CN112269824A - 一种基于在线数据的脱硫装置参数评价方法 - Google Patents
一种基于在线数据的脱硫装置参数评价方法 Download PDFInfo
- Publication number
- CN112269824A CN112269824A CN202011211048.9A CN202011211048A CN112269824A CN 112269824 A CN112269824 A CN 112269824A CN 202011211048 A CN202011211048 A CN 202011211048A CN 112269824 A CN112269824 A CN 112269824A
- Authority
- CN
- China
- Prior art keywords
- value
- data
- evaluation
- level
- index
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 94
- 238000006477 desulfuration reaction Methods 0.000 title claims abstract description 44
- 230000023556 desulfurization Effects 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000013178 mathematical model Methods 0.000 claims abstract description 10
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000011157 data evaluation Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims description 50
- 239000000463 material Substances 0.000 claims description 26
- 235000019738 Limestone Nutrition 0.000 claims description 21
- 239000006028 limestone Substances 0.000 claims description 21
- 238000013461 design Methods 0.000 claims description 19
- 230000001419 dependent effect Effects 0.000 claims description 13
- 238000011234 economic evaluation Methods 0.000 claims description 13
- 238000004140 cleaning Methods 0.000 claims description 11
- 238000012417 linear regression Methods 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 9
- 239000007788 liquid Substances 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012854 evaluation process Methods 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 239000002002 slurry Substances 0.000 claims description 3
- 238000005406 washing Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 238000010276 construction Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000009977 dual effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于在线数据的脱硫装置参数评价方法，具体步骤如下，步骤一、分类处理基本指标并完成参数级评价单元；步骤二、对基本指标建立数学模型并进行分析；步骤三、安装数据检测收集器并设定评价范围；步骤四、明确评价指标允许波动范围和报警限值；步骤五、确定评价规则且对不同工况进行评价反馈；步骤六、对经济性进行实时数据收集和评价控制。本发明通过现场数据采集和在线数据平台的联合设置，可满足少人工甚至无人工下的脱硫系统运行的监测和预警；通过独立评价，有助于整体和局部的双重控制；通过建模处理、数据取值的阈值划分以及在不同的评分规则，利于进行区别性评价，增加了其实际施工的适用性和应用性。
Description
技术领域
本发明属于脱硫系统运行智能化检测技术领域，特别涉及一种基于在线数据的脱硫装置参数评价方法。
背景技术
当前，随着电力行业的进步和创新发展，探索和建设智慧电厂已经成为发电企业发展新趋势，同时也是未来能源管理新趋势。现行的脱硫系统运行监盘主要是由运行值班人员通过DCS画面对系统工艺参数进行实时监视、操作调整和事故处理。运行人员必须非常熟悉系统流程、设备运行参数和限值，并且需要不断翻阅DCS画面，对大量和运行参数和报警信号进行快速的识别、判断和分析，在第一时间发现异常，做出优化调整或紧急处理。长时间高强度的监盘操作工作，容易使运行人员产生心理和生理上的疲劳，易出现差错甚至造成误操作严重事故。
且目前部分发电企业的智能监盘系统，为固定模式的整体系统的监控，且对于单独指标和重要关联参数缺少分离式单独评价系统。以往的监盘系统数据采集不连续，且存在较大延时，影响运行人员分析判断；在建模方法上仅用运行经验数据进行建模，对于脱硫系统在不同级别和工况下的检测未做划分，不能做到针对性施用。
发明内容
本发明提供了一种基于在线数据的脱硫装置参数评价方法，用以解决脱硫系统运行监盘中的分离式参数或重点参数的自动监测、监测指标设计、监测评价规则的设置以及分级反馈等技术问题。
为实现上述目的，本发明采用如下技术方案：
一种基于在线数据的脱硫装置参数评价方法，包含参数级评价单元，参数级评价单元通过基本指标单独集成并通过计算机显示控制，计算机与安装至脱硫装置上各处的数据采集器连接，数据采集器对应各获取的基本指标数据一一设置； DCS系统中对应的工艺参数作为基本指标； 具体步骤如下：
步骤一、将脱硫装置中在DCS系统中对应的工艺参数作为基本指标进行分类，初步寻找相互关联性指标；选取影响脱硫装置运行、安全和生产效率的基本指标作为参数级评价单元的评价性指标，并将参数级评价单元的数据采集器与报警装置连接；
步骤二、建立数学模型，收集对应基本指标的历史数据，选取正常工况下数据再选择线性或非线性回归数学模型进行拟合并进行基本指标分析，找出关联指标和动态期望值；其中基本指标数据选取时，数据概率在85%以上数值或范围的为特征值，在特征值上下10%的数据为允许浮动范围；在数据分析时结合环境条件的变化，环境条件包含背景值、季节变换，室内室外及天气突变等因素；
步骤三、基于基本指标制定对应的数据检测收集器，并对应的安装至脱硫装置的相应位置，且各数据检测收集器均与计算机中在线数据控制平台连接；将基本指标进行关联连接，形成对应的评价单元；结合专家经验将每个指标控制范围划分为4个区间，依次为极限小值、允许小值、最优值、允许大值、极限大值，其中极限小值和极限大值为报警限值；根据基本指标的重要性设定权重系数，权重系数分为0、1、2三个级别并对应保留拓展接口；
步骤四、每个基本指标的期望值与在线运行值比较，得出单个基本指标的评分，确定评价单元中基本指标的评价规则，对参数级评价单元中正常运行时、出现应急状况以及正常停运等三种状况下基本指标进行评价；根据基本指标对参数的影响设立应急级别，分别为1、2、3、4和5级别并保留拓展接口；
步骤五、对应评价规则通过在线数据控制平台进行实时数据收集和评价，在线数据控制平台根据评价结果进行反馈控制；对应的评价结果通过在线数据控制平台评分在80-100内显示绿色，60-79内显示黄色，60分一下显示红色；其中绿色代表正常，黄色代表关注，红色代表警示。
步骤六、进行经济性评价，设置经济评价单元，经济评价单元包含电流、电压、电度、计算重要辅机的能耗，还包含石灰石浆液流量、密度和计算石灰石等实时物耗；经济评价单元在评价过程中通过一定时间段的小指标累计值，计算各运行班组值班期间的小指标累计量，自动评比；通过全负荷工况下的历史数据，显示实时负荷工况下的能耗，物耗，并与最优值进行对比，提出经济性运行的分级反馈；同样根据步骤五中绿、黄、红三种颜色进行监测控制。
进一步的，对于步骤一中、评价性基本指标的选取原则和范围，原则：脱硫系统中DCS自动控制系统画面上所有模拟量测点以及所有开关量的报警点；范围：包括脱硫装置的运行指标，运行指标包含设备的速度、温度、液位、密度、pH值、流量和给料量。
进一步的，对于步骤三中，评价指标控制范围：按照设计值、标准值同时结合专家经验将每个指标控制范围划分区间，依次为极限小值、允许小值、最优值、允许大值、极限大值，其中允许值为该指标允许波动范围，根据行业标准值、设计值和设备联锁启停定值选取，且要控制在DCS自动控制系统报警限值范围以内，同时要结合专家经验值进行确定；极限值为该指标故障范围值，根据设计值或保护跳闸定值进行确定；最优值是通过与该指标关联的自变量指标建立数学模型获得的实时工况下的动态期望值。
进一步的，动态期望值寻优过程主要包含以下几个步骤，分别为：数据导出、数据清洗、数据线性寻优、数据非线性寻优、线性非线性寻优结果对比、寻优结果验证。
进一步的，其中数据导出为查询各测点的历史数据，之后选取符合要求的数据并进行导出，历史数据至少选取对应评价指标一年的数据，并对应的通过实际监测数据对模型进行验证和修正；数据清洗为主要根据经验对数据进行分类整合，将因变量和与因变量相关的多个自变量整合到同一个csv文件，利用stata软件清洗出因变量和所有自变量正常运行范围值，剔除其负值、空值、0值；在实际使用时，由于存在设备启停状况，此时，会存在取值范围不重合的状态，导致清洗后数据量为0，无法进行寻优，所以在实际数据清洗时，采用了分组清洗的方式，即：将待使用的数据整合在同一张表中进行清洗。
进一步的，对于线性寻优和非线性寻优；线型寻优使用STATA软件对输入和输出进行线性回归，非线性寻优使用的是MATLAB神经网络工具箱，使用的算法为BP算法，非线性寻优使用的是一对多的寻优。
进一步的，对于数据模型和历史数据对比通过样本容量、模型拟合度、模型标准误差、T值和P值进行判断：其中模型拟合度为1时拟合结果完美，一般情况下，此值≥0.2时表示拟合度较高，模型较好；T值越大说明自变量显著性越大，对模型的影响越明显，一般来讲，＞2时对应自变量较为显著；即P值＞，用于描述回归系数的显著性，越小越好，一般认为P＜0.05就算显著。
进一步的，对于评价指标的权重系数和应急级别：根据指标的重要性设定权重系数，权重系数分为0、1、2三个级别并保留拓展接口；根据评价指标对参数级别、设备级别、子系统级别、系统级别的影响设立应急级别，分别为1、2、3、4和5级别并保留拓展接口；
其中，一般属性基本指标确定为应急级别1；具备安全或经济属性的确定为应急级别2；对于装置事故跳闸、保护跳闸等开关量，表现为重要安全属性，确定为应急级别3；停运后对系统运行没有影响的定位应急级别4；对模拟量有关品质判断点为坏点时确定为应急级别5；根据各类属性的数量和分值定义，自动赋予各类基本指标在评价中的占比；
对于有备用设备的，可通过备用连锁自动投入；备用设备投入后，非正常停运设备将不再作为安全类拉低该设备分值；但设备影响的参数，如流量等，仍按找该基本指标的评分规则计分。
进一步的，参数级别中评价指标为影响装置运行、效率和质量的主控指标，参数级别的评价规则为：评价指标得分包含安全得分与优化得分两个分值,其中安全得分满分80分，优化得分满分20分，评价指标的得分为安全得分与优化得分之和。
进一步的，对于安全得分：评价指标实际运行值在允许值（含）范围内计80分，超过允许值时按应急级别分为级别1、级别2、级别3、级别4、级别5、五种情况，应急级别为1的，安全得分范围在60-79之间，计算方式为实际运行值与极限值的偏差，采用插值法计分，超过极限值的按60分计算；应急级别为2的，安全得分范围在0-59，计算方式为实际运行值与极限值的偏差，采用插值法计分，超过极限值的按0分计算；应急级别为3的，实际运行值偏离最优值的按0分计算；应急级别为4的，实际运行值偏离最优值的按59.9分计算；应急级别为5的，实际运行值偏离最优值的按-1分计算；
优化得分：应急级别为1、2的指标实际运行值在允许值范围内的，得分按实际运行值与最优值偏差，采用插值法计算得分；应急级别为3、4、5的指标实际运行值偏离最优值的按0分计算得分。
本发明的有益效果体现在：
1）本发明通过现场数据采集和在线数据平台的联合设置，可满足少人工甚至无人工下的脱硫系统运行的监测和预警，通过平台的显示和预警，量化和清晰化了监测和干预过程。
2）本发明通过将对重要指标或关联性指标进行独立评价，有助于整体和局部的双重控制，利于对于脱硫装置的安全施工运行和质量控制；
3）本发明通过对评价指标的建模处理、数据取值的阈值划分以及在不同工况下的评分规则，利于在多种情景下对脱硫系统进行区别性评价，增加了其实际施工的适用性和应用性；
4）本发明通过参数级单元评价的单元化集成和计算机在线控制预警等措施，可实时进行监测和预警；通过对参数级基本指标的经济性评价，可在脱硫装置正常运行下，对其运行性能进行最优化设置，利于节约成本；且经济性评价的评价规则同样基于基本指标建立，利于统一化数据处理和设计。
此外，本发明利于通过历史数据和实测数据修正和验证模型，保证模型拟合的精度，利于对评价指标的精确控制；此外，本发明在实际使用时，简便易上手，可极大的节约人工成本；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；本发明的主要目的和其它优点可通过在说明书中所特别指出的方案来实现和获得。
具体实施方式
在整个脱硫装置的运行过程中，需要对其进行运行监测；而对于脱硫装置单个指标或重要指标集合进行监控评测时，采用基于在线数据的脱硫装置参数评价方法。参数评价方法包含参数级评价单元，参数级评价单元通过基本指标单独集成并通过计算机显示控制，计算机与安装至脱硫装置上各处的数据采集器连接，数据采集器对应各获取的基本指标数据一一设置； DCS系统中对应的工艺参数作为基本指标。
应用基于在线数据的脱硫装置参数评价方法，具体步骤如下：
步骤一、将脱硫装置中在DCS系统中对应的工艺参数作为基本指标进行分类，初步寻找相互关联性指标；选取影响脱硫装置运行、安全和生产效率的基本指标作为参数级评价单元的评价性指标，并将参数级评价单元的数据采集器与报警装置连接。评价性基本指标的选取原则和范围，原则：脱硫系统中DCS自动控制系统画面上所有模拟量测点以及所有开关量的报警点；范围：包括脱硫装置的运行指标，运行指标包含设备的速度、温度、液位、密度、pH值、流量和给料量。
步骤二、建立数学模型，收集对应基本指标的历史数据，选取正常工况下数据再选择线性或非线性回归数学模型进行拟合并进行基本指标分析，找出关联指标和动态期望值；其中基本指标数据选取时，数据概率在85%以上数值或范围的为特征值，在特征值上下10%的数据为允许浮动范围；在数据分析时结合环境条件的变化，环境条件包含背景值、季节变换，室内室外及天气突变等因素。
①数据导出：在工程师站查询各测点的历史数据，之后选取符合要求的数据，本实施例所使用的的数据是2019年1月1日00时00分00秒开始，每隔一分钟取一个数据，到2019年12月31日23点59分00秒结束，每个测点525600个数据。
②数据清洗：主要根据经验对数据进行分类整合，将因变量和与因变量相关的多个自变量整合到同一个csv文件，利用stata软件清洗出因变量和所有自变量正常运行范围值，剔除其负值、空值、0值。
在实际使用时，由于存在设备启停状况，此时，会存在取值范围不重合的状态，导致清洗后数据量为0，无法进行寻优，所以在实际数据清洗时，采用了分组清洗的方式，即：将待使用的数据整合在同一张表中进行清洗。
③线性寻优：线型寻优使用STATA软件对输入和输出进行线性回归，第一步确定输入和输出，第二步使用输入对输出进行线性回归，第三步进行后验估计，第四步使用输入和后验估计结果进行绘图，并与输入输出的散点图进行对比，看线性回归结果的趋势。
一对多时则使用多个输入对输出进行线性回归，之后进行后验估计操作，之后观察线性回归结果，看各项输入的T值的大小，T值大则此参数对于输出结果的影响较大。最后使用T值最大的输入值与线性回归后验估计值进行绘图，并与此输入和输出的散点图进行对比，看其趋势。
线性回归操作可得出回归系数、模型拟合度、T值、P值等参数，使用回归系数列出最优值算法公式，求出一元线性预测变量，作出散点图、作出一元线性回归预测结果，并作对比，同时根据公式对数据做验证。
