CN116382223B - 一种基于dcs的火电机组监测系统 - Google Patents
一种基于dcs的火电机组监测系统 Download PDFInfo
- Publication number
- CN116382223B CN116382223B CN202310646458.3A CN202310646458A CN116382223B CN 116382223 B CN116382223 B CN 116382223B CN 202310646458 A CN202310646458 A CN 202310646458A CN 116382223 B CN116382223 B CN 116382223B
- Authority
- CN
- China
- Prior art keywords
- data
- unit
- thermal power
- value
- dcs
- 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 22
- 230000005856 abnormality Effects 0.000 claims abstract description 46
- 238000007405 data analysis Methods 0.000 claims abstract description 40
- 238000004088 simulation Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000003245 coal Substances 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33273—DCS distributed, decentralised controlsystem, multiprocessor
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明属于分散控制技术领域,具体涉及一种基于DCS的火电机组监测系统。所述系统包括:现场机组采集单元、数据通信网络、数据延迟网络、数据分析单元和预警单元;所述现场机组采集单元,配置用于实时采集火电机组的运行数据,并通过数据通信网络将运行数据传送至数据分析单元;所述数据延迟网络,配置用于在运行数据通过数据通信网络传送至数据分析单元的途中,按照设定的数据延迟比例和数据延迟时间。本发明通过将实时采集到的运行数据进行延迟处理后,将运行数据分割成两部分,然后分别对两部分进行数据的模拟预测,以判断是否出现了异常,提升了火电机组监控的准确率和效率。
Description
技术领域
本发明属于分散控制技术领域,具体涉及一种基于DCS的火电机组监测系统。
背景技术
分散控制系统是以微处理器为基础,采用控制功能分散、显示操作集中、兼顾分而自治和综合协调的设计原则的新一代仪表控制系统。集散控制系统简称DCS,也可直译为“分散控制系统”或“分布式计算机控制系统”。
它采用控制分散、操作和管理集中的基本设计思想,采用多层分级、合作自治的结构形式。其主要特征是它的集中管理和分散控制。DCS在电力、冶金、石化等各行各业都获得了极其广泛的应用。
DCS在控制上的最大特点是依靠各种控制、运算模块的灵活组态,可实现多样化的控制策略以满足不同情况下的需要,使得在单元组合仪表实现起来相当繁琐与复杂的命题变得简单。随着企业提出的高柔性、高效益的要求,以经典控制理论为基础的控制方案已经不能适应,以多变量预测控制为代表的先进控制策略的提出和成功应用之后,先进过程控制受到了过程工业界的普遍关注。需要强调的是,广泛应用各种先进控制与优化技术是挖掘并提升DCS综合性能最有效、最直接、也是最具价值的发展方向。
在实践中,分散控制系统用以实现自动循环的方法简单,电气元件的通用性强,成本低。但在自动循环过程中,当前一动作没有完成时,后一动作便得不到起动信号,因此具有一定的互锁性。
因此,在一个分散控制的系统中,当动作的运行出现一定的变化或停滞时,就会使得整个系统的连贯性和效率出现问题,使得自动循环时间会增加,各个部分之间难以协调,同时也会降低生产的效率。
发明内容
本发明的主要目的在于提供一种基于DCS的火电机组监测系统,本发明通过将实时采集到的运行数据进行延迟处理后,将运行数据分割成两部分,然后分别对两部分进行数据的模拟预测,以判断是否出现了异常,提升了火电机组监控的准确率和效率。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于DCS的火电机组监测系统,所述系统包括:现场机组采集单元、数据通信网络、数据延迟网络、数据分析单元和预警单元;所述现场机组采集单元,配置用于实时采集火电机组的运行数据,并通过数据通信网络将运行数据传送至数据分析单元;所述数据延迟网络,配置用于在运行数据通过数据通信网络传送至数据分析单元的途中,按照设定的数据延迟比例和数据延迟时间,以及按照采集运行数据时的时序,对运行数据中的部分数据进行数据延迟操作,以使得到达数据分析单元的运行数据被分成两部分,其中,先到达数据分析单元的第一部分运行数据到达数据分析单元的时间与后到达数据分析单元的第二部分运行数据到达数据分析单元的时间的差值为数据延迟时间;数据分析单元,配置用于将第一部分运行数据作为输入数据,代入第一模拟数据生成模型,模拟生成虚拟第二部分运行数据,再将虚拟第二部分运行数据与第二部分运行数据进行差异比对分析,以判断是否出现第一连贯异常,同时,将第二部分运行数据作为输入数据,代入第二模拟数据生成模型,以模拟逆生成虚拟第一部分运行数据,再将虚拟第一部分运行数据与第一部分运行数据进行差异比对分析,以判断是否出现第二连贯异常;所述预警单元,配置用于根据第一连贯异常和第二连贯异常,判断火电机组是否出现运行异常,若是,则发出预警。
优选地,所述火电机组的运行数据至少包括:不可控参数和可控参数,其中,所述不可控参数至少包括:机组负荷、循环水入口温度、收到基灰分和收到基水分;可控参数为至少包括:主蒸汽温度、主蒸汽压力、再热蒸汽温度、真空状态、给水温度和过热减温水量。
优选地,所述设定的数据延迟比例须满足以下约束条件:;其中,/>为可控参数的类别数,/>为每个不同类别的可控参数的数据个数,/>为不可控参数的类别数,/>为每个不同类别的不可控参数的数据个数;/>为每个类别的不可控参数中数据的最大值;/>为每个类别的可控参数中数据的最大值。
优选地,所述设定的数据延迟时间的范围为:采集的运行数据的起始时间和终止时间的差值~/>采集的运行数据的起始时间和终止时间的差值。
优选地,所述现场机组采集单元还将对采集到的数据进行数据预处理,具体包括:首先进行稳态检测,若稳态检测结果未通过,则进行数据异常处理,最后进行数据滤波处理。
优选地,所述第一模拟数据生成模型使用如下公式进行表示:;其中,/>为第一部分运行数据的起始时间,为第一部分运行数据的终止时间,/>为转换为秒的运算,/>为第一部分运行数据,/>为调整系数,当对第一部分运行数据中的不可控参数进行计算时,/>的取值为1;当对第一部分运行数据中的可控参数进行计算时,/>的取值为0.5;/>为虚拟第二部分运行数据;为分布系数,取值为2~5;/>为进行当前运算的第一部分运行数据中数据的个数,/>为函数自变量。
优选地,所述第二模拟数据生成模型使用如下公式进行表示:;其中,/>为第二部分运行数据的起始时间,/>为第二部分运行数据的终止时间,/>为转换为秒的运算,/>为第二部分运行数据,/>为调整系数,当对第二部分运行数据中的不可控参数进行计算时,/>的取值为1;当对第二部分运行数据中的可控参数进行计算时,/>的取值为0.5;/>为虚拟第二部分运行数据;/>为分布系数,取值为2~5;/>为进行当前运算的第二部分运行数据中数据的个数,/>为函数自变量。
优选地,所述预警单元,根据第一连贯异常和第二连贯异常,判断火电机组是否出现运行异常的方法包括:所述第一连贯异常为多个值,每个值分别表征第一部分运行数据中每一类的运行数据的异常值;所述第二连贯异常为多个值,每个值分别表征第二部分运行数据中每一类的运行数据的异常值;将第一连贯异常和第二连贯异常每一相同类别的异常值,按照第一连贯异常的权重占比为0.6和第二连贯异常的权重占比为0.4的规则,进行加权平均计算,最后,再将加权平均计算后的结果,进行算术平均,得到连贯异常判定值;将连贯异常判定值与预设的阈值范围进行比较,若超过设定的阈值范围,则判断出现异常。
优选地,所述预警单元在判断出现异常后,将判断结果进行本地存储后,再发出预警。
优选地,所述数据通信网络在将运行数据传送至数据分析单元的途中,还将对运行数据进行数据备份。
本发明的一种基于DCS的火电机组监测系统,具有如下有益效果:
1.效率高:本发明在进行火电机组监测时,通过采集一段时间的数据,然后将这段时间的数据利用延迟的方式,分割成两个部分,再通过预设的模型来生成模拟的参数,进行交叉对比后,以进行判断,相较于现有技术的需要分别对火电机组的每个部分的数据针对其特性,进行单独的分析和判断,其只需要对模拟数据和原本的数据进行比对判断即可,简化了分析和判断的过程。
2.准确率高:本发明通过将两部分数据分别生成对应的模拟数据,然后针对生成的模拟数据进行交叉比对,相较于直接进行数据分析,其分析结果的准确率更高。
附图说明
图1为本发明实施例提供的一种基于DCS的火电机组监测系统的系统结构示意图。
具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
实施例1
如图1所示,一种基于DCS的火电机组监测系统,所述系统包括:现场机组采集单元、数据通信网络、数据延迟网络、数据分析单元和预警单元;所述现场机组采集单元,配置用于实时采集火电机组的运行数据,并通过数据通信网络将运行数据传送至数据分析单元;所述数据延迟网络,配置用于在运行数据通过数据通信网络传送至数据分析单元的途中,按照设定的数据延迟比例和数据延迟时间,以及按照采集运行数据时的时序,对运行数据中的部分数据进行数据延迟操作,以使得到达数据分析单元的运行数据被分成两部分,其中,先到达数据分析单元的第一部分运行数据到达数据分析单元的时间与后到达数据分析单元的第二部分运行数据到达数据分析单元的时间的差值为数据延迟时间;数据分析单元,配置用于将第一部分运行数据作为输入数据,代入第一模拟数据生成模型,模拟生成虚拟第二部分运行数据,再将虚拟第二部分运行数据与第二部分运行数据进行差异比对分析,以判断是否出现第一连贯异常,同时,将第二部分运行数据作为输入数据,代入第二模拟数据生成模型,以模拟逆生成虚拟第一部分运行数据,再将虚拟第一部分运行数据与第一部分运行数据进行差异比对分析,以判断是否出现第二连贯异常;所述预警单元,配置用于根据第一连贯异常和第二连贯异常,判断火电机组是否出现运行异常,若是,则发出预警。
具体的,数据延迟网络旨在将同一个运行数据通过时间延迟的方式划分为两个部分,在划分过程中,如果是直接将运行数据发送到数据分析单元后,由数据分析单元来划分,一个是会降低数据分析单元的效率。二是会有算法耦合现象产生。这是因为如果一组数据通过直接执行的算法单元执行整个过程,就会使得结果的误差率被显著放大,缺乏其他单元的参与,使得准确率降低。因此本发明在传输过程中进行了数据的延迟分组。以提升准确率。
延迟分组是通过时间的方式来划分了运行数据,不影响数据的实际结果,因此后续通过该部分后续的模拟生成,能够直接判定是否出现了异常。
实施例2
在上一实施例的基础上,所述火电机组的运行数据至少包括:不可控参数和可控参数,其中,所述不可控参数至少包括:机组负荷、循环水入口温度、收到基灰分和收到基水分;可控参数为至少包括:主蒸汽温度、主蒸汽压力、再热蒸汽温度、真空状态、给水温度和过热减温水量。
具体的,多数火电厂采用煤炭作为一次能源,利用皮带传送技术,向锅炉输送经处理过的煤粉,煤粉燃烧加热锅炉使锅炉中的水变为水蒸汽,经一次加热之后,水蒸汽进入高压缸。为了提高热效率,应对水蒸汽进行二次加热,水蒸汽进入中压缸。通过利用中压缸的蒸汽去推动汽轮发电机发电。从中压缸引出进入对称的低压缸。已经作过功的蒸汽一部分从中间段抽出供给炼油、化肥等兄弟企业,其余部分流经凝汽器水冷,成为40度左右的饱和水作为再利用水。40度左右的饱和水经过凝结水泵,经过低压加热器到除氧器中,此时为160度左右的饱和水,经过除氧器除氧,利用给水泵送入高压加热器中,其中高压加热器利用再加热蒸汽作为加热燃料,最后流入锅炉进行再次利用。以上就是一次生产流程。
以上分析虽然较为繁杂,但从能量转换的角度看却很简单,即燃料的化学能→蒸汽的热势能→机械能→电能。在锅炉中,燃料的化学能转变为蒸汽的热能;在汽轮机中,蒸汽的热能转变为转子旋转的机械能;在发电机中机械能转变为电能。炉、机、电是火电厂中的主要设备,亦称三大主机。与三大主机相辅工作的设备成为辅助设备或称辅机。主机与辅机及其相连的管道、线路等称为系统。
实施例3
在上一实施例的基础上,所述设定的数据延迟比例须满足以下约束条件:;其中,/>为可控参数的类别数,/>为每个不同类别的可控参数的数据个数,/>为不可控参数的类别数,/>为每个不同类别的不可控参数的数据个数;/>为每个类别的不可控参数中数据的最大值;/>为每个类别的可控参数中数据的最大值。
具体的,由于可控参数与不可控参数对最终监测结果的影响是不同的。可控参数更能反应火电机组是否发生了故障。这是因为实际中,可控参数是可控制部分产生的,如果火电机组发生了故障,则很容易导致可控参数发生更大的变化。
实施例4
在上一实施例的基础上,所述设定的数据延迟时间的范围为:采集的运行数据的起始时间和终止时间的差值~/>采集的运行数据的起始时间和终止时间的差值。
实施例5
在上一实施例的基础上,所述现场机组采集单元还将对采集到的数据进行数据预处理,具体包括:首先进行稳态检测,若稳态检测结果未通过,则进行数据异常处理,最后进行数据滤波处理。
具体的,异常值是我们在数据分析中会经常遇到的一种特殊情况,所谓的异常值就是非正常数据。有的时候异常数据对我们是有用的,有的时候异常数据不仅对我们无用,反而会影响我们正常的分析结果。比如在分析银行欺诈案例时,核心就是要发现异常值,这个时候异常值对我们是有用的。再比如,在统计某个城市的平均收入的时候,有人月收入是好几个亿,这个时候这个人就是一个异常值,这个异常值会拉高城市的整体平均收入,因此可能会得到一个不真实的分析结果。
实施例6
在上一实施例的基础上,所述第一模拟数据生成模型使用如下公式进行表示:;其中,/>为第一部分运行数据的起始时间,为第一部分运行数据的终止时间,/>为转换为秒的运算,/>为第一部分运行数据,/>为调整系数,当对第一部分运行数据中的不可控参数进行计算时,/>的取值为1;当对第一部分运行数据中的可控参数进行计算时,/>的取值为0.5;/>为虚拟第二部分运行数据;为分布系数,取值为2~5;/>为进行当前运算的第一部分运行数据中数据的个数,/>为函数自变量。
具体的,在实际中,模拟数据生成的质量是视生成模型的函数而定的。我们无法找到一种普适的能够对所有数据进行预测和生成的统一的函数算法。但本发明通过实验数据分析得出的算法更贴合实际的情况。
实施例7
在上一实施例的基础上,所述第二模拟数据生成模型使用如下公式进行表示:;其中,/>为第二部分运行数据的起始时间,/>为第二部分运行数据的终止时间,/>为转换为秒的运算,/>为第二部分运行数据,/>为调整系数,当对第二部分运行数据中的不可控参数进行计算时,/>的取值为1;当对第二部分运行数据中的可控参数进行计算时,/>的取值为0.5;/>为虚拟第二部分运行数据;/>为分布系数,取值为2~5;/>为进行当前运算的第二部分运行数据中数据的个数,/>为函数自变量。
实施例8
在上一实施例的基础上,所述预警单元,根据第一连贯异常和第二连贯异常,判断火电机组是否出现运行异常的方法包括:所述第一连贯异常为多个值,每个值分别表征第一部分运行数据中每一类的运行数据的异常值;所述第二连贯异常为多个值,每个值分别表征第二部分运行数据中每一类的运行数据的异常值;将第一连贯异常和第二连贯异常每一相同类别的异常值,按照第一连贯异常的权重占比为0.6和第二连贯异常的权重占比为0.4的规则,进行加权平均计算,最后,再将加权平均计算后的结果,进行算术平均,得到连贯异常判定值;将连贯异常判定值与预设的阈值范围进行比较,若超过设定的阈值范围,则判断出现异常。
实施例9
在上一实施例的基础上,所述预警单元在判断出现异常后,将判断结果进行本地存储后,再发出预警。
具体的,存储在本地后,以便为提供日志查询。
实施例10
在上一实施例的基础上,所述数据通信网络在将运行数据传送至数据分析单元的途中,还将对运行数据进行数据备份。
具体的,对数据备份的作用在于,后续定期的从数据通信网络中获取这些备份的数据,以此对整个系统的准确率进行分析。而如果不进行数据备份,由于数据在发送至数据分析单元后均被划分了两个部分,从而使得后续无法获取原本的运行数据。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (10)
1.一种基于DCS的火电机组监测系统,其特征在于,所述系统包括:现场机组采集单元、数据通信网络、数据延迟网络、数据分析单元和预警单元;所述现场机组采集单元,配置用于实时采集火电机组的运行数据,并通过数据通信网络将运行数据传送至数据分析单元;所述数据延迟网络,配置用于在运行数据通过数据通信网络传送至数据分析单元的途中,按照设定的数据延迟比例和数据延迟时间,以及按照采集运行数据时的时序,对运行数据中的部分数据进行数据延迟操作,以使得到达数据分析单元的运行数据被分成两部分,其中,先到达数据分析单元的第一部分运行数据到达数据分析单元的时间与后到达数据分析单元的第二部分运行数据到达数据分析单元的时间的差值为数据延迟时间;数据分析单元,配置用于将第一部分运行数据作为输入数据,代入第一模拟数据生成模型,模拟生成虚拟第二部分运行数据,再将虚拟第二部分运行数据与第二部分运行数据进行差异比对分析,以判断是否出现第一连贯异常,同时,将第二部分运行数据作为输入数据,代入第二模拟数据生成模型,以模拟逆生成虚拟第一部分运行数据,再将虚拟第一部分运行数据与第一部分运行数据进行差异比对分析,以判断是否出现第二连贯异常;所述预警单元,配置用于根据第一连贯异常和第二连贯异常,判断火电机组是否出现运行异常,若是,则发出预警。
2.根据权利要求1所述的基于DCS的火电机组监测系统,其特征在于,所述火电机组的运行数据至少包括:不可控参数和可控参数,其中,所述不可控参数至少包括:机组负荷、循环水入口温度、收到基灰分和收到基水分;可控参数为至少包括:主蒸汽温度、主蒸汽压力、再热蒸汽温度、真空状态、给水温度和过热减温水量。
