CN115409280A - 一种凝结水精处理前置过滤器效能动态评价方法及系统 - Google Patents
一种凝结水精处理前置过滤器效能动态评价方法及系统 Download PDFInfo
- Publication number
- CN115409280A CN115409280A CN202211127648.6A CN202211127648A CN115409280A CN 115409280 A CN115409280 A CN 115409280A CN 202211127648 A CN202211127648 A CN 202211127648A CN 115409280 A CN115409280 A CN 115409280A
- Authority
- CN
- China
- Prior art keywords
- filter
- block
- running state
- efficiency
- mathematical model
- 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
- 238000011045 prefiltration Methods 0.000 title claims abstract description 184
- 238000005498 polishing Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011156 evaluation Methods 0.000 claims abstract description 65
- 238000013178 mathematical model Methods 0.000 claims abstract description 45
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 11
- 238000012417 linear regression Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000012535 impurity Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000011001 backwashing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000004743 Polypropylene Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011033 desalting Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000004088 simulation Methods 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种凝结水精处理前置过滤器效能动态评价方法及系统,方法包括:获取前置过滤器运行状态参数及对应的运行状态数据;对前置过滤器运行状态参数预设时间段内的历史运行状态数据进行预处理,得到处理后的数据;基于不同算法对所述处理后的历史数据进行分类及训练,建立前置过滤器效能评价数理模型;分析设备当前运行状态数据并生成序列开关量,用于指导调用所述前置过滤器效能评价数理模型,得到预测结果;基于所述预测结果及实时运行状态数据计算工况评分,用于对前置过滤器进行效能评价。通过本发明提供的方法及系统能够实现前置过滤器运行效能的动态评价,为运维人员提供实时有效的指标参数,保障凝结水精处理系统的安全稳定。
Description
技术领域
本发明涉及智能监测技术领域,涉及一种凝结水精处理前置过滤器效能动态评价方法及系统。
背景技术
在火力发电厂与核电站的运行过程中,蒸汽推动汽轮机做功后所产生的乏气,在凝汽器中通过与循环水进行热交换后冷凝而成的水称之为凝结水。当发生凝汽器渗漏、金属管路腐蚀等情况时,凝结水中便含有运行过程中产生的溶解盐类、金属腐蚀产物、油脂等杂质,因此对于超临界参数机组而言,为达到高质量的给水及蒸汽要求,通常会设置凝结水精处理系统,主要包括前置过滤器、高速混床和树脂再生系统。在凝结水进入高速混床除盐之前需经前置过滤器拦截水中大直径杂质。前置过滤器内部设有管式滤元,每根管上有若干水孔,并且管外缠绕着聚丙烯纤维滤料,水从前置过滤器底部进入管束之间,流经纤维滤料,凝结水中悬浮物、胶体、腐蚀产物和油类等杂质被滤料截留。随着系统的运行,过滤器进出口压差逐渐升高,当达到设定值时,应对过滤器进行反洗,将截留的杂质清洗排出。
当发生入水水质较差、滤料破损、反洗效果不佳等原因造成前置过滤器过滤效能下降时,污染物不能截留去除,将影响凝结水精处理系统安全稳定运行,缩短制水周期。因此,前置过滤器过滤效能与日常运维状况有着密切的关系,尽管凝结水精处理系统的各项运行指标参数均可以实时监控,但是缺乏对前置过滤器的效能动态评价,不能对凝结水精处理系统的运行状态做出实时评估,难以为运维人员提供有效的指标参数,不利于日常的运维指导。
发明内容
因此,本发明为了克服缺乏对前置过滤器的效能动态评价,不能对凝结水精处理系统的运行状态做出实时评估的缺陷,提供了一种凝结水精处理前置过滤器效能动态评价方法及系统,对前置过滤器的运行效能实现动态评价,为运维人员提供实时有效的指标参数,有利于运维人员及时采取有效措施,提升前置过滤器运行效率,保障凝结水精处理系统安全稳定。
为达到上述目的,本发明提供如下技术方案:
第一方面,本发明实施例提供一种凝结水精处理前置过滤器效能动态评价方法,包括:
获取前置过滤器运行状态参数及对应的运行状态数据;
对前置过滤器运行状态参数预设时间段内的历史运行状态数据进行预处理,得到处理后的数据;
基于不同算法对所述处理后的历史数据进行分类及训练,建立前置过滤器效能评价数理模型;
分析设备当前的运行状态数据并生成序列开关量,用来指导是否需要调用所述前置过滤器效能评价数理模型,当需要调用时,将设备当前的运行状态数据输入所述前置过滤器效能评价数理模型,得到预测结果;
基于所述预测结果及实时运行状态数据计算工况评分,用于对前置过滤器进行效能评价。
可选地,所述前置过滤器运行状态参数包括:前置过滤器进出口压差、前置过滤器进口流量及过滤器旁路调节门反馈。
可选地,根据所述当前的前置过滤器进口流量,利用所述前置过滤器效能评价数理模型,预测出无污堵条件下的前置过滤器进出口压差。
可选地,所述不同算法包括:全连接神经网络、线性回归算法中的一种或多种组合。
可选地,所述序列开关量包括:“0”和“1”指令,通过前置过滤器投切检测电路对凝结水精处理前置过滤器进行实时监控得到,当开关量为“1”时,表征前置过滤器投入使用,则调用所述前置过滤器效能评价数理模型,当开关量为“0”时,表征前置过滤器未投入使用,则不调用所述前置过滤器效能评价数理模型。
可选地,所述前置过滤器投切检测电路包括:过滤器旁路调节门反馈模拟量输入块、前置过滤器进口流量模拟量输入块、前置过滤器进出口压差模拟量输入块、小于等于块、大于等于块、比较大于块、脉冲块、与块、延时块、数理模型调用指令块;
所述过滤器旁路调节门反馈模拟量输入块与小于等于块输入端相连接;
所述前置过滤器进口流量模拟量输入块与大于等于块输入端相连接;
所述前置过滤器进出口压差模拟量输入块与比较大于块输入端相连接;
所述大于等于块输出端与脉冲块输入端相连接;
所述小于等于块输出端、脉冲块输出端及比较大于块输出端分别和与块输入端相连接;
所述与块输出端与延时块输入端相连接;
所述延时块输出端与数理模型调用指令块输入端相连接。
可选地,所述工况评分为0-100的分值,当前置过滤器进出口实际压差数值Pfac小于或等于预测压差数值Ppre,则判定前置过滤器此时运行状态良好,为满分工况,评分为100分;当实际压差数值Pfac大于预测压差数值Ppre,则说明此时前置过滤器发生了一定程度的污堵,此时工况评分为
第二方面,本发明实施例提供一种凝结水精处理前置过滤器效能动态评价系统,包括:
核心参数库,用于获取前置过滤器运行状态参数及对应的运行状态数据;
前置过滤器运行数据采集处理模块,用于对所述前置过滤器运行状态参数预设时间段内的历史运行状态数据进行预处理,得到处理后的数据;
前置过滤器效能评价数理模型建立模块,用于基于不同算法对所述处理后的历史数据进行分类及训练,建立前置过滤器效能评价数理模型;
前置过滤器投切检测模块,用于分析设备当前的运行状态数据并生成序列开关量,用来指导是否需要调用所述前置过滤器效能评价数理模型,当需要调用时,将设备当前的运行状态数据输入所述前置过滤器效能评价数理模型,得到预测结果;
前置过滤器效能评价模块,用于基于所述预测结果及实时运行状态数据计算工况评分,用于对前置过滤器进行效能评价。
第三方面,本发明实施例提供一种计算机设备,包括:至少一个处理器,以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器执行本发明实施例第一方面的凝结水精处理前置过滤器效能动态评价方法。
第四方面,本发明实施例提供一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机执行本发明实施例第一方面的凝结水精处理前置过滤器效能动态评价方法。
本发明技术方案,具有如下优点:
本发明提供的凝结水精处理前置过滤器效能动态评价方法及系统,首先获取前置过滤器运行状态参数及对应的运行状态数据;对前置过滤器运行状态参数预设时间段内的历史运行状态数据进行预处理,得到处理后的数据;基于不同算法对所述处理后的历史数据进行分类及训练,建立前置过滤器效能评价数理模型;分析设备当前运行状态数据并生成序列开关量,用于指导调用所述前置过滤器效能评价数理模型,得到预测结果;基于所述预测结果及实时运行状态数据计算工况评分,用于对前置过滤器进行效能评价。通过本发明提供的评价方法及系统,不仅可以解决前置过滤器测点单一,对过滤器运行状况直观感知控制不精准的问题,并且通过大数据分析建模技术训练出可根据特征值判断过滤器污堵状况的模型,通过模拟电路的方式对凝结水精处理系统前置过滤器的污染程度及过滤效率进行实时监控,根据设备运行情况调用模型,为运维人员提供了有效的运行参数,有利于运维人员及时采取有效措施,从而提升前置过滤器运行效率、保障凝结水精处理系统安全稳定运行。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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本发明实施例中提供的凝结水精处理前置过滤器效能动态评价方法的流程图;
图2本发明实施例中提供的凝结水精处理系统数理模型建模及模型预测的流程图;
图3本发明实施例中提供的前置过滤器效能评价数理模型测试集拟合效果图;
图4本发明实施例中提供的前置过滤器投切检测电路结构示意图;
图5本发明实施例中提供的凝结水精处理前置过滤器效能动态评价系统的模块组成图;
图6本发明实施例中提供的计算机设备一个具体示例的组成图。
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,下面将结合本发明实施例中的附图,对本发明实施例中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的实施例,不是全部的实施例,而并非要限制本发明公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要的混淆本发明公开的概念。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,都应当属于本发明保护的范围。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种凝结水精处理前置过滤器效能动态评价方法,如图1所示,该方法包括以下步骤:
步骤S1:获取前置过滤器运行状态参数及对应的运行状态数据。
本发明实施例对于前置过滤器运行状态参数包括:前置过滤器进出口压差、前置过滤器进口流量及过滤器旁路调节门反馈。前置过滤器进出口压差参数反应过滤器的污堵程度,前置过滤器进口流量反应制水量,过滤器旁路调节门反馈反应过滤器是否投入运行。
步骤S2:对前置过滤器运行状态参数预设时间段内的历史运行状态数据进行预处理,得到处理后的数据。
本发明实施例所述预处理方式主要包括变更数据格式、取运行数据均值等。
例如,提取某电厂凝结水精处理系统中的部分测点一年的核心参数的实际运行记录,包括过滤器旁路调节门反馈、过滤器进口流量和过滤器进出口压差,对反洗结束后首个过滤运行周期前十分钟的压差及流量的取中位数近邻平均值,得到处理后的过滤器进口流量和进出口压差数据。
步骤S3:基于不同算法对所述处理后的历史数据进行分类及训练,建立前置过滤器效能评价数理模型。
所述不同算法包括:全连接神经网络、线性回归算法中的一种或多种组合。
在一具体实施例中建立前置过滤器效能评价数理模型及模型预测的流程图,如图2所示,本实施例中采用线性回归算法对前置过滤器的运行状况进行监测。具体实现步骤如下:
步骤S31:历史数据筛选,筛选前置过滤器系统中污堵较少的数据;本实施例中,针对前置过滤器装置,结合步骤S2中处理后的数据包括过滤器进口流量和过滤器进出口压差。
步骤S32:选取凝结水精处理系统模型算法;在本实施例中,针对凝结水精处理系统前置过滤器,利用最小二乘法建构一元线性回归模型对训练集进行训练。
步骤S33:划分凝结水精处理系统前置过滤器运行数据为训练数据集和测试数据集;选择步骤S31中的历史数据划分建模所需的训练数据集和测试数据集,其中训练数据集用于一元线性回归模型训练,测试数据集用于模型验证后进行参数调整。
在本发明实施例中,共生成样本数据(一组数据及标签为1个样本)56个,其中训练数据集样本个数为42个,测试数据集样本个数为14个。
步骤S34:模型训练及模型验证,将训练数据样本带入线性回归模型结构中训练,训练完成后用测试数据集进行模型验证,计算模型的准确率;
模型准确率计算公式如下:
步骤S35:模型评估,当验证集的模型准确率低于设定值时,更换算法重新建模,直到达到系统要求的预测准确率;在本实施例中,数理模型准确率设定为90%。
如图3所示,本发明实施例提供的前置过滤器效能评价数理模型测试集拟合效果图,根据所述当前的前置过滤器进口流量,利用所述前置过滤器效能评价数理模型,预测出无污堵条件下的前置过滤器进出口压差,本实施例中前置过滤器效能评价数理模型测试准确率可达96.25%。
步骤S4:分析设备当前的运行状态数据并生成序列开关量,用来指导是否需要调用所述前置过滤器效能评价数理模型,当需要调用时,将设备当前的运行状态数据输入所述前置过滤器效能评价数理模型,得到预测结果。
所述序列开关量包括:“0”和“1”指令,通过前置过滤器投切检测电路对凝结水精处理前置过滤器进行实时监控得到,当开关量为“1”时,表征前置过滤器投入使用,则调用所述前置过滤器效能评价数理模型,当开关量为“0”时,表征前置过滤器未投入使用,则不调用所述前置过滤器效能评价数理模型。
如图4所示,所述前置过滤器投切检测电路包括:过滤器旁路调节门反馈模拟量输入块、前置过滤器进口流量模拟量输入块、前置过滤器进出口压差模拟量输入块、小于等于块、大于等于块、比较大于块、脉冲块、与块、延时块、数理模型调用指令块。其中:
所述过滤器旁路调节门反馈模拟量输入块与小于等于块输入端相连接;所述前置过滤器进口流量模拟量输入块与大于等于块输入端相连接;所述前置过滤器进出口压差模拟量输入块与比较大于块输入端相连接;所述大于等于块输出端与脉冲块输入端相连接;所述小于等于块输出端、脉冲块输出端及比较大于块输出端分别和与块输入端相连接;所述与块输出端与延时块输入端相连接;所述延时块输出端与数理模型调用指令块输入端相连接。
本实施例中前置过滤器投切检测电路计算过程为,过滤器旁路调节门反馈模拟量输入块1经过小于等于块4与定值55做选择比较,前置过滤器进口流量模拟量输入块2经过大于等于块5与定值100t/h做选择比较,前置过滤器进出口压差模拟量输入块3经过比较大于块6与定值0MPa做比较(需要说明的是,以上涉及到的定值均为根据经验值进行的适应性设定),当上述条件同时满足即通过与块8时,则证明前置过滤器刚投入运行,此时根据模型调用模块调用规则调用所述训练好的前置过滤器效能评价数理模型,得到预测结果。
步骤S5:基于所述预测结果及实时运行状态数据计算工况评分,用于对前置过滤器进行效能评价。
本发明实施例中根据所述前置过滤器当前的进口流量及前置过滤器效能评价数理模型,预测出无污堵条件下的前置过滤器进出口压差,基于所述预测结果及实时运行状态数据计算工况评分,所述工况评分为0-100的分值,当前置过滤器进出口实际压差数值Pfac小于或等于预测压差数值Ppre,则判定前置过滤器此时运行状态良好,为满分工况,评分为100分;当实际压差数值Pfac大于预测压差数值Ppre,则说明此时前置过滤器发生了一定程度的污堵,此时工况评分为需要说明的是本发明实施例采用100分制仅为举例说明,不以此为限。在获取到工况评分后将其推送至厂级生产监控平台,提示相关人员,有利于运维人员及时采取有效措施,从而提升前置过滤器运行效率、保障凝结水精处理系统安全稳定运行。
实施例2
本发明实施例提供一种凝结水精处理前置过滤器效能动态评价系统,如图5所示,包括:
核心参数库,用于获取前置过滤器运行状态参数及对应的运行状态数据;此模块执行实施例1中的步骤S1所描述的方法,在此不再赘述。
前置过滤器运行数据采集处理模块,用于对所述前置过滤器运行状态参数预设时间段内的历史运行状态数据进行预处理,得到处理后的数据;此模块执行实施例1中的步骤S2所描述的方法,在此不再赘述。
前置过滤器效能评价数理模型建立模块,用于基于不同算法对所述处理后的历史数据进行分类及训练,建立前置过滤器效能评价数理模型;此模块执行实施例1中的步骤S3所描述的方法,在此不再赘述。
前置过滤器投切检测模块,用于分析设备当前的运行状态数据并生成序列开关量,用来指导是否需要调用所述前置过滤器效能评价数理模型,当需要调用时,将设备当前的运行状态数据输入所述前置过滤器效能评价数理模型,得到预测结果;此模块执行实施例1中的步骤S4所描述的方法,在此不再赘述。
前置过滤器效能评价模块,用于基于所述预测结果及实时运行状态数据计算工况评分,用于对前置过滤器进行效能评价,此模块执行实施例1中的步骤S5所描述的方法,在此不再赘述。
通过本发明提供的凝结水精处理前置过滤器效能动态评价系统,能够实现前置过滤器运行效能的动态评价,为运维人员提供实时有效的指标参数,保障凝结水精处理系统的安全稳定。
实施例3
本发明实施例提供一种计算机设备,如图6所示,包括:至少一个处理器601,至少一个通信接口603,存储器604和至少一个通信总线602。其中,通信总线602用于实现这些组件之间的连接通信,通信接口603可以包括显示屏和键盘,可选通信接口603还可以包括标准的有线接口、无线接口。存储器604可以是高速易挥发性随机存取存储器,也可以是非不稳定的存储器,还可以是至少一个位于远离前述处理器601的存储装置。其中处理器601可以执行实施例1的凝结水精处理前置过滤器效能动态评价方法。存储器604中存储一组程序代码,且处理器601调用存储器604中存储的程序代码,以用于执行实施例1的凝结水精处理前置过滤器效能动态评价方法。
其中,通信总线602可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。通信总线602可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器604可以包括易失性存储器(Volatile Memory),例如随机存取存储器(Random Access Memory,简称RAM);存储器也可以包括非易失性存储器(Non-volatileMemory),例如快闪存储器(Flash Memory),硬盘(Hard Disk Drive,简称HDD)或固降硬盘(Solid-state Drive,简称SSD);存储器604还可以包括上述种类的存储器的组合。
其中,处理器601可以是中央处理器(Central Processing Unit,简称CPU),网络处理器(Network Processor,简称NP)或者CPU和NP的组合。
其中,处理器601还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(Application-Specific Integrated Circuit,简称ASIC),可编程逻辑器件(Programmable Logic Device,简称PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(Complex Programmable Logic Device,简称CPLD)、现场可编程逻辑门阵列(FieldProgrammable Gate Array,简称FPGA)、通用阵列逻辑(Generic Array Logic,简称GAL)或其任意组合。