④非线性寻优：非线性寻优使用的是MATLAB神经网络工具箱，使用的算法为BP算法，非线性寻优使用的是一对多的寻优。挑选线性回归使用的一对多的数据进行非线性寻优。为下一步线性非线性寻优结果对比做准备。
⑤寻优结果对比：经对比发现，线性寻优与非线性寻优结果的关联度并不大，线性寻优结果较好的非线性寻优结果不一定好。合理使用两种方法进行寻优可以有效避免单一方法存在的部分数据寻优结果非常差的问题。
⑥寻优结果验证：验证时选取了2020年5月到7月两个月的数据，取值间隔同样是一分钟。经验证，线性寻优结果在使用负荷、流量、压力、液位、密度、浓度等无阶跃变化的量寻优结果较为准确，其准确率在95%以上，部分可达99%。
验证时选取了2020年5月到7月两个月的数据，取值间隔同样是一分钟。经验证，线性寻优结果在使用负荷、流量、压力、液位、密度、浓度等无阶跃变化的量寻优结果较为准确，其准确率在95%以上，部分可达99%。
例如上料系统中石灰石仓A料位和振动给料机A转速关系具有代表性，正常工况下，振动给料机A转速月大，石灰石仓A料位增加越快，其料位夜随之升高。其建模过程有如下步骤：
第一步，将石灰石仓A料位和振动给料机A转速的历史数据导出到建模计算软件工作区域。第二步，参考实际运行工况对其进行数据清洗，具体步骤为去除空值、去除负值，去除异常值、按照实际运行工况对数据范围进行限制。第三步，将清洗好的数据进行一系列计算，即：一元线性回归、后验估计、作图。以上模型中，变量B为石灰石仓A料位，变量C为振动给料机A转速，此次模型是进行了C对B的拟合，其结果分析如下：
（1）样本容量：清洗后剩余数据量即为样本容量，此模型样本容量为331169。
（2）模型拟合度：即R-squared和Adj R-squared值，其值为1时拟合结果完美，一般情况下，此值≥0.2时表示拟合度较高，模型较好。
（3）模型标准误差：即Root MSE值，数值越小拟合结果越好，理论上0时拟合结果完美。此例中此值较小，模型可用。
（4）T值：即t，此值越大，说明自变量显著性越大，对模型的影响越明显，一般来讲，＞2时对应自变量较为显著。
（5）P值：即P＞，用于描述回归系数的显著性，越小越好，一般认为P＜0.05就算显著。
以上可表征将石灰石仓A料位线性回归模型正确可用其结果为：应变量石灰石仓A料位=0.2348883×振动给料机A转速+5.239825。其结果使用新数据验证后，误差范围在3%以内，验证结果良好。将此结果作为石灰石仓A料位正常运行时的动态期望值，同时限定模型各参数的取值范围和条件，超出范围提示建模结果无效。
步骤三、基于基本指标制定对应的数据检测收集器，并对应的安装至脱硫装置的相应位置，且各数据检测收集器均与计算机中在线数据控制平台连接；将基本指标进行关联连接，形成对应的评价单元；结合专家经验将每个指标控制范围划分为4个区间，依次为极限小值、允许小值、最优值、允许大值、极限大值，其中极限小值和极限大值为报警限值；根据基本指标的重要性设定权重系数，权重系数分为0、1、2三个级别并对应保留拓展接口。
本实施例中，评价指标控制范围：按照设计值、标准值同时结合专家经验将每个指标控制范围划分区间，依次为极限小值、允许小值、最优值、允许大值、极限大值，其中允许值为该指标允许波动范围，根据行业标准值、设计值和设备联锁启停定值选取，且要控制在DCS自动控制系统报警限值范围以内，同时要结合专家经验值进行确定；极限值为该指标故障范围值，根据设计值或保护跳闸定值进行确定；最优值是通过与该指标关联的自变量指标建立数学模型获得的实时工况下的动态期望值。
其中，对于关于基本指标中液位值范围设定：箱灌液位允许值为设计值，极限大值不超过溢流孔高度，极限小值设定原则为保证搅拌器和设备安全运行值。
对于关于基本指标中电流值范围设定：①允许大值为历史值的1.05倍，允许小值为0; ②极限大值为历史值的1.1倍，极限小值为-1；③电流值应考虑两台机组联络开关合闸情况，如6KV脱硫工作变压器馈线电流，历史值应为两台机组历史值之和;④单一馈线电流极限值大值不得超过开关额定电流非设备额定电流。
对于关于基本指标中压力值范围设定：允许值和极限值根据设备说明书、设计值或行业标准结合专家经验确定。
对于关于基本指标中振动值范围设定：振动越低越好，极限小值为0，极限大值为在该转速条件下行业标准值范围内，允许值根据设备厂家说明书和专家经验值确定。
对于关于基本指标中温度值范围设定：按照极限大值为设备联锁保护跳闸定值，允许值范围为设备不同季节下正常实际运行范围值。极限大值为允许值加5摄氏度。
对于关于基本指标中环保指标范围设定：以设计值和国家及地方排放标准为限值。
对于关于基本指标中电流值范围设定：允许大值为历史值的1.05倍，允许小值为0; 极限大值为历史值的1.1倍，极限小值为-1。
对于关于基本指标中流量范围设定：流量允许值为设计值，极限大值不超过泵的额定流量，极限小值设定原则为废水运行正常运行的最小值。
对于关于基本指标中电压值范围设定：①允许值为额定值±5%;②极限值为额定值±10%。
对于关于基本指标中浊度值范围设定：允许大值为设计值，极限大值为设计值加30; 允许小值设为常规情况下的最低值，极限小值为允许小值减1。
对于关于基本指标中频率值范围设定：真空皮带脱水机运行频率允许值为设计值，极限大值不超过额定频率，极限小值设定原则为保证石膏脱水正常和设备安全运行值。
对于关于基本指标中料值范围设定：料场料位允许值为设计值，极限大值不超过料仓的最高高度，极限小值设定原则为保证磨制系统用料的安全运行值。
对于关于基本指标中特殊设备定值设定：①UPS系统输出电压允许值为额定值±2%，极限值为额定值±5%;②UPS输出频率允许值为额定值±0.1%，极限值为额定值±0.5%;③DCS界面中所有报警、跳闸点均列为应急项3。
