CN112700122A - 一种热力系统性能计算方法、装置及设备 - Google Patents
一种热力系统性能计算方法、装置及设备 Download PDFInfo
- Publication number
- CN112700122A CN112700122A CN202011601273.3A CN202011601273A CN112700122A CN 112700122 A CN112700122 A CN 112700122A CN 202011601273 A CN202011601273 A CN 202011601273A CN 112700122 A CN112700122 A CN 112700122A
- Authority
- CN
- China
- Prior art keywords
- data
- performance
- measuring point
- performance data
- slave
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 61
- 238000004140 cleaning Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 26
- 238000010606 normalization Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000011056 performance test Methods 0.000 abstract description 24
- 238000005070 sampling Methods 0.000 abstract description 9
- 238000012360 testing method Methods 0.000 abstract description 7
- 238000000605 extraction Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000013519 translation Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种热力系统性能计算方法，通过获取预设时间段内的主测点性能数据及从测点性能数据；通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据；通过所述最小信息熵数据确定时间偏差量信息；根据所述时间偏差量信息进行热力系统的性能计算。本发明通过确认所述时间偏差量信息，在没有大幅延长性能测试取样时间的基础上，解决了性能测试中传感器参数提取时间过短导致改变前端传感器参数的影响尚未传递到后端传感器，使测试结果失准的问题，提高了热力系统性能测试准确度。本发明同时还提供了一种具有上述有益效果热力系统性能计算装置、设备及计算机可读存储介质。
Description
技术领域
本发明涉及热力系统检测领域，特别是涉及一种热力系统性能计算方法、装置、设备及计算机可读存储介质。
背景技术
火力发电机组热力系统性能计算目前是采用火力发电厂采集到分布于系统不同位置的温度、压力、流量等多类型传感器采集数据，按照相关行业或国家标准，在线计算火力发电机组的性能。
行标或国标规定的相关计算方法是基于热力系统稳态工况或者较长时间段做出的，而在实际的热力系统中，由于热力系统组件多，工质流动通道长，数据复杂的特点，实际操作中，当起点处的参数发生变化时，往往需要一定时间才能传达到后续各个区域，而现有技术中，由于各传感器处于热力系统的不同位置，而工质的流动、传热及做功都需要花费时间，也就造成了上述相关计算标准不适用于较大系统规模的暂态计算；此外，在较短时间内同步提取热力系统中不同位置的传感器参数用于性能计算会造成性能计算结果额外的波动性增大，现有方案往往没有考虑到加入变量后整个热力系统需要的反应时间，不利于对性能计算结果进行进一步数据分析。
因此，如何在兼具测试效率间的前提下，避免热力系统性能测试中的传感器参数提取时间过短，导致计算结果失准，是本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供一种热力系统性能计算方法、装置、设备及计算机可读存储介质，以解决现有技术中计算结果精度与测试效率不可兼得的问题。
为解决上述技术问题，本发明提供一种热力系统性能计算方法，包括：
获取预设时间段内的主测点性能数据及从测点性能数据；
通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据；
通过所述最小信息熵数据确定时间偏差量信息；
根据所述时间偏差量信息进行热力系统的性能计算。
可选地，在所述的热力系统性能计算方法中，在获取预设时间段内的主测点性能数据及从测点性能数据之后，还包括：
对所述主测点性能数据及所述从测点性能数据分别进行归一化处理，得到归一主测数据及归一从测数据；
相应地，所述通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据包括：
通过所述归一主测数据与所述归一从测数据，得到与所述从测点性能数据对应的最小信息熵数据。
可选地，在所述的热力系统性能计算方法中，所述获取预设时间段内的主测点性能数据及从测点性能数据包括：
获取原始数据流；
对所述原始数据流进行数据清洗，得到清洗数据集；
根据预设的最大错位时间遍历所述清洗数据集，确定所述清洗数据集中连续时间长度大于所述最大错位时间的数据片段为待测数据片段；
通过所述待测数据片段获取主测点性能数据及从测点性能数据。
可选地，在所述的热力系统性能计算方法中，当遍历所述清洗数据集得到多个所述待测数据片段时，所述通过所述待测数据片段获取主测点性能数据及从测点性能数据包括：
通过多个所述待测数据片段获取多组主测点性能数据及从测点性能数据；
相应地，所述通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据包括：
通过各组所述主测点性能数据与所述从测点性能数据，得到与各组对应的最小信息熵数据；
比较多个所述最小信息熵数据的熵值，确定熵值最小的所述最小信息熵数据为目标信息熵数据；
相应地，所述通过所述最小信息熵数据确定时间偏差量信息包括：
通过所述目标信息熵数据确定时间偏差量信息。
可选地，在所述的热力系统性能计算方法中，所述通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据包括：
通过粒子群寻优算法通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据。
一种热力系统性能计算装置，包括：
获取模块，用于获取预设时间段内的主测点性能数据及从测点性能数据；
信息熵模块，用于通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据；
偏差模块，用于通过所述最小信息熵数据确定时间偏差量信息；
性能计算模块，用于根据所述时间偏差量信息进行热力系统的性能计算。
可选地，在所述的热力系统性能计算装置中，所述获取模块，还包括：
归一单元，用于对所述主测点性能数据及所述从测点性能数据分别进行归一化处理，得到归一主测数据及归一从测数据；
相应地，所述信息熵模块包括：
归一信息熵单元，用于通过所述归一主测数据与所述归一从测数据，得到与所述从测点性能数据对应的最小信息熵数据。
可选地，在所述的热力系统性能计算装置中，所述获取模块包括：
原始流单元，用于获取原始数据流；
清洗单元，用于对所述原始数据流进行数据清洗，得到清洗数据集；
挑选单元，用于根据预设的最大错位时间遍历所述清洗数据集，确定所述清洗数据集中连续时间长度大于所述最大错位时间的数据片段为待测数据片段；
获取单元，用于通过所述待测数据片段获取主测点性能数据及从测点性能数据。
一种热力系统性能计算设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一种所述的热力系统性能计算方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的热力系统性能计算方法的步骤。
本发明所提供的热力系统性能计算方法，通过获取预设时间段内的主测点性能数据及从测点性能数据；通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据；通过所述最小信息熵数据确定时间偏差量信息；根据所述时间偏差量信息进行热力系统的性能计算。
本发明通过获取与时间相关的主测点性能数据与从测点性能数据，即可得知主测点位置的参数随时间的变化情况及从测点的参数随时间的变化情况，而通过主测点性能数据与从测点性能数据波峰波谷出现的时间间隔，即可得知从主测点处改变系统内变量，影响到从测点处需要经过的时间，具体地，通过在时间轴上前后调整从测点性能数据的位置，确定主测点性能数据与从测点性能数据在各个时间点的差值的和的最小值(即所述最小信息熵)，即可确定此时的时间调整量为时间偏差量信息，换句话说，要确保在性能测试中，改变主测点的参数造成的影响已经传递到从测点，取样时间就不得小于上述时间偏差量信息对应的时长，而本发明通过确认所述时间偏差量信息，在没有大幅延长性能测试取样时间的基础上，解决了性能测试中传感器参数提取时间过短导致改变前端传感器参数的影响尚未传递到后端传感器，使测试结果失准的问题，提高了热力系统性能测试准确度。本发明同时还提供了一种具有上述有益效果热力系统性能计算装置、设备及计算机可读存储介质。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明提供的热力系统性能计算方法的一种具体实施方式的流程示意图；
图2为本发明提供的热力系统性能计算方法的另一种具体实施方式的流程示意图；
图3为本发明提供的热力系统性能计算装置的一种具体实施方式的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅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。
本发明的核心是提供一种热力系统性能计算方法，其一种具体实施方式的流程示意图如图1所示，称其为具体实施方式一，包括：
S101：获取预设时间段内的主测点性能数据及从测点性能数据。
需要注意的是，所述主测点性能数据与所述从测点性能数据的数据类型可能相同，也可能不同，以热电系统举例，水蒸气通过管道推动风扇，如果主测点为水蒸气进口，从测点为风扇，则有可能需要获取的所述主测点信息及所述从测点信息分别为水蒸气气压及风扇转速。另外，所述主测点只有一个，但从测点数量不限，可以是一个，也可以有多个。
S102：通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据。
通过粒子群寻优算法通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据。使用粒子寻优算法，可更高效地确定所述最小信息熵数据，当然，也可根据实际情况选择其他合适的机器学习算法，如蜂群寻优法或蚁群寻优法等。
S103：通过所述最小信息熵数据确定时间偏差量信息。
具体地，可做横轴为时间，纵轴为数据大小的直角坐标新，而所述主测点性能数据及所述从测点性能数据由于是一段时间内的连续量，因此，可做主、从测点性能数据关于时间变化的二维图像，其中，信息熵指在预设时间段内，所有同一时刻主测点性能数据与从测点性能数据的差值的和，而通过保持主(从)测点性能数据曲线不动，平移所述从(主)测点性能数据曲线，最终可得到一个信息熵最小的横轴平移量，此时的信息熵即为所述最小信息熵，对应的横轴平移量为所述时间偏差量信息。
S104：根据所述时间偏差量信息进行热力系统的性能计算。
作为一种优选实施方式，在获取预设时间段内的主测点性能数据及从测点性能数据之后，还包括：
对所述主测点性能数据及所述从测点性能数据分别进行归一化处理，得到归一主测数据及归一从测数据；
相应地，所述通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据包括：
通过所述归一主测数据与所述归一从测数据，得到与所述从测点性能数据对应的最小信息熵数据。
上述方法中，在将所述主测点性能数据与所述从测点性能数据进行对比前，先分别对其进行了归一化，由于所述主测点性能数据及所述从测点性能数据如上文所述可能数据类型不同，因此其大小也会有很大差别，在获取多组主、从测点性能数据时不利于相互比较，依旧沿用前文例子，主测点为水蒸气进口，从测点为水蒸气推动的风扇，为了测量尽可能精准，可以取两组主、从测点性能数据，如第一组主测点性能数据为水蒸汽气压，从测点性能数据为风扇转速；第二组主测点性能数据为水蒸汽气压，从测点性能数据为风扇电流，由于读取到的电流参数的数值与风扇转速参数的数值差距过大，导致最终得到的最小值信息熵之间没有可比性，只有在将所有数据归一化之后，不同包括不同种类的数据类型的多组主、从测点性能数据才有比较的价值。
本发明通过获取与时间相关的主测点性能数据与从测点性能数据，即可得知主测点位置的参数随时间的变化情况及从测点的参数随时间的变化情况，而通过主测点性能数据与从测点性能数据波峰波谷出现的时间间隔，即可得知从主测点处改变系统内变量，影响到从测点处需要经过的时间，具体地，通过在时间轴上前后调整从测点性能数据的位置，确定主测点性能数据与从测点性能数据在各个时间点的差值的和的最小值(即所述最小信息熵)，即可确定此时的时间调整量为时间偏差量信息，换句话说，要确保在性能测试中，改变主测点的参数造成的影响已经传递到从测点，取样时间就不得小于上述时间偏差量信息对应的时长，而本发明通过确认所述时间偏差量信息，在没有大幅延长性能测试取样时间的基础上，解决了性能测试中传感器参数提取时间过短导致改变前端传感器参数的影响尚未传递到后端传感器，使测试结果失准的问题，提高了热力系统性能测试准确度。
在具体实施方式一的基础上，对所述主测点性能数据及所述从测点性能数据的获取方式做限定，得到具体实施方式二，其流程示意图如图2所示，包括：
S201：获取原始数据流。
S202：对所述原始数据流进行数据清洗，得到清洗数据集。
所述数据清洗包括剔除死值、越限值、突变值等，而其中任意一个测点数据被清洗，则对于该时刻的所有测点数据均被清洗，以保持各测点数据量的相同和时刻的对应性。
S203：根据预设的最大错位时间遍历所述清洗数据集，确定所述清洗数据集中连续时间长度大于所述最大错位时间的数据片段为待测数据片段。
所述最大位错时间通常为根据控制系统控制周期设定的时间长度，由前文可知，本发明需要通过将连续的时间段对应的数据左右平移，从而找到信息熵最小(即波峰对波峰，波谷对波谷)的横轴平移量，而如果时间段取的时间过长，则可能会包括多个控制系统的控制周期，即所述最小信息熵可能对应多个横轴偏移量(时间偏差量信息)，或者出于误差等原因导致最小信息熵对应的横轴平移量为多个控制系统周期后对应的时刻，这就导致此时的时间偏差量信息过大，进而导致后续的热力系统性能计算耗时过长，举例说明，所述最大位错时间可以为所述控制系统的控制周期时间t，也可以是t+t0，其中t0为根据计算任务预设的补充量时间。
S204：通过所述待测数据片段获取主测点性能数据及从测点性能数据。
作为一种具体的实施方式，通过多个所述待测数据片段获取多组主测点性能数据及从测点性能数据；即经过清洗的数据流可能包括多个时间长度大于所述最大位错时间的数据片段，依旧以热力系统为例，此时所述待测数据片段可能包括早上9:00～9:30的数据片段、 12:30～13:00的数据片段及18:00～18:30的数据片段，此例子下，应获得三组主测点性能数据及从测点性能数据。
S205：通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据。
继续前文举例，应从三组主测点性能数据及从测点性能数据中得到三个最小信息熵数据。
S206：通过所述最小信息熵数据确定时间偏差量信息。
当通过多个所述待测数据片段获取多组主测点性能数据及从测
S207：根据所述时间偏差量信息进行热力系统的性能计算。
本具体实施方式中，经数据清洗后得到多组主、从测点性能数据，并从多组数据中挑选出信息熵最小的所述最小信息熵数据对应的横轴平移量作为所述时间偏差量，也就意味着所述时间偏移量与实际情况中的主测点环境变化传递到从测点真实需要的时间量的差距进一步缩小，换句话说，有利于最终热力系统的性能计算的结果准确度。
本具体实施方式通过连续的数据流，经数据清洗后得到多组主、从测点性能数据，并从多组数据中挑选出信息熵最小的所述最小信息熵数据对应的横轴平移量作为所述时间偏差量，也就意味着所述时间偏移量与实际情况中的主测点环境变化传递到从测点真实需要的时间量的差距进一步缩小，换句话说，有利于最终热力系统的性能计算的结果准确度。
下面提供一种从获取所述主测点性能数据与所述从测点性能数据至获取时间偏差量信息的完整流程，包括：
步骤1：按照设定的唯一一个主参数指标，其余计算所需的测点均称为从参数指标，按照前述的Δt，生成每一个从参数指标对应主参数指标的时间偏差ti(i＝1,2,...,nn为从参数个数)，其中-Δt≤ti≤Δ t，Tj＝[t1j,t2j,...,tnj]，按照初始生成设定生成m组Tj(j＝1,2,...,m m为初始化生成的组数)，生成方式可以采用随机生成，按设定规则生成等多种方式；
步骤2：将前述步骤1中的数据集，对每个测点分别做0～1区间内的归一化处理；
步骤3：将前述步骤2中得到的数据集，按照前述步骤1中的每一组Tj，求解对应该组Tj下的信息熵。其中数据集由多段连续数据区组成，对于每一组连续数据，主参数指标的数据段取值为：最早时间+Δt至最晚时间-Δt的范围，其余第i个从指标的数据段取值为：最早时间+Δt+tij至最晚时间-Δt+tij的范围。信息熵的表达为：
其中k为本连续片段时间样本中的数据个数，而最前面一个累加符号为各连续片段的信息熵相加；
步骤4：遍历j＝1,2,...,m组中的最小值形成初始的全局最优点，并以各组Tj的当前值作为各自的局部最优点，并记录全局最优及历史最优对应的Tj值；
步骤5：如前所述按照粒子群的寻优方法，调整各组Tj值的时间偏差分量形成Tj’；
步骤6：再次计算各组Tj’的信息熵，并更新全局最优及局部最优值及对应的Tj信息；
步骤7：判断全局最优变化情况是否满足寻优跳出条件，如果不满足，重新返回步骤5；
步骤8：如果满足跳出条件，则说明全局最优对应的Tj是满足各参数时间偏差达到最小信息熵的结果，记为Tbest，保存该Tbest；所述 Tbest即为前文所述的时间偏差量信息。
步骤9：当性能计算时，提取任意时刻的测点数据按照：主指标为t0时刻，其余从指标提取的时间分别为：ti,best(i＝1,2,...,n)。
下面对本发明实施例提供的热力系统性能计算装置进行介绍，下文描述的热力系统性能计算装置与上文描述的热力系统性能计算方法可相互对应参照。
图3为本发明实施例提供的热力系统性能计算装置的结构框图，称其为具体实施方式四，参照图3热力系统性能计算装置可以包括：
获取模块100，用于获取预设时间段内的主测点性能数据及从测点性能数据；
信息熵模块200，用于通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据；
偏差模块300，用于通过所述最小信息熵数据确定时间偏差量信息；
性能计算模块400，用于根据所述时间偏差量信息进行热力系统的性能计算。
作为一种优选实施方式，所述获取模块100，还包括：
归一单元，用于对所述主测点性能数据及所述从测点性能数据分别进行归一化处理，得到归一主测数据及归一从测数据；
相应地，所述信息熵模块200包括：
归一信息熵单元，用于通过所述归一主测数据与所述归一从测数据，得到与所述从测点性能数据对应的最小信息熵数据。
作为一种优选实施方式，所述获取模块100包括：
原始流单元，用于获取原始数据流；
清洗单元，用于对所述原始数据流进行数据清洗，得到清洗数据集；
挑选单元，用于根据预设的最大错位时间遍历所述清洗数据集，确定所述清洗数据集中连续时间长度大于所述最大错位时间的数据片段为待测数据片段；
获取单元，用于通过所述待测数据片段获取主测点性能数据及从测点性能数据。
作为一种优选实施方式，所述获取模块100包括：
复数获取单元，用于通过多个所述待测数据片段获取多组主测点性能数据及从测点性能数据；
相应地，所述信息熵模块200包括：
复数信息熵单元，用于通过各组所述主测点性能数据与所述从测点性能数据，得到与各组对应的最小信息熵数据；
目标信息熵单元，用于比较多个所述最小信息熵数据的熵值，确定熵值最小的所述最小信息熵数据为目标信息熵数据；
相应地，所述偏差模块300包括：
目标偏差单元，用于通过所述目标信息熵数据确定时间偏差量信息。
作为一种优选实施方式，所述信息熵模块200包括：
粒子群单元，用于通过粒子群寻优算法通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据。
本实施例的热力系统性能计算装置用于实现前述的热力系统性能计算方法，因此热力系统性能计算装置中的具体实施方式可见前文中的热力系统性能计算方法的实施例部分，例如，获取模块100，信息熵模块200，偏差模块300，性能计算模块400，分别用于实现上述热力系统性能计算方法中步骤S101，S102，S103和S104，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
一种热力系统性能计算设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一种所述的热力系统性能计算方法的步骤。本发明所提供的热力系统性能计算方法，通过获取预设时间段内的主测点性能数据及从测点性能数据；通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据；通过所述最小信息熵数据确定时间偏差量信息；根据所述时间偏差量信息进行热力系统的性能计算。本发明通过获取与时间相关的主测点性能数据与从测点性能数据，即可得知主测点位置的参数随时间的变化情况及从测点的参数随时间的变化情况，而通过主测点性能数据与从测点性能数据波峰波谷出现的时间间隔，即可得知从主测点处改变系统内变量，影响到从测点处需要经过的时间，具体地，通过在时间轴上前后调整从测点性能数据的位置，确定主测点性能数据与从测点性能数据在各个时间点的差值的和的最小值(即所述最小信息熵)，即可确定此时的时间调整量为时间偏差量信息，换句话说，要确保在性能测试中，改变主测点的参数造成的影响已经传递到从测点，取样时间就不得小于上述时间偏差量信息对应的时长，而本发明通过确认所述时间偏差量信息，在没有大幅延长性能测试取样时间的基础上，解决了性能测试中传感器参数提取时间过短导致改变前端传感器参数的影响尚未传递到后端传感器，使测试结果失准的问题，提高了热力系统性能测试准确度。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的热力系统性能计算方法的步骤。本发明所提供的热力系统性能计算方法，通过获取预设时间段内的主测点性能数据及从测点性能数据；通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据；通过所述最小信息熵数据确定时间偏差量信息；根据所述时间偏差量信息进行热力系统的性能计算。本发明通过获取与时间相关的主测点性能数据与从测点性能数据，即可得知主测点位置的参数随时间的变化情况及从测点的参数随时间的变化情况，而通过主测点性能数据与从测点性能数据波峰波谷出现的时间间隔，即可得知从主测点处改变系统内变量，影响到从测点处需要经过的时间，具体地，通过在时间轴上前后调整从测点性能数据的位置，确定主测点性能数据与从测点性能数据在各个时间点的差值的和的最小值(即所述最小信息熵)，即可确定此时的时间调整量为时间偏差量信息，换句话说，要确保在性能测试中，改变主测点的参数造成的影响已经传递到从测点，取样时间就不得小于上述时间偏差量信息对应的时长，而本发明通过确认所述时间偏差量信息，在没有大幅延长性能测试取样时间的基础上，解决了性能测试中传感器参数提取时间过短导致改变前端传感器参数的影响尚未传递到后端传感器，使测试结果失准的问题，提高了热力系统性能测试准确度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。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、物品或者设备中还存在另外的相同要素。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程 ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的热力系统性能计算方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种热力系统性能计算方法，其特征在于，包括：
获取预设时间段内的主测点性能数据及从测点性能数据；
通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据；
通过所述最小信息熵数据确定时间偏差量信息；
根据所述时间偏差量信息进行热力系统的性能计算。
2.如权利要求1所述的热力系统性能计算方法，其特征在于，在获取预设时间段内的主测点性能数据及从测点性能数据之后，还包括：
对所述主测点性能数据及所述从测点性能数据分别进行归一化处理，得到归一主测数据及归一从测数据；
相应地，所述通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据包括：
通过所述归一主测数据与所述归一从测数据，得到与所述从测点性能数据对应的最小信息熵数据。
3.如权利要求1所述的热力系统性能计算方法，其特征在于，所述获取预设时间段内的主测点性能数据及从测点性能数据包括：
获取原始数据流；
对所述原始数据流进行数据清洗，得到清洗数据集；
根据预设的最大错位时间遍历所述清洗数据集，确定所述清洗数据集中连续时间长度大于所述最大错位时间的数据片段为待测数据片段；
通过所述待测数据片段获取主测点性能数据及从测点性能数据。
4.如权利要求3所述的热力系统性能计算方法，其特征在于，当遍历所述清洗数据集得到多个所述待测数据片段时，所述通过所述待测数据片段获取主测点性能数据及从测点性能数据包括：
通过多个所述待测数据片段获取多组主测点性能数据及从测点性能数据；
相应地，所述通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据包括：
通过各组所述主测点性能数据与所述从测点性能数据，得到与各组对应的最小信息熵数据；
比较多个所述最小信息熵数据的熵值，确定熵值最小的所述最小信息熵数据为目标信息熵数据；
相应地，所述通过所述最小信息熵数据确定时间偏差量信息包括：
通过所述目标信息熵数据确定时间偏差量信息。
5.如权利要求1所述的热力系统性能计算方法，其特征在于，所述通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据包括：
通过粒子群寻优算法通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据。
6.一种热力系统性能计算装置，其特征在于，包括：
获取模块，用于获取预设时间段内的主测点性能数据及从测点性能数据；
信息熵模块，用于通过所述主测点性能数据与所述从测点性能数据，得到与所述从测点性能数据对应的最小信息熵数据；
偏差模块，用于通过所述最小信息熵数据确定时间偏差量信息；
性能计算模块，用于根据所述时间偏差量信息进行热力系统的性能计算。
7.如权利要求6所述的热力系统性能计算装置，其特征在于，所述获取模块，还包括：
归一单元，用于对所述主测点性能数据及所述从测点性能数据分别进行归一化处理，得到归一主测数据及归一从测数据；
相应地，所述信息熵模块包括：
归一信息熵单元，用于通过所述归一主测数据与所述归一从测数据，得到与所述从测点性能数据对应的最小信息熵数据。
8.如权利要求6所述的热力系统性能计算装置，其特征在于，所述获取模块包括：
原始流单元，用于获取原始数据流；
清洗单元，用于对所述原始数据流进行数据清洗，得到清洗数据集；
挑选单元，用于根据预设的最大错位时间遍历所述清洗数据集，确定所述清洗数据集中连续时间长度大于所述最大错位时间的数据片段为待测数据片段；
获取单元，用于通过所述待测数据片段获取主测点性能数据及从测点性能数据。
9.一种热力系统性能计算设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的热力系统性能计算方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的热力系统性能计算方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011601273.3A CN112700122B (zh) | 2020-12-29 | 2020-12-29 | 一种热力系统性能计算方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011601273.3A CN112700122B (zh) | 2020-12-29 | 2020-12-29 | 一种热力系统性能计算方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112700122A true CN112700122A (zh) | 2021-04-23 |
| CN112700122B CN112700122B (zh) | 2024-10-29 |
Family
ID=75512172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011601273.3A Active CN112700122B (zh) | 2020-12-29 | 2020-12-29 | 一种热力系统性能计算方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112700122B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5073862A (en) * | 1987-08-26 | 1991-12-17 | Carlson Peter J | Method and apparatus for diagnosing problems with the thermodynamic performance of a heat engine |
| US20070244271A1 (en) * | 2001-12-17 | 2007-10-18 | Univation Technologies, Llc | Method for polymerization reaction monitoring with determination of entropy of monitored data |
| TW201101852A (en) * | 2009-06-26 | 2011-01-01 | Univ Nat Taiwan Science Tech | Sound source direction detecting method and apparatus thereof |
| CN105911539A (zh) * | 2016-04-19 | 2016-08-31 | 北京邮电大学 | 一种到达时间差的误差补偿值确定方法及装置 |
| CN106650122A (zh) * | 2016-12-27 | 2017-05-10 | 宝鸡文理学院 | 一种设备变工况运行风险评估方法 |
| CN108446529A (zh) * | 2018-06-22 | 2018-08-24 | 太原理工大学 | 基于广义互熵—dpca算法的有机朗肯循环系统故障检测方法 |
| CN109088770A (zh) * | 2018-08-21 | 2018-12-25 | 西安交通大学 | 一种基于自适应符号传递熵的机电系统交互网络建模方法 |
| 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 |
| CN109670549A (zh) * | 2018-12-20 | 2019-04-23 | 华润电力技术研究院有限公司 | 火电机组的数据筛选方法、装置以及计算机设备 |
| CN110887027A (zh) * | 2019-11-19 | 2020-03-17 | 中广核工程有限公司 | 一种立式蒸汽发生器热力性能评估系统和方法 |
| CN111639060A (zh) * | 2020-06-08 | 2020-09-08 | 华润电力技术研究院有限公司 | 一种火电厂时序数据处理方法、装置、设备及介质 |
| CN112066355A (zh) * | 2020-09-10 | 2020-12-11 | 河北工业大学 | 基于数据驱动的余热锅炉阀门自适应调节方法 |
-
2020
- 2020-12-29 CN CN202011601273.3A patent/CN112700122B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5073862A (en) * | 1987-08-26 | 1991-12-17 | Carlson Peter J | Method and apparatus for diagnosing problems with the thermodynamic performance of a heat engine |
| US20070244271A1 (en) * | 2001-12-17 | 2007-10-18 | Univation Technologies, Llc | Method for polymerization reaction monitoring with determination of entropy of monitored data |
| TW201101852A (en) * | 2009-06-26 | 2011-01-01 | Univ Nat Taiwan Science Tech | Sound source direction detecting method and apparatus thereof |
| CN105911539A (zh) * | 2016-04-19 | 2016-08-31 | 北京邮电大学 | 一种到达时间差的误差补偿值确定方法及装置 |
| CN106650122A (zh) * | 2016-12-27 | 2017-05-10 | 宝鸡文理学院 | 一种设备变工况运行风险评估方法 |
| CN108446529A (zh) * | 2018-06-22 | 2018-08-24 | 太原理工大学 | 基于广义互熵—dpca算法的有机朗肯循环系统故障检测方法 |
| CN109088770A (zh) * | 2018-08-21 | 2018-12-25 | 西安交通大学 | 一种基于自适应符号传递熵的机电系统交互网络建模方法 |
| CN109670549A (zh) * | 2018-12-20 | 2019-04-23 | 华润电力技术研究院有限公司 | 火电机组的数据筛选方法、装置以及计算机设备 |
| 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 |
| CN110887027A (zh) * | 2019-11-19 | 2020-03-17 | 中广核工程有限公司 | 一种立式蒸汽发生器热力性能评估系统和方法 |
| CN111639060A (zh) * | 2020-06-08 | 2020-09-08 | 华润电力技术研究院有限公司 | 一种火电厂时序数据处理方法、装置、设备及介质 |
| CN112066355A (zh) * | 2020-09-10 | 2020-12-11 | 河北工业大学 | 基于数据驱动的余热锅炉阀门自适应调节方法 |
Non-Patent Citations (5)
| Title |
|---|
| 刘聪锋编著: "《无源定位与跟踪》", 30 June 2011, 西安电子科技大学出版社, pages: 42 - 44 * |
| 张力;周易川;贾惠侨;洪俊;李鹏程;: "基于信息熵表征的数字化控制系统信息提供率研究", 工业工程与管理, no. 04, 10 August 2016 (2016-08-10) * |
| 赵征;李悦宁;袁洪;: "燃煤机组NO_x生成量动态软测量模型", 动力工程学报, no. 07, 15 July 2020 (2020-07-15) * |
| 陈非, 黄树红, 张燕平, 高伟: "火电机组信息融合故障诊断方法及其发展", 振动、测试与诊断, no. 01, 30 January 2005 (2005-01-30) * |
| 黄轶伦, 汪乐宇, 郑燕萍, 陈伯川, 张卫东: "气固流化床中信息熵的实验研究", 高校化学工程学报, no. 02, 25 April 2001 (2001-04-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112700122B (zh) | 2024-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102393881B (zh) | 一种实时多传感温度数据融合的高精度检测方法 | |
| CN104181883A (zh) | 实时数据采集系统的异常数据实时处理方法 | |
| CN110222416B (zh) | 一种基于大数据的工业蒸汽量预测方法 | |
| CN117007984B (zh) | 一种电池包运行故障动态监测方法及系统 | |
| CN110298765B (zh) | 一种基于客观关联因素的配电网用电功率异常检测方法 | |
| CN112330197B (zh) | 一种气象水文数据质量控制与评价方法 | |
| CN106971027B (zh) | 一种基于dr-bn模型的冷水机组故障特征选择方法 | |
| CN117251749B (zh) | 一种基于增量分析的物联网数据处理方法 | |
| CN116662767B (zh) | 基于多传感器的蒸发冷却机组系统温度数据智能采集方法 | |
| CN118016202B (zh) | 一种基于汽水质量的化学设备运行分析方法及系统 | |
| CN118265275B (zh) | 风冷线控冷优化控制方法 | |
| CN111584015A (zh) | 脱硝系统入口NOx测量延迟估计方法及装置 | |
| CN103080855B (zh) | 确定模型参数以控制蒸汽发电站模块的方法和装置 | |
| CN117387172A (zh) | 基于精准推荐设备控制参数的末端空调节能方法和系统 | |
| CN117313014B (zh) | 一种窑炉运转能耗异常数据实时监测预警方法 | |
| CN111896112A (zh) | 一种锅炉水冷壁壁温分布快速检测分析评估系统 | |
| CN112700122B (zh) | 一种热力系统性能计算方法、装置及设备 | |
| CN116242899B (zh) | 一种基于机器学习校准电极法水质检测结果的方法 | |
| CN113312587B (zh) | 基于arima预测和回归预测的传感器采集数据缺失值处理方法 | |
| CN103672954B (zh) | 磨煤机容量风量控制方法、系统及其装置 | |
| CN118707888B (zh) | 一种温压流湿一体监测仪的多数据融合控制方法 | |
| CN115900635B (zh) | 一种隧道变形数据监测方法、装置与系统 | |
| CN118729315B (zh) | 一种智能多参数环境监测方法 | |
| CN117113261B (zh) | 一种电力物联网异常检测方法及系统 | |
| CN118132987B (zh) | 热能表热量数据采集方法及系统 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240415 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.) Applicant 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 Applicant before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant |