用于火电机组动态工况数据的修正方法技术

本发明专利技术公开了一种用于火电机组动态工况数据的修正方法，涉及火电机组动态数据修正技术领域，解决了现有火电机组运行过程中稳态样本数量相对少、工况分布不平衡的技术问题，其技术方案要点是获取历史运行数据，经过稳态判定、工况划分等初步预处理，然后通过距离阈值筛选出各稳态工况样本中与待修正动态工况样本边界参数相似的临近样本，基于最小二乘法和核密度加权法进行修正系数估计。最终以其中闵可夫斯基距离最小的历史最临近稳态工况为基准，计算修正后动态工况样本的状态参数值和性能指标值。该方法参数稳定性更高，满足工程实际需要；并提高了动态运行数据的利用程度，能够有效改善因工况样本分布不平衡而导致数据挖掘精度受限的问题。挖掘精度受限的问题。挖掘精度受限的问题。

【技术实现步骤摘要】
用于火电机组动态工况数据的修正方法


[0001]本公开涉及火电机组动态数据修正
，尤其涉及一种用于火电机组动态工况数据的修正方法。

技术介绍

[0002]在热工过程数据驱动建模中，稳态工况样本因良好的规律显性度和较少的噪声，成为了模型训练的主要数据来源。然而，在实际运行中，受调峰需求和四季变迁的影响，机组负荷指令和环境因素等外部条件的不断变化，导致机组运行参数也处于持续的波动之中。再加之电厂人为调控的干预和热力系统迟滞特性等内部因素的影响，现场数据偏离的频率和幅度将进一步加重。从中可见频繁且剧烈的波动过程，使得在机组运行历史数据库中，稳态工况的数量相较于动态工况往往要少得多。
[0003]事实上，完全稳态的运行工况在机组发电过程中并不存在。即使是经过稳态判定得到的稳态数据，也不过是波动幅度较小，噪声较少的准稳态数据。为了提升数据挖掘的精度和效率，采用较小的稳态阈值对历史数据进行筛选，虽然能够获得更高质量的工况信息，但保留的样本数量将大大减小，工况分布不平衡问题降进一步加剧。缺乏充足、全面的优质样本参与模型训练，势必影响到机组运行规律挖掘的效果，这对于全工况下的机组性能评价与诊断优化显然是致命的。
[0004]对于数据挖掘，提升原始数据质量始终是关键。机组运行积累的海量数据在高维空间分布不均匀是数据挖掘领域的难点。机组运行状态呈现复杂多样的状态，工况的偏离反映在运行参数的偏离之上，进而造成了系统能耗的偏离。对于整体运行范围下的工况变化规律进行研究，势必面临着高维度、高耦合、高误差等问题。系统的运行性能是由边界参数和运行参数共同决定的，近邻样本能耗的差异，也是由边界参数和运行相关参数的差异共同影响造成的。因此如何对机组动态过程中的数据进行修正以获取高质量的数据，从而为运行优化规则的挖掘提供更完整、干净的数据基础是亟需解决的问题。

技术实现思路

[0005]本公开提供了一种用于火电机组动态工况数据的修正方法，其技术目的是针对现有火电机组运行过程中稳态样本数量相对少，工况分布不平衡等问题而公开了一种动态过程数据的修正方法，以获取数量较多的稳态样本，从而解决工况分布不平衡等问题。
[0006]本公开的上述技术目的是通过以下技术方案得以实现的：
[0007]一种用于火电机组动态工况数据的修正方法，包括：
[0008]通过机理分析初步筛选与系统运行性能相关的第一特征参数，通过灰色关联度算法在所述第一特征参数中遴选与系统运行性能指标关联的第二特征参数；
[0009]计算所述第二特征参数的统计量得到描述工况稳定性的稳态因子，将稳态因子与稳态阈值相比较，小于所述稳态阈值的即认为是稳态工况样本；
[0010]计算所述稳态工况样本与已知边界条件的动态工况样本S的闵可夫斯基距离，若
所述稳态工况样本中的第一稳态工况与所述动态工况样本S的闵可夫斯基距离小于距离阈值d
ε
，则所述第一稳态工况为近邻工况，通过闵可夫斯基距离在所述稳态工况样本中筛选出近邻工况样本{w1,w2,...,w
K
,w
N
}，则所述近邻工况样本中共有(K+1)个近邻工况，w
N
表示与所述动态工况样本S距离最近的近邻工况；
[0011]计算所述近邻工况样本{w1,w2,...,w
K
,w
N
}的核密度分布；
[0012]根据所述核密度分布对所述动态工况样本S的能耗评价指标和相关参数的修正系数进行最小二乘估计，得到最终修正系数；
[0013]根据所述最终修正系数对所述动态工况样本S进行修正，得到修正后准稳态工况样本S'；
[0014]其中，所述动态工况样本S表示为I
S
表示动态工况下系统的能耗评价指标，表示动态工况下系统的边界参数，表示动态工况下系统的相关参数，其中，u就表示边界参数，r表示相关参数，m、n分别表示边界参数和相关参数的个数。
[0015]本公开的有益效果在于：通过在电厂运行数据库中获取历史运行数据，经过稳态判定、工况划分等初步预处理，然后以一定的距离阈值，筛选出各稳态工况样本中与待修正动态工况样本边界参数相似的临近样本，基于最小二乘法和核密度加权法进行修正系数估计。最终以其中闵可夫斯基距离最小的历史最临近稳态工况为基准，计算修正后动态工况样本的状态参数值和性能指标值。
[0016]本申请是一种稳态数据补充方法，相较于传统的建模补充方法速度更快，参数稳定性更高，满足工程实际需要；并提高了动态运行数据的利用程度，能够有效改善因工况样本分布不平衡而导致数据挖掘精度受限的问题。且本申请无需复杂的硬件设备，价格低廉。
附图说明
[0017]图1为本申请所述方法的流程图；
[0018]图2为不同工况下汽机热耗随负荷分布的散点示意图；
[0019]图3为不同负荷区间汽机热耗率均值分布示意图。
具体实施方式
[0020]下面将结合附图对本公开技术方案进行详细说明。在本申请的描述中，需要理解地是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量，仅用来区分不同的技术特征。
[0021]图1为本申请所述用于火电机组动态工况数据的修正方法的流程图，如图1所示，该方法包括：
[0022]S1：通过机理分析初步筛选与系统运行性能相关的第一特征参数，通过灰色关联度算法在所述第一特征参数中遴选与系统运行性能指标关联的第二特征参数。
[0023]具体地，由机理分析初步筛选系统运行的相关参数，通过灰色关联度算法遴选与机组性能指标关联度较大的特征变量，以一定的关联度阈值进行约简，得到能耗特征参数，记X＝{X
u
,X
r
}为某系统的能耗特征参数，由不可控特征参数X
u
(边界参数)和可控的特征参
数组成X
r
(相关参数)。这里需要选择合适的灰色关联度约简阈值。
[0024]S2：计算所述第二特征参数的统计量得到描述工况稳定性的稳态因子，将稳态因子与稳态阈值相比较，小于所述稳态阈值的即认为是稳态工况样本。这一过程可通过R检验法来实现。
[0025]S3：计算所述稳态工况样本与已知边界条件的动态工况样本S的闵可夫斯基距离，若所述稳态工况样本中的第一稳态工况与所述动态工况样本S的闵可夫斯基距离小于距离阈值d
ε
，则所述第一稳态工况为近邻工况，通过闵可夫斯基距离在所述稳态工况样本中筛选出近邻工况样本{w1,w2,...,w
K
,w
N
}，则所述近邻工况样本中共有(K+1)个近邻工况，w
N
表示与所述动态工况样本S距离最近的近邻工况。
[0026]在筛选近邻工况时，可以优先选相邻网格内的样本计算距离，类似于缩小搜索范围的功能，即进行工况划分，工况划分一般采用等宽度法。
[0027]距本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于火电机组动态工况数据的修正方法，其特征在于，包括：通过机理分析初步筛选与系统运行性能相关的第一特征参数，通过灰色关联度算法在所述第一特征参数中遴选与系统运行性能指标关联的第二特征参数；计算所述第二特征参数的统计量得到描述工况稳定性的稳态因子，将稳态因子与稳态阈值相比较，小于所述稳态阈值的即认为是稳态工况样本；计算所述稳态工况样本与已知边界条件的动态工况样本S的闵可夫斯基距离，若所述稳态工况样本中的第一稳态工况与所述动态工况样本S的闵可夫斯基距离小于距离阈值d
ε
，则所述第一稳态工况为近邻工况，通过闵可夫斯基距离在所述稳态工况样本中筛选出近邻工况样本{w1,w2,...,w
K
,w
N
}，则所述近邻工况样本中共有(K+1)个近邻工况，w
N
表示与所述动态工况样本S距离最近的近邻工况；计算所述近邻工况样本{w1,w2,...,w
K
,w
N
}的核密度分布；根据所述核密度分布对所述动态工况样本S的能耗评价指标和相关参数的修正系数进行最小二乘估计，得到最终修正系数；根据所述最终修正系数对所述动态工况样本S进行修正，得到修正后准稳态工况样本S'；其中，所述动态工况样本S表示为I
S
表示动态工况下系统的能耗评价指标，表示动态工况下系统的边界参数，表示动态工况下系统的相关参数，其中，u就表示边界参数，r表示相关参数，m、n分别表示边界参数和相关参数的个数。2.如权利要求1所述的方法，其特征在于，所述闵可夫斯基距离表示为：其中，d(A,B)表示m维空间内任意两点A(a1,a2,...a
m
)与B(b1,b2,...b
m
)之间的闵可夫斯基距离，A(a1,a2,...a
m
)表示所述动态工况样本S中的任意一个动态工况，B(b1,b2,...b
m
)表示所述稳态工况样本中的任意一个稳定工况，所述p表示变参数，且p＝2...

【专利技术属性】
技术研发人员：司风琪，牟柯昱，
申请(专利权)人：东南大学，
类型：发明
国别省市：