一种火电机组发电数据异常值处理方法及装置

技术领域

本发明涉及发电领域，更具体地，涉及一种火电机组发电数据异常值处理方法及装置。

背景技术

随着电力行业的飞速发展和进步，各行各业对于电力的需求也逐渐增大，因此火电机组中每个环节的实际运行状态、性能检测和故障诊断预警等技术得到了越来越多的重视。

目前，为了使得火电机组中各个设备、各个环节都能被实时准确的监控和检测，通常会在火电机组系统中设置大量数据监测采集点，用于监测异常数据。然而，由于火电机组通常运行在较为恶劣的环境中，数据监测采集点所采集到的全部数据并不一定能够很好的代表火电机组设备的运行情况。因此，为了准确的预测火电机组系统中的设备运行情况，需要对采集到的运行数据进行异常值剔除的操作。

现有技术中，火电机组运行数据中异常值剔除的方法通常是针对单一测点在不同时段采集到的用于表征单一参数数据进行对比，从而获得异常值的。这种异常值剔除方式不仅方法较为繁琐，而且剔除效率较低，无法满足智能化发展的火电机组系统的预测需求。

因此，亟需一种火电机组发电数据异常值处理方法及装置。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种新的火电机组发电数据异常值处理方法及装置，通过合理的选择主、从测点，并对主、从测点的运行数据进行采集和关联性分析，获取测点之间的线性关系，并剔除无效运行数据。

本发明采用如下的技术方案。

本发明第一方面，涉及一种火电机组发电数据异常值处理方法，其中，方法包括以下步骤：步骤1，从火电机组的所有测点中选取一个主测点和多个从测点，并采集主、从测点的运行数据；步骤2，对主测点的运行数据和从测点的运行数据进行关联性分析，并建立最高关联的线性关系；步骤3，基于最高关联的线性关系生成主测点下从测点的运行数据阈值，并根据阈值剔除无效运行数据。

优选地，主、从测点为设置于所述依次连接的锅炉设备、汽轮机设备、发电机设备以及相关附属设备中。

优选地，获取衡量火电机组运行能力和发电能力的基础指标作为主测点；指标从电厂生产数据库中获取。

优选地，主测点为表征火电机组负荷的有功功率。

优选地，从测点的选取方式为火电机组上设置的所有测点中选取与主测点具有关联因子的测点。

优选地，关联因子包括总给煤量、总给水量、给水温度。

优选地，步骤2中还包括：步骤2.1，对主测点的运行数据和每一从测点的运行数据进行关联运算，获得当前从测点与主测点的相关系数；步骤2.2，遍历所有从测点，比较所有从测点的相关系数并提取具有最大相关系数的从测点；步骤2.3，基于主测点的运行数据和具有最大相关系数从测点的运行数据，生成线性关系。

优选地，线性关系为

优选地，主测点的运行数据阈值的获取方式为：基于先验数据预先确定，或者，基于对火电机组的所有测点的运行数据进行分析而确定。

优选地，当从测点的运行数据超出主测点下从测点的运行数据阈值范围，则判定从测点的运行数据为无效运行数据。

优选地，建立支持向量机回归函数模型，并对数据进行拟合回归分析，以对剔除的无效运行数据进行填补。

本发明第二方面，涉及一种火电机组发电数据异常值处理装置，其中，装置包括数据获取模块、关联分析模块和异常剔除模块；数据获取模块，用于从火电机组的所有测点中选取一个主测点和多个从测点，并采集主、从测点的运行数据；关联分析模块，用于对主测点的运行数据和从测点的运行数据进行关联性分析，并建立最高关联的线性关系；异常剔除模块，用于基于最高关联的线性关系生成主测点下从测点的运行数据阈值，并根据阈值剔除无效运行数据。

本发明的有益效果在于，与现有技术相比，本发明中一种火电机组发电数据异常值处理方法及装置，能够通过合理的选择主、从测点，并对主、从测点的运行数据进行采集和关联性分析，获取测点之间的线性关系，并剔除无效运行数据。本发明方法步骤简便、效率高、结果准确，并且不会造成系统中数据处理的压力。

本发明的有益效果还包括：

1、本发明方法能够结合火电机组的实际运行参数的特点，通过对机组测点对应的参数进行相关性分析，从而得到变量之间的相关关联，通过建立关联关系，去除无关冗余的数据和参数，从而提高了数据的筛选效率和筛选质量。

2、由于在参数选择的过程中，本发明中的方法剔除了大量无关或冗余、或准确性较低的参数，因此，为了确保本发明中实际利用的数据足够充分，采用了向量机模型的方法进行数据填补，防止数据整体发生断电，增强了数据的连续性。

3、现有技术中线性关系的计算方法非常简单、高效，然而，线性关系的计算方法并不能够良好的表征数据之间的关联特性。基于这一技术问题，本发明采用创造性的方法选择了主测点和从测点，使得线性关系方程式就能够良好的表征各个数据之间的关联，有效的实现了对于无效运行数据的剔除。

4、采用本发明中的方式获取的剔除了无效运行数据的有效数据，能够作为多种需求的基础，实现对于火电机组发电状况的准确分析、预测和管控。

附图说明

图1为本发明一种火电机组发电数据异常值处理方法的步骤流程示意图；

图2为本发明一种火电机组发电数据异常值处理方法中最高关联的线性关系示意图；

图3为本发明一种火电机组发电数据异常值处理装置的模块结构示意图。

具体实施方式

下面结合附图对本申请作进一步描述。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申请的保护范围。

图1为本发明一种火电机组发电数据异常值处理方法的步骤流程示意图。如图1所示，本发明第一方面涉及一种火电机组发电数据异常值处理方法，其中，方法包括以下步骤：步骤1，从火电机组的所有测点中选取一个主测点和多个从测点，并采集主、从测点的运行数据。

可以理解的是，本发明中可以首先在火电机组中设置多个测点。具体来说，测点是指能够采集到火电机组运行数据的点。该测点既可以是火电机组中各个装置的运行数据，如机组负荷、负荷率等数据；也可以是设置于火电机组主要设备上的采集设备，如传感器等设备采集到的环境参数，如火电机组运行环境的温度、湿度数据等。

优选地，主、从测点为设置于依次连接的锅炉设备、汽轮机设备、发电机设备和相关附属设备中。

本发明一实施例中，火电机组可以包括锅炉设备、汽轮机设备、发电机设备以及火电机组中各个不参与发电的相关附属设备中采集获得的运行数据。每个设备上，可以根据实际情况布置多个测点，多个测点既可以对同一设备中的同一数据进行多次采集，也可以对同一设备中的不同数据进行采集。

可以理解的是，在测点设置的过程中，就可以根据测点之间的关联属性建立初步的关联关系。例如，对于发电机设备上某一个测点的温度数据，就应当与发电机上其他测点的温度数据具有相互关联的关系。这是因为，环境温度通常是具有一致性的，而当某一个测点的温度数据与其他测点的温度数据具有较大差异度的时候，就说明当前测点所在的设备位置可能存在异常，或者当前测点的数据采集过程本身可能存在异常。再例如，由于锅炉、汽轮机、发电机等主要设备之间应当存在依次连接并实现总体发电目标的关系，因此，从一定程度上来说，发电机设备的各个设备之间的运行数据应当具备一定的关联性，具体来说，发电机的机组负荷、汽轮机的机组负荷与锅炉的单位时间煤耗量就存在一定的关联关系。

优选地，获取衡量火电机组运行能力和发电能力的最优基础指标作为主测点；

基础指标从电厂生产数据库中获取。

可以理解的是，本发明中，可以依据某一数据的关联性最强，或数据最具代表性为基本的原则来对主测点进行选取。本发明的方法中，考虑到火电机组的运行能力和发电能力，最能够表征火电机组的运行情况，因此以这一条件为前提，选取能够表征这一条件的指标。优选地，主测点为表征所述火电机组负荷的有功功率。

由于在电厂生产数据中，指标并不唯一，因此，可以考虑从指标中选择最基础的指标作为主测点。具体来说，例如能够表征火电机组运行能力和发电能力的数据可以包括机组有功功率、机组负荷、机组负荷率等多个内容。而有功功率则是计算机组负荷、机组负荷率的前提，因此作为基础指标，选择这一数据作为主测点。优选地，从测点的选取方式为火电机组上设置的所有测点中选取与主测点具有关联因子的测点。

可以理解的是，在选择主测点之后，并非系统中所有的其他测点均为从测点。从测点也是基于其与主测点的自然关联关系从所有测点中提取出来的。具体来说，当根据数据分析的需要选择到不同的主测点后，从测点可以根据其与主测点之间的关联关系自动生成。

在数据采集和存储的过程中，各个测点之间的数据可以采用有多种不同关联的方式进行提取。例如，为所有的运行数据分配多个不同的关联因子。该关联因子可以表征数据是否具有某一种或多种关联属性。如，温度可以作为一种关联因子，被分配至所有通过温度传感器作为测点采集得到的运行数据中；另外，功耗可以作为一种关联因子，被分配至发电机的机组负荷数据、汽轮机的机组负荷数据以及锅炉的单位时间煤耗数据中。

优选地，关联因子包括总给煤量、总给水量、给水温度。

本发明中，当选取了有功功率作为主测点之后，与有功功率相关的其他从测点可以是一些给煤、给水等相关的数据测点。因此，可以将关联因子设置为总给煤量、总给水量、给水温度，从而获取给煤给水的相关测量指标。

通过这种方式，一个数据可能具备多个不同的关联因子，在某一个数据作为主测点的运行数据时，就可以根据多个关联因子，寻找从测点的相应运行数据了。根据寻找到的数据即可对应出从测点。

步骤2，对主测点的运行数据和从测点的运行数据进行关联性分析，并建立最高关联的线性关系。

待获取了主、从测点分别的运行数据后，即可针对每一个从测点建立主、从测点之间的关联关系，并对关联关系进行分析。

优选地，步骤2中还包括：步骤2.1，对主测点的运行数据和每一从测点的运行数据进行关联运算，获得当前从测点与主测点的相关系数；步骤2.2，遍历所有从测点，比较所有从测点的相关系数并提取具有最大相关系数的从测点；步骤2.3，基于主测点的运行数据和具有最大相关系数从测点的运行数据，生成线性关系。

可以理解的是，本发明中可以采用多种不同的方式实现主、从测点之间运行数据的关联运算。本发明一实施例中，可以采用相关系数进行计算。

可以理解的是，相关系数的表达式为

另外，遍历每一个从测点的数据，并将其与主测点进行比较后，可以与主测点相关性最高的一个从测点。根据这个从测点与主测点之间的运行数据的比较，可以生成线性关系。

优选地，线性关系为

可以理解的是，本发明中的线性关系可以根据两个测点之间的多项数据进行获取。例如，两个测点在不同的时间点上采集到的数据，可以被组成数据向量的形式，根据两个数据向量进行线性拟合，就可以获得一条线性方程式。

本发明一实施例中，与机组负荷数据最为相关的一个从测点的运行数据是机组负荷率数据。因此，可以基于这两个数据之间的关联关系建立线性方程式。

图2为本发明一种火电机组发电数据异常值处理方法中最高关联的线性关系示意图。如图2所示，根据线性拟合方法可以获得公式

步骤3，基于最高关联的线性关系生成主测点下从测点的运行数据阈值，并根据阈值剔除无效运行数据。

由于主测点和与其最相关的从测点之间具有线性关系，因此，根据线性关系就可以预测出，当主测点的数据处于一定范围上下浮动时，从测点也应当保持在一定的范围内，例如图2中，当机组负荷数据在40MW至80MW范围内时，机组负荷率数据应当在60%至100%的范围内波动。根据这一个数据就可以确定从测点的运行数据阈值范围了。

优选地，主测点的运行数据阈值的获取方式为：基于先验数据预先确定，或者，基于对火电机组的所有测点的运行数据进行分析而确定。

可以理解的是，图2中从测点的数据阈值时基于主测点的阈值确定的。而主测点的阈值范围则可以根据先验数据预先确定，例如采集主测点的历史数据后，进行分析，发掘主测点运行数据处于正常情况下的范围。另外，也可以对火电机组的所有测点的运行数据进行分析，从而获知何时主测点的数据属于正常运行情况下的数据。

优选地，当从测点的运行数据超出主测点下从测点的运行数据阈值范围，则判定从测点的运行数据为无效运行数据。

可以理解的是，基于上文中的方法确定了从测点的运行数据阈值范围之后，就可以将超过该范围的其他从测点的数据剔除出去了。余下的数据则是处于正常范围内的有效数据，能够用于表征火电机组的正常运行情况。

优选地，建立支持向量机回归函数模型，并对数据进行拟合回归分析，以对剔除的无效运行数据进行填补。

本发明中，可以建立支持向量机的回归函数模型，通过该模型生成新的模拟数据，从而对剔除的数据进行合理的填补。由于支持向量机的方式生成的新数据能够满足有效运行数据的基本特征，所以不会对后续数据的分析和处理造成压力，同时也为后续的数据分析过程提供充足的源数据。

本发明第二方面，涉及一种如本发明第一方面中所述的一种火电机组发电数据异常值处理装置100。

图3为本发明一种火电机组发电数据异常值处理装置的模块结构示意图。如图3所示，装置100包括数据获取模块101、关联分析模块102和异常剔除模块103；其中，数据获取模块101，用于从火电机组的所有测点中选取一个主测点和多个从测点，并采集主、从测点的运行数据；关联分析模块102，用于对主测点的运行数据和从测点的运行数据进行关联性分析，并建立最高关联的线性关系；异常剔除模块103，用于基于最高关联的线性关系生成所述主测点下从测点的运行数据阈值，并根据阈值剔除无效运行数据。

本发明的有益效果在于，与现有技术相比，本发明中一种火电机组发电数据异常值处理方法及装置，能够通过合理的选择主、从测点，并对主、从测点的运行数据进行采集和关联性分析，获取测点之间的线性关系，并剔除无效运行数据。本发明方法步骤简便、效率高、结果准确，并且不会造成系统中数据处理的压力。

本发明结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。