2种改进的数据处理方法及其在SIS的应用
2 种改进的数据处理方法及其在 SIS 的应用
高建强 , 赵军友 , 范晓颖
(华北电力大学能源与动力工程学院 , 河北省保定市 071003)
摘要 : 火电厂过程参数测量的精度和可靠性是限制厂级监控信息系统 (SIS) 应用的决定因素。介
绍了多测点和单测点情况下改进的数据修补处理方法。基于概率理论 ,采用加权处理方法 ,对多测
点数据处理方法进行了改进 ;根据单测点测量参数连续变化的规律 ,提出外推剔除法 ,用外推值替
换异常值以提高参数可靠性。2 种数据处理方法简捷、高效、精度高 ,应用于某厂 SIS ,效果良好。
关键词 : 数据处理 ; 火电厂 ; 监控信息系统 ; 概率理论
中图分类号 : TM73 ; TM621
收稿日期 : 2008206228 ; 修回日期 : 2008209206。
0 引言
厂级监控信息系统 (SIS) 是主要为火电厂全厂
生产过程实施综合优化服务的实时管理和监控的信
息系统[1 ] 。SIS 提供全厂生产过程历史/ 实时数据
信息 ,使管理层和技术人员能实时掌握生产信息 ,实
现电厂管理信息化 ,并在此基础上实现信息管理与
自动控制一体化[223 ] 。因此 ,SIS 受到了越来越多电
厂的青睐 ,目前很多电厂已建立了 SIS。
SIS 在快速推广应用的同时 ,也出现了一些新
问题[4] 。特别是由于目前很多过程参数测量的精度
和可靠性还达不到 SIS 要求的技术水平 ,致使相当
一部分 SIS 开发项目难以验收通过 ,使得 SIS 的进
一步应用遇到了极大的挑战。因此 ,解决过程参数
测量的精度和可靠性问题对于 SIS 的应用推广至关
重要。
1 测量数据的精度和可靠性对 SIS 的影响
测量精度是指被测量的测得值之间的一致程度
以及与其真值的接近程度。由于电厂热力系统高
温、高压、大流量的特点 ,部分测量参数波动比较厉
害 ,测量精度达不到预期要求。但如果采集数据达
不到 SIS 的精度要求 ,SIS 的性能计算、机组负荷优
化、设备状态监视等功能的应用就不能达到预期效
果 ,甚至造成上述模块运行结果错误。
随着电厂运行自动化水平的提高 ,对采集数据
的可靠性要求也不断提高。然而 ,由于测量设备缺
陷、测量信号受电磁干扰和调节系统动作等因素的
影响 ,使一部分数据出现异常。如在某 300 MW 机
组锅炉效率计算中发现 ,排烟氧量测点异常 ,其值由
4. 1 %变为 10. 35 % ,则锅炉效率值将由 90. 02 %降
到 80. 65 % ,依此结果进行的厂级机组负荷优化分
配的结果必然不可信。因此 ,如何进一步解决电厂
过程参数测量的精度和可靠性问题 ,是提高 SIS 应
用水平、最终实现集电厂 SIS 与机组分布式控制系
统(DCS) 于一体的综合自动化的关键。
提高过程参数测量精度和可靠性的方法多种多
样 ,可从检测系统的硬件和软件 2 个方面着手。硬
件方面可通过改进测量方法、提高测量元件精度、布
置更多测点、增加测点冗余数量、提高变送器性能、
提高网络抗干扰能力、加强监测系统维护工作等方
法入手。软件方面可采用各种数据处理方法 ,使异
常数据得到修补和校正。
研究者已提出了多种数据处理方法 ,但实际用
于 SIS 还存在不少问题[5 ] 。例如以最大似然原理给
出的数据校正模型[6 ] ,以系统的物质或能量平衡建
立约束方程 ,在测点有充分冗余条件下才能实现 ;数
据融合方法虽然理论性强[7 ] ,但需要测点较多 ,实际
应用推广性差。本文就 SIS 应用中的 2 种情况 ,改
进了数据处理方法 ,使用效果较好。
2 SIS 的 2 种数据处理方法
测量电厂热力设备参数时 ,一般布置 1 个～
4 个测点 ,4 个以上的测点相对较少。为方便数据处
理 ,根据一个参数测点布置的数量 ,把测量参数分为
单测点参数、双测点参数、多测点参数 (测点数为
3 个及以上) 。如果热力设备中一个参数的多个测
点具有相同的测量条件和信赖程度 ,认为是等精度
数据[8 ] 。所以把某时刻一个参数的多个测点作为其
多次重复测量 ,认为数据是准静态的。
2. 1 多测点数据处理方法
对某一参数进行测量时 ,有极少数测量值异常 ,
误差比较大 ,应把这个测量值剔除。误差有多种计
—09—
第 33 卷 第 1 期
2009 年 1 月 10 日
Vol. 33 No. 1
Jan. 10 , 2009
算方法 :剩余误差为 vi = …y - yi ,标准偏差估计值为
δ^y = 1
n ∑
n
i = 1
v2
i , 极限误差为 3δ^y 。式中 : yi 为第 i
个测点值; …y 为测量平均值; n 为测点数。
采用拉依达准则 (又称 3σ准则) 剔除异常数据
的准则是 :依据正态分布的误差函数 ,大的误差出现
的概率极小 , 当| vi | > 3δ^y 时的概率仅为 0. 002 7。
若| vi | > 3δ^y ,根据小概率原理可以认为 y i 是异常数
据 ,应予以剔除。
测点数量较少时 ,任何一个 y i 偏离 …y 较大都会
造成δ^y 大幅增大 ,使得异常值不易判断。为解决这
一问题 ,改进了拉依达准则 ,依据| vi | 大小来判断 yi
在这组数据中接近 …y 的程度。选择| vi | 或 v2
i 作为权
重 ,通过加权以增加接近 …y 的 y i 在这组测量数据中
的重要程度。| vi | 按由小到大排列为| vk | ( k = n) ,
即把测量数据按接近 …y 的程度排序 ,并依次乘以由
大到小的权重 ,接近 …y 的给以最大的权重| vk | 或 v2
k ,
远离 …y 的给以最小的权重| v1 | 或 v2
1 。权重的选择
应根据参数测值范围决定 ,例如 :压力参数数值一般
较小 ,异常值偏离 …y 的距离相对不明显 ,可用 v2
i 作
为权重;温度或流量参数偏离 …y 的距离较远 , 直接
用| vi | 作为权重。若用 v2
i 作为权重 ,权重因子为
v2
i ∑
k
i = 1
v2
i ,权重因子的和为 1 , 改进后的δ^y 为 :
δ^y = k
k - 1
∑
k
i = 1
v2
i v2
k- i+1
∑
k
i = 1
v2
k- i+1
需要注意的是 ,如果过程参数的测点数量较少 ,
而且出现 1 个以上的测点异常时 ,运用上述处理方
法会存在把正常值作为异常值剔除的可能性。为进
一步提高多测点测量的可靠性 ,在对多测点数据按
照上述方法处理完以后 ,再考虑过程参数在时间上
的连续性 ,对 …y 采用下文的单测点数据处理方法进
行处理。
2. 2 单测点数据处理方法
对于单测点参数 ,没有与之相并列的冗余测点 ,
无法按上述方法处理。根据单测点测量值连续变化
的内在规律性 ,本文提出依据测点历史数据连续外
推剔除法 ,对单测点的连续数据进行处理。由于动
态函数具有连续性的特点 ,依据当前 t 时刻前的 t ns ,
t( n - 1) s , ?, t2s , t1s 的值 ,运用数据平滑移动方法[9 ] ,计
算 t 时刻测点拟合值和外推值 , 检验 t 时刻单测点
实时采集值的合理性。
对 n 个数据点进行线性最小二乘法拟合 ,计算
a0 , a1 , ?, am ,确定自变量 x i 与因变量 y i 关系的经
验方程 ^y i = a0 + a1 x1 + ?+ am x m
i ,求出 n 个数据点
对应的拟合值 ^y i 和其外推值 y i′,计算标准偏差估
计值δ^y ,将 y i 与 y i′相比较 ,当| yi - y i′| > 3δ^y 时 ,判
断 yi 为异常数据予以剔除 ,并以 y i′替换 y i ,按此方
法循环计算 ,逐一检验其后的各测量数据。得到 :
δ^y =
∑
n
i = 1
( yis - ^y is ) 2
n - m - 1
式中 : y is 为时间序列上的实测值; ^y is 为对应拟合曲
线上的函数值; m 为拟合多项式的阶数 ,若采用一次
曲线拟合时 m 取 1 ; n 为历史数据个数。
由于数据为等时同频率采集 ,外推估算时 ,时间
节拍取恒定的参数。电厂运行人员不断调整运行方
式 ,热力系统参数随其连续变化。所以要选取合理
的历史点数拟合并进行合理性检验 ,以防止拟合曲
线值滞后于实测值。
3 2 种方法在 SIS 的应用实例
某电厂建有 2 ×300 MW 常规火电机组和 2 ×
135 MW 循环流化床机组。电厂于 2007 年 12 月建
成 SIS 并试运行 ,依据测点布置数量分类 ,对部分原
始采集数据采用上述方法进行数据处理。
3. 1 多测点参数的应用实例
300 MW 机组运行负荷 250 MW 时 ,分析某时
刻锅炉 4 个排烟温度传感器的测量值 ,并用数据处
理方法进行处理 ,如表 1 所示。
表 1 排烟温度测量值数据处理
Table 1 The data processing of exhaust temperature values
℃
测点 测量值 普通
处理法
改进
处理法
普通处理
剩余误差
改进处理
剩余误差
锅炉考
核试验
1 133. 07 133. 07 133. 07 6. 93 1. 39 132. 6
2 128. 83 128. 83 128. 83 2. 69 - 2. 85
3 109. 53 109. 53 - 16. 61 131. 6
4 133. 13 133. 13 133. 13 6. 99 1. 46
平均值 126. 14 126. 14 131. 68 132. 1
4 个排烟温度测点平均值为 126. 14 ℃,计算
3δ^y = 33. 78 ,用拉依达准则判断为无异常数据。采
用改进的拉依达准则 ,先对剩余绝对值排序并计算
3δ^y = 16. 56 ,判断测点 3 为异常值 ,剔除异常点后的
平均值为 131. 68 ℃。上述测点采用不同处理方法
后 ,得到锅炉效率为 91. 07 %和 90. 73 %。锅炉效率
考核试验工况为 251 MW ,锅炉效率为 89. 87 %。
可见采用改进的数据处理方法计算更符合实际情
况。
—19—
·工程应用 · 高建强 ,等 2 种改进的数据处理方法及其在 SIS 的应用
3. 2 单测点参数的应用实例
以再热蒸汽压力为例 ,在线计算 3 min 采集
60 个数据点 ,采用 10 个历史数据二次拟合并进行
合理性检验。对实时数据进行合理性判断并用外推
值替换异常值 ,修正后的数据与实时采集值对比结
果见图 1。可以看出 ,测点外推值替换异常值后 ,数
据点更能反映实时测点的连续性 ,使处理后的数据
更接近测点真值 ,表明单测点数据处理方法效果明
显。
图 1 单测点异常数据剔除结果
Fig. 1 Scalping result for abnormal data of single point
4 结语
过程测量数据的精度和可靠性直接影响电厂
SIS 运行结果的可信度 ,采取措施提高过程测量数
据的精度和可靠性是 SIS 应用、发展的关键。改进
的拉依达准则和单测点历史值连续外推处理法可以
实现多测点和单测点参数的在线处理。应用表明 ,
效果较好。随着电厂采集数据精度和可靠性的提
高、热工检测系统的及时校核销缺以及各种有效的
数据处理方法的应用 ,SIS 的各个功能将会得以完
美实现 ,达到预期的收益。
参 考 文 献
[1] 侯子良. 再论火电厂厂级监控信息系统. 电力系统自动化 ,2002 ,
26 (15) :123.
HOU Ziliang. Study on the supervisory information system of
plant level in thermal power plant. Automation of Electric
Power Systems , 2002 , 26(15) : 123.
[2] 梁艳明 ,孙立明 ,贺晋卫. 火电厂 SIS 中在线性能计算与分析的
应用. 中国电力 ,2005 ,38 (1) :65268.
L IAN G Yanming , SUN Liming , HE Jinwei. Application of on2
line performance calculation and analysis in SIS of thermal power
plants. Electric Power , 2005 , 38 (1) : 65268.
[3] 许继刚 ,郑慧莉. 电厂管理控制一体化信息系统的发展. 电力系
统自动化 ,2001 ,25 (7) :59263.
XU Jigang , ZHEN G Huili. Development of integration system
of management and control in power plant. Automation of
Electric Power Systems , 2001 , 25 (7) : 59263.
[4] 洪军 ,司风琪 ,毕小龙 ,等. 火电机组运行优化系统的现状与展
望. 电力系统自动化 ,2007 ,31 (18) :962103.
HON G J un , SI Fengqi , BI Xiaolong , et al. Review on the
developments of thermal power unit operation optimization
system. Automation of Electric Power Systems , 2007 , 31(18) :
962103.
[5] 王培红 ,陈强 ,董益华 ,等. 数据挖掘及其在电厂 SIS 中的应用.
电力系统自动化 ,2004 ,28 (8) :76279.
WAN G Peihong , CHEN Qiang , DON G Yihua , et al. Data
mining and its application of performance analysis in thermal
power units. Automation of Electric Power Systems , 2004 ,
28 (8) : 76279.
[6] 刘福国 ,王学同 ,苏相河 ,等. 基于系统测量冗余的电厂异常运行
数据检测与校正. 中国电机工程学报 ,2003 ,23 (7) :2042207.
L IU Fuguo , WAN G Xuetong , SU Xianghe , et al. Detection
and reconciliation on the abnormal operation data based on
redundancy measurement in a power plant. Proceedings of the
CSEE , 2003 , 23(7) : 2042207.
[7] 陈坚红 ,李蔚 ,盛德仁 ,等. 一种火电机组在线性能计算中的数据
融合方法. 中国电机工程学报 ,2002 ,22(5) :1522156.
CHEN Jianhong , L I Wei , SHEN G Deren , et al. A data fusion
method for on2line performance calculation of turbogenerator.
Proceedings of the CSEE , 2002 , 22(5) : 1522156.
[8] 钟穗生 ,刘旭光. 实验数据的计算机处理. 北京 : 海洋出版社 ,
1994 :1222126.
[9] 白新桂. 数据分析与试验优化设计. 北京 : 清华大学出版社 ,
1996 :89296.
高建强 (1966 —) ,男 ,博士 ,教授 ,主要研究方向 :热力系
统建模与仿真。E2mail : Gao2jq @sohu. com
赵军友 (1980 —) ,男 ,通信作者 ,硕士研究生 ,主要研究
方向 :动力设备建模、优化与控制。E2mail : zhao - junyou @
126. com
范晓颖 (1984 —) ,女 ,硕士研究生 ,主要研究方向 :热力
设备及大型回转机械的安全、经济运行与延寿技术。
Two Improved Data Processing Methods and Their Applications in SIS
GA O J ianqiang , Z HA O J unyou , FA N Xiaoying
(North China Electric Power University , Baoding 071003 , China)
Abstract : The measurement accuracy and reliability of the procedure parameters of thermal power plants are the decisive factors
that restrict the application of SIS. This paper describes two data2repair processing methods including multipoint and single
point conditions. Based on the probability theory and the weighted method , the multipoint2data processing method is modified.
According to the consecutive mutative rule of a single measuring point , an extrapolation scalping method is provided , in which
the abnormal values are replaced with the fitted ones to improve the reliability of procedure parameters. The two simple data
processing methods of high efficiency and reliability are successfully applied in SIS of a power plant.
Key words : data processing ; thermal power plant ; supervisory information system (SIS) ; probability theory
—29—
2009 , 33 (1)
2种改进的数据处理方法及其在SIS的应用.pdf