3.根据权利要求2所述的基于DCS的火电机组监测系统,其特征在于,所述设定的数据延迟比例须满足以下约束条件:;其中,/>为可控参数的类别数,/>为每个不同类别的可控参数的数据个数,/>为不可控参数的类别数,/>为每个不同类别的不可控参数的数据个数;/>为每个类别的不可控参数中数据的最大值;/>为每个类别的可控参数中数据的最大值。
4.根据权利要求3所述的基于DCS的火电机组监测系统,其特征在于,所述设定的数据延迟时间的范围为:采集的运行数据的起始时间和终止时间的差值~/>采集的运行数据的起始时间和终止时间的差值。
5.根据权利要求3所述的基于DCS的火电机组监测系统,其特征在于,所述现场机组采集单元还将对采集到的数据进行数据预处理,具体包括:首先进行稳态检测,若稳态检测结果未通过,则进行数据异常处理,最后进行数据滤波处理。
6.根据权利要求5所述的基于DCS的火电机组监测系统,其特征在于,所述第一模拟数据生成模型使用如下公式进行表示:;其中,为第一部分运行数据的起始时间,/>为第一部分运行数据的终止时间,/>为转换为秒的运算,/>为第一部分运行数据,/>为调整系数,当对第一部分运行数据中的不可控参数进行计算时,/>的取值为1;当对第一部分运行数据中的可控参数进行计算时,/>的取值为0.5;为虚拟第二部分运行数据;/>为分布系数,取值为2~5;/>为进行当前运算的第一部分运行数据中数据的个数,/>为函数自变量。
7.根据权利要求6所述的基于DCS的火电机组监测系统,其特征在于,所述第二模拟数据生成模型使用如下公式进行表示:;其中,/>为第二部分运行数据的起始时间,/>为第二部分运行数据的终止时间,/>为转换为秒的运算,/>为第二部分运行数据,/>为调整系数,当对第二部分运行数据中的不可控参数进行计算时,/>的取值为1;当对第二部分运行数据中的可控参数进行计算时,/>的取值为0.5;/>为虚拟第二部分运行数据;/>为分布系数,取值为2~5;/>为进行当前运算的第二部分运行数据中数据的个数,/>为函数自变量。
8.根据权利要求7所述的基于DCS的火电机组监测系统,其特征在于,所述预警单元,根据第一连贯异常和第二连贯异常,判断火电机组是否出现运行异常的方法包括:所述第一连贯异常为多个值,每个值分别表征第一部分运行数据中每一类的运行数据的异常值;所述第二连贯异常为多个值,每个值分别表征第二部分运行数据中每一类的运行数据的异常值;将第一连贯异常和第二连贯异常每一相同类别的异常值,按照第一连贯异常的权重占比为0.6和第二连贯异常的权重占比为0.4的规则,进行加权平均计算,最后,再将加权平均计算后的结果,进行算术平均,得到连贯异常判定值;将连贯异常判定值与预设的阈值范围进行比较,若超过设定的阈值范围,则判断出现异常。
9.根据权利要求8所述的基于DCS的火电机组监测系统,其特征在于,所述预警单元在判断出现异常后,将判断结果进行本地存储后,再发出预警。
10.根据权利要求9所述的基于DCS的火电机组监测系统,其特征在于,所述数据通信网络在将运行数据传送至数据分析单元的途中,还将对运行数据进行数据备份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310646458.3A CN116382223B (zh) | 2023-06-02 | 2023-06-02 | 一种基于dcs的火电机组监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310646458.3A CN116382223B (zh) | 2023-06-02 | 2023-06-02 | 一种基于dcs的火电机组监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116382223A CN116382223A (zh) | 2023-07-04 |
CN116382223B true CN116382223B (zh) | 2023-08-01 |
Family
ID=86980969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310646458.3A Active CN116382223B (zh) | 2023-06-02 | 2023-06-02 | 一种基于dcs的火电机组监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116382223B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005345096A (ja) * | 2005-07-07 | 2005-12-15 | Mitsubishi Electric Corp | 冷凍サイクル装置および冷凍サイクル監視システム |
JP2014103516A (ja) * | 2012-11-19 | 2014-06-05 | Nippon Telegr & Teleph Corp <Ntt> | パケット転送遅延計測装置及び方法及びプログラム |
WO2017018726A1 (ko) * | 2015-07-24 | 2017-02-02 | (주)와플 | 센서 신호 검출 시스템 및 이를 구비하는 스마트 플러그 |
EP3620983A1 (en) * | 2018-09-05 | 2020-03-11 | Sartorius Stedim Data Analytics AB | Computer-implemented method, computer program product and system for data analysis |
CN114065601A (zh) * | 2020-07-31 | 2022-02-18 | 北京国电智深控制技术有限公司 | 火电机组的运行信息的管理方法、存储介质和电子装置 |
CN114372504A (zh) * | 2021-12-06 | 2022-04-19 | 燕山大学 | 一种基于图神经网络的风电机组故障预警方法 |
CN114384866A (zh) * | 2020-10-21 | 2022-04-22 | 沈阳中科数控技术股份有限公司 | 一种基于分布式深度神经网络框架的数据划分方法 |
WO2022095406A1 (zh) * | 2020-11-03 | 2022-05-12 | 国能龙源环保有限公司 | 脱硫装置运行性能及经济性的实时评价系统和应用方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2223260A2 (en) * | 2007-11-07 | 2010-09-01 | EDSA Micro Corporation | Systems and methods for real-time forecasting and predicting of electrical peaks and managing the energy, health, reliability, and performance of electrical power systems based on an artificial adaptive neural network |
US20150184549A1 (en) * | 2013-12-31 | 2015-07-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
CN112202736B (zh) * | 2020-09-15 | 2021-07-06 | 浙江大学 | 基于统计学习和深度学习的通信网络异常分类方法 |
JP2022102821A (ja) * | 2020-12-25 | 2022-07-07 | 東京エレクトロン株式会社 | 情報処理装置、情報処理システム及び部品発注方法 |
KR102522005B1 (ko) * | 2021-02-09 | 2023-04-13 | 포항공과대학교 산학협력단 | 가상 네트워크 관리를 위한 머신 러닝 기반 vnf 이상 탐지 시스템 및 방법 |
-
2023
- 2023-06-02 CN CN202310646458.3A patent/CN116382223B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005345096A (ja) * | 2005-07-07 | 2005-12-15 | Mitsubishi Electric Corp | 冷凍サイクル装置および冷凍サイクル監視システム |
JP2014103516A (ja) * | 2012-11-19 | 2014-06-05 | Nippon Telegr & Teleph Corp <Ntt> | パケット転送遅延計測装置及び方法及びプログラム |
WO2017018726A1 (ko) * | 2015-07-24 | 2017-02-02 | (주)와플 | 센서 신호 검출 시스템 및 이를 구비하는 스마트 플러그 |
EP3620983A1 (en) * | 2018-09-05 | 2020-03-11 | Sartorius Stedim Data Analytics AB | Computer-implemented method, computer program product and system for data analysis |
CN114065601A (zh) * | 2020-07-31 | 2022-02-18 | 北京国电智深控制技术有限公司 | 火电机组的运行信息的管理方法、存储介质和电子装置 |
CN114384866A (zh) * | 2020-10-21 | 2022-04-22 | 沈阳中科数控技术股份有限公司 | 一种基于分布式深度神经网络框架的数据划分方法 |
WO2022095406A1 (zh) * | 2020-11-03 | 2022-05-12 | 国能龙源环保有限公司 | 脱硫装置运行性能及经济性的实时评价系统和应用方法 |
CN114372504A (zh) * | 2021-12-06 | 2022-04-19 | 燕山大学 | 一种基于图神经网络的风电机组故障预警方法 |
Non-Patent Citations (1)
Title |
---|
基于大数据平台的火电机组实时运行状态监测;冯泽磊;吴美凤;;华电技术(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116382223A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102331772B (zh) | 一种直流百万机组过热汽温异常预警与故障诊断方法 | |
CN104090560B (zh) | 一种监测供电综合环境评价指标的设备 | |
CN109491358A (zh) | 一种面向百万千瓦超超临界机组锅炉动态信息的控制性能监测方法 | |
CN105527113A (zh) | 一种核电站热能效率监测与诊断系统和方法 | |
CN109471420A (zh) | 基于cva-sfa的智能电厂大型燃煤发电机组空气预热器控制性能监测方法 | |
CN108153255B (zh) | 一种基于dcs的火电机组性能监测方法及装置 | |
CN112465412A (zh) | 一种基于ims系统的电厂生产信息图形化方法 | |
Alus et al. | Optimization of the triple-pressure combined cycle power plant | |
CN112377985A (zh) | 基于反馈神经网络的供热机组调峰下限评估方法及系统 | |
CN113468732B (zh) | 一种抽汽供热机组供热用生产成本的确定系统及方法 | |
CN111723331B (zh) | 一种联合循环二拖一机组汽轮机负荷的权益分配计算方法 | |
CN116382223B (zh) | 一种基于dcs的火电机组监测系统 | |
Prasad et al. | A novel performance monitoring strategy for economical thermal power plant operation | |
CN106289754B (zh) | 一种基于统计控制技术的火电机组部件性能变化判定方法 | |
CN112348696B (zh) | 基于bp神经网络的供热机组调峰上限评估方法及系统 | |
CN102661974B (zh) | 基于热力运行参数的煤粉热值在线辨识方法 | |
CN112627921B (zh) | 一种燃气-蒸汽联合循环机组运行优化决策方法 | |
CN105804819A (zh) | 一种提高烧结余热回收量及发电系统运行稳定性的调控方法 | |
Chen et al. | Digital twin modeling and operation optimization of the steam turbine system of thermal power plants | |
CN111624979B (zh) | 一种基于慢特征分析的工业闭环控制回路多振荡检测与溯源方法 | |
CN114267465A (zh) | 压水反应堆核电机组出力异常判断方法 | |
CN111581787A (zh) | 一种实时筛选汽轮机热耗率分析数据的方法及系统 | |
Gupta et al. | Exergoeconomic analysis of a boiler for a coal fired thermal power plant | |
CN103968879A (zh) | 一种供电系统区域环保监测方法 | |
CN103968880A (zh) | 一种供电系统区域环保监测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |