CN110162555A - 一种火电机组启停和降出力监督方法 - Google Patents
一种火电机组启停和降出力监督方法 Download PDFInfo
- Publication number
- CN110162555A CN110162555A CN201910444049.9A CN201910444049A CN110162555A CN 110162555 A CN110162555 A CN 110162555A CN 201910444049 A CN201910444049 A CN 201910444049A CN 110162555 A CN110162555 A CN 110162555A
- Authority
- CN
- China
- Prior art keywords
- data
- power output
- drop
- stop
- supervision
- 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
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000013500 data storage Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 9
- 241001269238 Data Species 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000011068 loading method Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000007726 management method Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种火电机组启停和降出力监督方法,属于电力工程领域。所述方法包括如下步骤:采集机组的功率数据;对所述功率数据进行数据抽取;对所述抽取的数据进行数据预处理获得有效数据;将所述有效数据存储于数据库中;通过对所述数据库中的历史数据进行分析,判断当前数据是否为非计划停机事件或非计划降出力事件。本发明的火电机组启停和降出力监督应用技术具有快速,准确,便捷,漏报率低,自动化水平高等优点。
Description
技术领域
本发明属于电力工程领域,具体涉及一种火电机组启停和降出力监督方法。
背景技术
火电机组远程监督功能的应用,不但可以从经济角度进行思考,同时在安全、资源整合上进行设计;结合机组非停的集中管理,不但可以通过历史进行当前状态预判,同时可以用来学习和故障分析,达到降非停的目的;通过远程诊断中心可以给予远程建议和提示,促使机组在经济、安全的状态下启停。机组启停***是指机组的启动和停止,在启停过程金属部件将产生温差、热变形、热应力,控制不当将产生裂纹乃至损坏,因此,机组启停过程是生产过程中操作复杂、工况变化快、安全、节能影响因素比较集中的环节。通过采用先进的计算机和网络技术,有效利用远程诊断中心专家团队,加强启停过程的监督和管理。
华电国际的李军等人研究了火电机组启停过程在线诊断方法和改进措施,建立了启停过程监督标准,开发了启停监督***,实现了目标偏差、变化率计算、异常提醒、操作建议等功能。启停记录可以查询区域公司电厂历史时间段内启机记录、停机记录,也可以显示启机、停机能耗指标参数及报警指标参数,将主要参数曲线与标准曲线对比;能耗参数对比。停机监督通过选择监控机组停机过程及起始、解列,熄火,投盘车和结束时间等信息来监控停机过程主要参数趋势及停机过程趋势与标准过程趋势对比和主要参数的实时趋势变化情况,及对越限参数报警提示。该***在莱州、邹县等3个等级机组上成功应用,有效控制了启停异常问题的发生。
国网山西的徐宏锐针对山西电网发电机组非停事件,利用和谐调度***在线监测功能,开发了和谐***机组非停监测模块,并将其应用到了非停原因分析中。通过分析,可以提前判断机组非停的潜在风险及故障原因。有效填补了机组非停影响电网安全稳定的空白,为日内或日前电网平衡做好充分准备,且为电网安全稳定运行提供有力的技术保障。当机组启机输出1,停机输出 -1,当机组发生启停机时,自动会触发纵向取数启停机事件高频取数任务进行高频数据采集。
火电机组可靠性管理是通过将机组可靠性基础数据按照监督部门规定的报送时间和审核程序上报后,由监督人员进行统计和确定。然而当前的管理方法仍存在不足,主要存在以下三点问题:1)原始数据量大,人工监视收集和填报信息,非常耗时且工作强度大,存在漏报和误报等情况;2)信息收集滞后,电厂在机组出现故障后不能及时汇报,给调度和电力平衡带来压力;3)数据填报准确性不足,从填报反馈信息无法直接确诊机组停机原因,为后续原因分析和统计带来干扰。
发明内容
针对现有技术的不足,本发明的目的在于提供一种火电机组启停和降出力监督技术与研究方法,以解决现有技术中存在的原始数据量大,收集和填报信息工作强度大,存在漏报和误报的问题。
一种火电机组启停和降出力监督方法,所述方法包括如下步骤:
采集机组的功率数据;
对所述功率数据进行数据抽取;
对所述抽取的数据进行数据预处理获得有效数据;
将所述有效数据存储于数据库中;
通过对所述数据库中的历史数据进行分析,判断当前数据是否为非计划停机事件或非计划降出力事件。
进一步的,所述非计划停机事件的判定方法包括:
获取所述数据库中的每次停机时间前20至60分钟的任意一时间点;
对所述时间点和停机时间组成的时间段中的历史数据进行分析,获得非停识别标准值和非停识别待定值;
当前数据的功率值大于非停识别标准值时,则判定为非计划停机事件;
所述当前数据的功率值在非停识别标准和非停识别待定值之间则通过减序列判定是否为非计划停机事件。
进一步的,所述减序列判定方法包括:
将当前数据的停机时间点向前取十分钟数据,如果连续两个数据呈递减规律则递减序数记录加一,当递减序数小于额定陡降特征值,则认定为非计划停机。
进一步的,所述非计划降出力事件的判断方法包括:
对所述数据库中的历史数据进行分析获得绝对降出力阀值、降出力阀值和额定最大差值;
当前数据的功率值低于绝对降出力阀值时,则判定为非计划降出力事件;
所述当前数据的功率值位于绝对降出力阀值时和降出力阀值之间时,通过辅助验证点判断是否为非计划降出力事件。
进一步的,所述辅助验证点判断方法包括:
获取所述当前数据前20至60分钟的任意一时间点;
获取所述时间点和当前数据对应时间点组成的时间段内的功率最大值作为为辅助验证点;
计算辅助验证点的功率和当前机组功率的差值;
当所述差值大于额定最大差值时,标注此刻为降出力开始,持续监视负荷测点90分钟内负荷未降至停机阀值,并最终回升至稳定运行负荷时为计划降出力事件,否则为非计划降出力事件。
进一步的,所述数据预处理包括编码、清洗、关联以及状态感知。
进一步的,所述存储包含时序数据存储、非结构化数据存储以及结构化数据存储等。
进一步的,所述数据通过ECell实时采集;所述数据通过ETL工具抽取。
为解决现有技术问题,本发明采取的技术方案为:
与现有技术相比,本发明具有如下的有益效果:
1)本发明通过构建数据模型实现对设备状态监测,利用专业化软件解决现场问题,采用在线监测技术,开发机组可靠性管理模块,对并网发电火电机组进行启停,降出力监督管理,通过实时跟踪给出机组状态的切换以及准确时间,相较于人工监督,漏报率低,判定准确性提高,减少了信息处理的时间;2)本发明通过对历史数据的挖掘寻找合适特征值,开发降出力模型,实现了降出力事件的自动监测,解决人工识别时数据难以采集和与主动降出力信息划分边界模糊等问题,通过在线分析,专家验证形成闭环管理,自动化水平高;3)本发明是基于云计算技术平台,支持海量数据上传至私有云,保证数据安全的同时通过网络为现场提供快速便捷的业务支持。
附图说明
图1 为锐思能源管理平台;
图2 为某600MW机组非计划停机前20分钟和停机后10分钟的功率数据图;
图3 为某600MW机组计划停机前20分钟和停机后10分钟的功率数据图;
图4为某600MW机组非计划停机和计划停机前15分钟的功率数据对比图;
图5为某600MW机组非计划停机和计划停机前10分钟的功率数据对比图;
图6为某600MW机组非计划停机和计划停机前10分钟的功率数据对比图;
图7为某600MW机组非计划停机和计划停机前2分钟的功率数据对比图;
图8为某600MW机组非计划停机和计划停机前1分钟的功率数据对比图;
图9为某600MW机组非计划停机和计划停机前0分钟的功率数据对比图;
图10为降出力识别流程图,其中,确认机组启动且功率超过稳态基准值取不同机组运行状态下的历史数据(即不停机状态)根据三西格玛准则,计算功率期望减一西格玛下限值,对历史事件降出力事件、正常停机事件进行迭代学习,确定降出力门槛值及触发降出力门槛前20分钟额定最大差值;
图11为某600MW机组降出力事件案例;
图12为机组降出力事件参考图;
图13为某600MW机组降出力事件案例-状态标记图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种火电机组启停和降出力监督方法,所述方法包括如下步骤:采集机组的功率数据;对所述功率数据进行数据抽取;对所述抽取的数据进行数据预处理获得有效数据;将所述有效数据存储于数据库中;通过对所述数据库中的历史数据进行分析,判断当前数据是否为非计划停机事件或非计划降出力事件。
上述机组的功率数据通过锐思能源管理平台(简称锐思平台SRT)获取,锐思能源管理平台的最底层为平台可采集与存储的数据源层,其包括生产数据(如DCS、SIS等)、经营数据(如MIS、ERP等)以及外部数据(天气、煤/气价等)等,这些生产实时数据均可通过平台中的ECell进行实时采集(支持各种数据通信协议),同时通过ETL工具进行结构化与非结构化数据的抽取;将各种数据源采集或抽取后将通过平台自身的数据预处理服务,包括编码、清洗、关联以及状态感知,预处理完毕后根据数据特征存储于平台各数据库,整个平台包含时序数据存储、非结构化数据存储以及结构化数据存储等,同时提供分布式协调服务、分布式消息缓存等服务;计算服务由华云计算平台提供,包括时间计算SEvent、统计计算SReal、自由模型计算等服务;各业务应用服务均部署于锐思平台的数据层之上,支持移动端展示和数据共享。
目前大数据技术在电力行业的应用已逐渐深入,例如ARMIA模型回归,灰色投影、随机森林算法和长短期记忆神经网络对电力负荷预测中的应用,利用模糊原理、Petri 网络、遗传算法进行电力***故障诊断。但对火力电力***可靠性管理部分相关研究和应用较少,通过对10MW~1060MW共230台火电机组进行研究,其中600MW以上机组共计66台。对原始数据进行分析将数据采集到锐思大数据平台,采用专业化清洗分析软件、构建合适的数学模型对机组启停和降出力进行监控,对非计划停机和降出力进行标记管理,并进行可视化呈现。通过专网允许专家远程验证以及用户自查,实现设备状态监测和性能分析,为生产、检修和安全提供指导,为技术监督提供分析参考,为领导经营决策提供数据支持。
可靠性管理
电力可靠性管理技术标准中设备使用状态下分为可用和不可用。根据设备能够执行预定功能的状态又分为运行和备用两种,不可用状态分为计划停运和非计划停运(非停)。其中发电企业主要关注停机事件和降出力事件,非计划降出力体现设备“带病”运行情况,及时对设备进行检查和检修,可以将安全隐患消灭在初期。发电机组的非计划停运往往伴随重大的安全事故,给企业带来电量损失、经济损失、信誉损失。
非计划停机事件的识别和判定方法
根据近几年火电机组非停时间统计,导致非停的原因有锅炉***,汽轮机***,发电机***和热工***等。其中锅炉***占约60%,汽轮机***占约10%,发电机***占约10%。突然跳闸和紧急停运的非停事件占绝大数,通过对历史时间对比分析,其在数据上的特征是功率值陡降且停机前5分钟内数值较高,如图2、图3所示以此为切入点对数据进行分析和提取特征。
如图4至9所示,采用历史判定事件为训练数据集,获取数据库中的每次停机时间前20至60分钟的任意一时间点;对该时间点和停机时间组成的时间段中的历史数据进行分析,这里先取停机时间前20分钟数据进行分析,针对这一系列的散点进行分析,采用已人工验证的非计划停机事、正常停机事件作为目标集进行学习。为了让数据更具代表性、丰富样本数量,以容量等级为样本分组依据,通过对58台600MW等级机组停机数据进行特征提取,对该容量等级机组展开个性化数据挖掘,经验证有较好的适用性。对停机前15分钟数据进行对比,非计划停机前功率值相较正常停机偏高,此现象在停机前2分钟尤为显著,数据出现明显分层。取经过清洗的前2分钟的功率值数据进行分类,进行分类边界描边,最终确定非停识别标准值和非停识别待定值。通过对进入停机门槛前2分钟的功率值与非停特征值进行比较,当功率值大于非停识别标准值则判定为非停事件,功率值在非停识别标准和非停识别待定值之间进入递减序列判定:停机时间点向前取十分钟数据,连续两个数据呈递减规律则递减序数记录加一,当递减序数小于额定陡降特征值,则认定为非计划停机。
降出力事件的识别和判定方法
机组降出力指的是机组达不到最大容量运行或备用的状态(不包括按负荷曲线正常调整出力),机组降低出力可分为计划降低出力和非计划降低出力。一般情况下在电网负荷减少时,为了保持电网频率保持稳定,需要降低发电厂输出功率,这部分按照负荷调度曲线调整出力属于正常调整。计划降低出力机组按计划在既定时期内的降低出力,比如季节性或月度调整。本发明主要关注因为辅机设备故障或设备缺陷等不能预计的原因导致非计划降出力事件,具体判别流程如图10所示。
采用历史判定事件为训练数据集,如图11所示,对典型非计划降出力事件进行特征提取,取经过验证的机组正常运行数据确定机组能长时间持续正常运行的功率低值下浮指定量为绝对降出力阀值;
获取当前数据前20至60分钟的任意一时间点;
获取该时间点和当前数据对应时间点组成的时间段内的功率最大值作为为辅助验证点;本实施例中采取前20分钟内负荷最大值为辅助验证点。
判断的具体流程是:
当前数据的功率值低于绝对降出力阀值时,则判定为非计划降出力事件;
当机组功率低于降出力阀值时,对数据清洗确认数据有效,取当前机组功率和辅助验证点计算负荷差值进行验证;
差值大于额定最大差值,标注此刻为降出力开始,持续监视负荷测点90分钟内负荷未降至停机阀值,并最终回升至稳定运行负荷此时认为降出力结束,对完整降出力事件进行记录,非计划降出力事件判断结果如下如图12、图13所示:降出力事件从负荷值低于250MW开始,至负荷值升高至300MW时结束。
火电机组启停过程是生产过程中操作复杂、工况变化快、安全、节能影响因素比较集中的环节,加强启停过程的监督和管理,采用先进的计算机和网络技术,有效利用远程诊断中心专家团队,通过与电厂的及时交互,达到机组启动的安全、节能控制目标,有利于提升电厂的精细化管理水平。
本发明利用大数据分布式运算***提供计算资源支撑,基于互联网技术开发大数据平台作为数据来源,通过建立专家模型,实现对火力发电机组进行集中监控、管理、诊断和分析。
平台化管理的提出为其提供了有效的解决途径,利用互联网技术开发大数据平台,实现对火力发电机组进行集中监控、管理、诊断和分析。锐思大数据平台通过对机组基础数据进行收集,存储,形成私有云共享数据仓库,实时处理在线数据,高准确性的给出分析判定结果,辅助指导生产各环节。平台通过完善设备台账,不断积累设备的可靠性数据,为科学分析各设备的可靠性提供充分的参考和依据,总结事故经验教训,研究事故发展规律,寻找电力设备的薄弱环节、潜在的危险点以及高故障率的发生点,最终进一步提高电厂的可靠性管理水平,从而提高电力事业的经济性。
本发明的火电机组启停和降出力监督应用技术具有快速,准确,便捷,漏报率低,自动化水平高等优点。
以上所述的具体实施例,对本发明解决的技术问题、技术方案和有益效果进行了进一步详细说明,所应该本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种火电机组启停和降出力监督方法,其特征在于,所述方法包括如下步骤:
采集机组的功率数据;
对所述功率数据进行数据抽取;
对所述抽取的数据进行数据预处理获得有效数据;
将所述有效数据存储于数据库中;
通过对所述数据库中的历史数据进行分析,判断当前数据是否为非计划停机事件或非计划降出力事件。
2.根据权利要求1所述的一种火电机组启停和降出力监督方法,其特征在于,所述非计划停机事件的判定方法包括:
获取所述数据库中的每次停机时间前20至60分钟的任意一时间点;
对所述时间点和停机时间组成的时间段中的历史数据进行分析,获得非停识别标准值和非停识别待定值;
当前数据的功率值大于非停识别标准值时,则判定为非计划停机事件;
所述当前数据的功率值在非停识别标准和非停识别待定值之间则通过减序列判定是否为非计划停机事件。
3.根据权利要求2所述的一种火电机组启停和降出力监督方法,其特征在于,所述减序列判定方法包括:
将当前数据的停机时间点向前取十分钟数据,如果连续两个数据呈递减规律则递减序数记录加一,当递减序数小于额定陡降特征值,则认定为非计划停机。
4.根据权利要求1所述的一种火电机组启停和降出力监督方法,其特征在于,所述非计划降出力事件的判断方法包括:
对所述数据库中的历史数据进行分析获得绝对降出力阀值、降出力阀值和额定最大差值;
当前数据的功率值低于绝对降出力阀值时,则判定为非计划降出力事件;
所述当前数据的功率值位于绝对降出力阀值时和降出力阀值之间时,通过辅助验证点判断是否为非计划降出力事件。
5.根据权利要求4所述的一种火电机组启停和降出力监督方法,其特征在于,所述辅助验证点判断方法包括:
获取所述当前数据前20至60分钟的任意一时间点;
获取所述时间点和当前数据对应时间点组成的时间段内的功率最大值作为为辅助验证点;
计算辅助验证点的功率和当前机组功率的差值;
当所述差值大于额定最大差值时,标注此刻为降出力开始,持续监视负荷测点90分钟内负荷未降至停机阀值,并最终回升至稳定运行负荷时为计划降出力事件,否则为非计划降出力事件。
6.根据权利要求1所述的一种火电机组启停和降出力监督方法,其特征在于,所述数据预处理包括编码、清洗、关联以及状态感知。
7.根据权利要求1所述的一种火电机组启停和降出力监督方法,其特征在于,
所述存储包含时序数据存储、非结构化数据存储以及结构化数据存储等。
8.根据权利要求1所述的一种火电机组启停和降出力监督方法,其特征在于,所述数据通过ECell实时采集;所述数据通过ETL工具抽取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910444049.9A CN110162555A (zh) | 2019-05-27 | 2019-05-27 | 一种火电机组启停和降出力监督方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910444049.9A CN110162555A (zh) | 2019-05-27 | 2019-05-27 | 一种火电机组启停和降出力监督方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110162555A true CN110162555A (zh) | 2019-08-23 |
Family
ID=67632887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910444049.9A Pending CN110162555A (zh) | 2019-05-27 | 2019-05-27 | 一种火电机组启停和降出力监督方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110162555A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989432A (zh) * | 2019-11-29 | 2020-04-10 | 北京京能电力股份有限公司 | 一种机组启停时序逻辑分析***及方法 |
CN111026031A (zh) * | 2019-12-13 | 2020-04-17 | 红云红河烟草(集团)有限责任公司 | 一种卷烟制丝过程数据的稳态识别方法 |
CN111445138A (zh) * | 2020-03-26 | 2020-07-24 | 华润电力技术研究院有限公司 | 一种集群级火电机组启动工况对比分析方法、***及装置 |
CN111768884A (zh) * | 2020-06-08 | 2020-10-13 | 核动力运行研究所 | 一种核电厂机组运行状态监测***及方法 |
CN113034306A (zh) * | 2021-03-05 | 2021-06-25 | 西安热工研究院有限公司 | 一种在线判断火电机组启停机状态的方法 |
CN114924188A (zh) * | 2022-05-13 | 2022-08-19 | 上海擎测机电工程技术有限公司 | 一种火电机组启停机监测方法与*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102588210A (zh) * | 2011-12-21 | 2012-07-18 | 中能电力科技开发有限公司 | 一种用于功率曲线拟合数据预处理的滤波方法 |
CN103234753A (zh) * | 2013-04-11 | 2013-08-07 | 华北电力大学 | 基于高斯过程建模的风电机组轴系状态监测方法 |
CN107069963A (zh) * | 2017-04-13 | 2017-08-18 | 华能澜沧江水电股份有限公司小湾水电厂 | 一种无人值班水电厂智能监盘方法及*** |
-
2019
- 2019-05-27 CN CN201910444049.9A patent/CN110162555A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102588210A (zh) * | 2011-12-21 | 2012-07-18 | 中能电力科技开发有限公司 | 一种用于功率曲线拟合数据预处理的滤波方法 |
CN103234753A (zh) * | 2013-04-11 | 2013-08-07 | 华北电力大学 | 基于高斯过程建模的风电机组轴系状态监测方法 |
CN107069963A (zh) * | 2017-04-13 | 2017-08-18 | 华能澜沧江水电股份有限公司小湾水电厂 | 一种无人值班水电厂智能监盘方法及*** |
Non-Patent Citations (1)
Title |
---|
冯泽磊 等: "基于大数据平台的火电机组实时运行状态监测", 《华电技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989432A (zh) * | 2019-11-29 | 2020-04-10 | 北京京能电力股份有限公司 | 一种机组启停时序逻辑分析***及方法 |
CN111026031A (zh) * | 2019-12-13 | 2020-04-17 | 红云红河烟草(集团)有限责任公司 | 一种卷烟制丝过程数据的稳态识别方法 |
CN111445138A (zh) * | 2020-03-26 | 2020-07-24 | 华润电力技术研究院有限公司 | 一种集群级火电机组启动工况对比分析方法、***及装置 |
CN111768884A (zh) * | 2020-06-08 | 2020-10-13 | 核动力运行研究所 | 一种核电厂机组运行状态监测***及方法 |
CN111768884B (zh) * | 2020-06-08 | 2023-02-21 | 核动力运行研究所 | 一种核电厂机组运行状态监测***及方法 |
CN113034306A (zh) * | 2021-03-05 | 2021-06-25 | 西安热工研究院有限公司 | 一种在线判断火电机组启停机状态的方法 |
CN113034306B (zh) * | 2021-03-05 | 2023-04-07 | 西安热工研究院有限公司 | 一种在线判断火电机组启停机状态的方法 |
CN114924188A (zh) * | 2022-05-13 | 2022-08-19 | 上海擎测机电工程技术有限公司 | 一种火电机组启停机监测方法与*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110162555A (zh) | 一种火电机组启停和降出力监督方法 | |
CN109543210A (zh) | 一种基于机器学***台的风电机组故障预测*** | |
CN103793859B (zh) | 一种风电场运行监控及事件综合评价方法 | |
CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断***及方法 | |
CN104952000A (zh) | 基于马尔科夫链的风电机组运行状态模糊综合评价方法 | |
CN113705924B (zh) | 一种热控设备智能诊断方法和*** | |
CN105787606A (zh) | 一种基于超短期负荷预测的电力调度在线趋势预警*** | |
CN101859409A (zh) | 基于风险评估的输变电设备状态检修体系 | |
CN110929927A (zh) | 一种应用配电网全域大数据的人工智能预测模型构方法 | |
CN108256713A (zh) | 基于erdb的核电厂***监督方法 | |
CN110320893B (zh) | 一种基于rcm的火电机组设备检修方法 | |
CN107256449A (zh) | 一种智能变电站继电保护装置状态评价与评估方法 | |
CN102521672A (zh) | 一种基于配网生产作业计划的安全风险自动识别方法 | |
CN102830682A (zh) | 用于区域发电公司运营智能管控***的能耗警察模块 | |
CN109902447A (zh) | 一种巨型水电厂状态检修模型及构建方法 | |
CN112001569A (zh) | 一种基于多电压等级故障下的电网运行风险分析方法 | |
CN116128145A (zh) | 电力设备状态检修策略优化方法 | |
CN117391357B (zh) | 一种基于大数据的电网调度运行管理的调度自查*** | |
CN112950064B (zh) | 一种电网安全风险影响因素分析方法及装置 | |
CN112418662A (zh) | 一种利用人工神经网络的配电网运行可靠性分析方法 | |
CN110245163A (zh) | 一种电力***运行隐患排查方法 | |
CN113256272A (zh) | 一种电力设备精细化评价*** | |
CN113537681A (zh) | 用于炼化企业设备管理信息化的方法及*** | |
CN115936663A (zh) | 一种电力***的维护方法及装置 | |
CN108256663A (zh) | 一种核电运行事故风险实时预测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |