理系统将在预设范围内的运行参数确定为耗差计算模型的训练数据。若有一个或多个运行参数不在预设范围内，即有部分运行参数为超限的数据，则将该不在预设范围内的运行参数剔除，不作为耗差计算模型的训练数据。
此外，数据预处理的方式还可以是剔除运行参数中死值的运行参数。死值是指，在正常情况下，运行参数会在一定的合理范围内呈现数值的上下波动，若某个运行参数在一段时间内数值始终维持不变，说明该运行参数异常，不宜作为可用于分析的数据。因此，若运行参数中出现死值，则应该将该死值的运行参数剔除，不将其作为耗差计算模型的训练数据。
本申请实施例中，数据预处理的方式还可以是对运行数据进行数据清洗或其他预处理方式，具体此处不作限定。
可以理解的是，若运行参数在所有历史数据中的代表性较强，具有一定的参考意义，也可以无需执行数据预处理的操作，具体此处不作限定。
102、利用神经网络算法对耗差计算模型进行训练；
数据处理系统获取到运行参数及其对应的耗差之后，将运行参数及其对应的耗差作为耗差计算模型的训练数据，其中耗差计算模型的输入为运行参数，耗差计算模型的输出为运行参数对应的耗差。
本实施例中，神经网络算法可以是反向传播神经网络(back propagation neuralnetwork，BP)算法,也可以是LM-BP神经网络算法、RBF神经网络算法或者其他神经网络算法，具体此处不作限定。
103、获取待处理运行参数，向耗差计算模型输入待处理运行参数，使用耗差计算模型计算得到待处理运行参数对应的目标耗差；
本实施例中，数据处理系统获取待处理运行参数的方式与前述步骤101中获取运行参数的方式类似，具体此处不再赘述。
数据处理系统获取到待处理运行参数之后，向步骤102所得到的训练好的耗差计算模型输入待处理运行参数，耗差计算模型计算并输出待处理运行参数对应的目标耗差。
104、将目标耗差与根据耗差表查找到的待处理运行参数对应的耗差进行对比，得到耗差偏差数值；
数据处理系统得到待处理运行参数对应的目标耗差之后，将目标耗差与根据耗差表查找到的待处理运行参数对应的耗差进行对比，得到耗差偏差数值，其中耗差表为机组的历史试验报告数据。
105、调取目标耗差及耗差偏差数值；
数据处理系统得到目标耗差及耗差偏差数值之后，可以建立多个目标耗差对应的数据库以及多个耗差偏差数值对应的数据库，以便于数据的管理和查询。当需要使用目标耗差及耗差偏差数值时，从数据库中调取相应的数据。
106、使用目标耗差及耗差偏差数值对耗差分析模型进行训练；
数据处理系统调取到多个目标耗差及多个耗差偏差数值之后，使用目标耗差及耗差偏差数值对耗差分析模型进行训练，目的是使用多个目标耗差及多个耗差偏差数值对耗差分析模型进行训练，经过训练，耗差分析模型输出耗差偏差数值对应的第一标准范围及目标耗差对应的第二标准范围。其中，第一标准范围可以作为衡量耗差偏差数值的合理性的标准，第二标准范围可以作为衡量目标耗差的合理性的标准。
107、获取实时运行参数，向耗差计算模型输入实时运行参数，使用耗差计算模型计算得到实时运行参数对应的目标耗差；
在火电机组的日常运行过程中，数据处理系统可以获取火电机组的实时运行参数，实时运行参数为火电机组在运行过程中的实时数据。
数据处理系统获取到火电机组的实时运行参数之后，向耗差计算模型输入实时运行参数，使用耗差计算模型计算得到实时运行参数对应的目标耗差。本步骤中数据处理系统使用耗差计算模型计算得到实时运行参数对应的目标耗差的方式与前述步骤103数据处理系统使用耗差计算模型计算得到待处理运行参数对应的目标耗差的方式类似，具体此处不再赘述。
108、将实时运行参数对应的目标耗差与根据耗差表查找到的实时运行参数对应的耗差进行对比，得到实时运行参数对应的耗差偏差数值；
数据处理系统得到实时运行参数对应的目标耗差之后，将实时运行参数对应的目标耗差与根据耗差表查找到的实时运行参数对应的耗差进行对比，得到实时运行参数对应的耗差偏差数值，其中耗差表为机组的历史试验报告数据。
109、向耗差分析模型输入实时运行参数对应的目标耗差及实时运行参数对应的耗差偏差数值；
数据处理系统得到实时运行参数对应的目标耗差及实时运行参数对应的耗差偏差数值之后，向耗差分析模型输入实时运行参数对应的目标耗差及实时运行参数对应的耗差偏差数值。耗差分析模型根据步骤106所得到的第一标准范围和第二标准范围，判断实时运行参数对应的目标耗差是否在第二标准范围内，以及判断实时运行参数对应的耗差偏差数值是否在第一标准范围内，并输出判断结果。
本实施例利用神经网络算法对耗差计算模型进行训练，耗差计算模型的输入为运行参数，输出为运行参数对应的耗差。得到耗差计算模型之后，将待处理运行参数输入该耗差计算模型，得到目标耗差，将目标耗差与根据耗差表查找到的运行参数对应的耗差进行对比，得到耗差偏差数值，也就是对标结果。本实施例利用了神经网络算法对运行参数进行耗差分析，运行参数的耗差分析无需技术人员参与，无需技术人员投入大量的工作时间，因此节省了技术人员的工作时间且对标结果不会带有个人的主观因素。
同时，在对实时运行参数的耗差分析过程中，可以实时更新火电机组的关键运行指标对火电机组标煤单耗影响的多维标杆库。其中，关键运行指标可以是主汽温度、再减水量、凝汽器真空度、排烟温度、飞灰等运行指标。
上面对本申请实施例中的数据处理方法进行了描述，下面对本申请实施例中的数据处理系统进行描述，请参阅图2，本申请实施例中数据处理系统一个实施例包括：
获取单元201，用于获取运行参数及运行参数对应的耗差；
训练单元202，用于利用神经网络算法对耗差计算模型进行训练，其中耗差计算模型的输入为运行参数，耗差计算模型的输出为运行参数对应的耗差；
计算单元203，用于获取待处理运行参数，向耗差计算模型输入待处理运行参数，使用耗差计算模型计算得到待处理运行参数对应的目标耗差；
对比单元204，用于将目标耗差与根据耗差表查找到的待处理运行参数对应的耗差进行对比，得到耗差偏差数值，其中耗差表为机组的历史试验报告数据。
本实施例中，数据处理系统中各单元所执行的操作与前述图1所示实施例中描述的类似，此处不再赘述。
本实施例中，训练单元202利用神经网络算法对耗差计算模型进行训练，耗差计算模型的输入为运行参数，输出为运行参数对应的耗差。计算单元203得到耗差计算模型之后，将待处理运行参数输入该耗差计算模型进行计算，得到目标耗差，对比单元204将目标耗差与根据耗差表查找到的运行参数对应的耗差进行对比，得到耗差偏差数值，也就是对标结果。本实施例利用了神经网络算法对运行参数进行耗差分析，运行参数的耗差分析无需技术人员参与，无需技术人员投入大量的工作时间，因此节省了技术人员的工作时间且对标结果不会带有个人的主观因素。
请参阅图3，本申请实施例中数据处理系统另一实施例包括：
获取单元301，用于获取运行参数及运行参数对应的耗差；
训练单元302，用于利用神经网络算法对耗差计算模型进行训练，其中耗差计算模型的输入为运行参数，耗差计算模型的输出为运行参数对应的耗差；
计算单元303，用于获取待处理运行参数，向耗差计算模型输入待处理运行参数，使用耗差计算模型计算得到待处理运行参数对应的目标耗差；
对比单元304，用于将目标耗差与根据耗差表查找到的待处理运行参数对应的耗差进行对比，得到耗差偏差数值，其中耗差表为机组的历史试验报告数据。
本实施例中，数据处理系统还包括：
调取单元305，用于调取目标耗差及耗差偏差数值；
训练单元302还用于使用目标耗差及耗差偏差数值对耗差分析模型进行训练，以使耗差分析模型训练得到耗差偏差数值的第一标准范围及目标耗差的第二标准范围。
其中，计算单元303还用于获取实时运行参数，向耗差计算模型输入实时运行参数，使用耗差计算模型计算得到实时运行参数对应的目标耗差；
对比单元304还用于将实时运行参数对应的目标耗差与根据耗差表查找到的实时运行参数对应的耗差进行对比，得到实时运行参数对应的耗差偏差数值；
数据处理系统还包括：
输入输出单元306，用于向耗差分析模型输入实时运行参数对应的目标耗差及实时运行参数对应的耗差偏差数值，得到耗差分析模型判断实时运行参数对应的目标耗差是否在第二标准范围内的判断结果，以及耗差分析模型判断实时运行参数对应的耗差偏差数值是否在第一标准范围内的判断结果。
本实施例中，数据处理系统还包括：
判断单元307，用于判断运行参数是否在预设范围内；
确定单元308，用于若运行参数中的一个或多个在预设范围内，则将在预设范围内的运行参数确定为耗差计算模型的训练数据。
本实施例中，数据处理系统还包括：
剔除单元309，用于剔除运行参数中数据超限或死值的运行参数。
本实施例中，数据处理系统中各单元所执行的操作与前述图1所示实施例中描述的类似，此处不再赘述。
下面对本申请实施例中的数据处理系统进行描述，请参阅图4，本申请实施例中数据处理系统一个实施例包括：
该数据处理系统400可以包括一个或一个以上中央处理器(central processingunits，CPU)401和存储器405，该存储器405中存储有一个或一个以上的应用程序或数据。
其中，存储器405可以是易失性存储或持久存储。存储在存储器405的程序可以包括一个或一个以上模块，每个模块可以包括对数据处理系统中的一系列指令操作。更进一步地，中央处理器401可以设置为与存储器405通信，在数据处理系统400上执行存储器405中的一系列指令操作。
数据处理系统400还可以包括一个或一个以上电源402，一个或一个以上有线或无线网络接口403，一个或一个以上输入输出接口404，和/或，一个或一个以上操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等。
该中央处理器401可以执行前述图1所示实施例中数据处理系统所执行的操作，具体此处不再赘述。
本申请实施例还提供了一种计算机存储介质，其中一个实施例包括：该计算机存储介质中存储有指令，该指令在计算机上执行时，使得该计算机执行前述图1所示实施例中数据处理系统所执行的操作。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，read-onlymemory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (12)

1.一种数据处理方法，其特征在于，包括：
获取运行参数及所述运行参数对应的耗差；
利用神经网络算法对耗差计算模型进行训练，其中所述耗差计算模型的输入为所述运行参数，所述耗差计算模型的输出为所述运行参数对应的耗差；
获取待处理运行参数，向所述耗差计算模型输入所述待处理运行参数，使用所述耗差计算模型计算得到所述待处理运行参数对应的目标耗差；
将所述目标耗差与根据耗差表查找到的所述待处理运行参数对应的耗差进行对比，得到耗差偏差数值，其中耗差表为机组的历史试验报告数据。
2.根据权利要求1所述的数据处理方法，其特征在于，所述方法还包括：
调取所述目标耗差及所述耗差偏差数值；
使用所述目标耗差及所述耗差偏差数值对耗差分析模型进行训练，以使所述耗差分析模型训练得到耗差偏差数值的第一标准范围及目标耗差的第二标准范围。
3.根据权利要求2所述的数据处理方法，其特征在于，所述使用所述目标耗差及所述耗差偏差数值对耗差分析模型进行训练之后，所述方法还包括：
获取实时运行参数，向所述耗差计算模型输入所述实时运行参数，使用所述耗差计算模型计算得到所述实时运行参数对应的目标耗差；
将所述实时运行参数对应的目标耗差与根据所述耗差表查找到的所述实时运行参数对应的耗差进行对比，得到所述实时运行参数对应的耗差偏差数值；
向所述耗差分析模型输入所述实时运行参数对应的目标耗差及所述实时运行参数对应的耗差偏差数值，得到所述耗差分析模型判断所述实时运行参数对应的目标耗差是否在所述第二标准范围内的判断结果，以及所述耗差分析模型判断所述实时运行参数对应的耗差偏差数值是否在所述第一标准范围内的判断结果。
4.根据权利要求1所述的数据处理方法，其特征在于，所述获取运行参数及所述运行参数对应的耗差之后，所述方法还包括：
判断所述运行参数是否在预设范围内；
若所述运行参数中的一个或多个在所述预设范围内，则将在所述预设范围内的运行参数确定为所述耗差计算模型的训练数据。
5.根据权利要求1所述的数据处理方法，其特征在于，所述获取运行参数及所述运行参数对应的耗差之后，所述方法还包括：
剔除所述运行参数中数据超限或死值的运行参数。
6.一种数据处理系统，其特征在于，包括：
获取单元，用于获取运行参数及所述运行参数对应的耗差；
训练单元，用于利用神经网络算法对耗差计算模型进行训练，其中所述耗差计算模型的输入为所述运行参数，所述耗差计算模型的输出为所述运行参数对应的耗差；
计算单元，用于获取待处理运行参数，向所述耗差计算模型输入所述待处理运行参数，使用所述耗差计算模型计算得到所述待处理运行参数对应的目标耗差；
对比单元，用于将所述目标耗差与根据耗差表查找到的所述待处理运行参数对应的耗差进行对比，得到耗差偏差数值，其中耗差表为机组的历史试验报告数据。
7.根据权利要求6所述的数据处理系统，其特征在于，所述数据处理系统还包括：
调取单元，用于调取所述目标耗差及所述耗差偏差数值；
所述训练单元还用于使用所述目标耗差及所述耗差偏差数值对耗差分析模型进行训练，以使所述耗差分析模型训练得到耗差偏差数值的第一标准范围及目标耗差的第二标准范围。
8.根据权利要求7所述的数据处理系统，其特征在于，所述计算单元还用于获取实时运行参数，向所述耗差计算模型输入所述实时运行参数，使用所述耗差计算模型计算得到所述实时运行参数对应的目标耗差；
所述对比单元还用于将所述实时运行参数对应的目标耗差与根据所述耗差表查找到的所述实时运行参数对应的耗差进行对比，得到所述实时运行参数对应的耗差偏差数值；
所述数据处理系统还包括：
输入输出单元，用于向所述耗差分析模型输入所述实时运行参数对应的目标耗差及所述实时运行参数对应的耗差偏差数值，得到所述耗差分析模型判断所述实时运行参数对应的目标耗差是否在所述第二标准范围内的判断结果，以及所述耗差分析模型判断所述实时运行参数对应的耗差偏差数值是否在所述第一标准范围内的判断结果。
9.根据权利要求6所述的数据处理系统，其特征在于，所述数据处理系统还包括：
判断单元，用于判断所述运行参数是否在预设范围内；
确定单元，用于若所述运行参数中的一个或多个在所述预设范围内，则将在所述预设范围内的运行参数确定为所述耗差计算模型的训练数据。
10.根据权利要求6所述的数据处理系统，其特征在于，所述数据处理系统还包括：
剔除单元，用于剔除所述运行参数中数据超限或死值的运行参数。
11.一种数据处理系统，其特征在于，包括：
处理器、存储器、总线、输入输出设备；
所述处理器与所述存储器、输入输出设备相连；
所述总线分别连接所述处理器、存储器以及输入输出设备；
所述输入输出设备获取运行参数及所述运行参数对应的耗差；
所述处理器用于利用神经网络算法对耗差计算模型进行训练，其中所述耗差计算模型的输入为所述运行参数，所述耗差计算模型的输出为所述运行参数对应的耗差，获取待处理运行参数，向所述耗差计算模型输入所述待处理运行参数，使用所述耗差计算模型计算得到所述待处理运行参数对应的目标耗差，将所述目标耗差与根据耗差表查找到的所述待处理运行参数对应的耗差进行对比，得到耗差偏差数值，其中耗差表为机组的历史试验报告数据。
12.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有指令，所述指令在计算机上执行时，使得所述计算机执行如权利要求1至5中任一项所述的方法。
CN202010222681.1A 2020-03-26 2020-03-26 数据处理方法、数据处理系统及计算机存储介质 Active CN111445132B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010222681.1A CN111445132B (zh) 2020-03-26 2020-03-26 数据处理方法、数据处理系统及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010222681.1A CN111445132B (zh) 2020-03-26 2020-03-26 数据处理方法、数据处理系统及计算机存储介质

