CN113739841A - 一种基于不确定度理论的多变量稳态检测方法及*** - Google Patents
一种基于不确定度理论的多变量稳态检测方法及*** Download PDFInfo
- Publication number
- CN113739841A CN113739841A CN202110693296.XA CN202110693296A CN113739841A CN 113739841 A CN113739841 A CN 113739841A CN 202110693296 A CN202110693296 A CN 202110693296A CN 113739841 A CN113739841 A CN 113739841A
- Authority
- CN
- China
- Prior art keywords
- generating unit
- power generating
- thermal power
- steady
- reading
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于不确定度理论的多变量稳态检测方法及***,包括以下步骤:1)预估计火电机组各运行参数参数的最大允许读数范围ΔI允许;2)确定火电机组各运行参数样本的有效读数次数Na;3)确定火电机组各运行参数所需的最小读数次数NR;4)判断火电机组各运行参数所需的最小读数次数NR是否全部小于火电机组各运行参数样本的有效读数次数Na,当火电机组各运行参数所需的最小读数次数NR全部小于火电机组各运行参数样本的有效读数次数Na时,则将当前火电机组各运行参数的采样区间作为稳态检测算法要求的稳态工况,否则,则转至步骤1),该方法及***能够筛选出稳态检测算法要求的稳态工况。
Description
技术领域
本发明属于汽轮机技术领域,涉及一种基于不确定度理论的多变量稳态检测方法及***。
背景技术
火电机组性能在线监测结果波动大,造成设备性能状况发生改变引起的在线性能监测指标变化的真实信息被淹没在很多噪声信号中,以致无法得到正确的分析结果,因此稳态检测是进行火电机组性能指标计算的关键环节,对设备性能评价、运行优化、***建模和故障检测均具有重要意义。
自上世纪80年代Narasimhan等人提出稳态检测问题以来,许多学者对其进行了理论研究并提出了不同的检测方法,主要有组合统计检验法、滤波法、滑动窗口法、小波变换法、聚类、趋势提取法等组合。组合统计检验法是假定信号在检验窗口内处于稳态,通过比较相邻窗口内数据的均值和方差来判断变量是否稳态,占用存储空间大,适用于离线稳态检测;滤波法对噪声信号敏感,不可进行多变量检测,其检测原理是通过比较滤波前后的过程变量差异和允许变化阈值,来确定***的稳定性;滑动窗口是给定一个时间窗口长度,沿着时间窗口移动来判断窗口内的运行数据是否处于稳态,窗口长度和稳态阈值对检测结果影响大;小波变换法是从运行数据中提取过程变化趋势,从而根据表征过程变化趋势的小波变换系数来构建稳态检测指标,用来判断过程变量在每个时间点的状态,对异常值有一定的抗噪能力,可用于在线稳态检测;聚类是依照样本区间的相似性指标,将沿着时间轴排列的有序样本分成K段,每个分段看作一个类,使得类内差异总和尽可能小,而各类之间的差异尽可能大,同一类别即为一个稳态;趋势提取法是通过提取变化趋势特征来选定稳态检测指标,并依据给定的阈值进行稳态工况判断,稳态阈值选择对检测结果影响大。
然而,现有的稳态检测方法大多需要根据经验确定检验窗口长度和稳态阈值,且对多变量的稳态检测研究较少,由于在实际生产过程中变量众多,噪声及信号特征各异,窗口长度和稳态阈值的确定十分困难,直接影响了各种稳态检测算法的应用和推广;此外,现有各种稳态检测算法无法对稳态检测过程的不确定度(尤其是随机不确定度)进行预测或者控制,影响了性能计算结果的可信度,从而导致火电机组性能评价、故障检测的结果不理想。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供了一种基于不确定度理论的多变量稳态检测方法及***,该方法及***能够筛选出稳态检测算法要求的稳态工况。
为达到上述目的,本发明所述的适用于火电机组的多变量稳态检测方法包括以下步骤:
1)预估计火电机组各运行参数参数的最大允许读数范围ΔI允许;
2)确定火电机组各运行参数样本的有效读数次数Na;
3)确定火电机组各运行参数所需的最小读数次数NR;
4)判断火电机组各运行参数所需的最小读数次数NR是否全部小于火电机组各运行参数样本的有效读数次数Na,当火电机组各运行参数所需的最小读数次数NR全部小于火电机组各运行参数样本的有效读数次数 Na时,则将当前火电机组各运行参数的采样区间作为稳态检测算法要求的稳态工况,否则,则转至步骤1)。
设火电机组各运行参数样本Na(I1、I2、……Ia),要求稳态检测不确定度小于US,则最大允许读数范围ΔI允许为:
其中,θ1表征汽轮机性能指标变化的百分数与仪表读数变化的百分数的比值,θ2表征每一单位仪表读数变化引起汽轮机性能指标变化的百分数,表征采样样本Na(I1、I2、……Ia)的平均值,US表征相对随机标准不确定度。
设火电机组各运行参数样本Na(I1、I2、……Ia),得火电机组各运行参数样本的读数范围ΔIa=Imax-Imin;
根据ΔIa计算Za,其中,Za表征各参数读数波动范围对性能指标计算结果的影响因子;
当ΔIa小于ΔI允许时,则有效读数次数为Na。
根据有效读数次数为Na得ωa,其中,ωa表示读数标准差与读数范围的比值,得火电机组各运行参数所需的最小读数次数NR为:
一种适用于火电机组的多变量稳态检测***,包括:
预估计模块,用于预估计火电机组各运行参数参数的最大允许读数范围ΔI允许;
第一确定模块,用于确定火电机组各运行参数样本的有效读数次数 Na;
第二确定模块,用于确定火电机组各运行参数所需的最小读数次数 NR;
判断模块,用于判断火电机组各运行参数所需的最小读数次数NR是否全部小于火电机组各运行参数样本的有效读数次数Na,当火电机组各运行参数所需的最小读数次数NR全部小于火电机组各运行参数样本的有效读数次数Na时,则将当前火电机组各运行参数的采样区间作为稳态检测算法要求的稳态工况,否则,则触发预估计模块工作。
设火电机组各运行参数样本Na(I1、I2、……Ia),要求稳态检测不确定度小于US,则最大允许读数范围ΔI允许为:
其中,θ1表征汽轮机性能指标变化的百分数与仪表读数变化的百分数的比值,θ2表征每一单位仪表读数变化引起汽轮机性能指标变化的百分数,表征采样样本Na(I1、I2、……Ia)的平均值,US表征相对随机标准不确定度。
设火电机组各运行参数样本Na(I1、I2、……Ia),得火电机组各运行参数样本的读数范围ΔIa=Imax-Imin;
根据ΔIa计算Za,其中,Za表征各参数读数波动范围对性能指标计算结果的影响因子;
当ΔIa小于ΔI允许时,则有效读数次数为Na。
根据有效读数次数为Na得ωa,其中,ωa表示读数标准差与读数范围的比值,得火电机组各运行参数所需的最小读数次数NR为:
本发明具有以下有益效果:
本发明所述的基于不确定度理论的多变量稳态检测方法及***在具体操作时,从性能试验最小读数次数计算原理出发,将各参数的读数分散度对性能指标计算结果随机不确定度造成的影响控制在规定范围内,以自适应的确定稳态区间长度,筛选出合适的稳态工况,为利用运行数据进行汽轮机性能分析及评价奠定了基础。
附图说明
图1为本发明的流程图;
图2为标准偏差/读数范围ω与样本大小N关系曲线图;
图3为稳态筛选过程的示意图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
参考图1,本发明所述的适用于火电机组的多变量稳态检测方法包括以下步骤:
1)预估计火电机组各运行参数参数的最大允许读数范围ΔI允许;
2)确定火电机组各运行参数样本的有效读数次数Na;
3)确定各火电机组各运行参数所需的最小读数次数NR;
4)判断各火电机组各运行参数所需的最小读数次数NR是否全部小于火电机组各运行参数样本的有效读数次数Na,当火电机组各运行参数所需的最小读数次数NR全部小于火电机组各运行参数样本的有效读数次数Na时,则将当前火电机组各运行参数的采样区间作为稳态检测算法要求的稳态工况,否则,则转至步骤1)。
步骤1)的具体操作为:
设火电机组各运行参数样本Na(I1、I2、……Ia),要求稳态检测不确定度低于US,则最大允许读数范围ΔI允许为:
其中,θ1表征汽轮机性能指标变化的百分数与仪表读数变化的百分数的比值,θ2表征每一单位仪表读数变化引起汽轮机性能指标变化的百分数,表征采样样本Na(I1、I2、……Ia)的平均值,US表征相对随机标准不确定度;
步骤2)的具体操作为:
设火电机组各运行参数样本Na(I1、I2、……Ia),得火电机组各运行参数样本的读数范围ΔIa=Imax-Imin;
根据ΔIa计算Za,其中,Za表征各参数读数波动范围对性能指标计算结果的影响因子;
当ΔIa小于ΔI允许时,则有效读数次数为Na;
当ΔIa大于ΔI允许时,则重复步骤1);
步骤3)的具体操作为:
根据有效读数次数为Na,由图2查得ωa,其中,ωa表示读数标准差与读数范围的比值,用于表征火电机组各运行参数样本读数的离散程度,参考图2;
最小读数次数NR为:
本发明所述的适用于火电机组的多变量稳态检测***包括:
预估计模块,用于预估计火电机组各运行参数参数的最大允许读数范围ΔI允许;
第一确定模块,用于确定火电机组各运行参数样本的有效读数次数 Na;
第二确定模块,用于确定火电机组各运行参数所需的最小读数次数 NR;
判断模块,用于判断火电机组各运行参数所需的最小读数次数NR是否全部小于火电机组各运行参数样本的有效读数次数Na,当火电机组各运行参数所需的最小读数次数NR全部小于火电机组各运行参数样本的有效读数次数Na时,则将当前火电机组各运行参数的采样区间作为稳态检测算法要求的稳态工况,否则,则触发预估计模块工作。
实施例一
以汽轮机热耗率的计算为例,采用历史运行数据进行稳态检测,对本发明进行详细说明。
在汽轮机热力循环中,影响汽轮机热耗率计算结果的主要参数为主给水流量、电功率、主蒸汽温度、主蒸汽压力以及再热温度等,本发明采用5个参数,定要求各主要参数对热耗率影响的相对标准随机不确定度Us不超过0.1%,各主要测量参数相对热耗率的灵敏度系数θ1及θ2计算结果如表1所示。
表1
本发明取某超超临界1000MW机组2016年5月某段平稳历史运行数据为研究对象,部分采样数据如表2,采样时间间隔为1min,以功率、给水流量、主蒸汽压力、主蒸汽温度、再热蒸汽温度作为***处于稳态的判别参数。
表2
本实施例的具体操作过程为:
1)预估各主要参数的最大允许读数范围ΔI允许;
由式(1)可知,给定θ1及θ2,功率和主给水流量的最大允许读数范围ΔI允许与已有采样参数的读数平均值有关,考虑到稳态工况下功率和主给水流量的变化较小,将稳态起始点的功率和主给水流量值作为该段稳态工况的读数平均值,由此得功率和主给水流量的最大允许读数范围,由于温度、压力的最大允许读数范围在读数次数N给定后为常量。
根据式(1),给定读数次数N=60,由图2查得ω,已知电功率初始值为574.36MW,即功率的最大允许读数范围ΔI允许=10.34MW,表明在60 分钟内功率采样值最大允许偏差为10.34MW,超过该值即为无效采样数据,同理得主给水流量的最大允许读数范围ΔI允许=30.10t/h。
2)确定各参数的有效读数次数Na;
以电功率的有效读数次数计算为例,设已采样3min,得功率的三个采样数据,I1=574.36MW,I2=576.72MW,I3=576.22MW,则采样样本读数波动范围ΔI=Imax-Imin=I2-I1=2.36MW;
对于功率值,得ΔI<ΔI允许,因此该段时间内的三个采样数据都有效,即有效读数次数Na=3;
3)确定各主要参数的最小读数次数NR;
由Na=3,可知ω=0.5822,由式(2)计算可得Z=0.45,则根据式(3) 可知此时功率的最小读数次数NR=28;
即NR>Na,不满足不确定度理论的判稳条件,因此采样继续,读入 I4=576.82MW,重复以上循环计算过程,直到NR<Na,此时功率的读数次数满足不确定度的要求,即该段采样时间内功率是稳定的。
同理,可计算其他主要参数的最小读数次数,当所有参数的读数次数都满足有效读数次数Na大于最小读数次数NR时,即检测获得了一段稳态工况,该段稳态工况中各主要参数的读数分散度对性能计算结果随机不确定度的影响不超过Us=0.1%。
综上所述:稳态检测的具体过程即为寻找各主要参数所需要的最小读数次数NR全部小于有效读数次数Na时所处的公共区间部分,该部分公共区间即是稳态区间长度。因此,基于不确定度理论的多变量稳态检测是一个反复循环计算的过程,循环计算的终止条件为NR<Na,然后重复该过程进入下一个稳态工况的筛选过程,直到所有满足要求的稳态工况全部被筛选出来,某段稳态工况的筛选过程如图3所示。
当采样样本个数为48时,即***稳定了48min后,各主要参数的最小读数次数全部小于有效读数次数,已满足判稳条件要求各主要参数读数分散度引起的性能计算结果随机不确定度不超过0.1%的规定,因此,该段采样时间内的稳态区间为[0,48],且稳态区间长度根据稳态检测算法自适应确定,避免了目前存在的大部分稳态检测算法要求提前确定窗口长度(稳态区间长度)的不足。
Claims (8)
1.一种适用于火电机组的多变量稳态检测方法,其特征在于,包括以下步骤:
1)预估计火电机组各运行参数参数的最大允许读数范围ΔI允许;
2)确定火电机组各运行参数样本的有效读数次数Na;
3)确定火电机组各运行参数所需的最小读数次数NR;
4)判断火电机组各运行参数所需的最小读数次数NR是否全部小于火电机组各运行参数样本的有效读数次数Na,当火电机组各运行参数所需的最小读数次数NR全部小于火电机组各运行参数样本的有效读数次数Na时,则将当前火电机组各运行参数的采样区间作为稳态检测算法要求的稳态工况,否则,则转至步骤1)。
5.一种适用于火电机组的多变量稳态检测***,其特征在于,包括:
预估计模块,用于预估计火电机组各运行参数参数的最大允许读数范围ΔI允许;
第一确定模块,用于确定火电机组各运行参数样本的有效读数次数Na;
第二确定模块,用于确定火电机组各运行参数所需的最小读数次数NR;
判断模块,用于判断火电机组各运行参数所需的最小读数次数NR是否全部小于火电机组各运行参数样本的有效读数次数Na,当火电机组各运行参数所需的最小读数次数NR全部小于火电机组各运行参数样本的有效读数次数Na时,则将当前火电机组各运行参数的采样区间作为稳态检测算法要求的稳态工况,否则,则触发预估计模块工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110693296.XA CN113739841A (zh) | 2021-06-22 | 2021-06-22 | 一种基于不确定度理论的多变量稳态检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110693296.XA CN113739841A (zh) | 2021-06-22 | 2021-06-22 | 一种基于不确定度理论的多变量稳态检测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113739841A true CN113739841A (zh) | 2021-12-03 |
Family
ID=78728497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110693296.XA Pending CN113739841A (zh) | 2021-06-22 | 2021-06-22 | 一种基于不确定度理论的多变量稳态检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113739841A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994022025A1 (en) * | 1993-03-22 | 1994-09-29 | Exxon Chemical Patents Inc. | Plant parameter detection by monitoring of power spectral densities |
CN105184395A (zh) * | 2015-08-26 | 2015-12-23 | 华北电力科学研究院有限责任公司 | 含余热利用***的火电机组的初参数确定方法 |
CN106094744A (zh) * | 2016-06-04 | 2016-11-09 | 上海大学 | 基于关联规则挖掘的火电厂主运行参数目标值的确定方法 |
CN110516363A (zh) * | 2019-08-28 | 2019-11-29 | 西安西热节能技术有限公司 | 一种用于确定汽轮机性能试验时长的方法 |
CN110989360A (zh) * | 2019-12-23 | 2020-04-10 | 武汉博晟信息科技有限公司 | 一种基于全量数据的火电机组稳态历史寻优方法 |
CN112576326A (zh) * | 2020-12-07 | 2021-03-30 | 润电能源科学技术有限公司 | 一种火电机组滑压优化运行控制方法、装置及设备 |
CN112700039A (zh) * | 2020-12-29 | 2021-04-23 | 华北电力大学 | 一种火电厂负荷运行数据的稳态检测与提取方法 |
-
2021
- 2021-06-22 CN CN202110693296.XA patent/CN113739841A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994022025A1 (en) * | 1993-03-22 | 1994-09-29 | Exxon Chemical Patents Inc. | Plant parameter detection by monitoring of power spectral densities |
CN105184395A (zh) * | 2015-08-26 | 2015-12-23 | 华北电力科学研究院有限责任公司 | 含余热利用***的火电机组的初参数确定方法 |
CN106094744A (zh) * | 2016-06-04 | 2016-11-09 | 上海大学 | 基于关联规则挖掘的火电厂主运行参数目标值的确定方法 |
CN110516363A (zh) * | 2019-08-28 | 2019-11-29 | 西安西热节能技术有限公司 | 一种用于确定汽轮机性能试验时长的方法 |
CN110989360A (zh) * | 2019-12-23 | 2020-04-10 | 武汉博晟信息科技有限公司 | 一种基于全量数据的火电机组稳态历史寻优方法 |
CN112576326A (zh) * | 2020-12-07 | 2021-03-30 | 润电能源科学技术有限公司 | 一种火电机组滑压优化运行控制方法、装置及设备 |
CN112700039A (zh) * | 2020-12-29 | 2021-04-23 | 华北电力大学 | 一种火电厂负荷运行数据的稳态检测与提取方法 |
Non-Patent Citations (1)
Title |
---|
杨利 等: "基于不确定度理论的稳态检测方法及其应用", 热力发电, vol. 48, no. 5, pages 139 - 144 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110441065B (zh) | 基于lstm的燃气轮机在线检测方法与装置 | |
Lin et al. | Nonlinear dynamic principal component analysis for on-line process monitoring and diagnosis | |
CN104764869A (zh) | 一种基于多维特征量的变压器气体故障诊断和报警方法 | |
CN116756595B (zh) | 一种导电滑环故障数据采集监测方法 | |
CN111352408B (zh) | 一种基于证据k近邻的多工况流程工业过程故障检测方法 | |
CN109538311B (zh) | 面向高端发电装备中汽轮机的控制性能实时监测方法 | |
CN109471420B (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 | |
CN113579851B (zh) | 一种基于自适应分段pca的非平稳钻削过程监测方法 | |
CN113757093B (zh) | 一种闪蒸汽压缩机组故障诊断方法 | |
CN112861350B (zh) | 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法 | |
CN112418306B (zh) | 基于lstm-svm的燃气轮机压气机故障预警方法 | |
CN114757269A (zh) | 一种基于局部子空间-邻域保持嵌入的复杂过程精细化故障检测方法 | |
CN105043776A (zh) | 一种飞机发动机性能监控与故障诊断方法 | |
CN115375026A (zh) | 一种多故障模式下的航空发动机寿命预测方法 | |
Ma et al. | A novel three-stage quality oriented data-driven nonlinear industrial process monitoring strategy | |
CN109299201B (zh) | 基于两阶段聚类的电厂生产子***异常监测方法及装置 | |
CN113739841A (zh) | 一种基于不确定度理论的多变量稳态检测方法及*** | |
CN109872511B (zh) | 一种针对轴向位移突变监测的自适应两级报警方法 | |
CN111507374A (zh) | 一种基于随机矩阵理论的电网海量数据异常检测方法 | |
CN110826024A (zh) | 一种传感器数据异常的抽样判别方法 | |
CN111983994B (zh) | 一种基于复杂工业化工过程的v-pca故障诊断方法 | |
CN110532698B (zh) | 一种基于数据模型的工业设备振动特征值趋势预测方法 | |
CN113688895A (zh) | 一种基于简化keca的陶瓷辊道窑烧成带异常检测方法及*** | |
CN114565209A (zh) | 一种基于聚类的流程工业能耗状态评估方法 | |
CN113341734B (zh) | 一种气液两相流流动状态监测和预测方法 |
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 |