可选地,存储器604还用于存储程序指令。处理器601可以调用程序指令,实现如本发明执行实施例1中的凝结水精处理前置过滤器效能动态评价方法。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机可执行指令,该计算机可执行指令可执行实施例1的凝结水精处理前置过滤器效能动态评价方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read Only Memory,简称ROM)、随机存储记忆体(Random Access Memory,简称RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,简称HDD)或固降硬盘(Solid State Drive,简称SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种凝结水精处理前置过滤器效能动态评价方法,其特征在于,包括:
获取前置过滤器运行状态参数及对应的运行状态数据;
对前置过滤器运行状态参数预设时间段内的历史运行状态数据进行预处理,得到处理后的数据;
基于不同算法对所述处理后的历史数据进行分类及训练,建立前置过滤器效能评价数理模型;
分析设备当前的运行状态数据并生成序列开关量,用来指导是否需要调用所述前置过滤器效能评价数理模型,当需要调用时,将设备当前的运行状态数据输入所述前置过滤器效能评价数理模型,得到预测结果;
基于所述预测结果及实时运行状态数据计算工况评分,用于对前置过滤器进行效能评价。
2.根据权利要求1所述的凝结水精处理前置过滤器效能动态评价方法,其特征在于,所述前置过滤器运行状态参数包括:前置过滤器进出口压差、前置过滤器进口流量及过滤器旁路调节门反馈。
3.根据权利要求2所述的凝结水精处理前置过滤器效能动态评价方法,其特征在于,根据所述当前的前置过滤器进口流量,利用所述前置过滤器效能评价数理模型,预测出无污堵条件下的前置过滤器进出口压差。
4.根据权利要求1所述的凝结水精处理前置过滤器效能动态评价方法,其特征在于,所述不同算法包括:全连接神经网络、线性回归算法中的一种或多种组合。
5.根据权利要求1所述的凝结水精处理前置过滤器效能动态评价方法,其特征在于,所述序列开关量包括:“0”和“1”指令,通过前置过滤器投切检测电路对凝结水精处理前置过滤器进行实时监控得到,当开关量为“1”时,表征前置过滤器投入使用,则调用所述前置过滤器效能评价数理模型,当开关量为“0”时,表征前置过滤器未投入使用,则不调用所述前置过滤器效能评价数理模型。
6.根据权利要求5所述的凝结水精处理前置过滤器效能动态评价方法,其特征在于,所述前置过滤器投切检测电路包括:过滤器旁路调节门反馈模拟量输入块、前置过滤器进口流量模拟量输入块、前置过滤器进出口压差模拟量输入块、小于等于块、大于等于块、比较大于块、脉冲块、与块、延时块、数理模型调用指令块;
所述过滤器旁路调节门反馈模拟量输入块与小于等于块输入端相连接;
所述前置过滤器进口流量模拟量输入块与大于等于块输入端相连接;
所述前置过滤器进出口压差模拟量输入块与比较大于块输入端相连接;
所述大于等于块输出端与脉冲块输入端相连接;
所述小于等于块输出端、脉冲块输出端及比较大于块输出端分别和与块输入端相连接;
所述与块输出端与延时块输入端相连接;
所述延时块输出端与数理模型调用指令块输入端相连接。
8.一种凝结水精处理前置过滤器效能动态评价系统,其特征在于,包括:
核心参数库,用于获取前置过滤器运行状态参数及对应的运行状态数据;
前置过滤器运行数据采集处理模块,用于对所述前置过滤器运行状态参数预设时间段内的历史运行状态数据进行预处理,得到处理后的数据;
前置过滤器效能评价数理模型建立模块,用于基于不同算法对所述处理后的历史数据进行分类及训练,建立前置过滤器效能评价数理模型;
前置过滤器投切检测模块,用于分析设备当前的运行状态数据并生成序列开关量,用来指导是否需要调用所述前置过滤器效能评价数理模型,当需要调用时,将设备当前的运行状态数据输入所述前置过滤器效能评价数理模型,得到预测结果;
前置过滤器效能评价模块,用于基于所述预测结果及实时运行状态数据计算工况评分,用于对前置过滤器进行效能评价。
9.一种计算机设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-7中任一所述的凝结水精处理前置过滤器效能动态评价方法。
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存储有计算机指令,所述计算机指令用于使所述计算机执行1-7中任一所述的凝结水精处理前置过滤器效能动态评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211127648.6A CN115409280A (zh) | 2022-09-16 | 2022-09-16 | 一种凝结水精处理前置过滤器效能动态评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211127648.6A CN115409280A (zh) | 2022-09-16 | 2022-09-16 | 一种凝结水精处理前置过滤器效能动态评价方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115409280A true CN115409280A (zh) | 2022-11-29 |
Family
ID=84166076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211127648.6A Pending CN115409280A (zh) | 2022-09-16 | 2022-09-16 | 一种凝结水精处理前置过滤器效能动态评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115409280A (zh) |
-
2022
- 2022-09-16 CN CN202211127648.6A patent/CN115409280A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60104720T2 (de) | Verfahren zur regulierung einer membranfilteranlage | |
CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
CN111539553A (zh) | 基于svr算法和偏峰度的风电机组发电机故障预警方法 | |
EP3232282B1 (de) | Diagnoseeinrichtung und verfahren zur überwachung des be-triebs einer technischen anlage | |
CN110716512A (zh) | 一种基于燃煤电站运行数据的环保装备性能预测方法 | |
EP4291957A1 (de) | Vorhersagemodell zum vorhersagen von produktqualitätsparameterwerten | |
CN114879514B (zh) | 一种基于最优训练样本的多模型湿法脱硫效率预测方法 | |
CN117029968A (zh) | 一种流量数据的诊断方法、系统、存储介质和电子设备 | |
CN115759409A (zh) | 多时间模式注意力机制优化lstm模型的水闸形变预测方法 | |
EP2971768B2 (de) | Entwicklung eines uebergeordneten modells | |
CN115081647A (zh) | 基于贝叶斯网络模型的工业智能仪表故障预诊断方法 | |
DE19902923B4 (de) | Verfahren zur Funktionsüberwachung eines Kühlsystems einer Brennkraftmaschine | |
DE102019127133A1 (de) | Vorrichtung zum Erzeugen von Lerndaten zur Verbrennungsoptimierung und Verfahren dafür | |
CN115409280A (zh) | 一种凝结水精处理前置过滤器效能动态评价方法及系统 | |
CN116596120A (zh) | 一种抽水蓄能机组变工况劣化趋势预测方法及装置 | |
CN116432527A (zh) | 一种空化预测方法、装置、存储介质及电子设备 | |
CN115712874A (zh) | 基于时间序列特征的热能动力系统故障诊断方法及装置 | |
CN115700324A (zh) | 一种瓦温预警的方法、装置和电子设备 | |
CN113673600A (zh) | 一种工业信号异常预警方法、系统、存储介质及计算设备 | |
EP3864279B1 (de) | Verfahren zur detektion und prädiktion der versottung eines agr-kühlers in einem diesel-verbrennungsmotor | |
CN113984124B (zh) | 一种介质过滤器检测方法、系统、介质及电子终端 | |
DE112020006667T5 (de) | Vorhersagevorrichtung, Anlage, Vorhersageverfahren, Programm und Konfigurationsprogramm | |
Du et al. | Research on Prediction of Vertical Water Wall Temperature of Power Station Boiler Based on Deep Learning and Expert Experience | |
CN111289039B (zh) | 一种除尘滤袋在线检测方法 | |
CN116681268B (zh) | 过滤器生产线运行管理方法及系统 |
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 |