CN114647929A - 一种用于脱硫运行so2数据预判功能的方法 - Google Patents
一种用于脱硫运行so2数据预判功能的方法 Download PDFInfo
- Publication number
- CN114647929A CN114647929A CN202210186698.5A CN202210186698A CN114647929A CN 114647929 A CN114647929 A CN 114647929A CN 202210186698 A CN202210186698 A CN 202210186698A CN 114647929 A CN114647929 A CN 114647929A
- Authority
- CN
- China
- Prior art keywords
- data
- value
- judging
- model
- emission
- 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.)
- Pending
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Abstract
本发明公开了一种用于脱硫运行SO2数据预判功能的方法,包括:采集SO2排放预设时间段内相关设备的运行参数;对运行参数进行预处理,并将预处理后的相关数据存储于预设的数据库中;利用数据库中的数据构建数据预判模型,并将实时数据输入数据预判模型中,数据预判结果;构建数据优化模型,将预判结果输入数据优化模型,得到相关设备的最优运行方式,实现脱硫运行SO2数据的预判。本发明可以防止环保数据超标,相对原有的SO2小时均值监控逻辑更具实时性,避免了由于人员经验不足导致的系统不经济运行,且彻底消除了由于对SO2小时均值内数据的无法实时监控造成的数据超标,运行成本低。
Description
技术领域
本发明涉及数据预判的技术领域,尤其涉及一种用于脱硫运行SO2数据预判功能的方法。
背景技术
塘寨发电有限公司2×600MW机组烟气脱硫工程采用高效脱出SO2的石灰石-石膏湿法工艺,一炉一塔脱硫装置,环保监督部门对脱硫排放烟气参数是否合格的规定为,脱硫SO2排放小时均值不得超过400mg/m3,由于烟气排放参数受到水质和石灰石品质、入口SO2浓度或粉尘浓度、脱硫吸收塔液位、浆液PH值、机组负荷变化等诸多因素的影响。火力发电厂中煤燃料燃烧产生的污染物中,氮氧化物NOX、SO2、烟尘等危害最大、控制最难,也是国家重点监控的重点。目前,国家环保部门对火力发电厂污染物(NOX、SO2、烟尘)排放的监测考核,均以整点小时均值为准,因此根据系统运行工况的变化,合理调整脱硫系统出力从而改变当前小时内各时间段SO2参数的排放量,直接关系到SO2排放小时均值是否超标及机组的经济运行。
塘寨发电有限公司原有的SO2排放小时均值运算逻辑,是根据DCS系统扫描频率对一小时内的SO2排放量进行累计后再通过功能模块进行平均值计算得出,既只有当前小时结束后运行人员通过调阅SO2小时均值历史趋势才能确定是否超标,由于影响SO2排放参数的各种因素在机组运行过程中时刻可能发生变化,运行人员只能根据当前显示数据值调整脱硫系统,将SO2参数控制在规定的范围内。当数据出现超标情况,运行是通过调节脱硫系统运行状况降低SO2排放量,由于调整设备运行的延迟性,需要相应的时间,因此往往会造成当前小时结束后系统计算出的小时均值超标,从而导致发电量被环保部门考核。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有技术需要靠人工调阅SO2小时均值历史趋势才能确定是否超标,由于影响SO2排放参数的各种因素在机组运行过程中时刻可能发生变化,运行人员只能根据当前显示数据值调整脱硫系统,将SO2参数控制在规定的范围内,当数据出现超标情况,运行是通过调节脱硫系统运行状况降低SO2排放量,由于调整设备运行的延迟性,需要相应的时间,因此往往会造成当前小时结束后系统计算出的小时均值超标。
为解决上述技术问题,本发明提供如下技术方案:采集SO2排放预设时间段内相关设备的运行参数;对所述运行参数进行预处理,并将预处理后的相关数据存储于预设的数据库中;利用数据库中的数据构建数据预判模型,并将实时数据输入所述数据预判模型中,数据预判结果;构建数据优化模型,将所述预判结果输入所述数据优化模型,得到所述相关设备的最优运行方式,实现脱硫运行SO2数据的预判。
作为本发明所述的用于脱硫运行SO2数据预判功能的方法的一种优选方案,其中:所述相关设备的运行参数的获取包括根据设置的测点进行在线读取得到的运行参数。
作为本发明所述的用于脱硫运行SO2数据预判功能的方法的一种优选方案,其中:所述预处理的过程包括采样、无偏化预处理、数据格式转换、标准化处理;所述标准化处理的计算公式为:
其中,xmin表示样本数据的最小值,xmax表示样本数据的最大值。
作为本发明所述的用于脱硫运行SO2数据预判功能的方法的一种优选方案,其中:所述数据预判模型包括:提取所述数据库中的数据特征值;将所述数据特征值按8:2比例分为训练集和测试集;分别利用所述训练集和所述测试集对构建的数据预判模型进行训练和测试,输出精度达到预设标准的数据预判模型。
作为本发明所述的用于脱硫运行SO2数据预判功能的方法的一种优选方案,其中:所述精度的预设标准为:当预判结果的准确度大于95%且误差小于0.005时,所述数据预判模型效果达到预设标准,输出训练好的数据预判模型。
作为本发明所述的用于脱硫运行SO2数据预判功能的方法的一种优选方案,其中:所述数据优化模型包括目标函数和约束条件。
作为本发明所述的用于脱硫运行SO2数据预判功能的方法的一种优选方案,其中:所述目标函数包括:
作为本发明所述的用于脱硫运行SO2数据预判功能的方法的一种优选方案,其中:所述约束条件包括:
作为本发明所述的用于脱硫运行SO2数据预判功能的方法的一种优选方案,其中:所述SO2排放参数的监控策略为:对SO2排放参数当前小时内每五分钟一次逐渐叠加的均值监控,及五分钟均值、十分钟均值......直至五十五分钟均值,逻辑在每小时整点零分零秒自动刷新并以此类推;判断当前运行时间对应每个点的均值是否超标,若数据存在超标趋势则做出相应调整;所述五分钟均值监控逻辑,采用DCS模拟量累计模块,对SO2排放量采集值进行累计,并使用DCS系统时间模块的分钟位,输出一个当前分钟值,配合大于判断模块进行比较,当分钟值大于5、10、15...55时进行保留,并将保留的值乘以相应的平均系数,即为SO2排放参数的均值。
本发明的有益效果:本发明可以防止环保数据超标,相对原有的SO2小时均值监控逻辑更具实时性,避免了由于人员经验不足导致的系统不经济运行,且彻底消除了由于对SO2小时均值内数据的无法实时监控造成的数据超标,运行成本低。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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它的附图。其中:
图1为本发明一个实施例提供的一种用于脱硫运行SO2数据预判功能的方法的基本流程示意图;
图2为本发明一个实施例提供的一种用于脱硫运行SO2数据预判功能的方法的第一实例结果示意图;
图3为本发明一个实施例提供的一种用于脱硫运行SO2数据预判功能的方法的第二实例结果示意图;
图4为本发明一个实施例提供的一种用于脱硫运行SO2数据预判功能的方法的第三实例结果示意图;
图5为本发明一个实施例提供的一种用于脱硫运行SO2数据预判功能的方法的第四实例结果示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的一个实施例,提供了一种用于脱硫运行SO2数据预判功能的方法,包括:
S1:采集SO2排放预设时间段内相关设备的运行参数。
需要说明的是,相关设备的运行参数的获取包括根据设置的测点进行在线读取得到的运行参数。
S2:对运行参数进行预处理,并将预处理后的相关数据存储于预设的数据库中。
需要说明的是,预处理的过程包括采样、无偏化预处理、数据格式转换、标准化处理;标准化处理的计算公式为:
其中,xmin表示样本数据的最小值,xmax表示样本数据的最大值。
S3:利用数据库中的数据构建数据预判模型,并将实时数据输入数据预判模型中,得到预判结果。
需要说明的是,数据预判模型包括:
提取数据库中的数据特征值;
将数据特征值按8:2比例分为训练集和测试集;
分别利用训练集和测试集对构建的数据预判模型进行训练和测试,输出精度达到预设标准的数据预判模型。
