CN111553072B - 设备特性曲线的确定方法及装置 - Google Patents
设备特性曲线的确定方法及装置 Download PDFInfo
- Publication number
- CN111553072B CN111553072B CN202010342124.3A CN202010342124A CN111553072B CN 111553072 B CN111553072 B CN 111553072B CN 202010342124 A CN202010342124 A CN 202010342124A CN 111553072 B CN111553072 B CN 111553072B
- Authority
- CN
- China
- Prior art keywords
- coordinate data
- coordinate
- data set
- determining
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000011218 segmentation Effects 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 17
- 238000007418 data mining Methods 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 15
- 238000002485 combustion reaction Methods 0.000 description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种设备特性曲线的确定方法、装置、计算机可读存储介质及电子设备，方法包括：获取目标设备的实际运行数据集对应的第一坐标数据集；对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个第二坐标数据集；对所述第二坐标数据集中的第二坐标数据进行参考坐标点标定，确定所述第二坐标数据集对应的参考坐标点的第三坐标数据；根据每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据，确定所述目标设备的设备特性曲线。通过本发明的技术方案，可降低运用实际运行数据进行数据分析及数据挖掘的难度，同时得到的设备特性曲线具有相对较高的准确性，能够更好的反映设备运行特征，指导设备的现场运行。
Description
技术领域
本发明涉及能源技术领域，尤其涉及设备特性曲线的确定方法及装置。
背景技术
能源设备(例如汽轮机、燃气轮机、内燃机等)均有大量反映设备运行工况的设备特性曲线，如效率-负荷曲线、排气温度-负荷曲线、进气流量-负荷曲线等，设备说明书中通常具有设计工况下的设备特性曲线，设备特性曲线用于与现场设备运行特征进行匹配，从而对设备运行进行指导。但由于实际运行中，运行工况往往偏离设计工况，同时由于负荷的波动、设备的磨损老化、人为操作等原因，使得设备说明书内的设备特性曲线不能完全匹配现场设备运行特征，对实际运行指导意义较弱。因此，通常需要根据现场设备的实际运行数据进行设备特性曲线的重新拟合绘制，采用现场设备的实际运行数据生成的设备特性曲线，从而更好的描述设备运行特征，指导现场设备的运行。
目前，主要通过多项式拟合、指数拟合、线性回归等数据拟合方法对现场设备的实际运行数据进行拟合，从而得到对应的设备特性曲线。
但是，现场设备的实际运行数据由于离散程度大、规律性弱及特征隐蔽等特点，导致通过上述数据拟合方法得到的设备特性曲线可能难以完全描述设备运行特征。
发明内容
本发明提供了一种设备特性曲线的确定方法、装置、计算机可读存储介质及电子设备，可降低运用实际运行数据进行数据分析及数据挖掘的难度，同时得到的设备特性曲线具有相对较高的准确性，能够更好的反映设备运行特征，当通过设备特性曲线指导设备的现场运行时，能够提高设备运行效率，降低设备运行成本。
第一方面，本发明提供了一种设备特性曲线的确定方法，包括：
获取目标设备的实际运行数据集对应的第一坐标数据集；
对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个第二坐标数据集；
对所述第二坐标数据集中的第二坐标数据进行参考坐标点标定，确定所述第二坐标数据集对应的参考坐标点的第三坐标数据；
根据每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据，确定所述目标设备的设备特性曲线。
可选地，所述对所述第二坐标数据集中的第二坐标数据进行参考坐标点标定，确定所述第二坐标数据集对应的参考坐标点的第三坐标数据，包括：
确定所述第二坐标数据集中的第二坐标数据的质量；
根据所述第二坐标数据集中的第二坐标数据的质量，确定所述第二坐标数据集中质心的第四坐标数据；
根据所述第二坐标数据集中质心的第四坐标数据，对所述第二坐标数据集中的第二坐标数据进行选择，以确定所述第二坐标数据集对应的参考坐标点的第三坐标数据。
可选地，所述参考坐标点距离所述质心的距离最小。
可选地，所述对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个第二坐标数据集，包括：
对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个分割坐标数据集；
去除所述分割坐标数据集中的异常数据，以确定第二坐标数据集。
可选地，所述获取目标设备的实际运行数据集对应的第一坐标数据集，包括：
获取目标设备的实际运行数据集；
将所述实际运行数据集中的数据映射至预设坐标系内，以获取所述实际运行数据集对应的第一坐标数据集。
可选地，所述获取目标设备的实际运行数据集，包括：
获取目标设备的现场运行数据集；
对所述现场运行数据集中的数据进行数据预处理，以确定实际运行数据集。
可选地，所述根据每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据，确定所述目标设备的设备特性曲线，包括：
对每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据进行曲线拟合，确定所述目标设备的设备特性曲线。
第二方面，本发明提供了一种设备特性曲线的确定装置，包括：
获取模块，用于获取目标设备的实际运行数据集对应的第一坐标数据集；
分割模块，用于对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个第二坐标数据集；
标定模块，用于对所述第二坐标数据集中的第二坐标数据进行参考坐标点标定，确定所述第二坐标数据集对应的参考坐标点的第三坐标数据；
曲线确定模块，用于根据每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据，确定所述目标设备的设备特性曲线。
第三方面，本发明提供了一种计算机可读存储介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
第四方面，本发明提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
本发明提供了一种设备特性曲线的确定方法、装置、计算机可读存储介质及电子设备，该方法通过获取目标设备的实际运行数据集对应的第一坐标数据集，以实现对实际运行数据集中的数据的坐标化，方便后期对数据进行曲线拟合，然后，对多个第一坐标数据集中的第一坐标数据进行数据分割，确定多个第二坐标数据集，从而便于在相对较小的数据范围内进行数据分析及数据挖掘，降低数据分析及数据挖掘的难度，然后，针对每个第二坐标数据集，对第二坐标数据集中的第二坐标数据进行参考坐标点标定，确定第二坐标数据集对应的参考坐标点的第三坐标数据，参考坐标点相当于第二坐标数据集对应的代表点，用于表征对第二坐标数据集中的第二坐标数据进行数据分析及数据挖掘后的数据结果，之后，根据每个第二坐标数据集分别对应的参考坐标点的第三坐标数据，确定目标设备的设备特性曲线，得到的设备特性曲线融合了对不同数据范围内的数据进行数据分析及数据挖掘后的结果，具有相对较高的准确性，能够更好的反映设备运行特征，当通过设备特性曲线指导设备的现场运行时，能够提高设备运行效率，降低设备运行成本。综上所述，通过本发明的技术方案，可降低运用实际运行数据进行数据分析及数据挖掘的难度，同时得到的设备特性曲线具有相对较高的准确性，能够更好的反映设备运行特征，当通过设备特性曲线指导设备的现场运行时，能够提高设备运行效率，降低设备运行成本。
上述的非惯用的优选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案，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中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种设备特性曲线的确定方法的流程示意图；
图2为本发明一实施例提供的另一种设备特性曲线的确定方法的流程示意图；
图3为本发明一实施例提供的现场运行数据对应的第一散点图；
图4为本发明一实施例提供的第二坐标数据对应的第二散点图；
图5为本发明一实施例提供的参考坐标点对应的第三散点图；
图6为图3对应的设备特性曲线图；
图7为本发明一实施例提供的一种设备特性曲线的确定装置的结构示意图；
图8为本发明一实施例提供的一种电子设备的结构示意图。
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，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所述，本发明实施例提供了一种设备特性曲线的确定方法，包括如下各个步骤：
步骤101，获取目标设备的实际运行数据集对应的第一坐标数据集。
在一些可行的实施例中，目标设备具体指的具备设备特性曲线的设备，比如可以是汽轮机、燃气轮机、内燃机等发电设备，本发明实施例对此不做具体限定，任何现有技术中具有设备特性曲线的设备皆适用。
在一些可行的实施例中，获取目标设备的实际运行数据集；将所述实际运行数据集中的数据映射至预设坐标系内，以获取所述实际运行数据集对应的第一坐标数据集。
具体地，预设坐标系通常是二维坐标系，包括两个坐标轴，每个坐标轴对应一个设备运行特征，设备运行特征指的是表示设备运行情况的参数，比如，可以是效率、负荷、排气温度、进气流量等，具体需要结合实际应用场景确定。
为了确保数据分析及数据挖掘得到的结果的准确性，实际运行数据集中的数据的数量应当是大量的，包括目标设备在不同工况下的多个运行数据；第一坐标数据集包括实际运行数据集中的多个数据映射到预设坐标系中的坐标，换言之，包括实际运行数据集中的每个数据映射到两个坐标轴上的数值。需要说明的是，实际运行数据集中的每个数据应当至少能够指示两个设备运行特征，从而能够将实际运行数据集中的数据映射到预设坐标系中，实现数据的坐标化，从而便于进行数据分析及数据挖掘。
为了便于数据挖掘与分析，在一些可行的实施例中，获取目标设备的现场运行数据集；对所述现场运行数据集中的数据进行数据预处理，以确定实际运行数据集。
现场运行数据集包括多个目标设备在实际运行过程中产生的数据。实际运行数据集可以理解为对现场运行数据集中的数据进行数据预处理后得到的数据。其中，数据预处理包括但不限于确定数据的输入范围、对量级差距较大数据进行归一化处理等，具体需要结合实际数据情况确定，本发明实施例对此不做具体限定。举例来说，循环发电机效率范围为30％-70％，则需要对获取的现场运行数据集中的数据进行滤除，保留循环发电机效率范围为30％-70％内的数据。
步骤102，对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个第二坐标数据集。
具体地，第一坐标数据集包括多个第一坐标数据，第一坐标数据可以理解为对实际运行数据集中的数据进行坐标化后的坐标数据，每个坐标数据包括实际运行数据集中的数据映射到至少两个坐标轴上的数值。
具体地，通过对第一坐标数据集进行数据分割，得到多个第二坐标数据集，实现对数据范围的缩小，从而降低数据分析及数据挖掘的难度。其中，每个第二坐标数据集包括多个第二坐标数据，每个第二坐标数据集中的第二坐标数据不同，所有的第二坐标数据集的并集为第一坐标数据集。显然，第二坐标数据位于第一坐标数据集中。
可选的，对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个分割坐标数据集；去除所述分割坐标数据集中的异常数据，以确定第二坐标数据集。
具体地，获取第一坐标数据集中的第一坐标数据对应在某一坐标轴的坐标范围，对坐标范围进行划分，可以均分，也可以根据等差序列进行划分，具体需要结合数据特点确定，从而得到若干个坐标子范围，针对每个坐标子范围，选择第一坐标数据集中的位于该坐标子范围内的第一坐标数据，并通过这些第一坐标数据组成分割坐标数据集，从而实现数据分割，降低数据分析及数据挖掘的难度。举例来说，假设以横坐标轴作为数据划分的依据，第一坐标数据集中的第一坐标数据对应的横坐标范围包括为[Xm，Xn]，等分成M个坐标子范围 针对坐标子范围/>假设从第一坐标数据集中选择出横坐标位于中的第一坐标数据有30个，则可将这30个第一坐标数据组成分割坐标数据集，按照上述相似的方法，即可确定其它坐标子范围分别对应的分割坐标数据集，这里不做过多赘述。
考虑到每个分割坐标数据集的数据趋势相对于第一坐标数据集的数据趋势可能会存在差异，换言之，整体趋势和局部趋势可能存在较大差异，导致分割坐标数据集可能存在异常数据，因此，需要对分割坐标数据集中的数据进行异常数据剔除操作，得到第二坐标数据集。这里，任何现有技术中能够实现异常数据剔除的方法皆适用本发明实施例，可选箱线图法，箱线图法为现有技术，本发明实施例对其原理不做过多赘述。
步骤103，对所述第二坐标数据集中的第二坐标数据进行参考坐标点标定，确定所述第二坐标数据集对应的参考坐标点的第三坐标数据。
参考坐标点标定可以理解为确定第二坐标数据集对应的至少一个参考坐标点的过程，其中，参考坐标点相当于第二坐标数据集对应的代表点，用于表征对第二坐标数据集中的第二坐标数据进行数据分析及数据挖掘后的数据结果。参考坐标点的数量可以是一个，也可以是多个，当参考坐标点的数量为多个时，可以对第二坐标数据集再次划分，得到和参考坐标点数量相同的坐标数据集合，计算每个坐标数据集合对应的参考坐标点，其中，参考坐标点的数量与第二坐标数据集中的第二坐标数据的数量有关，可选的，设置多个数量区间，为每个数量区间设置一个选择数量，当第二坐标数据集中的第二坐标数据的数量属于某一数量区间时，基于该数量区间设置的选择数量进行参考坐标点的选择。比如，假设数量区间包括[0，d)、[d,2d)、…、[N-d,N]，数量区间[0，d)、[d,2d)、…、[N-d,N]分别对应的选择数量为q1、q2、…、qN，假设第二坐标数据集中的第二坐标数据的数量位于数据量区间[N-d,N]内，则该第二坐标数据集对应的参考坐标点的数量为qN。需要说明的是，参考坐标点是位于第二坐标数据集对应的坐标范围内的点，该点对应的第三坐标数据可以是第二坐标数据，也可以不是，本发明实施例对此不做具体限定。
可选的，针对每个所述第二坐标数据集，确定所述第二坐标数据集中的第二坐标数据的质量；根据所述第二坐标数据集中的第二坐标数据的质量，确定所述第二坐标数据集中质心的第四坐标数据；根据所述第二坐标数据集中质心的第四坐标数据，对所述第二坐标数据集中的第二坐标数据进行选择，以确定所述第二坐标数据集对应的参考坐标点的第三坐标数据。
具体地，可以通过如下公式(1)计算质心的第三坐标数据：
其中，h表示第二坐标数据集对应的质心的第四坐标数据；ri表示第二坐标数据集中的第i个第二坐标数据；n表示第二坐标数据集中的第二坐标数据的数据量；mi表示第二坐标数据集中的第o个第二坐标数据的质量。
需要说明的是，第二坐标数据集中每个第二坐标数据的质量可以相同，也可以不同，当质量不相同时，此时，可结合第二坐标数据的有限性、重要性及领域知识进行设置，比如，可根据设备运行情况或者设备运行时间进行质量设定，设备运行时间越长同时设备运行情况越稳定，则设置的质量越高，具体地，质量的设置范围[0,1]。本领域技术人员应当理解的，质量相当于权重。
可选的，可直接将质心作为参考坐标点，对应的，质心的第四坐标数据即为参考坐标点的第三坐标数据。也可以将与质心距离最近的一个或多个坐标点作为参考坐标点，并将这些坐标点对应的第二坐标数据作为第三坐标数据。
步骤104，根据每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据，确定所述目标设备的设备特性曲线。
可选的，对每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据进行曲线拟合，确定所述目标设备的设备特性曲线。
设备特性曲线具体指的是两个或多个设备运行特征之间的曲线，用于指示设备运行过程中的设备运行特征之间的关系，可选的，设备特性曲线包括效率-负荷曲线、排气温度-负荷曲线、进气流量-负荷曲线等。
本发明实施例并不对数据拟合的方法进行具体限定，可以使用自由度较高的样条曲线进行数据拟合以得到设备特性曲线，也可以选择多项式拟合、指数拟合或线性回归等任何现有技术中用于曲线拟合的方法。
需要说明的是，在实际应用场景中，可以不断的获取目标设备的实际运行数据，并对这些数据进行数据预处理后加入到实际运行数据集中，以调整第一坐标数据集，从而调整参考坐标点，进而修正设备特性曲线，使得设备特性曲线能够结合设备的实际运行情况而不断调整，确保设备特性曲线能够较为准确的反映设备近期的运行情况，当通过设备特性曲线指导设备的现场运行时，能够提高设备运行效率，降低设备运行成本。
通过以上技术方案可知，本实施例存在的有益效果是：通过对设备的实际运行数据进行坐标化，从而便于后续数据处理；然后对坐标化后的实际运行数据进行数据分割得到若干个局部坐标数据集，从而降低数据分析及数据挖掘的难度，提高数据处理的效率并确保数据处理结果的参考价值，然后，对局部坐标数据集中的坐标数据进行数据处理、数据分析及数据挖掘，从而确定出能够表征局部数据特点的参考坐标点的坐标数据；对若干个局部数据集对应的参考坐标点的坐标数据进行曲线拟合，从而得到设备特性曲线，得到的设备特性曲线具有相对较高的准确性，能够更好的反映设备运行特征，当通过设备特性曲线指导设备的现场运行时，能够提高设备运行效率，降低设备运行成本。
图1所示仅为本发明所述方法的基础实施例，在其基础上进行一定的优化和拓展，还能够得到所述方法的其他优选实施例。
如图2所示，为本发明所述设备特性曲线的确定方法的另一个具体实施例。本实施例在前述实施例的基础上，结合应用场景进行了更加具体的描述，为方便了解数据处理过程，将坐标数据绘制成可视化的散点图3至图6进行展示。所述方法具体包括以下步骤：
步骤201、获取目标设备的现场运行数据集；对所述现场运行数据集中的数据进行数据预处理，以确定实际运行数据集。
假设需要得到内燃机的效率-负荷曲线，现场运行数据集中包括内燃机在不同负荷下的效率数据，显然，效率数据携带负荷信息，包括两个设备运行特征，考虑到效率通常位于一定的范围内，因此需要将范围之外的效率数据进行剔除，将范围之内的效率数据作为实际运行数据集中的数据，后续，对实际运行数据集中的数据进行数据分析时，可降低异常数据的影响。
步骤202、将所述实际运行数据集中的数据映射至预设坐标系内，以获取所述实际运行数据集对应的第一坐标数据集。
将现场运行数据集中的数据映射到预设坐标系内并绘制出散点图，在散点图中示出现场运行数据集中的异常数据，即可得到如图3所示的第一散点图，图中黑色圆点对应的坐标数据为第一坐标数据，这些第一坐标数据组成第一坐标数据集，灰色正方形对应的坐标数据代表现场运行数据集中的异常数据。
步骤203、对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个分割坐标数据集；去除所述分割坐标数据集中的异常数据，以确定第二坐标数据集。
假设以横坐标长度5作为分割长度，则对图3中多个黑色圆点分别对应的第一坐标数据进行分割，考虑到一个第一坐标数据的参考价值较小，因此，确定出14个分割坐标数据集，采用箱线图法查找出每个分割坐标数据集中的异常数据并去除，从而得到14个第二坐标数据集。绘制14个分割坐标数据集中的数据对应的散点图，并在散点图中示出分割坐标数据集中的异常数据以及数据分割线，从而得到如图4所示的第二散点图，图中和纵坐标平行且与横坐标长度为15、20、……、80、85相交的直线为数据分割线，数字1、2、…、14表示相邻数据分割线间的区域编号，区域1内的黑色圆点对应的坐标数据为区域1对应的第二坐标数据集中的第二坐标数据，灰色三角形对应的坐标数据为区域1对应的分割坐标数据集中的异常数据，其他区域内的黑色圆点和/或灰色三角形分别对应的坐标数据表示含义相似，此处不做过多赘述。
步骤204、确定所述第二坐标数据集中的第二坐标数据的质量；根据所述第二坐标数据集中的第二坐标数据的质量，确定所述第二坐标数据集中质心的第四坐标数据。
针对图4中区域1内的多个黑色圆点，确定多个黑色圆点分别对应的第二坐标数据的质量，将多个黑色圆点分别对应的第二坐标数据的质量代入上述公式(1)中，得到区域1对应的第二坐标数据集对应的质心的第四坐标数据。按照上述相似的方式确定其他区域分别对应的第二坐标数据集对应的质心的第四坐标数据，这里不做过多赘述。
步骤205、根据所述第二坐标数据集中质心的第四坐标数据，对所述第二坐标数据集中的第二坐标数据进行选择，以确定所述第二坐标数据集对应的参考坐标点的第三坐标数据。
针对图4中区域1内的多个黑色圆点，将距离步骤204得到的质心最近的黑色圆点作为参考坐标点，并确定出参考坐标点的第三坐标数据，按照上述相似的方式确定其他区域分别对应的参考坐标点的第三坐标数据，这里不做过多赘述。绘制14个第二坐标数据集中的第二坐标数据及参考坐标点的第三坐标数据的散点图，以形成如图5所示的第三散点图，图中灰色菱形即为参考坐标点，每个区域对应一个参考坐标点。
步骤206、对每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据进行曲线拟合，确定所述目标设备的设备特性曲线。
采用样条曲线，对图5中的14个参考坐标点分别对应的第三坐标数据进行曲线拟合，即可得到如图6所示的效率-负荷对应的设备特性曲线图，从而得到内燃机的设备运行信息，当通过设备特性曲线指导内燃机的运行时，提高内燃机的运行效率，降低内燃机的运行成本。
通过以上技术方案可知，本实施例存在的有益效果是：通过对设备的实际运行数据进行坐标化，从而便于后续数据处理；然后对坐标化后的实际运行数据进行数据分割得到若干个局部坐标数据集，从而降低数据分析及数据挖掘的难度，提高数据处理的效率并确保数据处理结果的参考价值，然后，对局部坐标数据集中的坐标数据进行数据处理、数据分析及数据挖掘，从而确定出能够表征局部数据特点的参考坐标点的坐标数据；对若干个局部数据集对应的参考坐标点的坐标数据进行曲线拟合，从而得到设备特性曲线，得到的设备特性曲线具有相对较高的准确性，能够更好的反映设备运行特征，当通过设备特性曲线指导设备的现场运行时，能够提高设备运行效率，降低设备运行成本时，可提高设备运行效率，降低设备运行成本。
基于与本发明方法实施例相同的构思，请参考图7，本发明实施例还提供了一种设备特性曲线的确定装置，包括：
获取模块701，用于获取目标设备的实际运行数据集对应的第一坐标数据集；
分割模块702，用于对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个第二坐标数据集；
标定模块703，用于对所述第二坐标数据集中的第二坐标数据进行参考坐标点标定，确定所述第二坐标数据集对应的参考坐标点的第三坐标数据；
曲线确定模块704，用于根据每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据，确定所述目标设备的设备特性曲线。
本发明一个实施例中，所述标定模块703，包括：质量确定单元、质心确定单元及坐标点确定单元；其中，
所述质量确定单元，用于确定所述第二坐标数据集中的第二坐标数据的质量；
所述质心确定单元，用于根据所述第二坐标数据集中的第二坐标数据的质量，确定所述第二坐标数据集中质心的第四坐标数据；
所述坐标点确定单元，用于根据所述第二坐标数据集中质心的第四坐标数据，对所述第二坐标数据集中的第二坐标数据进行选择，以确定所述第二坐标数据集对应的参考坐标点的第三坐标数据。
本发明一个实施例中，所述参考坐标点距离所述质心的距离最小。
本发明一个实施例中，所述分割模块702，包括：分割单元及数据去除单元；其中，
所述分割单元，用于对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个分割坐标数据集；
所述数据去除单元，用于去除所述分割坐标数据集中的异常数据，以确定第二坐标数据集。
本发明一个实施例中，所述获取模块701，包括：数据获取单元及映射单元；其中，
所述数据获取单元，用于获取目标设备的实际运行数据集；
所述映射单元，用于将所述实际运行数据集中的数据映射至预设坐标系内，以获取所述实际运行数据集对应的第一坐标数据集。
本发明一个实施例中，所述数据获取单元，包括获取子单元及处理子单元；其中，
所述获取子单元，用于获取目标设备的现场运行数据集；
所述处理子单元，用于对所述现场运行数据集中的数据进行数据预处理，以确定实际运行数据集。
本发明一个实施例，所述曲线确定模块704，用于对每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据进行曲线拟合，确定所述目标设备的设备特性曲线。
图8是本发明实施例提供的一种电子设备的结构示意图。在硬件层面，该电子设备包括处理器801以及存储有执行指令的存储器802，可选地还包括内部总线803及网络接口804。其中，存储器802可能包含内存8021，例如高速随机存取存储器(Random-AccessMemory，RAM)，也可能还包括非易失性存储器8022(non-volatile memory)，例如至少1个磁盘存储器等；处理器801、网络接口804和存储器802可以通过内部总线803相互连接，该内部总线803可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等；内部总线803可以分为地址总线、数据总线、控制总线等，为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。当然，该电子设备还可能包括其他业务所需要的硬件。当处理器801执行存储器802存储的执行指令时，处理器801执行本发明任意一个实施例中的方法，并至少用于执行如图1或图2所示的方法。
在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成一种设备特性曲线的确定装置。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本发明任一实施例中提供的一种设备特性曲线的确定方法。
处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本发明实施例还提供了一种计算机可读存储介质，包括执行指令，当电子设备的处理器执行执行指令时，所述处理器执行本发明任意一个实施例中提供的方法。该电子设备具体可以是如图8所示的电子设备；执行指令是一种设备特性曲线的确定装置所对应计算机程序。
本领域内的技术人员应明白，本发明的实施例可提供为方法或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者锅炉不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者锅炉所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者锅炉中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (9)
1.一种设备特性曲线的确定方法，其特征在于，包括：
获取目标设备的实际运行数据集对应的第一坐标数据集；
对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个第二坐标数据集；
对所述第二坐标数据集中的第二坐标数据进行参考坐标点标定，确定所述第二坐标数据集对应的参考坐标点的第三坐标数据；
根据每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据，确定所述目标设备的设备特性曲线，
其中，所述对所述第二坐标数据集中的第二坐标数据进行参考坐标点标定，确定所述第二坐标数据集对应的参考坐标点的第三坐标数据，包括：
根据设备运行情况或者设备运行时间来确定所述第二坐标数据集中的第二坐标数据的质量；
根据所述第二坐标数据集中的第二坐标数据的质量，确定所述第二坐标数据集中质心的第四坐标数据；
根据所述第二坐标数据集中质心的第四坐标数据，对所述第二坐标数据集中的第二坐标数据进行选择，以确定所述第二坐标数据集对应的参考坐标点的第三坐标数据。
2.根据权利要求1所述的方法，其特征在于，所述参考坐标点距离所述质心的距离最小。
3.根据权利要求1所述的方法，其特征在于，所述对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个第二坐标数据集，包括：
对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个分割坐标数据集；
去除所述分割坐标数据集中的异常数据，以确定第二坐标数据集。
4.根据权利要求1所述的方法，其特征在于，所述获取目标设备的实际运行数据集对应的第一坐标数据集，包括：
获取目标设备的实际运行数据集；
将所述实际运行数据集中的数据映射至预设坐标系内，以获取所述实际运行数据集对应的第一坐标数据集。
5.根据权利要求4所述的方法，其特征在于，所述获取目标设备的实际运行数据集，包括：
获取目标设备的现场运行数据集；
对所述现场运行数据集中的数据进行数据预处理，以确定实际运行数据集。
6.根据权利要求1至5中任一所述的方法，其特征在于，所述根据每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据，确定所述目标设备的设备特性曲线，包括：
对每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据进行曲线拟合，确定所述目标设备的设备特性曲线。
7.一种设备特性曲线的确定装置，其特征在于，包括：
获取模块，用于获取目标设备的实际运行数据集对应的第一坐标数据集；
分割模块，用于对所述第一坐标数据集中的第一坐标数据进行数据分割，确定至少两个第二坐标数据集；
标定模块，用于对所述第二坐标数据集中的第二坐标数据进行参考坐标点标定，确定所述第二坐标数据集对应的参考坐标点的第三坐标数据；
曲线确定模块，用于根据每个所述第二坐标数据集分别对应的参考坐标点的第三坐标数据，确定所述目标设备的设备特性曲线，
其中，所述标定模块进一步用于：
根据设备运行情况或者设备运行时间来确定所述第二坐标数据集中的第二坐标数据的质量；
根据所述第二坐标数据集中的第二坐标数据的质量，确定所述第二坐标数据集中质心的第四坐标数据；
根据所述第二坐标数据集中质心的第四坐标数据，对所述第二坐标数据集中的第二坐标数据进行选择，以确定所述第二坐标数据集对应的参考坐标点的第三坐标数据。
8.一种计算机可读存储介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述处理器执行如权利要求1至6中任一所述的方法。
9.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010342124.3A CN111553072B (zh) | 2020-04-27 | 2020-04-27 | 设备特性曲线的确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010342124.3A CN111553072B (zh) | 2020-04-27 | 2020-04-27 | 设备特性曲线的确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111553072A CN111553072A (zh) | 2020-08-18 |
| CN111553072B true CN111553072B (zh) | 2023-11-03 |
Family
ID=72005816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010342124.3A Active CN111553072B (zh) | 2020-04-27 | 2020-04-27 | 设备特性曲线的确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111553072B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012073769A1 (ja) * | 2010-11-29 | 2012-06-07 | 株式会社 日立メディコ | 画像処理装置及び画像処理方法 |
| US8229442B1 (en) * | 2009-06-25 | 2012-07-24 | Google Inc. | Derivation of minimum coverage of cellular sectors with cellular-site spatial density and application specific data |
| CN109882834A (zh) * | 2019-03-27 | 2019-06-14 | 新奥数能科技有限公司 | 锅炉设备的运行数据监测方法及装置 |
| CN110852652A (zh) * | 2019-11-20 | 2020-02-28 | 中国南方电网有限责任公司 | 水电特性曲线修正方法及装置 |
| EP3629289A1 (en) * | 2018-09-27 | 2020-04-01 | Veoneer Sweden AB | Method for fitting a first data set to a second data set |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3088899C (en) * | 2018-01-22 | 2021-04-06 | Jack Copper | Systems and methods for preparing data for use by machine learning algorithms |
-
2020
- 2020-04-27 CN CN202010342124.3A patent/CN111553072B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8229442B1 (en) * | 2009-06-25 | 2012-07-24 | Google Inc. | Derivation of minimum coverage of cellular sectors with cellular-site spatial density and application specific data |
| WO2012073769A1 (ja) * | 2010-11-29 | 2012-06-07 | 株式会社 日立メディコ | 画像処理装置及び画像処理方法 |
| EP3629289A1 (en) * | 2018-09-27 | 2020-04-01 | Veoneer Sweden AB | Method for fitting a first data set to a second data set |
| CN109882834A (zh) * | 2019-03-27 | 2019-06-14 | 新奥数能科技有限公司 | 锅炉设备的运行数据监测方法及装置 |
| CN110852652A (zh) * | 2019-11-20 | 2020-02-28 | 中国南方电网有限责任公司 | 水电特性曲线修正方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张东月等.基于网格耦合的数据流聚类.软件学报.2019,第30卷(第3期),667-683页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111553072A (zh) | 2020-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10331810B2 (en) | Method for determining a model of an output quantity of a technical system | |
| CN108897905A (zh) | 发动机噪声分析方法 | |
| Gutjahr et al. | Advanced modeling and optimization for virtual calibration of internal combustion engines | |
| CN109871941B (zh) | 数据处理方法、装置及相关产品 | |
| CN111523205B (zh) | 过热蒸汽的比焓确定方法及装置 | |
| CN111553072B (zh) | 设备特性曲线的确定方法及装置 | |
| WO2022213603A1 (zh) | 发动机压缩比验证方法、装置、设备及存储介质 | |
| US20090204376A1 (en) | Method for measuring a nonlinear dynamic real system | |
| Jones et al. | Control-oriented knock simulation | |
| CN109344522B (zh) | 一种用于轴流压缩机的静叶磨削量的计算方法及系统 | |
| CN109212751B (zh) | 一种自由曲面公差的分析方法 | |
| CN107609234B (zh) | 基于不确定性的稳健性分析方法及系统 | |
| CN112800167B (zh) | 一种数字海图制图工作量的评估方法和装置 | |
| CN114519298A (zh) | 涡轮进口温度的计算精度提高方法、系统及存储介质 | |
| CN110276525B (zh) | 基于燃油经济性的发动机关键技术评估方法 | |
| JP2018142200A (ja) | 状態推定方法、及び状態推定装置 | |
| CN115825708A (zh) | 一种芯片模拟量的档位值确定方法、装置及控制器 | |
| CN113127333A (zh) | 一种数据处理方法、装置、电子设备和存储介质 | |
| CN106855836B (zh) | 计算机功耗测试方法以及装置 | |
| CN112800595B (zh) | 基于大数据的燃烧室加工参数影响排放的检测方法及系统 | |
| CN116816509A (zh) | 一种燃气轮机变系数特性曲线修正方法和系统 | |
| CN116086560B (zh) | 一种多因素耦合下的发动机万有油耗修正方法及系统 | |
| CN116713808B (zh) | 一种屏蔽罩内孔位精准检测方法及系统 | |
| CN112800591B (zh) | 一种预测发动机性能参数修改量的方法及相关装置 | |
| CN112115418B (zh) | 一种偏态估计信息的获取方法、装置及设备 |
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 |