指标权重级别设定：根据参数重要性设定指标权重系数分为1、2两个级别并保留拓展接口。
对于评价指标的权重系数和应急级别：根据指标的重要性设定权重系数，权重系数分为0、1、2三个级别并保留拓展接口；根据评价指标对参数级别、设备级别、子系统级别、系统级别的影响设立应急级别，分别为1、2、3、4和5级别并保留拓展接口；
其中，一般属性基本指标确定为应急级别1；具备安全或经济属性的确定为应急级别2；对于装置事故跳闸、保护跳闸等开关量，表现为重要安全属性，确定为应急级别3；停运后对系统运行没有影响的定位应急级别4；对模拟量有关品质判断点为坏点时确定为应急级别5；根据各类属性的数量和分值定义，自动赋予各类基本指标在评价中的占比。
对于有备用设备的，可通过备用连锁自动投入；备用设备投入后，非正常停运设备将不再作为安全类拉低该设备分值；但设备影响的参数，如流量等，仍按找该基本指标的评分规则计分。
以A石灰石料仓料位基本指标为例：基本指标名称为A石灰石料仓料位，应急级别为1；设备权重为1；极限小值为4；允许小值为5；最优值建模结果为5.38；允许大值为10；极限大值为13；评分判断为4；实际值为5.5。
步骤四、每个基本指标的期望值与在线运行值比较，得出单个基本指标的评分，确定评价单元中基本指标的评价规则，对参数级评价单元中正常运行时、出现应急状况以及正常停运等三种状况下基本指标进行评价；根据基本指标对参数的影响设立应急级别，分别为1、2、3、4和5级别并保留拓展接口。
在评分中根据基本指标的属性不同，需要设置评分判断条件：
（1）开关量条件判断：当条件满足时评分有效计算，当条件不满足时按照100分计算。如吸收塔PH值、密度值的评分，在设备冲洗时，评分为100分。
（2）延时条件判断：当参数发生变化后，设置延时来过滤不稳定状态。当延时时间到达后，正常评分。
（3）对于参数变化率判断：根据设定的具体数值如0.5m/h，从历史数据中来实时判断。通常变化速率是参数本身评分的判断条件。假如吸收塔液位实时评分在正常范围，但是变化速率超出设定值，液位按照应急级别3来评分。
本实施例中，参数级别中评价指标为影响装置运行、效率和质量的主控指标，参数级别的评价规则为：评价指标得分包含安全得分与优化得分两个分值,其中安全得分满分80分，优化得分满分20分，评价指标的得分为安全得分与优化得分之和。
对于安全得分：评价指标实际运行值在允许值（含）范围内计80分，超过允许值时按应急级别分为级别1、级别2、级别3、级别4、级别5、五种情况，应急级别为1的，安全得分范围在60-79之间，计算方式为实际运行值与极限值的偏差，采用插值法计分，超过极限值的按60分计算；应急级别为2的，安全得分范围在0-59，计算方式为实际运行值与极限值的偏差，采用插值法计分，超过极限值的按0分计算；应急级别为3的，实际运行值偏离最优值的按0分计算；应急级别为4的，实际运行值偏离最优值的按59.9分计算；应急级别为5的，实际运行值偏离最优值的按-1分计算。
优化得分：应急级别为1、2的指标实际运行值在允许值范围内的，得分按实际运行值与最优值偏差，采用插值法计算得分；应急级别为3、4、5的指标实际运行值偏离最优值的按0分计算得分。
步骤五、对应评价规则通过在线数据控制平台进行实时数据收集和评价，在线数据控制平台根据评价结果进行反馈控制；对应的评价结果通过在线数据控制平台评分在80-100内显示绿色，60-79内显示黄色，60分一下显示红色；其中绿色代表正常，黄色代表关注，红色代表警示。
假设石灰石仓A料位建模最优值为5.8，允许大值为10，极大值为13时，应急级别1，通过差值计算评分（允许小、极限小值内评分方式一致）：
若石灰石仓A料位实测值为5.3，（在允许值范围内），评分为：100-[20÷（10-5）×（5.8-5.3）]=92。
若石灰石仓A料位测值为12，（在允许值范围外，极限值范围内），评分为：59-[59÷（13-10）×（12-10）]=49.1。
若石灰石仓A料位实测值＞13，评分为0。
步骤六、进行经济性评价，设置经济评价单元，经济评价单元包含电流、电压、电度、计算重要辅机的能耗，还包含石灰石浆液流量、密度和计算石灰石等实时物耗；经济评价单元在评价过程中通过一定时间段（一小时、一天或一周等）的小指标累计值，计算各运行班组值班期间的小指标累计量，自动评比；通过全负荷工况下的历史数据，显示实时负荷工况下的能耗，物耗，并与最优值进行对比，提出经济性运行的分级反馈；同样根据步骤五中绿、黄、红三种颜色进行监测控制。
以上所述仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内所想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于在线数据的脱硫装置参数评价方法，其特征在于，包含参数级评价单元，参数级评价单元通过基本指标单独集成并通过计算机显示控制，计算机与安装至脱硫装置上各处的数据采集器连接，数据采集器对应各获取的基本指标数据一一设置； DCS系统中对应的工艺参数作为基本指标；具体步骤如下：
步骤一、将脱硫装置中在DCS系统中对应的工艺参数作为基本指标进行分类，初步寻找相互关联性指标；选取影响脱硫装置运行、安全和生产效率的基本指标作为参数级评价单元的评价性指标，并将参数级评价单元的数据采集器与报警装置连接；
步骤二、建立数学模型，收集对应基本指标的历史数据，选取正常工况下数据再选择线性或非线性回归数学模型进行拟合并进行基本指标分析，找出关联指标和动态期望值；其中基本指标数据选取时，数据概率在85%以上数值或范围的为特征值，在特征值上下10%的数据为允许浮动范围；在数据分析时结合环境条件的变化，环境条件包含背景值、季节变换，室内室外及天气突变等因素；
步骤三、基于基本指标制定对应的数据检测收集器，并对应的安装至脱硫装置的相应位置，且各数据检测收集器均与计算机中在线数据控制平台连接；将基本指标进行关联连接，形成对应的评价单元；结合专家经验将每个指标控制范围划分为4个区间，依次为极限小值、允许小值、最优值、允许大值、极限大值，其中极限小值和极限大值为报警限值；根据基本指标的重要性设定权重系数，权重系数分为0、1、2三个级别并对应保留拓展接口；
步骤四、每个基本指标的期望值与在线运行值比较，得出单个基本指标的评分，确定评价单元中基本指标的评价规则，对参数级评价单元中正常运行时、出现应急状况以及正常停运等三种状况下基本指标进行评价；根据基本指标对参数的影响设立应急级别，分别为1、2、3、4和5级别并保留拓展接口；
步骤五、对应评价规则通过在线数据控制平台进行实时数据收集和评价，在线数据控制平台根据评价结果进行反馈控制；对应的评价结果通过在线数据控制平台评分在80-100内显示绿色，60-79内显示黄色，60分一下显示红色；其中绿色代表正常，黄色代表关注，红色代表警示；
步骤六、进行经济性评价，设置经济评价单元，经济评价单元包含电流、电压、电度、计算重要辅机的能耗，还包含石灰石浆液流量、密度和计算石灰石等实时物耗；经济评价单元在评价过程中通过一定时间段的小指标累计值，计算各运行班组值班期间的小指标累计量，自动评比；通过全负荷工况下的历史数据，显示实时负荷工况下的能耗，物耗，并与最优值进行对比，提出经济性运行的分级反馈；同样根据步骤五中绿、黄、红三种颜色进行监测控制。
2.如权利要求1所述的一种基于在线数据的脱硫装置参数评价方法，其特征在于，对于步骤一中、评价性基本指标的选取原则和范围，原则：脱硫系统中DCS自动控制系统画面上所有模拟量测点以及所有开关量的报警点；范围：包括脱硫装置的运行指标，运行指标包含设备的速度、温度、液位、密度、pH值、流量和给料量。
3.如权利要求2所述的一种基于在线数据的脱硫装置参数评价方法，其特征在于，对于步骤三中，评价指标控制范围：按照设计值、标准值同时结合专家经验将每个指标控制范围划分区间，依次为极限小值、允许小值、最优值、允许大值、极限大值，其中允许值为该指标允许波动范围，根据行业标准值、设计值和设备联锁启停定值选取，且要控制在DCS自动控制系统报警限值范围以内，同时要结合专家经验值进行确定；极限值为该指标故障范围值，根据设计值或保护跳闸定值进行确定；最优值是通过与该指标关联的自变量指标建立数学模型获得的实时工况下的动态期望值。
4.如权利要求3所述的一种基于在线数据的脱硫装置参数评价方法，其特征在于，
动态期望值寻优过程主要包含以下几个步骤，分别为：数据导出、数据清洗、数据线性寻优、数据非线性寻优、线性非线性寻优结果对比、寻优结果验证。
5.如权利要求4所述的一种基于在线数据的脱硫装置参数评价方法，其特征在于，其中数据导出为查询各测点的历史数据，之后选取符合要求的数据并进行导出，历史数据至少选取对应评价指标一年的数据，并对应的通过实际监测数据对模型进行验证和修正；数据清洗为主要根据经验对数据进行分类整合，将因变量和与因变量相关的多个自变量整合到同一个csv文件，利用stata软件清洗出因变量和所有自变量正常运行范围值，剔除其负值、空值、0值；在实际使用时，由于存在设备启停状况，此时，会存在取值范围不重合的状态，导致清洗后数据量为0，无法进行寻优，所以在实际数据清洗时，采用了分组清洗的方式，即：将待使用的数据整合在同一张表中进行清洗。
6.如权利要求5所述的一种基于在线数据的脱硫装置参数评价方法，其特征在于，对于线性寻优和非线性寻优；线型寻优使用STATA软件对输入和输出进行线性回归，非线性寻优使用的是MATLAB神经网络工具箱，使用的算法为BP算法，非线性寻优使用的是一对多的寻优。
7.如权利要求6所述的一种基于在线数据的脱硫装置参数评价方法，其特征在于，对于数据模型和历史数据对比通过样本容量、模型拟合度、模型标准误差、T值和P值进行判断：其中模型拟合度为1时拟合结果完美，一般情况下，此值≥0.2时表示拟合度较高，模型较好；T值越大说明自变量显著性越大，对模型的影响越明显，一般来讲，＞2时对应自变量较为显著；即P值＞，用于描述回归系数的显著性，越小越好，一般认为P＜0.05就算显著。
8.如权利要求1所述的一种基于在线数据的脱硫装置参数评价方法，其特征在于，对于评价指标的权重系数和应急级别：根据指标的重要性设定权重系数，权重系数分为0、1、2三个级别并保留拓展接口；根据评价指标对参数级别、设备级别、子系统级别、系统级别的影响设立应急级别，分别为1、2、3、4和5级别并保留拓展接口；
其中，一般属性基本指标确定为应急级别1；具备安全或经济属性的确定为应急级别2；对于装置事故跳闸、保护跳闸等开关量，表现为重要安全属性，确定为应急级别3；停运后对系统运行没有影响的定位应急级别4；对模拟量有关品质判断点为坏点时确定为应急级别5；根据各类属性的数量和分值定义，自动赋予各类基本指标在评价中的占比。
9.如权利要求8所述的一种基于在线数据的脱硫装置参数评价方法，其特征在于，参数级别中评价指标为影响装置运行、效率和质量的主控指标，参数级别的评价规则为：评价指标得分包含安全得分与优化得分两个分值,其中安全得分满分80分，优化得分满分20分，评价指标的得分为安全得分与优化得分之和。
10.如权利要求9所述的一种基于在线数据的脱硫装置参数评价方法，其特征在于，对于安全得分：评价指标实际运行值在允许值（含）范围内计80分，超过允许值时按应急级别分为级别1、级别2、级别3、级别4、级别5、五种情况，应急级别为1的，安全得分范围在60-79之间，计算方式为实际运行值与极限值的偏差，采用插值法计分，超过极限值的按60分计算；应急级别为2的，安全得分范围在0-59，计算方式为实际运行值与极限值的偏差，采用插值法计分，超过极限值的按0分计算；应急级别为3的，实际运行值偏离最优值的按0分计算；应急级别为4的，实际运行值偏离最优值的按59.9分计算；应急级别为5的，实际运行值偏离最优值的按-1分计算；
优化得分：应急级别为1、2的指标实际运行值在允许值范围内的，得分按实际运行值与最优值偏差，采用插值法计算得分；应急级别为3、4、5的指标实际运行值偏离最优值的按0分计算得分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011211048.9A CN112269824B (zh) | 2020-11-03 | 2020-11-03 | 一种基于在线数据的脱硫装置参数评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011211048.9A CN112269824B (zh) | 2020-11-03 | 2020-11-03 | 一种基于在线数据的脱硫装置参数评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112269824A true CN112269824A (zh) | 2021-01-26 |
| CN112269824B CN112269824B (zh) | 2024-07-19 |
Family
ID=74346007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011211048.9A Active CN112269824B (zh) | 2020-11-03 | 2020-11-03 | 一种基于在线数据的脱硫装置参数评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112269824B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114066044A (zh) * | 2021-11-12 | 2022-02-18 | 国能龙源环保有限公司 | 一种石灰石供浆管道堵塞状况预测方法及预测装置 |
| CN114386876A (zh) * | 2022-02-15 | 2022-04-22 | 中港疏浚有限公司 | 一种大型耙吸挖泥船艏吹智能分析系统 |
| CN116577583A (zh) * | 2023-05-17 | 2023-08-11 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104076795A (zh) * | 2014-07-07 | 2014-10-01 | 蓝星（北京）技术中心有限公司 | 工艺塔运行效率的实时评价方法、装置和工艺塔 |
| CN104133437A (zh) * | 2014-07-07 | 2014-11-05 | 蓝星（北京）技术中心有限公司 | 连续型化工装置及其绩效指标实时评价方法和装置 |
| CN104504512A (zh) * | 2014-12-16 | 2015-04-08 | 华润电力湖北有限公司 | 基于指标权重的火电厂经济指标考评系统及其方法 |
| CN105913185A (zh) * | 2016-04-12 | 2016-08-31 | 大唐东北电力试验研究所有限公司 | 火电厂环保设备在线风险评估方法及其系统 |
| CN108154291A (zh) * | 2017-12-19 | 2018-06-12 | 国网冀北电力有限公司张家口供电公司 | 一种基于策略库的供电厂性能指标评价方法及系统 |
| CN109242322A (zh) * | 2018-09-17 | 2019-01-18 | 江阴利港发电股份有限公司 | 基于数据分析的火力发电机组健康水平评估方法 |
| CN111650901A (zh) * | 2020-05-19 | 2020-09-11 | 北京坚构创新科技有限公司 | 一种水泥生产线用智能无人值守工厂系统 |
-
2020
- 2020-11-03 CN CN202011211048.9A patent/CN112269824B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104076795A (zh) * | 2014-07-07 | 2014-10-01 | 蓝星（北京）技术中心有限公司 | 工艺塔运行效率的实时评价方法、装置和工艺塔 |
| CN104133437A (zh) * | 2014-07-07 | 2014-11-05 | 蓝星（北京）技术中心有限公司 | 连续型化工装置及其绩效指标实时评价方法和装置 |
| CN104504512A (zh) * | 2014-12-16 | 2015-04-08 | 华润电力湖北有限公司 | 基于指标权重的火电厂经济指标考评系统及其方法 |
| CN105913185A (zh) * | 2016-04-12 | 2016-08-31 | 大唐东北电力试验研究所有限公司 | 火电厂环保设备在线风险评估方法及其系统 |
| CN108154291A (zh) * | 2017-12-19 | 2018-06-12 | 国网冀北电力有限公司张家口供电公司 | 一种基于策略库的供电厂性能指标评价方法及系统 |
| CN109242322A (zh) * | 2018-09-17 | 2019-01-18 | 江阴利港发电股份有限公司 | 基于数据分析的火力发电机组健康水平评估方法 |
| CN111650901A (zh) * | 2020-05-19 | 2020-09-11 | 北京坚构创新科技有限公司 | 一种水泥生产线用智能无人值守工厂系统 |
Non-Patent Citations (1)
| Title |
|---|
| 星码: "数学建模 --- 预测性与解释性回归：多元线性回归用Stata分析", Retrieved from the Internet <URL:https://blog.csdn.net/qq_43779658/article/details/107896721> * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114066044A (zh) * | 2021-11-12 | 2022-02-18 | 国能龙源环保有限公司 | 一种石灰石供浆管道堵塞状况预测方法及预测装置 |
| CN114386876A (zh) * | 2022-02-15 | 2022-04-22 | 中港疏浚有限公司 | 一种大型耙吸挖泥船艏吹智能分析系统 |
| CN114386876B (zh) * | 2022-02-15 | 2022-11-25 | 中港疏浚有限公司 | 一种大型耙吸挖泥船艏吹智能分析系统 |
| CN116577583A (zh) * | 2023-05-17 | 2023-08-11 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
| CN116577583B (zh) * | 2023-05-17 | 2023-11-28 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112269824B (zh) | 2024-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112288296B (zh) | 脱硫装置运行性能及经济性的实时评价系统和应用方法 | |
| CN112269824A (zh) | 一种基于在线数据的脱硫装置参数评价方法 | |
| CN109426205B (zh) | 一种工业智能优化节能系统 | |
| CN116566050A (zh) | 一种基于人工智能的综合配电管理系统 | |
| CN110275440B (zh) | 基于负荷预测的多能源船舶能量管理控制器及其控制方法 | |
| CN112288298B (zh) | 一种基于在线数据的脱硫系统健康状况评价方法 | |
| CN103701212B (zh) | 一种用于电网安全稳定控制装置的监测分析方法及系统 | |
| CN104819107B (zh) | 一种风电机组功率曲线异常漂移的诊断方法及系统 | |
| CN103912448B (zh) | 一种区域风电场机组功率特性监测方法 | |
| CN108573761A (zh) | 一种核电厂设备实时性能监测方法及系统 | |
| CN107271829A (zh) | 一种配电设备运行状态分析方法及装置 | |
| CN117013606B (zh) | 一种基于人工智能的光伏发电智能储能控制系统 | |
| CN117406685B (zh) | 适用于绿色低碳建筑的建筑设备智能控制优化管理系统 | |
| CN111997881A (zh) | 一种用于供水的智能变频恒压控制系统 | |
| CN111596643A (zh) | 一种基于大数据的可视化动态能耗诊断、分析和预控系统 | |
| CN110953687A (zh) | 一种空调的健康度评价方法、系统及存储介质 | |
| CN116128241A (zh) | 一种智能供电系统 | |
| CN112288295B (zh) | 一种基于在线的脱硫子系统评价装置及其应用方法 | |
| CN117799597A (zh) | 一种混合动力拖拉机分布式驱动系统 | |
| CN115224684A (zh) | 基于免疫危险理论的智能配电网风险状态辨识方法及系统 | |
| CN2716761Y (zh) | 换热机组智能化控制装置 | |
| CN112288297B (zh) | 一种基于在线脱硫设备和模块的评价系统及其应用方法 | |
| CN111969660B (zh) | 基于不同工况奖惩双轨运行的一次调频考核方法及系统 | |
| CN114493524A (zh) | 一种考虑复合故障率的电网稳控装置检修周期确定方法 | |
| CN112764400A (zh) | 一种在线自动控制品质评估和优化系统和方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 100039, room 9, floor 1, building 16, No. 901 West Fourth Ring Road, Beijing, Haidian District Applicant after: Guoneng Longyuan environmental protection Co.,Ltd. Address before: 100039, room 1, building 16, No. 911 West Fourth Ring Road, Beijing, Haidian District Applicant before: BEIJING GUODIAN LONGYUAN ENVIRONMENTAL ENGINEERING Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |