北极星

搜索历史清空

  • 水处理
您的位置:电力火电火电动态评论正文

揭秘|一种针对火电厂流量计数据特点的数据处理算法

2016-02-25 11:27来源:流量计作者:陈晶 吴胜昔 顾幸生关键词:火电厂燃煤发电火电机组收藏点赞

投稿

我要投稿

滤波环节最常使用的是一阶滞后滤波法,也叫一阶时延滤波法。其公式为:

其中:TS为算法固定常数,T1为可调时延常数。该算法在当前电站控制系统中十分常用,如西门子最新电站控制系统SPPA2T3000中所有监测模块都集成有该算法,时延常数T1人为设定。该算法公式简易,计算量小。但T1的设定依赖待测对象的特点,过小不能有效滤除波动,过大则滞后明显,灵敏度低。

另外,最小均方(LMS)自适应滤波器是现行的无先验信息支持的滤波器中理论性较完备且适用广泛的一种典型的自适应滤波器[3]。它使得滤波器的输出信号与期望响应之间误差的均方值最小,因此称为最小均方(LMS)自适应滤波器。构成自适应数字滤波器的基本部件是自适应线性组合器。设线性组合器的M个输入为x(k-1),⋯,x(k-M),其输出y(k)是这些输入加权后的线性组合,即:

权系数向量Wi用梯度法求得最优值[4]。该算法有较强的适应性,但阶数M的取值在一定程度上仍依赖测量对象的波动情况。当M大时,适合随机波动大但理想真值基本稳定的系统,但过大会占用较多系统资源;当M小时,适合随机波动小但理想真值变化较快的系统,但过小则算法输出相当不稳定。

其他常用方法有限幅滤波法、中位值滤波法、算术平均滤波法、递推平均滤波法、中位值平均滤波法、限幅平均滤波法及加权递推平均滤波法等。这些算法的共同点和一阶滞后滤波类似,计算简洁,不占系统空间,缺点是对于不同特点的高频误差需要设定不同的参数,通用性较差。

在数据融合环节,恰当的融合可以提高数据的精确性。精确性分为精密性和准确性,精密性体现在数据的波动程度,衡量指标通常用误差的标准差σ;准确性体现在数据的理想值相对真值偏移(漂移)的程度,衡量指标通常用数据期望μ。由于标称的测量值不可靠,需要对误差标准差做即时的估计。目前无论是使用最广泛的贝塞尔公式估计法还是其他数字方法,几乎都是利用采样规模为n的滑动窗采样数据的样本作为当前信号的总体标准差估计的来源[2,5-6],即时估计效果不是很理想。通常的融合算法较多关注数据的准确性,权重一般由数据相互支持度算得[7-8],并且需要按经验设定阈值[9],这类算法对于剔除漂移值较有效。

综上所述,电厂数据处理模型的设计存在以下困难:

(1)滤波环节。无法列出系统确切的状态转移矩阵和系统输入向量。基于系统运行机理和先验统计特性的数据预处理算法(如卡尔曼滤波及其改进算法)难以运用到本课题研究的工况[10]。现行多数基于数理统计的算法中,对于不同的监测对象,需要在一处或多处设定不同的算法参数,当同一监测对象的数据特征发生变化时,算法参数也需要做相应调整。现场众多的监测对象以及复杂的工况使得设定系数成为工作量很大且技术性较强的工作。

(2)数据融合环节。流量计先验标称值(如误差等级)不可靠,且数据特征呈现难以预见的时变性,这些特点对算法的快速反应能力提出了很高的要求。现行算法难以快速准确地提取融合环节所需要的数据特征,尤其是灵敏性和抗干扰性难以兼得。

3 有效数据处理模型的建立

本文基于数理统计原理,结合电厂控制系统与流量计数据特点,建立一个较有效的处理算法。算法对采样数据进行在线分析以及对数据特征迅速而较准确的提取,并构造一个可根据数据的瞬态特性实时调节参数、具有广泛适应性的数据处理模型。

(1)对每台仪表的误差标准差σ和数据期望μ即时估计,以估计值

作为滤波器输出;

(2)对滤波后的数据进行加权融合,权重根据估计和动态调整。

结合电厂数据的误差特性,算法模型可以基于高斯分布的统计量特征进行设计。首先是对μ和σ估值。由于数据具有时变性,即采样序列中存在序列相关分量,本文中μ仅表示当前时刻下采样数据的期望,前一时刻可能不同于后一时刻。同样,σ也如此。μ和σ都是数据的统计特征,利用经典的贝塞尔公式需要大量或者至少一定规模的采样值才可以较准确的估算出来,这对于μ和σ恒定的情况比较有效,当两个指标均随工况动态改变时,很难达到理想效果。贝塞尔公式中采样点数n的选取难以确定,n较小时估算值

原标题:一种针对火电厂流量计数据特点的数据处理算法
投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

火电厂查看更多>燃煤发电查看更多>火电机组查看更多>