Publications (2)

Publication Number Publication Date
CN111445132A true CN111445132A (zh) 2020-07-24
CN111445132B CN111445132B (zh) 2023-05-02

Family

ID=71647962

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010222681.1A Active CN111445132B (zh) 2020-03-26 2020-03-26 数据处理方法、数据处理系统及计算机存储介质

Country Status (1)

Country Link
CN (1) CN111445132B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288268A (zh) * 2020-10-28 2021-01-29 华润电力技术研究院有限公司 火电机组煤质辨识方法、火电机组控制方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235986A (zh) * 2013-05-03 2013-08-07 上海发电设备成套设计研究院 基于锅炉安全性分析的运行优化耗差优化方法
CN109389254A (zh) * 2018-12-29 2019-02-26 华润电力技术研究院有限公司 能耗偏差概率计算方法、装置及计算机存储介质
CN110764468A (zh) * 2018-07-26 2020-02-07 国家能源投资集团有限责任公司 一种确定火电机组运行参数基准值的方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235986A (zh) * 2013-05-03 2013-08-07 上海发电设备成套设计研究院 基于锅炉安全性分析的运行优化耗差优化方法
CN110764468A (zh) * 2018-07-26 2020-02-07 国家能源投资集团有限责任公司 一种确定火电机组运行参数基准值的方法及装置
CN109389254A (zh) * 2018-12-29 2019-02-26 华润电力技术研究院有限公司 能耗偏差概率计算方法、装置及计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李晓金等: "火电机组耗差分析系统的实现方式和数学模型的分析研究", 《华北电力技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288268A (zh) * 2020-10-28 2021-01-29 华润电力技术研究院有限公司 火电机组煤质辨识方法、火电机组控制方法及系统
CN112288268B (zh) * 2020-10-28 2024-05-10 深圳市出新知识产权管理有限公司 火电机组煤质辨识方法、火电机组控制方法及系统

Also Published As

Publication number Publication date
CN111445132B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN111259947A (zh) 一种基于多模态学习的电力系统故障预警方法和系统
JPH10135091A (ja) プロセス加工工程の異常抽出方法及び装置
CN111242464A (zh) 一种基于spc的陶瓷卫浴质量管理方法
CN111046582A (zh) 一种核电站柴油发电机组线圈温度预警方法及系统
CN116070527B (zh) 基于退化模型的铣削刀具剩余寿命预测方法
CN114721856A (zh) 业务数据处理方法、装置、设备及存储介质
CN116822353A (zh) 一种制造工艺过程的数字孪生模型快速构建方法
CN111077876B (zh) 一种电站设备状态智能评价和预警方法、装置及系统
CN111445132A (zh) 数据处理方法、数据处理系统及计算机存储介质
CN110647106B (zh) 刀具性能监测及评价方法和系统
CN106054832B (zh) 基于多变量的间歇化工生产过程动态在线监测方法与装置
CN116028887A (zh) 一种连续性工业生产数据的分析方法
CN109101001B (zh) 一种复合探头价值链数据采集及监控方法
CN112559591B (zh) 一种用于冷轧辊制造过程的离群检测系统及其检测方法
CN111142488B (zh) 基于工况比对驱动的流程工业优化方法
CN115186935B (zh) 一种机电设备非线性故障预测方法及系统
CN116382224A (zh) 一种基于数据分析的包装设备监测方法及系统
CN116308295A (zh) 一种工业生产数据管理方法及系统
CN111080089A (zh) 一种基于随机矩阵理论的线损率关键因子确定方法和装置
CN111381161A (zh) 一种发电机组远程在线健康状态诊断方法
CN115115213A (zh) 一种钢铁产品质量特性的追溯分析方法及装置
CN112488410A (zh) 基于设备综合效率的生产设备性能优化方法及装置
CN118051733A (zh) 多数据融合的辅机健康状态监测方法
CN114109737B (zh) 风电机组液压站状态诊断系统及方法
CN117140186A (zh) 一种基于人工智能的机械加工车间在线监测系统及方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240412

Address after: 518066 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.)

Patentee after: Shenzhen goes out new knowledge property right management Co.,Ltd.

Country or region after: China

Address before: 523808 Room 308, unit 1, building 18, no.6, Libin Road, Songshanhu Park, Dongguan City, Guangdong Province

Patentee before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right