CN106126933B - 一种基于动态数据协调降低测量参数噪音的方法 - Google Patents
一种基于动态数据协调降低测量参数噪音的方法 Download PDFInfo
- Publication number
- CN106126933B CN106126933B CN201610473717.7A CN201610473717A CN106126933B CN 106126933 B CN106126933 B CN 106126933B CN 201610473717 A CN201610473717 A CN 201610473717A CN 106126933 B CN106126933 B CN 106126933B
- Authority
- CN
- China
- Prior art keywords
- dynamic data
- data reconciliation
- measurand
- value
- measurement parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005259 measurement Methods 0.000 title claims abstract description 37
- 238000005070 sampling Methods 0.000 claims description 18
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 239000007788 liquid Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002209 hydrophobic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于动态数据协调降低测量参数噪音的方法,属于信号处理及过程监测领域。本发明利用动态数据协调方法,降低动态过程中测量参数的波动、噪音及不确定度。具体技术步骤包括:1)根据对象***,选取***变量,根据***的物理模型建立约束方程,建立动态数据协调问题;2)选取合适的动态数据协调问题的解法,求解动态数据协调问题;3)评定协调值的不确定度,对协调前后的计算结果进行分析。该方法有效利用了动态过程***中空间冗余和时间冗余的测量信息,降低动态过程的测量参数的波动和噪音。该方法高效、便捷、低成本、易于实现。
Description
技术领域
本发明涉及一种基于动态数据协调降低测量参数噪音的方法,属于信号处理及过程监测领域。
背景技术
过程监测技术经常用来保证工业过程的正常、安全和高效运行。精确的在线测量数据是过程监测的重要基础,测量数据的误差可能导致监测结果出现错误。实际的工业过程经常为动态过程,因此在线测量的数据总是包含测量噪音和波动。因此,能够降低工业过程测量噪音及扰动的信号处理方法十分重要。数据协调方法基于***中冗余的测量信息,结合***中设备的约束关系,减少测量数据中随机误差的影响,降低测量参数及未测量参数的不确定度,给出更优的***参数估计值。冗余测量信息包括空间冗余和时间冗余两类:空间冗余是指多个测量仪表对同一个测量变量进行测量,时间冗余是指仪表在不同时间内对同一个测量变量进行了多次测量。静态数据协调方法仅考虑***的空间冗余,而动态数据协调方法在静态数据协调的基础上,充分考虑时间冗余和空间冗余,适应了实际工业过程的需求。
发明内容
本发明的目的是提供一种基于动态数据协调降低测量参数噪音的方法,能够降低工业过程测量参数的噪音及扰动。
本发明的技术方案是:
一种基于动态数据协调降低测量参数噪音的方法,其特征是该方法包括了如下步骤:
1)从工业过程***中,选取测量变量x及未测量变量u,测量变量x的测量值记为y;x、y和u是由多个变量组成的一维向量,如下所示:
其中,n为所有测量变量的个数;p为所有未测量变量的个数;
2)根据工业过程***中各类测量仪表的精度等级,按照公式(1)来评定测量变量测量值的不确定度σ1,σ2,…σn:
其中,i代表第i个测量变量,i取1,2,3…n;ξi代表置信区间为95%的仪表最大允许误差;Ns代表测量同一变量的仪表个数;k为修正系数;
由测量值的不确定度按照公式(2)来计算得到协方差矩阵Σ;
3)根据工业过程***中设备的动态模型,建立关于测量变量x及未测量变量u的约束方程组,如下所示:
f(x,u)=0 (3)
h(x,u)=0 (4)
g(x,u)≤0 (5)
其中,f代表微分方程组,h代表等式代数方程组,g代表不等式代数方程组;
4)利用测量变量的测量值y、测量值的不确定度σ、约束方程组f、h和g构建动态数据协调问题,求解从起始时刻t0到当前时刻tN内目标函数φ的最小值,得到测量变量的协调值x*和未测量变量u的估计值u*;
其中,j代表第j个采样时刻,j取t0到tN;xj *代表第j个采样时刻的x*;yj代表第j个采样时刻的y;Σj代表第j个采样时刻的Σ;上标T代表矩阵的转置;上标-1代表矩阵的逆;
代表从t0到tN的求和;
5)采用移动窗口法来简化动态数据协调问题的复杂性:根据动态数据协调问题的特点及允许的计算时间、成本及复杂性,选取移动窗口长度;动态数据协调问题的目标函数改为φ′,求解得到测量变量的协调值x*和未测量变量u的估计值u*;
其中,H代表窗口长度;
6)计算测量变量的协调值x*的标准差,作为协调值x*的不确定度σ*;根据测量值y的不确定度σ和协调值x*的不确定度σ*,评定测量值和协调值的噪音幅度,并进行对比。
本发明所述的方法的技术特征还在于:1)工业过程***包括电厂***或化工***;2)步骤(1)中所述的合适的测量变量包括流量、压力、温度和功率;3)步骤(3)中所述的约束方程包含质量平衡方程、能量平衡方程和特性方程;4)步骤(5)中所述的窗口长度包括ΔT、2ΔT、3ΔT或4ΔT,其中ΔT代表采样时间间隔。
本发明具有以下优点及突出性的技术效果:
本发明在不改变工业过程中测量仪表和设备的前提下,基于***中设备的约束关系、时间冗余及空间冗余测量信息,通过动态数据协调计算来降低动态过程中测量数据的噪音及扰动,同时降低测量参数的不确定度,提高测量数据的质量和过程监测的效果。本方法简单、高效、成本低。
附图说明
图1为实施例中电厂管壳式高压给水加热器的结构示意图。
图2为实施例中电厂管壳式高压给水加热器的物理模型图。
图3展示了高压给水加热器中壳侧的进口流量和出口流量的测量值。
图4展示了实施例中电厂高压给水加热器液位的测量值。
图5展示了实施例中加热器液位的测量值及数据协调值(窗口长度为3ΔT)。
具体实施方式
下面结合附图对本发明的原理和具体实施作进一步的说明。
本发明提供了一种基于动态数据协调降低测量参数噪音的方法,其特征是该方法包括了如下步骤:
1)以电厂的给水加热***为例,如图1所示,选取管壳式高压给水加热器进行仿真研究。在高压给水加热器中,选取合适的测量变量x,依次为x1,x2,x3,分别代表给水管侧的进口流量min、出口流量mout和加热器的液位h;测量变量x的测量值记为y,依次为y1,y2,y3;实施例中没有未测量变量u;
其中,测量变量的个数为3;
2)根据工业过程***中各类测量仪表的精度等级,按照公式(1)来评定测量变量测量值的不确定度σ1,σ2,σ3:
其中,i代表第i个测量变量,i取1、2、3;ξi代表置信区间为95%的仪表最大允许误差;Ns代表测量同一变量的仪表个数,通常为1;k为修正系数,通常为1;
并由测量值的不确定度按照公式(2)来计算得到协方差矩阵Σ:
3)根据工业过程***中设备的动态模型,建立关于测量参数x及未测量参数u的约束方程组,其中,f代表微分方程组,h代表等式代数方程组,g代表不等式代数方程组;在此实施例中,没有等式代数方程和不等式代数方程,只有一个反映动态过程质量守恒的微分方程;由于采样时刻是间断的,且采样时间间隔为ΔT,微分方程由差分方程来替代,如公式(3)所示:
其中,j代表第j个采样时刻;ρ为液体的密度,这里是水;A为加热器的横截面积;
4)利用测量变量的测量值y、测量值的不确定度σ、约束方程组f、h和g构建动态数据协调问题,求解从起始时刻t0到当前时刻tN内目标函数φ的最小值,得到测量变量的协调值x*和未测量变量u的估计值u*;
其中,j代表第j个采样时刻,j取t0到tN;xj *代表第j个采样时刻的x*;yj代表第j个采样时刻的y;Σj代表第j个采样时刻的Σ;上标T代表矩阵的转置;上标-1代表矩阵的逆;
代表从t0到tN的求和;
实施例中,没有u*;
5)采用移动窗口法来简化动态数据协调问题的复杂性:根据动态数据协调问题的特点及允许的计算时间、成本及复杂性,选取移动窗口长度;动态数据协调问题的目标函数改为φ′,求解得到测量变量的协调值x*和未测量变量u的估计值u*;
其中,H代表窗口长度。实施例中选取窗口长度H为3ΔT。
6)计算测量变量的协调值x*中每个元素(例如x1 *或xn *)在所有时间范围内(从起始时刻t0到当前时刻tN)的标准差,作为协调值x*的不确定度σ*,其中,根据测量值y的不确定度σ和协调值x*的不确定度σ*,评定测量值和协调值的噪音幅度,并进行对比。实施例中,直接用变量的不确定度来反映变量的噪音幅度。
实施例1:
下面选取一个管壳式高压给水加热器为例,进行仿真研究并对本发明进行说明。图1为实施例中电厂高压给水加热器的结构示意图。图2为实施例中电厂高压给水加热器的物理模型图。图1及图2中的符号名称为:1-抽蒸汽管道入口;2-抽蒸汽管道出口;3-蒸汽过热区出口;4-蒸汽凝结区出口;5-蒸汽疏水区出口;6-给水入口;7-给水疏水区出口;8-给水凝结区出口;9-给水出口;10-上级疏水入口。
该设备的测量参数包括给水管侧的进口流量min,出口流量mout和加热器的液位h。其中给水管侧的进口流量min和出口流量mout的测量值如图3所示。液位的测量值变化满足均值为0.1m,幅值为0.01m的正弦函数,如图4所示。三个测量变量的不确定度分别为1,1和0.1。采样的时间间隔ΔT为1秒,计算的时间段共为100秒。
动态数据协调计算完成后,得到液位的协调值以及其标准差。图5为液位的测量值和协调值(窗口的长度为3ΔT)的对比图。液位测量值及协调值的标准差见表1所示。
表1液位测量值及协调值的标准差
由图5和表1中结果可以得到,在动态数据协调后,加热器液位的波动幅度得到很大程度的减小,且协调后的液位的不确定度比测量值的不确定度降低36.71%,充分说明了本方法可以有效的降低测量参数的噪音幅度。
Claims (5)
1.一种基于动态数据协调降低测量参数噪音的方法,其特征在于该方法按如下步骤进行:
1)从工业过程***中,选取测量变量x及未测量变量u,测量变量x的测量值记为y;x、y和u是由多个变量组成的一维向量,如下所示:
其中,n为所有测量变量的个数;p为所有未测量变量的个数;
2)根据工业过程***中各类测量仪表的精度等级,按照公式(1)来评定测量变量测量值的不确定度σ1,σ2,…σn:
其中,i代表第i个测量变量,i取1,2,3...n;ξi代表置信区间为95%的仪表最大允许误差;Ns代表测量同一变量的仪表个数;k为修正系数;
由测量值的不确定度按照公式(2)来计算得到协方差矩阵∑;
3)根据工业过程***中设备的动态模型,建立关于测量变量x及未测量变量u的约束方程组,如下所示:
f(x,u)=0 (3)
h(x,u)=0 (4)
g(x,u)≤0 (5)
其中,f代表微分方程组,h代表等式代数方程组,g代表不等式代数方程组;
4)利用测量变量的测量值y、测量值的不确定度σ、约束方程组f、h和g构建动态数据协调问题,求解从起始时刻t0到当前时刻tN内目标函数φ的最小值,得到测量变量的协调值x*和未测量变量u的估计值u*;
其中,j代表第j个采样时刻,j取t0到tN;xj *代表第j个采样时刻的x*;yj代表第j个采样时刻的y;∑j代表第j个采样时刻的∑;上标T代表矩阵的转置;上标-1代表矩阵的逆;代表从t0到tN的求和;
5)采用移动窗口法来简化动态数据协调问题的复杂性:根据动态数据协调问题的特点及允许的计算时间、成本及复杂性,选取移动窗口长度;动态数据协调问题的目标函数改为φ′,求解得到测量变量的协调值x*和未测量变量u的估计值u*;
其中,H代表窗口长度;
6)计算测量变量的协调值x*的标准差,作为协调值x*的不确定度σ*;根据测量值y的不确定度σ和协调值x*的不确定度σ*,评定测量值和协调值的噪音幅度,并进行对比。
2.根据权利要求1所述的一种基于动态数据协调降低测量参数噪音的方法,其特征在于:工业过程***包括电厂***或化工***。
3.根据权利要求1或2所述的一种基于动态数据协调降低测量参数噪音的方法,其特征在于:步骤(1)中所述的测量变量包括流量、压力、温度和功率。
4.根据权利要求1所述的一种基于动态数据协调降低测量参数噪音的方法,其特征在于:步骤3)中所述的约束方程包含质量平衡方程、能量平衡方程和特性方程。
5.根据权利要求1所述的一种基于动态数据协调降低测量参数噪音的方法,其特征在于:步骤(5)中所述的窗口长度包括ΔT、2ΔT、3ΔT或4ΔT;其中,ΔT代表采样时间间隔。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610473717.7A CN106126933B (zh) | 2016-06-24 | 2016-06-24 | 一种基于动态数据协调降低测量参数噪音的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610473717.7A CN106126933B (zh) | 2016-06-24 | 2016-06-24 | 一种基于动态数据协调降低测量参数噪音的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106126933A CN106126933A (zh) | 2016-11-16 |
CN106126933B true CN106126933B (zh) | 2018-11-30 |
Family
ID=57265766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610473717.7A Active CN106126933B (zh) | 2016-06-24 | 2016-06-24 | 一种基于动态数据协调降低测量参数噪音的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106126933B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102782721A (zh) * | 2009-12-24 | 2012-11-14 | 康耐视公司 | 用于相机校准误差的运行时测定的***和方法 |
CN104067111A (zh) * | 2012-01-25 | 2014-09-24 | 波音公司 | 用于跟踪和监测目标对象上的差异的自动化***和方法 |
CN104573307A (zh) * | 2014-10-14 | 2015-04-29 | 山东创德软件技术有限公司 | 一种基于数据协调的电站状态在线诊断及运行优化*** |
-
2016
- 2016-06-24 CN CN201610473717.7A patent/CN106126933B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102782721A (zh) * | 2009-12-24 | 2012-11-14 | 康耐视公司 | 用于相机校准误差的运行时测定的***和方法 |
CN104067111A (zh) * | 2012-01-25 | 2014-09-24 | 波音公司 | 用于跟踪和监测目标对象上的差异的自动化***和方法 |
CN104573307A (zh) * | 2014-10-14 | 2015-04-29 | 山东创德软件技术有限公司 | 一种基于数据协调的电站状态在线诊断及运行优化*** |
Non-Patent Citations (3)
Title |
---|
An engineering approach to the optimal design of distributed energy systems in China;Zhe Zhou等;《Applied Thermal Engineering》;20120208(第53期);全文 * |
典型炼油装置数据校正技术的研究;夏茂森等;《计算机与应用化学》;20090728;第26卷(第7期);全文 * |
数据协调方法在传感器故障监测中的应用;蒋晓隆等;《清华大学学报(自然科学版)》;20141231;第54卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106126933A (zh) | 2016-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Gas-liquid two-phase flow measurement using Coriolis flowmeters incorporating artificial neural network, support vector machine, and genetic programming algorithms | |
DE112008001686B4 (de) | Massenfluss-Verifizierungsgerät, das in der Lage ist, verschiedene Volumina bereit zu stellen und entsprechendes Verfahren | |
CN106053105B (zh) | 一种核电站回热加热器能效监测与诊断的方法和*** | |
Jiang et al. | A data reconciliation based framework for integrated sensor and equipment performance monitoring in power plants | |
Li et al. | A fault detection approach for nonlinear systems based on data-driven realizations of fuzzy kernel representations | |
CN106097151B (zh) | 一种基于数据协调的降低电厂数据不确定度的方法 | |
CN107016622A (zh) | 一种含大用户用水信息的城市供水管网节点需水量反演方法 | |
Kavaklioglu et al. | Monitoring feedwater flow rate and component thermal performance of pressurized water reactors by means of artificial neural networks | |
Douglas | Instrumentation fundamentals for process control | |
CN106199241B (zh) | 一种基于数据协调及假设检验的电站***多故障诊断方法 | |
CN110469372B (zh) | 一种汽轮机热力性能试验不确定度控制方法 | |
CN113049047B (zh) | 基于牛顿迭代的涡街湿气分相流量测量方法 | |
Choi et al. | Data-driven fault diagnosis based on coal-fired power plant operating data | |
CN106126933B (zh) | 一种基于动态数据协调降低测量参数噪音的方法 | |
CN106761967A (zh) | 机侧蒸汽参数测量偏差对机组耗煤成本的评估方法及*** | |
Zhang et al. | Oil holdup prediction of oil–water two phase flow using thermal method based on multiwavelet transform and least squares support vector machine | |
Mohammadzaheri et al. | Estimate of the head produced by electrical submersible pumps on gaseous petroleum fluids, a radial basis function network approach | |
CN112525774B (zh) | 一种基于涡街流量计频谱的流速、密度和粘度的测量方法 | |
Selli et al. | On-line identification of horizontal two-phase flow regimes through gabor transform and neural network processing | |
CN106815641A (zh) | 一种基于模型和模糊模式识别的气路故障诊断方法 | |
CN207082035U (zh) | 一种凝结水精处理控制*** | |
Mulyana et al. | Arx model of four types heat exchanger identification | |
CN106121744B (zh) | 一种基于数据协调的汽轮机湿蒸汽参数的估计方法 | |
Bhide et al. | Statistics on reliability of neural network estimates | |
CN118035929B (zh) | 基于热力学和数据挖掘的电厂安全监测预警方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |