[發明專利]一種熱力設備運行數據深度清洗方法

有效

• 申請號: 202011380881.6
• 申請日: 2020-12-01
• 公開（公告）號: CN112328590B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 王順森;程上方;董琨;張磊;喬加飛;張俊杰
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F18/15
• 分類號: G06F18/15;G06F30/27;G06F18/22;G06N20/00;G06F119/02;G06F119/08
• 代理公司: 西安合創非凡知識產權代理事務所(普通合伙) 61248
• 代理人: 高志永

本發明公開了一種熱力設備運行數據深度清洗方法，包括：利用熱力設備機理模型、基于機理模型和健康運行數據機器學習的伴隨仿真模型和熱力系統質熱平衡方程，通過關鍵參數相似性分析、不同參數的關聯性分析這些方法，實現儀表評估與在線校正、數據健康狀態評估和缺失測點參數辨識這些功能。本發明的方法思路新穎、可行性高，具有顯著的應用前景。

技術領域

本發明涉及節能技術，具體涉及一種熱力設備運行數據深度清洗系統及方法。

背景技術

目前，在電力、化工、鋼鐵、冶金、水泥等工業領域，熱力設備的安全、高效運行是關乎企業經濟效益和生存空間的核心問題。隨著自動化程度的提高，許多大型設備都配置了在線監測控制系統，如DCS、MIS、SIS等，通過大量的高精度傳感器和數據采集、分析系統為設備的安全運行提供實時數據。理論上，基于這些測量數據還可以確定設備的實時運行狀態和性能，為運行和管理提供決策依據。事實上，很多設備上已集成了設備運行狀態和性能監測系統，但成功應用的少之又少，其主要原因是設備運行數據的可靠性達不到要求。

熱力設備的測量數據主要包括壓力、溫度、流量等參數。在運行過程中，由于各種因素的影響，比如，一次元件積水或結垢、引壓管液位變化、環境參數變化等等，都將導致儀表測量數據偏離實際值，但由于缺少有效的手段及時發現、消除這些偏差，設備運行狀態和性能監測系統只能“帶病”運行，顯然無法得到可靠的結果。對于設備自動控制來說，只需要用到部分關鍵參數，而且控制信號都預留了一定的安全裕量，且各個信號都是獨立的，發現問題時可對儀表進行人工檢測和處理，所以監測數據的可靠性問題并不突出。然而，對于設備運行狀態評估和性能分析來說，所需參數具有全面性和關聯性，任何一個參數出現問題都會對最終結果產生影響，因此其對數據可靠性的要求比自動控制要高得多。

數據清洗是目前解決數據可靠性的最有效途徑，其主要目的是檢測和修復臟數據，主要包括冗余數據、沖突數據、異常數據和缺失數據等。常用的數據清洗方法是：通過預先設定數據域值過濾掉異常數據；通過挖掘同一數據源的時間相關性為缺失數據填補合理的數值并通過時間性判別異常值；通過挖掘同一數據源的空間相關性填補缺失數據并通過空間相關性判斷異常值；通過匯聚其他節點數據挖掘節點間的相關性，判斷異常數據；通過不同屬性間的關聯性，判斷數據正確性，即擴展多種關聯屬性的數據清洗。這些方法大多是純數學的，較少涉及設備自身特性，主要用于解決冗余和明顯異常的數據，比如，剔除重復數據、通過閾值篩選數據、刪除明顯不符合物理規律和常理的數據、通過插值方法填補采集過程中丟失的數據等。然而，對于熱力系統及設備來說，由于不同參數的關聯性非常強，面臨的數據問題可能更加復雜，例如，有些參數是熱力分析必需的但沒有安裝測量儀表或者無法測量，設備下游參數隨上游參數變化導致誤判數據異常等等，利用上述數據清洗仍然無法解決數據可靠性問題。為此，必須探索更有效的數據清洗方法。

作為具有完整功能且強關聯性的獨立系統來說，任何數據異常必然引起相關特性參數的連鎖反應，而要發現這些異常變化，必須理清設備各參數的關聯性。本發明正是基于上述思路，提出了基于設備機理模型和系統質熱平衡分析的數據深度清洗方法，為提高熱力系統及設備在線監測數據的可靠性提供了有效的解決方案。

發明內容

本發明的主要目的在于提供一種熱力設備運行數據深度清洗方法，利用設備機理模型、基于機理模型和健康運行數據機器學習的伴隨仿真模型和熱力系統質熱平衡方程，通過關鍵參數相似性分析、不同參數的關聯性分析等方法，實現儀表評估與在線校正、數據健康狀態評估和缺失測點參數辨識等數據深度清洗功能，為熱力設備智能運維分析提供可靠的數據源。

本發明采用的技術方案為：一種熱力設備運行數據深度清洗方法，包括：

利用熱力設備機理模型、基于機理模型和健康運行數據機器學習的伴隨仿真模型和熱力系統質熱平衡方程，通過關鍵參數相似性分析、不同參數的關聯性分析這些方法，實現儀表評估與在線校正、數據健康狀態評估和缺失測點參數辨識這些功能。