CN112783480B - 基于Web界面厂级监控信息系统的智能监盘实现方法 - Google Patents
基于Web界面厂级监控信息系统的智能监盘实现方法 Download PDFInfo
- Publication number
- CN112783480B CN112783480B CN202110102484.0A CN202110102484A CN112783480B CN 112783480 B CN112783480 B CN 112783480B CN 202110102484 A CN202110102484 A CN 202110102484A CN 112783480 B CN112783480 B CN 112783480B
- Authority
- CN
- China
- Prior art keywords
- data
- historical
- motor
- temperature
- interval
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012216 screening Methods 0.000 claims abstract description 12
- 230000003993 interaction Effects 0.000 claims abstract description 4
- 239000003570 air Substances 0.000 claims description 59
- 238000000227 grinding Methods 0.000 claims description 44
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 30
- 230000001105 regulatory effect Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 17
- 239000003245 coal Substances 0.000 claims description 16
- 239000012080 ambient air Substances 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 9
- 208000025174 PANDAS Diseases 0.000 claims description 7
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 claims description 7
- 240000004718 Panda Species 0.000 claims description 7
- 235000016496 Panda oleosa Nutrition 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000007774 longterm Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/31—Programming languages or programming paradigms
- G06F8/315—Object-oriented languages
-
- 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
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
- G06F8/24—Object-oriented
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于Web界面厂级监控信息系统的智能监盘实现方法,包括下列步骤:(一)Python编程实时、历史数据采集;(二)Python数据筛选,历史数据区间、特征获取;(三)Python逻辑运算,实现监盘逻辑判断;(四)监盘辅助提醒,人机交互实现。本发明实现对SIS数据的自动化采集与分析,并使用建议、报警等方式,为机组运行提供实时智能诊断和提醒。
Description
技术领域
本发明涉及一种基于Web界面厂级监控信息系统的智能监盘实现方法。
背景技术
300MW等级燃煤机组在江苏发电调度系统逐渐边缘化,发电利用小时逐年下降,机组运行时间也较长,为适应新的经济、环保运行形势,提高机组运行灵活性安全性,需要进行设备硬件改造,投入较大。各发电厂大多应用了SIS(Supervisory Information System,厂级监控信息系统),由此也积累了机组运行的大量历史数据,目前大数据行业蓬勃发展,应用新的技术手段对积累的生产数据进行再挖掘,利用软件算法进行智能分析诊断,为机组安全经济运行提供有效数据支撑,也是一种经济可行的手段。
发明内容
本发明的目的在于提供一种对SIS数据的自动化采集与分析,并使用建议、报警等方式,为机组运行提供实时智能诊断和提醒的基于Web界面厂级监控信息系统的智能监盘实现方法。
本发明的技术解决方案是:
一种基于Web界面厂级监控信息系统的智能监盘实现方法,其特征是:包括下列步骤:
(一)Python编程实时、历史数据采集
利用浏览器自带的开发者工具对SIS系统数据查询页面进行分析,获取数据采集模块所需要的目标地址url、查询条件表单data;分别利用Request库的get和post方法,编辑仅查询的数据项的简单查询条件以及按照表单data的格式编辑包括查询的数据项、起始时间、结束时间、查询间隔的复杂查询条件,通过目标地址url,将查询实时数据、历史数据的请求发送给SIS系统所在的服务器;再利用BeautifulSoup4库对服务器返回的HTML文件进行分析,从而获得实时数据new_data和历史数据old_data,分别生成相应的数据记录文件new_data.csv和old_data.csv;
(二)Python数据筛选,历史数据区间、特征获取
根据辅助监盘模块功能的不同,有的需要通过历史数据进行比对,需要通过分析历史数据得出历史数据的有效区间和特征值;通过Pandas库的read_csv方法打开数据自动采集模块得到的历史数据文件old_data.csv,再利用Numpy库与Pandas库中的对应方法对数据进行筛选、过滤、去重、排序等一系列操作,获取清洗后的有效特征数据,生成历史区间特征数据文件after_data.csv;
(三)Python逻辑运算,实现监盘逻辑判断
基于不同的辅助监盘功能模块的需要:一是对数据采集模块获取的实时数据new_data.csv,根据功能模块决定的判断条件通过特定算法运算得到判断结果;或者通过将实时数据new_data.csv与经过数据清洗获得的历史特征数据after_data.csv经过特定算法运算比对得到相应的判断结果,并将逻辑运算后得到的判断结果生成辅助监盘提醒的日志文件;
(四)监盘辅助提醒,人机交互实现
Tkinter是Python常用的一个标准图形开发界面库,通过Tkinter提供的按钮、标签、文本框等各种控件,可以快速的创建图形界面应用程序;
在图形化的界面中,将辅助监盘程序分为两个区域:一是功能投切区域,提供对监控设备选择和功能模块投入、切除,可以单独对特定的设备和模块进行操作;另一块是消息记录区域,显示程序运行情况报告及各辅助监盘模块的产生的日志提醒,并对不同监盘模块的消息分类显示,通过颜色区分提示等级,并可以提供报警弹窗提醒。
在进行辅机温度监视时,包括下列步骤:
(1)通过数据采集模块分别获取电动机电流及环境气温、电动机温度的辅机电动机相关温度参数的实时数据和历史数据;
(2)对于长期历史数据,通过数据清洗模块筛选剔除电动机启停及异常时间段的数据,获取电动机正常稳态运行时的历史有效数据,生成不同电动机电流及环境气温下对应的电动机历史温度区间表:
(3)对电动机实时数据和短期历史数据(实时时间前几小时内)进行运算,如果电动机实时电流小于某一定值,判断电动机处于停运状态;如果短期电动机电流曾小于某一定值,判断电动机停运后刚启动;如果短期电动机电流均大于某一定值,判断电动机在稳态运行;
(4)对于停运及刚启动状态的电动机:
通过查询历史温度区间表,判断此时的环境气温是否超出历史气温区间:
①如超出则作出当前气温超出历史区间的提醒;
②如在历史气温区间内,则判断此时的电动机各温度是否超出对应气温下的最高的历史电动机温度,如超限,则作出电动机温度偏高异常的提醒;
(5)对于稳态运行的电动机:
通过查询历史温度区间表,判断此时的电动机电流及环境气温是否超出历史电动机电流和气温区间:
①如超出则分别作出当前电动机电流、环境气温超出历史区间的提醒;
②如果均在历史区间内,则将电动机各实时温度与历史温度区间表内相对应的电动机电流、环境气温下的电动机温度区间分别比对,作出是否超出历史区间温度异常的提醒。
在进行高加热器泄漏预警时,包括下列步骤:
(1)通过数据采集模块分别获取包括机组负荷、高压加热器抽汽压力、出水温度、危急疏水阀开度以及给泵入口流量、给泵再循环流量、锅炉给水流量、减温水流量高压加热器相关参数的实时数据和历史数据;
(2)对于长期历史数据,通过数据清洗模块筛选剔除高压加热器未投用、危急疏水阀开启等异常时间段的数据,获取高压加热器正常运行时的历史有效数据,并通过模块自动查找《水和水蒸汽性质图表》,计算、汇总各负荷段对应的高压加热器上端差,即高压加热器对应抽汽压力下的饱和温度与高压加热器出水温度的差值,生成不同负荷段下对应的高压加热器历史上端差区间表:
机组负荷 | 高压加热器历史端差区间 |
最高机组负荷 | …… |
最高级组负荷-10MW | …… |
最高级组负荷-20MW | …… |
…… | …… |
高加正常投用的最低负荷 | …… |
(3)对高压加热器实时数据进行逻辑运算,计算给水流量偏差:给泵入口流量-给泵再循环流量-减温水流量-锅炉给水流量,以及高压加热器的实时上端差;
①当高压加热器危急疏水阀开度大于某一开度,作出高加危急疏水阀异常开启的提醒;
②当给水流量偏差超出某一定值时,作出给水流量偏差大的提醒;
③当高压加热器的实时上端差大于对应负荷段下的历史端差区间高限时,作出高压加热器可能泄漏的提醒。
在进行一次风压节能提醒时,包括下列步骤:
(1)通过数据采集模块分别获取机组包括一次风压偏置值Fp、一次风压系统设定值、各磨组一次风调门开度F及各磨组煤量的一次风系统相关参数的实时数据;
(2)对一次风系统参数进行逻辑运算:
①当一次风压偏置值Fp或者一次风压调节值Fs“一次风压系统设定值+一次风压偏置值”小于等于最低设置限值时无提醒;
②当磨组最大一次风调门开度Fmax大于等于最高限值时无提醒(DCS有报警);
③当磨组最大一次风调门开度Fmax在某一区间内,且磨组第二大一次风调门开度Fmax2大于等于某一开度时,认为机组一次风压符合节能条件,无提醒;如果Fmax2小于某一开度:则当没有磨组在启停过程中(通过各磨组的一次风调门和煤量对磨组启停进行判断),并且各磨组煤量有偏置裕度(小于某一定值)时给出偏置煤量后进行一次风压节能调整的提醒,否则因为磨组启停需要或者磨组煤量无调整裕度,不作一次风压节能提醒;
④当所有磨组一次风调门开度F均小于某一开度时,则当没有磨组在启停过程中(通过各磨组的一次风调门和煤量对磨组启停过程进行判断),给出直接降低一次风压偏置值的提醒;否则因为磨组启停需要,不作一次风压节能提醒。
厂级监控信息系统(Supervisory Information System,以下简称SIS系统)在电力行业广泛应用,是一种以实时/历史数据库为核心的实时生产管理系统,能够实现对发电机组的DCS数据和辅助车间的有关实时信息的监视和查询,以及相关的数据统计报表和考核报表、厂级和机组级性能计算、机组经济性指标分析等功能,多以Web界面进行交互操作,本发明通过Python编程,利用SIS系统数据查询接口,实现对SIS系统特定Web界面的数据抓取计算分析,利用Python编程语言在科学计算、数据采集、大数据分析等方面的强大处理能力,依靠其数量庞大且功能相对完善的标准库和第三方库,对从SIS系统数据库获取的数据进行清洗筛选运算,从而达到对机组DCS系统数据的辅助监视应用,实现辅助智能监盘的功能。
本发明实现对SIS数据的自动化采集与分析,并使用建议、报警等方式,为机组运行提供实时智能诊断和提醒。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明的原理流程示意图。
图2是辅机温度监视流程图。
图3是高加热器泄漏预警流程图。
图4是一次风压节能提醒流程图。
具体实施方式
一种基于Web界面厂级监控信息系统的智能监盘实现方法,包括下列步骤:
(一)Python编程实时、历史数据采集
Web界面SIS系统主要采用网页的形式与用户进行交互。由于其自带的数据查询功能可通过输入查询条件检索SIS数据库,然后把得到的查询结果通过网页显示出来,所以可以采用网页爬虫的方法来模拟人工查询数据,从而实现数据的自动获取。
Requests是利用Python实现的一款简单易用的HTTP库,它可以通过简单的代码实现与服务器的交互;BeautifulSoup4是利用Python实现的一款简单易用的结构化语言分析库,它可以对构成网页的HTML文档进行分析,通过简单的代码获取特定条件的信息。
利用浏览器自带的开发者工具对SIS系统数据查询页面进行分析,获取数据采集模块所需要的目标地址url、查询条件表单data;分别利用Request库的get和post方法,编辑仅查询的数据项的简单查询条件以及按照表单data的格式编辑包括查询的数据项、起始时间、结束时间、查询间隔的复杂查询条件,通过目标地址url,将查询实时数据、历史数据的请求发送给SIS系统所在的服务器;再利用BeautifulSoup4库对服务器返回的HTML文件进行分析,从而获得实时数据new_data和历史数据old_data,分别生成相应的数据记录文件new_data.csv和old_data.csv;
(二)Python数据筛选,历史数据区间、特征获取
NumPy是一个用Python实现科学计算的扩展工具库。它可用来存储和处理大量数据,比Python自带的运算模式要高效,它支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。Pandas是Python的一个数据分析包,它基于Numpy,主要任务在于解决数据分析任务,该工具库中提供了高效地操作大型数据集所需的工具,包含许多使我们能快速便捷地处理数据的函数和方法。
根据辅助监盘模块功能的不同,有的需要通过历史数据进行比对,需要通过分析历史数据得出历史数据的有效区间和特征值;通过Pandas库的read_csv方法打开数据自动采集模块得到的历史数据文件old_data.csv,再利用Numpy库与Pandas库中的对应方法对数据进行筛选、过滤、去重、排序等一系列操作,获取清洗后的有效特征数据,生成历史区间特征数据文件after_data.csv;
(三)Python逻辑运算,实现监盘逻辑判断
基于不同的辅助监盘功能模块的需要:一是对数据采集模块获取的实时数据new_data.csv,根据功能模块决定的判断条件通过特定算法运算得到判断结果;或者通过将实时数据new_data.csv与经过数据清洗获得的历史特征数据after_data.csv经过特定算法运算比对得到相应的判断结果,并将逻辑运算后得到的判断结果生成辅助监盘提醒的日志文件;
(四)监盘辅助提醒,人机交互实现
Tkinter是Python常用的一个标准图形开发界面库,通过Tkinter提供的按钮、标签、文本框等各种控件,可以快速的创建图形界面应用程序;
在图形化的界面中,将辅助监盘程序分为两个区域:一是功能投切区域,提供对监控设备选择和功能模块投入、切除,可以单独对特定的设备和模块进行操作;另一块是消息记录区域,显示程序运行情况报告及各辅助监盘模块的产生的日志提醒,并对不同监盘模块的消息分类显示,通过颜色区分提示等级,并可以提供报警弹窗提醒。
在进行辅机温度监视时,包括下列步骤:
(1)通过数据采集模块分别获取电动机电流及环境气温、电动机温度的辅机电动机相关温度参数的实时数据和历史数据;
(2)对于长期历史数据,通过数据清洗模块筛选剔除电动机启停及异常时间段的数据,获取电动机正常稳态运行时的历史有效数据,生成不同电动机电流及环境气温下对应的电动机历史温度区间表:
(3)对电动机实时数据和短期历史数据(实时时间前几小时内)进行运算,如果电动机实时电流小于某一定值,判断电动机处于停运状态;如果短期电动机电流曾小于某一定值,判断电动机停运后刚启动;如果短期电动机电流均大于某一定值,判断电动机在稳态运行;
(4)对于停运及刚启动状态的电动机:
通过查询历史温度区间表,判断此时的环境气温是否超出历史气温区间:
①如超出则作出当前气温超出历史区间的提醒;
②如在历史气温区间内,则判断此时的电动机各温度是否超出对应气温下的最高的历史电动机温度,如超限,则作出电动机温度偏高异常的提醒;
(5)对于稳态运行的电动机:
通过查询历史温度区间表,判断此时的电动机电流及环境气温是否超出历史电动机电流和气温区间:
①如超出则分别作出当前电动机电流、环境气温超出历史区间的提醒;
②如果均在历史区间内,则将电动机各实时温度与历史温度区间表内相对应的电动机电流、环境气温下的电动机温度区间分别比对,作出是否超出历史区间温度异常的提醒。
在进行高加热器泄漏预警时,包括下列步骤:
(1)通过数据采集模块分别获取包括机组负荷、高压加热器抽汽压力、出水温度、危急疏水阀开度以及给泵入口流量、给泵再循环流量、锅炉给水流量、减温水流量高压加热器相关参数的实时数据和历史数据;
(2)对于长期历史数据,通过数据清洗模块筛选剔除高压加热器未投用、危急疏水阀开启等异常时间段的数据,获取高压加热器正常运行时的历史有效数据,并通过模块自动查找《水和水蒸汽性质图表》,计算、汇总各负荷段对应的高压加热器上端差,即高压加热器对应抽汽压力下的饱和温度与高压加热器出水温度的差值,生成不同负荷段下对应的高压加热器历史上端差区间表:
机组负荷 | 高压加热器历史端差区间 |
最高机组负荷 | …… |
最高级组负荷-10MW | …… |
最高级组负荷-20MW | …… |
…… | …… |
高加正常投用的最低负荷 | …… |
(3)对高压加热器实时数据进行逻辑运算,计算给水流量偏差:给泵入口流量-给泵再循环流量-减温水流量-锅炉给水流量,以及高压加热器的实时上端差;
①当高压加热器危急疏水阀开度大于某一开度,作出高加危急疏水阀异常开启的提醒;
②当给水流量偏差超出某一定值时,作出给水流量偏差大的提醒;
③当高压加热器的实时上端差大于对应负荷段下的历史端差区间高限时,作出高压加热器可能泄漏的提醒。
在进行一次风压节能提醒时,包括下列步骤:
(1)通过数据采集模块分别获取机组包括一次风压偏置值Fp、一次风压系统设定值、各磨组一次风调门开度F及各磨组煤量的一次风系统相关参数的实时数据;
(2)对一次风系统参数进行逻辑运算:
①当一次风压偏置值Fp或者一次风压调节值Fs“一次风压系统设定值+一次风压偏置值”小于等于最低设置限值时无提醒;
②当磨组最大一次风调门开度Fmax大于等于最高限值时无提醒(DCS有报警);
③当磨组最大一次风调门开度Fmax在某一区间内,且磨组第二大一次风调门开度Fmax2大于等于某一开度时,认为机组一次风压符合节能条件,无提醒;如果Fmax2小于某一开度:则当没有磨组在启停过程中(通过各磨组的一次风调门和煤量对磨组启停进行判断),并且各磨组煤量有偏置裕度(小于某一定值)时给出偏置煤量后进行一次风压节能调整的提醒,否则因为磨组启停需要或者磨组煤量无调整裕度,不作一次风压节能提醒;
④当所有磨组一次风调门开度F均小于某一开度时,则当没有磨组在启停过程中(通过各磨组的一次风调门和煤量对磨组启停过程进行判断),给出直接降低一次风压偏置值的提醒;否则因为磨组启停需要,不作一次风压节能提醒。
Claims (4)
1.一种基于Web界面厂级监控信息系统的智能监盘实现方法,其特征是:包括下列步骤:
(一)Python编程实时、历史数据采集
利用浏览器自带的开发者工具对SIS系统数据查询页面进行分析,获取数据采集模块所需要的目标地址url、查询条件表单data;分别利用Request库的get和post方法,编辑仅查询的数据项的简单查询条件以及按照表单data的格式编辑包括查询的数据项、起始时间、结束时间、查询间隔的复杂查询条件,通过目标地址url,将查询实时数据、历史数据的请求发送给SIS系统所在的服务器;再利用BeautifulSoup4库对服务器返回的HTML文件进行分析,从而获得实时数据new_data和历史数据old_data,分别生成相应的数据记录文件new_data.csv和old_data.csv;
(二)Python数据筛选,历史数据区间、特征获取
根据辅助监盘模块功能的不同,有的需要通过历史数据进行比对,需要通过分析历史数据得出历史数据的有效区间和特征值;通过Pandas库的read_csv方法打开数据自动采集模块得到的历史数据文件old_data.csv,再利用Numpy库与Pandas库中的对应方法对数据进行筛选、过滤、去重、排序一系列操作,获取清洗后的有效特征数据,生成历史区间特征数据文件after_data.csv;
(三)Python逻辑运算,实现监盘逻辑判断
基于不同的辅助监盘功能模块的需要:一是对数据采集模块获取的实时数据new_data.csv,根据功能模块决定的判断条件通过特定算法运算得到判断结果;或者通过将实时数据new_data.csv与经过数据清洗获得的历史特征数据after_data.csv经过特定算法运算比对得到相应的判断结果,并将逻辑运算后得到的判断结果生成辅助监盘提醒的日志文件;
(四)监盘辅助提醒,人机交互实现
Tkinter是Python常用的一个标准图形开发界面库,通过Tkinter提供的按钮、标签、文本框各种控件,快速的创建图形界面应用程序;
在图形化的界面中,将辅助监盘程序分为两个区域:一是功能投切区域,提供对监控设备选择和功能模块投入、切除,单独对特定的设备和模块进行操作;另一块是消息记录区域,显示程序运行情况报告及各辅助监盘模块的产生的日志提醒,并对不同监盘模块的消息分类显示,通过颜色区分提示等级,并提供报警弹窗提醒。
2.根据权利要求1所述的基于Web界面厂级监控信息系统的智能监盘实现方法,其特征是:在进行辅机温度监视时,包括下列步骤:
(1)通过数据采集模块分别获取电动机电流及环境气温、电动机温度的辅机电动机相关温度参数的实时数据和历史数据;
(2)对于长期历史数据,通过数据清洗模块筛选剔除电动机启停及异常时间段的数据,获取电动机正常稳态运行时的历史有效数据,生成不同电动机电流及环境气温下对应的电动机历史温度区间表:
(3)对电动机实时数据和短期历史数据进行运算,如果电动机实时电流小于某一定值,判断电动机处于停运状态;如果短期电动机电流曾小于某一定值,判断电动机停运后刚启动;如果短期电动机电流均大于某一定值,判断电动机在稳态运行;
(4)对于停运及刚启动状态的电动机:
通过查询历史温度区间表,判断此时的环境气温是否超出历史气温区间:
①如超出则作出当前气温超出历史区间的提醒;
②如在历史气温区间内,则判断此时的电动机各温度是否超出对应气温下的最高的历史电动机温度,如超限,则作出电动机温度偏高异常的提醒;
(5)对于稳态运行的电动机:
通过查询历史温度区间表,判断此时的电动机电流及环境气温是否超出历史电动机电流和气温区间:
①如超出则分别作出当前电动机电流、环境气温超出历史区间的提醒;
②如果均在历史区间内,则将电动机各实时温度与历史温度区间表内相对应的电动机电流、环境气温下的电动机温度区间分别比对,作出是否超出历史区间温度异常的提醒。
3.根据权利要求1所述的基于Web界面厂级监控信息系统的智能监盘实现方法,其特征是:在进行高加热器泄漏预警时,包括下列步骤:
(1)通过数据采集模块分别获取包括机组负荷、高压加热器抽汽压力、出水温度、危急疏水阀开度以及给泵入口流量、给泵再循环流量、锅炉给水流量、减温水流量高压加热器相关参数的实时数据和历史数据;
(2)对于长期历史数据,通过数据清洗模块筛选剔除高压加热器未投用、危急疏水阀开启异常时间段的数据,获取高压加热器正常运行时的历史有效数据,并通过模块自动查找《水和水蒸汽热力性质图表》,计算、汇总各负荷段对应的高压加热器上端差,即高压加热器对应抽汽压力下的饱和温度与高压加热器出水温度的差值,生成不同负荷段下对应的高压加热器历史上端差区间表:
(3)对高压加热器实时数据进行逻辑运算,计算给水流量偏差:给泵入口流量-给泵再循环流量-减温水流量-锅炉给水流量,以及高压加热器的实时上端差;
①当高压加热器危急疏水阀开度大于某一开度,作出高加危急疏水阀异常开启的提醒;
②当给水流量偏差超出某一定值时,作出给水流量偏差大的提醒;
③当高压加热器的实时上端差大于对应负荷段下的历史端差区间高限时,作出高压加热器可能泄漏的提醒。
4.根据权利要求1所述的基于Web界面厂级监控信息系统的智能监盘实现方法,其特征是:在进行一次风压节能提醒时,包括下列步骤:
(1)通过数据采集模块分别获取机组包括一次风压偏置值Fp、一次风压系统设定值、各磨组一次风调门开度F及各磨组煤量的一次风系统相关参数的实时数据;
(2)对一次风系统参数进行逻辑运算:
①当一次风压偏置值Fp或者一次风压调节值Fs“一次风压系统设定值+一次风压偏置值”小于等于最低设置限值时无提醒;
②当磨组最大一次风调门开度Fmax大于等于最高限值时无提醒;
③当磨组最大一次风调门开度Fmax在某一区间内,且磨组第二大一次风调门开度Fmax2大于等于某一开度时,认为机组一次风压符合节能条件,无提醒;如果Fmax2小于某一开度:则当没有磨组在启停过程中,并且各磨组煤量有偏置裕度时给出偏置煤量后进行一次风压节能调整的提醒,否则因为磨组启停需要或者磨组煤量无调整裕度,不作一次风压节能提醒;
④当所有磨组一次风调门开度F均小于某一开度时,则当没有磨组在启停过程中,给出直接降低一次风压偏置值的提醒;否则因为磨组启停需要,不作一次风压节能提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110102484.0A CN112783480B (zh) | 2021-01-26 | 2021-01-26 | 基于Web界面厂级监控信息系统的智能监盘实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110102484.0A CN112783480B (zh) | 2021-01-26 | 2021-01-26 | 基于Web界面厂级监控信息系统的智能监盘实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112783480A CN112783480A (zh) | 2021-05-11 |
CN112783480B true CN112783480B (zh) | 2023-06-23 |
Family
ID=75757741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110102484.0A Active CN112783480B (zh) | 2021-01-26 | 2021-01-26 | 基于Web界面厂级监控信息系统的智能监盘实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112783480B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113883588A (zh) * | 2021-09-24 | 2022-01-04 | 华能汕头海门发电有限责任公司 | 一种供热系统智能监盘及应急处理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10135936B1 (en) * | 2017-10-13 | 2018-11-20 | Capital One Services, Llc | Systems and methods for web analytics testing and web development |
CN109462494A (zh) * | 2018-09-29 | 2019-03-12 | 深圳市云来网络科技有限公司 | 云服务器监控报警实时智能分析诊断方法及系统 |
CN112200433A (zh) * | 2020-09-25 | 2021-01-08 | 华电福新广州能源有限公司 | 一种发电厂热力性能分析与优化系统 |
-
2021
- 2021-01-26 CN CN202110102484.0A patent/CN112783480B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10135936B1 (en) * | 2017-10-13 | 2018-11-20 | Capital One Services, Llc | Systems and methods for web analytics testing and web development |
CN109462494A (zh) * | 2018-09-29 | 2019-03-12 | 深圳市云来网络科技有限公司 | 云服务器监控报警实时智能分析诊断方法及系统 |
CN112200433A (zh) * | 2020-09-25 | 2021-01-08 | 华电福新广州能源有限公司 | 一种发电厂热力性能分析与优化系统 |
Non-Patent Citations (1)
Title |
---|
王莉萍 ; 金红华 ; 莫莉晖 ; .监控中心智能监控系统的功能研究和探讨.浙江电力.2012,(第06期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112783480A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104392752A (zh) | 一种实时在线的核反应堆故障诊断与监测系统 | |
CN101666711B (zh) | 一种基于模糊语义网络的发动机综合故障诊断方法 | |
CN102819239A (zh) | 一种数控机床智能故障诊断方法 | |
CN104808585A (zh) | 一种机床健康状态快速检查方法 | |
CN109185917B (zh) | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 | |
CN112783480B (zh) | 基于Web界面厂级监控信息系统的智能监盘实现方法 | |
CN109446184B (zh) | 基于大数据分析平台的发电大数据预处理方法及系统 | |
CN103306893A (zh) | 一种风力发电机故障预警及报警方法 | |
CN112115999A (zh) | 一种时空多尺度神经网络的风电机组故障诊断方法 | |
CN112561238A (zh) | 一种抽水蓄能电站辅机设备状态健康评价系统及方法 | |
CN112613066B (zh) | 一种基于大规模风电场的互联网信息管理系统 | |
CN112884452A (zh) | 一种智能运维多源数据采集可视化分析系统 | |
CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
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 | |
CN108506171A (zh) | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 | |
CN117744859A (zh) | 基于自适应双控制策略的风电机组发电机故障预警方法 | |
CN106650154B (zh) | 一种基于热力性能指标的核电常规岛设备可靠性监测方法 | |
CN108376324B (zh) | 一种载波采集器计量资产管理系统及方法 | |
CN116300721A (zh) | 水电站监控平台数据的协同处理方法及协同处理系统 | |
CN115309729A (zh) | 基于etl技术的火电厂多类型数据调配方法及系统 | |
CN113947223A (zh) | 一种智能化设备健康管理系统及方法 | |
CN115469643A (zh) | 一种核电站旋转机械健康管理方法、系统及介质 | |
JP2005038098A (ja) | データマイニングを用いた機器、施設の運転状況又は取引の監視及び実行方法 | |
CN100366876C (zh) | 燃气-蒸汽联合循环发电站运行效率在线解析方法和系统 | |
Sompura et al. | A practical approach to improve alarm system performance: Application to power plant |
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 |