CN112115602B - 磨煤机管路堵塞状态确定方法、装置、存储介质及计算设备 - Google Patents
磨煤机管路堵塞状态确定方法、装置、存储介质及计算设备 Download PDFInfo
- Publication number
- CN112115602B CN112115602B CN202010960227.6A CN202010960227A CN112115602B CN 112115602 B CN112115602 B CN 112115602B CN 202010960227 A CN202010960227 A CN 202010960227A CN 112115602 B CN112115602 B CN 112115602B
- Authority
- CN
- China
- Prior art keywords
- data
- air outlet
- dust pressure
- pressure data
- coal mill
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000000903 blocking effect Effects 0.000 title claims abstract description 24
- 239000000428 dust Substances 0.000 claims abstract description 149
- 230000001419 dependent effect Effects 0.000 claims abstract description 39
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000012360 testing method Methods 0.000 claims description 43
- 238000012353 t test Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000009021 linear effect Effects 0.000 claims description 11
- 238000000692 Student's t-test Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 2
- 238000001134 F-test Methods 0.000 claims 2
- 238000001514 detection method Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 10
- 238000010248 power generation Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000007430 reference method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Disintegrating Or Milling (AREA)
Abstract
本申请公开一种磨煤机管路堵塞状态确定方法、装置、存储介质及计算设备，该方法包括：获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据；以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型；对该模型进行训练，以将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除，并为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程，以便根据磨煤机当前运行数据评估磨煤机出风口粉尘压力数据，确定磨煤机管路堵塞状态。本申请解决现有技术中预测磨煤机管路阻塞状态准确率低的技术问题。
Description
技术领域
本申请涉及磨煤机技术领域，具体而言，涉及一种磨煤机管路堵塞状态确定方法、装置、存储介质及计算设备。
背景技术
磨煤机管路阻塞，不仅影响锅炉安全运行，阻塞严重还可能会引起煤粉自燃，损毁燃煤管道，严重影响机组的正常运行及并网，不利于发电企业的节能降耗、环保排放。为了提高发电企业的经济效益，发电企业日益重视和加强磨煤机管路吹扫管理，然而磨煤机管路的阻塞是一个非常复杂的问题，因为影响阻塞的因素很多，利用定期清扫不够经济和及时。
目前已有多种磨煤机管路阻塞判断方法，然而这些方法难以全面、准确衡量磨煤机运行中的各种因素对阻塞状态的影响大小，使得对磨煤机管路阻塞的预测出现偏差。针对上述现有技术中预测磨煤机管路阻塞状态准确率低的技术问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种磨煤机管路堵塞状态确定方法、装置、存储介质及计算设备，以至少解决现有技术中预测磨煤机管路阻塞状态准确率低的技术问题。
根据本申请实施例的一个方面，提供了一种磨煤机管路堵塞状态确定方法，包括：获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据；以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型；对多元回归模型进行训练，以将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除，并为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程；其中，回归方程用于根据磨煤机当前运行数据来评估磨煤机当前出风口粉尘压力数据，以确定磨煤机管路堵塞状态。
根据本申请实施例的另一方面，还提供了一种磨煤机管路堵塞状态确定装置，包括：获取模块，用于获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据；建立模块，用于以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型；训练模块，用于对多元回归模型进行训练，以将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除，并为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程；其中，回归方程用于根据磨煤机当前运行数据来评估磨煤机当前出风口粉尘压力数据，以确定磨煤机管路堵塞状态。
根据本申请实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的磨煤机管路堵塞状态确定方法。
根据本申请实施例的另一方面，还提供了一种计算设备，包括处理器，处理器用于运行程序，其中，程序运行时执行上述的磨煤机管路堵塞状态确定方法。
在本申请实施例中，通过获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据；采用出风口粉尘压力数据为因变量，与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型；通过对多元回归模型进行训练，以将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除，并为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程；其中，回归方程用于根据磨煤机当前运行数据来评估磨煤机当前出风口粉尘压力数据，以确定磨煤机管路堵塞状态，通过训练好的多元回归模型，实现了根据当前影响因素数据对出风口粉尘压力数据进行预测，从而实现预测磨煤机管路堵塞状态的技术效果。
在上述过程中，提取磨煤机运行数据，通过多元回归模型分析磨煤机管道阻塞影响因素，实现磨煤机管道异常预警、可视化分析，进而实现一种基于多元回归模型的磨煤机管道阻塞因素分析方法，为发电人员进行磨煤机管道阻塞清扫分析提供了一种新的、准确的分析参考方法。进而解决了现有技术中预测磨煤机管路阻塞状态准确率低的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种用于实现磨煤机管路堵塞状态确定方法的计算机终端(或移动设备)的硬件结构框图；
图2是根据本申请实施例的一种磨煤机管路堵塞状态确定方法的流程图；
图3是根据本申请实施例的一种可选的磨煤机管路堵塞状态确定方法的流程图；以及
图4是根据本申请实施例的一种磨煤机管路堵塞状态确定装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本申请实施例，还提供了一种磨煤机管路堵塞状态确定方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现磨煤机管路堵塞状态确定方法的计算机终端 (或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102 可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图 1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端 10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的磨煤机管路堵塞状态确定方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的磨煤机管路堵塞状态确定方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
此处，需要说明的是，在一些可选实施例中，上述图1所示的计算机设备(或移动设备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算机设备(或移动设备)中的部件的类型。
本申请在上述运行环境下运行如图2所示的一种磨煤机管路堵塞状态确定方法。图2是根据本申请实施例的磨煤机管路堵塞状态确定方法的流程图，由图2可知，磨煤机管路堵塞状态确定方法可以包括：
步骤S202，获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据。
在一种可选的方案中，定时自动采集，通过API接口收集SIS***内一个周期内磨煤机基础信息数据作为上述历史运行数据，并存储为csv格式。利用厂内SIS***提供的API实现大数据的抽取、转换，数据抽取包括数据正常区域、数据异常区域，存储为csv文件。与出风口粉尘压力数据有相关关系的多个影响因素数据例如包括SIS ***中机组发电机负荷、给煤量反馈信号、给煤机电流、热一次风母管压力等信息数据。
步骤S204，以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型。
在一种可选的方案中，运用多元线性回归的方法进行分析和识别，多元回归分析是研究某一变量影响因素的常用方法，它能够准确地把握某研究变量受其它一个或者多个变量影响程度，进一步为预测结果提供较为科学的依据。
在一种可选的方案中，以影响因素为自变量，以出口风粉尘压力为因变量，采用最小二乘法进行回归参数估计，得到出口风粉尘压力与出口风粉尘压力影响因素的多元回归模型。
多元回归方程为：
为出口风粉尘压力，xk为出口风粉尘压力的影响因素，/>为回归参数。
步骤S206，对多元回归模型进行训练，以将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除，并为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程。其中，回归方程用于根据磨煤机当前运行数据来评估磨煤机当前出风口粉尘压力数据，以确定磨煤机管路堵塞状态。
在一种可选的方案中，所构建的模型进行了拟合优度检验、F检验、t检验，以此来验证所构建模型是否为最优模型。拟合优度检验用于衡量所有自变量与随机变量y 的线性关系的显著性程度，F检验用于衡量自变量作为一个整体与因变量之间是否有显著作用，t检验用于检验每一个自变量是否对因变量产生显著影响。
在一种可选的方案中，针对以上影响因素，分析给煤量、给煤机电流、热一次风母管压力等条件下出口风粉尘压力影响因素，通过逐步回归法最终得到的回归方程，得到不同条件下对出口压力数据影响因素的权重；实现出口风粉尘压力数据可视化，为运行人员进行管路堵塞分析提供了一种新的分析参考方法。当需要对磨煤机出口风粉尘压力进行预测时，只需获取磨煤机当前影响因素数据输入训练好的多元回归模型，即可得到当前磨煤机出口风粉尘压力数据，从而可用于预判磨煤机管路堵塞状态。
在本申请实施例中，通过获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据；采用出风口粉尘压力数据为因变量，与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型；通过对多元回归模型进行训练，以将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除，并为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程；其中，回归方程用于根据磨煤机当前运行数据来评估磨煤机当前出风口粉尘压力数据，以确定磨煤机管路堵塞状态，通过训练好的多元回归模型，实现了根据当前影响因素数据对出风口粉尘压力数据进行预测，从而实现预测磨煤机管路堵塞状态的技术效果。
在上述过程中，提取磨煤机运行数据，通过多元回归模型分析磨煤机管道阻塞影响因素，实现磨煤机管道异常预警、可视化分析，进而实现一种基于多元回归模型的磨煤机管道阻塞因素分析方法，为发电人员进行磨煤机管道阻塞清扫分析提供了一种新的、准确的分析参考方法。通过本申请的上述方法，能够从众多的磨煤机运行数据中全面、准确的挑选出对出风口粉尘压力产生显著影响的影响因素，基于此构建多元回归方程，不仅可以使得发电人员直观、准确的看到对出风口粉尘压力产生显著影响的影响因素，以便于对这些产生显著影响的因素进行重点监控和分析，同时，还可以基于该多元回归方程，根据磨煤机当前的运行数据准确评估出风口粉尘压力，以便于提早预测磨煤机管路堵塞状态。综上，上述方案解决了现有技术中预测磨煤机管路阻塞状态准确率低的技术问题。
进一步地，在步骤S204以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型之前，方法还包括：
步骤S203：根据指标单位、可用区域(启动的机组、启动的磨煤机)、正常时间段/异常时间段筛选出口风粉尘压力等数据，通过经验分析和图形比较，初步判定正常、异常事件集。磨煤机正常运行基本判定规则为磨煤机出口风粉尘压力与其它自变量影响因素数据能够进行曲线拟合。如果出口风粉尘压力不能够拟合或以类似直线方式展示则判定为异常。在依赖数据进行后续分析之前，可以对存在异常的数据进行剔除，或向管理人员推送警示信息，以进一步确认数据的正确性，避免模型采用错误数据进行训练，提高模型训练的精度。
进一步地，步骤S204以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型还包括：
构建如下多元回归方程，
其中，为出口风粉尘压力，xk为出口风粉尘压力的影响因素，/>为回归参数。
在一种可选的方案中，先采用最小二乘法对上述回归参数进行估计，随后通过预设的多个检验标准对该模型进行检验，以修正该模型。
进一步地，步骤S206对多元回归模型进行训练，以将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除，并为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程包括：
步骤S2062：获取预设的影响因素数据与出风口粉尘压力数据的相关性的一个或多个检验标准；
步骤S2064：基于检验标准，计算每一个影响因素数据与出风口粉尘压力数据的相关系数；
步骤S2066：将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除；
步骤S2068：对多元回归模型进行训练，为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程。
在一种可选的方案中，检验标准包括拟合优度检验，其中拟合优度检验包括：计算可决系数R2’以及复相关系数R，将与出风口粉尘压力数据的复相关系数R小于阈值的影响因素数据进行删除，其中
其中SSR为回归平方和，SST为总离差平方和，SSE为残差平方和，yi为因变量实际值，为因变量拟合值，/>为因变量平均值，可决系数R2的取值在0～1之间。
在一种可选的方案中，检验标准包括F检验，其中F检验包括：计算检验统计量 F，以确定自变量作为一个整体与因变量之间是否有显著作用，其中：
其中，SSR为回归平方和，n为样本个数，k为限制条件的个数，a为置信度，Fa/2代表密度函数的分位数，当检验值F大于临界值Fα/2(k,n-1-k)时，证明x1,x2,…，xk与y 之间线性关系显著。
进一步地，当检验统计量F小于预定阈值时，表明自变量作为整体，无法与因变量产生显著作用，因此需要重新提取确定与出风口粉尘压力数据有相关关系的多个影响因素数据，以保证所提取的影响因素数据为准确的、全面的能够影响出生口粉尘压力的因素，保证模型的准确性。
在一种可选的方案中，检验标准包括t检验，其中t检验包括：计算显著性变量 ti，将与出风口粉尘压力数据的显著性变量ti小于阈值的影响因素数据进行删除，其中：
其中，cii是矩阵(XTX)-1[X＝(x1,x2,···,xk)]对角线上第i个元素，xi来源于所选取的样本，bi为回归参数，k为限制条件的个数，yi为因变量实际值，为因变量拟合值,为显著性临界值，当/>时，认为bi不显著为0，即自变量xi对因变量y 的线性影响显著。
在一种可选的方案中，在经历上述拟合优度检验、F检验、t检验之后，或者在将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除的步骤之后，该磨煤机管路堵塞状态确定方法还包括如下步骤：
获取预设的与出风口粉尘压力数据相关的影响因素数据的最小个数；
在与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据的个数未达到最小个数时，重新执行获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据的步骤。通过上述步骤，可以保留在多元回归模型中保留足够数量的影响因素数据，避免影响因素数据的个数过少而导致模型精度降低的问题。
其中，重新执行获取磨煤机历史运行数据，可以包括：
获取磨煤机在第一历史时段内的第一历史运行数据，以及在第二历史时段内的第二历史运行数据；
计算第一历史运行数据和第二历史运行数据的相似度；
当根据第一历史运行数据确定的、与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据的个数未达到最小个数时，获取与第一历史运行数据的相似度小于阈值的第二历史运行数据。通过上述步骤，可以避免在第一历史时段的对应的运行数据在自身出现异常时，无法有效的建立精确的多元回归模型的问题。通过选取与第一历史时段的运行数据相似度较小的第二历史时段的运行数据，可以自动避免数据单一性，提高多元回归模型训练的有效性。
图3是一种可选的磨煤机管路堵塞状态确定方法的流程图，由图3可知，磨煤机管路堵塞状态确定方法可以包括：
(1)磨煤机基础数据信息，基于SIS实时数据库，通过API编写程序采集磨煤机基础数据，主要包括机组负荷、热一次风母管风压力，磨煤机一次风压，磨煤机出口风粉压力,磨煤机电流，磨煤机煤量等。
(2)根据指标单位、可用区域、正常/异常时间段等条件筛选重点分析出口风粉尘压力事件集；
(3)以影响因素为自变量，以出口风粉尘压力为因变量，采用最小二乘法进行回归参数估计，得到出口风粉尘压力与出口风粉尘压力影响因素的多元回归模型。
多元回归方程为：
为出口风粉尘压力，xk为出口风粉尘压力的影响因素，/>为回归参数。
(4)模型校验，所构建的模型进行了拟合优度检验、F检验、t检验，以此来验证所构建模型是否为最优模型。
1)拟合优度检验
可定义可决系数：
SSR为回归平方和，SST为总离差平方和，SSE为残差平方和。其计算公式为别为：
yi为因变量实际值，为因变量拟合值，/>为因变量平均值。
可决系数R2的取值在0～1之间，R2越接近1，表明回归拟合的效果越好。
复相关系数：
用来衡量所有自变量与随机变量y的线性关系的显著性程度。
2)F检验，t校验
主要检验自变量x1,x2,…，xk与因变量y之间是否存在显著的线性关系，即方程显著性检验。
F检验统计量为：
式中n为样本个数。给定显著性水平，当检验值F大于临界值Fα/2(k,n-1-k)时，证明x1,x2,…，xk与y之间线性关系显著。还可利用P值检验法进行方程显著性检验。
为剔除次要的、影响不显著的自变量，还要进行对回归方程系数的显著性检验，即参数显著性检验：
cii是矩阵(XTX)-1[X＝(x1,x2,···,xk)]对角线上第i个元素。
当|ti|≥tα/2时，认为bi不显著为0，即自变量xi对因变量y的线性影响显著。还可利用2倍检验法及P值检验法进行参数显著性检验。
F检验是检验自变量作为一个整体与因变量之间是否有显著作用，当F检验通过时，并不代表每一个自变量均对因变量具有显著影响，不过t检验是用来检验每一个自变量是否对因变量产生显著影响，因而本文在F检验的基础上，又进行了t检验。如果参数估计值没有通过t检验，即模型有可能出现了多重共线性。
(5)多重共线性分析，多重共线性即一个线性模型内，有一个或多个变量存在强相关性，导致模型不稳定。在估计回归模型参数时，为了避免多重共线性的存在，导致模型估计不准确，故采用逐步回归法对自变量进行选择，找出引起多重共线性解释变量，将它排除出去。
(6)通过逐步回归法最终得到的回归方程，即磨煤机出风口粉尘压力影响因素分析模型。
(7)根据该磨煤机出风口粉尘压力影响因素分析模型，获取磨煤机运行时的机组负荷、热一次风母管风压力，磨煤机一次风压,磨煤机电流，磨煤机煤量等影响因素，即可评估磨煤机出风口粉尘压力的状态，从而实现磨煤机阻塞状态的预判。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的磨煤机管路堵塞状态确定方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。
实施例2
根据本申请实施例，还提供了一种用于实施上述磨煤机管路堵塞状态确定方法的磨煤机管路堵塞状态确定装置，如图4所示，该装置400包括：获取模块4002，建立模块4004以及训练模块4006。其中：
获取模块4002，用于获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据；
建立模块4004，用于以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型；
训练模块4006，用于对多元回归模型进行训练，以将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除，并为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程；
其中，回归方程用于根据磨煤机当前运行数据来评估磨煤机当前出风口粉尘压力数据，以确定磨煤机管路堵塞状态。
此处，需要说明的是，上述获取模块4002，建立模块4004以及训练模块4006对应于实施例1中的步骤S202至步骤S206，上述三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
在一种可选的方案中，与出风口粉尘压力数据有相关关系的多个影响因素数据包括如下至少一种：机组负荷、热一次风母管风压力，磨煤机一次风压，磨煤机出口风粉压力,磨煤机电流，以及磨煤机煤量。
在一种可选的方案中，装置400还包括筛选模块，用于根据指标单位、可用区域、正常时间段和/或异常时间段筛选出口风粉尘压力事件集。
在一种可选的方案中，上述建立模块4004用于构建如下多元回归方程，
其中，为出口风粉尘压力，xk为出口风粉尘压力的影响因素，/>为回归参数。
在一种可选的方案中，上述训练模块4006还包括：获取单元，计算单元，删除单元以及训练单元，其中：
获取单元用于获取预设的影响因素数据与出风口粉尘压力数据的相关性的一个或多个检验标准；
计算单元用于基于检验标准，计算每一个影响因素数据与出风口粉尘压力数据的相关系数；
删除单元用于将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除；
训练单元用于对多元回归模型进行训练，为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程。
此处，需要说明的是，上述获取单元，计算单元，删除单元以及训练单元对应于实施例1中的步骤S2062至步骤S2068，上述四个单元与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
实施例3
本申请的实施例可以提供一种计算设备，该计算设备可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算设备也可以替换为移动终端等终端设备。
可选地，在本实施例中，上述计算设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地，在本实施例中，上述计算设备包括一个或多个处理器、存储器、以及传输装置。其中，存储器可用于存储软件程序以及模块，如本申请实施例中的磨煤机管路堵塞状态确定方法和装置对应的程序指令/模块。处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的磨煤机管路堵塞状态确定方法。
可选地，存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算设备120。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在本实施例中，上述计算设备中的处理器运行存储的程序代码时可以执行以下方法步骤：获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据；以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型；对多元回归模型进行训练，以将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除，并为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程；其中，回归方程用于根据磨煤机当前运行数据来评估磨煤机当前出风口粉尘压力数据，以确定磨煤机管路堵塞状态。
进一步地，在本实施例中，上述计算设备中的处理器运行存储的程序代码时可以执行实施例1中所列举的任一方法步骤，囿于篇幅不再赘述。
实施例4
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述磨煤机管路堵塞状态确定方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据；以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型；对多元回归模型进行训练，以将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除，并为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，得到回归方程；其中，回归方程用于根据磨煤机当前运行数据来评估磨煤机当前出风口粉尘压力数据，以确定磨煤机管路堵塞状态。
进一步地，在本实施例中，存储介质被设置为存储用于执行实施例1中所列举的任一方法步骤的程序代码，囿于篇幅不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (8)
1.一种磨煤机管路堵塞状态确定方法，其特征在于，包括：
获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据；
以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型；
获取预设的影响因素数据与出风口粉尘压力数据的相关性的一个或多个检验标准；
基于所述检验标准，计算每一个影响因素数据与出风口粉尘压力数据的相关系数；
将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除；对所述多元回归模型进行训练，为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，构建如下多元回归方程，
其中，为出口风粉尘压力，xk为出口风粉尘压力的影响因素，/>为回归参数；
所述回归方程用于根据磨煤机当前运行数据来评估磨煤机当前出风口粉尘压力数据，以确定磨煤机管路堵塞状态。
2.根据权利要求1所述的方法，其特征在于，与出风口粉尘压力数据有相关关系的多个影响因素数据包括如下至少一种：机组负荷、热一次风母管风压力，磨煤机一次风压，磨煤机出口风粉压力，磨煤机电流，以及磨煤机煤量。
3.根据权利要求1所述的方法，其特征在于，在以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型之前，所述方法还包括：
根据指标单位、可用区域、正常时间段和/或异常时间段筛选出口风粉尘压力事件集。
4.根据权利要求1所述的方法，其特征在于，所述检验标准包括拟合优度检验、F检验、t检验中的至少一种，其中所述拟合优度检验用于衡量所有自变量与随机变量y的线性关系的显著性程度，所述F检验用于衡量自变量作为一个整体与因变量之间是否有显著作用，所述t检验用于检验每一个自变量是否对因变量产生显著影响。
5.根据权利要求1所述的方法，其特征在于，当所述检验标准包括拟合优度检验时，拟合优度检验方法包括：计算可决系数R2，以及复相关系数R，将与出风口粉尘压力数据的复相关系数R小于阈值的影响因素数据进行删除，其中
其中：SSR为回归平方和，SST为总离差平方和，SSE为残差平方和，yi为因变量实际值，为因变量拟合值，/>为因变量平均值，可决系数R2的取值在0～1之间；
当所述检验标准包括F检验时，F检验方法包括：计算检验统计量F，以确定自变量作为一个整体与因变量之间是否有显著作用，当检验统计量F小于预定阈值时，重新提取与出风口粉尘压力数据有相关关系的多个影响因素数据；
其中：
其中，SSR为回归平方和，n7为样本个数，k为限制条件的个数，a为置信度，代表密度函数的分位数，当检验值F大于临界值/>时，表明x1，x2，...，xk与y之间线性关系显著；
当所述检验标准包括t检验时，t检验方法包括：计算显著性变量ti，将与出风口粉尘压力数据的显著性变量ti小于阈值的影响因素数据进行删除，其中：
其中，cii是矩阵(XTX)-1[X＝(x1，x2，…，xk)]对角线上第i个元素，xi来源于所选取的样本，bi为回归参数，k为限制条件的个数，yi为因变量实际值，为因变量拟合值，/>为显著性临界值，当/>时，表明自变量×i对因变量y的线性影响显著。
6.一种磨煤机管路堵塞状态确定装置，其特征在于，包括：
获取模块，用于获取磨煤机历史运行数据，提取出风口粉尘压力数据以及与出风口粉尘压力数据有相关关系的多个影响因素数据；
建立模块，用于以出风口粉尘压力数据为因变量，以与出风口粉尘压力数据有相关关系的多个影响因素数据为自变量，建立多元回归模型；
训练模块，用于获取预设的影响因素数据与出风口粉尘压力数据的相关性的一个或多个检验标准；基于所述检验标准，计算每一个影响因素数据与出风口粉尘压力数据的相关系数；将与出风口粉尘压力数据的相关系数小于阈值的影响因素数据进行删除；对所述多元回归模型进行训练，为与出风口粉尘压力数据的相关系数大于等于阈值的影响因素数据匹配权重，构建如下多元回归方程，
其中，为出口风粉尘压力，xk为出口风粉尘压力的影响因素，/>为回归参数；
所述回归方程用于根据磨煤机当前运行数据来评估磨煤机当前出风口粉尘压力数据，以确定磨煤机管路堵塞状态。
7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1-5任一项所述的方法。
8.一种计算设备，包括处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010960227.6A CN112115602B (zh) | 2020-09-14 | 2020-09-14 | 磨煤机管路堵塞状态确定方法、装置、存储介质及计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010960227.6A CN112115602B (zh) | 2020-09-14 | 2020-09-14 | 磨煤机管路堵塞状态确定方法、装置、存储介质及计算设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112115602A CN112115602A (zh) | 2020-12-22 |
| CN112115602B true CN112115602B (zh) | 2024-02-02 |
Family
ID=73803583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010960227.6A Active CN112115602B (zh) | 2020-09-14 | 2020-09-14 | 磨煤机管路堵塞状态确定方法、装置、存储介质及计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112115602B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113578503B (zh) * | 2021-07-13 | 2023-04-07 | 苏州西热节能环保技术有限公司 | 一种磨煤机检修方法及其***、存储介质、终端 |
| CN113578508B (zh) * | 2021-07-14 | 2022-11-01 | 河北西柏坡发电有限责任公司 | 磨煤机入口风量保护逻辑优化方法、装置及*** |
| CN114229485B (zh) * | 2021-12-23 | 2024-06-07 | 沈阳昱铖科技有限公司 | 一种pvc干燥床粉料输送装置及控制方法 |
| CN114626747A (zh) * | 2022-03-31 | 2022-06-14 | 中国工商银行股份有限公司 | 资源获取影响因素的权重分析方法、装置、设备和介质 |
| CN114742312A (zh) * | 2022-04-26 | 2022-07-12 | 西安热工研究院有限公司 | 一种磨煤机堵煤预警方法、装置、电子设备及存储介质 |
| CN115138468B (zh) * | 2022-07-06 | 2024-06-25 | 西安热工研究院有限公司 | 磨煤机煤粉管道堵塞预警方法、装置及电子设备 |
| CN115545477B (zh) * | 2022-10-08 | 2023-07-14 | 广东电力交易中心有限责任公司 | 基于增量插值的输电线路阻塞风险概率评估方法及产品 |
| CN117690572B (zh) * | 2023-12-25 | 2024-06-14 | 南京天溯自动化控制***有限公司 | 一种基于多元回归的ct使用时间风险预测方法、装置、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573399A (zh) * | 2015-02-02 | 2015-04-29 | 山东科技大学 | 一种煤矿突水动水注浆量预测与注浆效果评价方法 |
| CN105787259A (zh) * | 2016-02-17 | 2016-07-20 | 国网甘肃省电力公司武威供电公司 | 一种多元气象因素对负荷变化影响相关性的分析方法 |
| CN106994386A (zh) * | 2017-05-08 | 2017-08-01 | 山东中实易通集团有限公司 | 中速磨煤机堵煤预警及自动处理装置及方法 |
| CN110346160A (zh) * | 2019-06-24 | 2019-10-18 | 浙江大学 | 一种基于svr的磨煤机效率异常检测与诊断方法 |
| CN110673478A (zh) * | 2019-09-29 | 2020-01-10 | 京东城市(北京)数字科技有限公司 | 磨煤机的控制方法、装置、***及存储介质 |
| CN110895867A (zh) * | 2019-11-13 | 2020-03-20 | 鞍钢集团矿业有限公司 | 基于压力信号的尾矿输送管道动态报警方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10746405B2 (en) * | 2017-04-24 | 2020-08-18 | Honeywell International Inc. | Apparatus and method for using model training and adaptation to detect furnace flooding or other conditions |
-
2020
- 2020-09-14 CN CN202010960227.6A patent/CN112115602B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573399A (zh) * | 2015-02-02 | 2015-04-29 | 山东科技大学 | 一种煤矿突水动水注浆量预测与注浆效果评价方法 |
| CN105787259A (zh) * | 2016-02-17 | 2016-07-20 | 国网甘肃省电力公司武威供电公司 | 一种多元气象因素对负荷变化影响相关性的分析方法 |
| CN106994386A (zh) * | 2017-05-08 | 2017-08-01 | 山东中实易通集团有限公司 | 中速磨煤机堵煤预警及自动处理装置及方法 |
| CN110346160A (zh) * | 2019-06-24 | 2019-10-18 | 浙江大学 | 一种基于svr的磨煤机效率异常检测与诊断方法 |
| CN110673478A (zh) * | 2019-09-29 | 2020-01-10 | 京东城市(北京)数字科技有限公司 | 磨煤机的控制方法、装置、***及存储介质 |
| CN110895867A (zh) * | 2019-11-13 | 2020-03-20 | 鞍钢集团矿业有限公司 | 基于压力信号的尾矿输送管道动态报警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于风阻系数的磨煤机一次风流量机理建模;宋文哲;;电站***工程(第04期);8-11 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112115602A (zh) | 2020-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112115602B (zh) | 磨煤机管路堵塞状态确定方法、装置、存储介质及计算设备 | |
| CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
| US20230167950A1 (en) | Methods for safety management of compressors in smart gas pipeline network and internet of things systems thereof | |
| CN111045894A (zh) | 数据库异常检测方法、装置、计算机设备和存储介质 | |
| CN111999692B (zh) | 一种多表误差的校准方法和装置 | |
| CN117060409B (zh) | 电力线路运行状态自动化检测分析方法及*** | |
| CN111796233B (zh) | 双母线接线形式下多台电压互感器继发性误差的评估方法 | |
| CN112068065A (zh) | 一种电压互感器状态预警方法、装置及存储介质 | |
| EP2963552B1 (en) | System analysis device and system analysis method | |
| Kirchen et al. | Metrics for the evaluation of data quality of signal data in industrial processes | |
| KR101953558B1 (ko) | 스마트 기기 결함 관리 장치 및 방법 | |
| CN113591393A (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
| CN112070180A (zh) | 基于信息物理双侧数据的电网设备状态判断方法及装置 | |
| CN113721182B (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及*** | |
| CN117029968A (zh) | 一种流量数据的诊断方法、***、存储介质和电子设备 | |
| CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
| CN113506190B (zh) | 一种异常用电行为辨识方法、装置、设备及存储介质 | |
| KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
| de Andrade et al. | An outliers processing module based on artificial intelligence for substations metering system | |
| CN114331114A (zh) | 一种管道安全风险智能化监管方法及*** | |
| CN109064211B (zh) | 营销业务数据分析方法、装置及服务器 | |
| CN110826859A (zh) | 一种基于日电量远程识别用户用电性质的方法及*** | |
| CN111999691A (zh) | 一种计量传感器装置的误差校准方法和误差校准装置 | |
| CN113934536A (zh) | 面向边缘计算的数据采集方法 | |
| CN114235108B (zh) | 基于数据分析燃气流量计异常状态检测方法和装置 |
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 |