其中,精度的预设标准为:当预判结果的准确度大于95%且误差小于0.005时,数据预判模型效果达到预设标准,输出训练好的数据预判模型。
S4:构建数据优化模型,将预判结果输入数据优化模型,得到相关设备的最优运行方式,实现脱硫运行SO2数据的预判。
需要说明的是,数据优化模型包括目标函数和约束条件。
具体的,目标函数包括:
进一步的,约束条件包括:
更进一步的,SO2排放参数的监控策略为:
对SO2排放参数当前小时内每五分钟一次逐渐叠加的均值监控,及五分钟均值、十分钟均值......直至五十五分钟均值,逻辑在每小时整点零分零秒自动刷新并以此类推;
判断当前运行时间对应每个点的均值是否超标,若数据存在超标趋势则做出相应调整;
五分钟均值监控逻辑,采用DCS模拟量累计模块,对SO2排放量采集值进行累计,并使用DCS系统时间模块的分钟位,输出一个当前分钟值,配合大于判断模块进行比较,当分钟值大于5、10、15...55时进行保留,并将保留的值乘以相应的平均系数,即为SO2排放参数的均值,以10分钟均值为例:
1÷600=0.00166667(1毫克SO2 10分钟内每秒的均值);
由于DCS控制器扫描时间为250毫秒,既250毫秒累计一次,因此10分钟均值的平均系数为:
0.00166667÷4(250毫秒为1秒的四分之一)等于0.0004167。
当累计模块对SO2排放量累计10分钟后保留的值乘以该系数既是当前小时内SO2排放参数的10分钟均值,增加该监控逻辑后,DCS主控画面新增11个SO2排放均值监控点,以5分钟为间隔,让运行人员对当前小时内各时刻SO2排放均值做到心中有数。
增加当前小时内剩余时间SO2排放指导值,其意义在于给与运行人员一个明确的SO2排放参数控制目标,及当前小时完结之前只要将SO2排放参数控制在指导值以内,即不会造成排放超标。运行人员可以根据指导值的大小,配合机组负荷、锅炉燃烧、煤质等不断变化的因素,灵活调整脱硫系统运行工况。数学关系为:
当前小时内已排放时间的SO2排放均值(当前时间均值)+当前小时结束剩余时间SO2排放均值(指导值)=400mg/m3;
即指导值={400-〔当前计时秒数÷(3600×当前时间均值)〕}÷〔(3600-当前计时秒数)÷3600〕;
由此可见,在400mg/m3的考核值固定的情况下,当前小时前期SO2排放值若控制得小,后期指导值则偏大,此时运行人员可适当降低脱硫系统出力,使运行方式更加经济,若当前小时前期SO2排放量受其他因素影响较高,后期指导值则偏小,此时运行人员应当极力控制SO2排放量以防止该小时内均值超标,通过对DCS运算逻辑的搭建,增加了对当前小时内剩余时间SO2排放指导值的监控,及当前小时完结之前只要将SO2排放参数控制在指导值以内,即不会造成排放超标。
具体的,针对当前SO2排放小时均值监控反应超标情况存在滞后,需要使其具备及时性,随时能够反应SO2小时均值存在超标趋势,因此本发明通过建立数据预判模型以及对DCS系统SO2均值计算逻辑重新组态,将原有一小时进行一次的SO2均值计算分解为五分钟计算一次,共新增十一个SO2均值监控点,运行人员通过观察当前时刻有无SO2五分钟均值超过400mg/m3,即可判断当前小时SO2均值是否存在超标趋势,并可及时做出调整,彻底解决SO2排放小时均值计算滞后导致错过调节时机的问题。
由于运行人员根据机组负荷仅凭经验调整脱硫系统出力从而控制当前小时内各时间段SO2排放量,且从运行人员操作调节脱硫系统出力直至SO2排放量产生变化也需要一定时间,不同人员由于经验水平各异,对参数的控制也有所偏差,因此常常导致SO2排放量不合理,或者过高导致小时均值超标,或者过低导致脱硫系统出力过大,运行方式不够经济。为此,本发明建立了数据优化模型以及给运行人员在监控过程一个精确的值,让调节目标更加明确。本发明通过分析运用当前小时内已排放时间的SO2排放均值(当前时间均值),与当前小时结束剩余时间SO2应当维持的最小排放均值(指导值)之间的数学关系,既当前时间均值+指导值=400mg/m3,通过对公式的修约计算,并引用SO2实时监控值进行计算逻辑的组态,可实现对SO2指导值的动态计算与监控,这样运行人员在调节脱硫系统出力控制SO2排放量时可以根据SO2指导值对标进行,做到精准操作合理控制。
实施例2
参照图2~5为本发明另一个实施例,该实施例不同于第一个实施例的是,提供了一种用于脱硫运行SO2数据预判功能的方法的验证测试,为对本方法中采用的技术效果加以验证说明,本实施例采用传统技术方案与本发明方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
传统的技术方案:延时长,预判准确性低,为验证本方法相对传统方法具有较高准确性和较低的时延,本实施例中将采用传统均值运算逻辑和本方法分别对仿真发电厂的脱硫运行预判的准确度和实时性进行实时测量对比,测试环境及程序运行结果如图2~5所示,其测试的对比数据如下表所示。
表1:实验结果对比表。
测试样本 | 传统方法 | 本方法 |
时延 | 100ms | 30ms |
准确率 | 87% | 98% |
从上表可以看出,本发明方法相较于传统方法具有更强的鲁棒性。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种用于脱硫运行SO2数据预判功能的方法,其特征在于,包括:
采集SO2排放预设时间段内相关设备的运行参数;
对所述运行参数进行预处理,并将预处理后的相关数据存储于预设的数据库中;
利用数据库中的数据构建数据预判模型,并将实时数据输入所述数据预判模型中,数据预判结果;
构建数据优化模型,将所述预判结果输入所述数据优化模型,得到所述相关设备的最优运行方式,实现脱硫运行SO2数据的预判。
2.如权利要求1所述的用于脱硫运行SO2数据预判功能的方法,其特征在于,所述相关设备的运行参数的获取包括根据设置的测点进行在线读取得到的运行参数。
4.如权利要求1所述的用于脱硫运行SO2数据预判功能的方法,其特征在于,所述数据预判模型包括:
提取所述数据库中的数据特征值;
将所述数据特征值按8:2比例分为训练集和测试集;
分别利用所述训练集和所述测试集对构建的数据预判模型进行训练和测试,输出精度达到预设标准的数据预判模型。
5.如权利要求1或4所述的用于脱硫运行SO2数据预判功能的方法,其特征在于,所述精度的预设标准为:当预判结果的准确度大于95%且误差小于0.005时,所述数据预判模型效果达到预设标准,输出训练好的数据预判模型。
6.如权利要求5所述的用于脱硫运行SO2数据预判功能的方法,其特征在于,所述数据优化模型包括目标函数和约束条件。
9.如权利要求8所述的用于脱硫运行SO2数据预判功能的方法,其特征在于,所述SO2排放参数的监控策略为:
对SO2排放参数当前小时内每五分钟一次逐渐叠加的均值监控,及五分钟均值、十分钟均值......直至五十五分钟均值,逻辑在每小时整点零分零秒自动刷新并以此类推;
判断当前运行时间对应每个点的均值是否超标,若数据存在超标趋势则做出相应调整;
所述五分钟均值监控逻辑,采用DCS模拟量累计模块,对SO2排放量采集值进行累计,并使用DCS系统时间模块的分钟位,输出一个当前分钟值,配合大于判断模块进行比较,当分钟值大于5、10、15...55时进行保留,并将保留的值乘以相应的平均系数,即为SO2排放参数的均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210186698.5A CN114647929A (zh) | 2022-02-28 | 2022-02-28 | 一种用于脱硫运行so2数据预判功能的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210186698.5A CN114647929A (zh) | 2022-02-28 | 2022-02-28 | 一种用于脱硫运行so2数据预判功能的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114647929A true CN114647929A (zh) | 2022-06-21 |
Family
ID=81994357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210186698.5A Pending CN114647929A (zh) | 2022-02-28 | 2022-02-28 | 一种用于脱硫运行so2数据预判功能的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114647929A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115385554A (zh) * | 2022-09-06 | 2022-11-25 | 河北光兴半导体技术有限公司 | 加料控制系统、加料控制方法及加料系统 |
-
2022
- 2022-02-28 CN CN202210186698.5A patent/CN114647929A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115385554A (zh) * | 2022-09-06 | 2022-11-25 | 河北光兴半导体技术有限公司 | 加料控制系统、加料控制方法及加料系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111804146B (zh) | 一种智能喷氨控制方法以及智能喷氨控制装置 | |
EP2519895B1 (en) | Method and apparatus for monitoring performance and anticipate failures of plant instrumentation | |
CN114647929A (zh) | 一种用于脱硫运行so2数据预判功能的方法 | |
CN112465239B (zh) | 基于改进pso-fcm算法的脱硫系统运行优化方法 | |
JP5155690B2 (ja) | 石炭焚きボイラのガス濃度推定装置及びガス濃度推定方法 | |
CN109723609A (zh) | 一种风电机组变桨系统的故障预警方法及系统 | |
CN107977527B (zh) | 一种确定火电机组标杆值数据的方法与装置 | |
CN117029968A (zh) | 一种流量数据的诊断方法、系统、存储介质和电子设备 | |
CN113505497B (zh) | 湿法烟气脱硫吸收塔浆液品质监测方法及系统 | |
CN112576326B (zh) | 一种火电机组滑压优化运行控制方法、装置及设备 | |
CN116974234B (zh) | 一种火电厂碳资产的监测控制方法及系统 | |
CN116680661B (zh) | 基于多维数据的燃气自动调压柜压力监测方法 | |
CN117346300A (zh) | 一种工业制造环境的预净化控制方法及系统 | |
CN116934162A (zh) | 一种基于数据分析的农机设备运行管控系统 | |
CN111564184A (zh) | 燃煤电厂石灰石-石膏湿法脱硫so3协同脱除效率预测方法 | |
CN109260948A (zh) | 波动负荷下脱硝均匀性测量优化系统及方法 | |
EP2644850B1 (en) | A system for analyzing operation of power plant units and a method for analyzing operation of power plant units | |
CN112107977A (zh) | 一种基于脱硫系统的pH值自动调节方法、系统和装置 | |
CN114759557A (zh) | 一种燃煤机组agc调节性能预测方法 | |
US11898501B2 (en) | Method for controlling a gas turbine by means of a future combustion dynamic | |
CN111834025B (zh) | 核电厂安全相关仪表校验类监督项目周期延长的评价方法 | |
CN115753675A (zh) | 一种区域级二氧化碳排放监测与管控系统及运行方法 | |
CN112949054A (zh) | 一种燃煤锅炉的入炉煤热值软测量方法及系统 | |
CN111607417A (zh) | 炼焦诊断系统及方法 | |
CN116449898B (zh) | 一种开关柜温湿度远程控制系统 |
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 |