1、一、電廠運(yùn)行參數(shù)預(yù)處理技術(shù)研究現(xiàn)狀分析隨著電力行業(yè)中數(shù)字化技術(shù)的廣泛應(yīng)用，為了保證在市場經(jīng)濟(jì)環(huán)境下系統(tǒng)能安全、可靠運(yùn) 行，各種管理信息系統(tǒng)（MIS）、地理信息系統(tǒng)（GIS）、電力市場所需的開放訪問同時信息系統(tǒng) （OASIS）以及電網(wǎng)運(yùn)行的實(shí)時信息系統(tǒng)等在電力系統(tǒng)中的廣泛應(yīng)用，產(chǎn)生了大量數(shù)據(jù)。加之 由于我國實(shí)施電力市場改革，各個發(fā)電廠每30分鐘向電力公司進(jìn)行一次發(fā)電量和電能價格的 報(bào)價，以參與競價上網(wǎng)，因此有著巨大的市場信息數(shù)據(jù)有待分析處理面對這種海量數(shù)據(jù)的增加， 多數(shù)電力部門僅使用傳統(tǒng)的數(shù)據(jù)分析和簡單的傳統(tǒng)統(tǒng)計(jì)方法進(jìn)行數(shù)據(jù)分析，由于受到人力，物 力，財(cái)力的限制，數(shù)據(jù)背后隱藏的深層次知識無法有效

2、得以理解使用，相反卻帶來了 “數(shù)據(jù)災(zāi) 難”和“數(shù)據(jù)荒廢”。另外，由于電廠的測量儀表經(jīng)常工作在高溫、振動、腐蝕等惡劣環(huán)境下,容易發(fā)生故障，導(dǎo) 致數(shù)據(jù)采集系統(tǒng)采集到錯誤的數(shù)據(jù)；此外，測量數(shù)據(jù)還可能受到干擾、漂移和測量環(huán)境的影響 而產(chǎn)生隨機(jī)誤差，而這種偏差往往很難被直觀地檢測出來。因此，采集到的實(shí)時數(shù)據(jù)在系統(tǒng)使用 之前進(jìn)行數(shù)據(jù)預(yù)處理是非常必要的。國外技術(shù)實(shí)力雄厚的研究機(jī)構(gòu)和商業(yè)公司在電廠的機(jī)組運(yùn)行優(yōu)化方面的研究開展較早，而 且除了機(jī)組運(yùn)行優(yōu)化技術(shù)之外，機(jī)組故障診斷等其他技術(shù)上也有很多成熟的產(chǎn)品出現(xiàn)?；谏?厚的電廠機(jī)組運(yùn)行優(yōu)化技術(shù)積累，眾多商業(yè)軟件紛紛出現(xiàn)，如德國Siemens公司的Sienergy

3、 優(yōu)化軟件包，包括電站運(yùn)行優(yōu)化OPTIPRO，機(jī)組控制優(yōu)化PROFI，效率分析優(yōu)化SR4等功能模 塊；瑞士 ABB公司的電站運(yùn)行優(yōu)化軟件包Optimax，包括過程信息管理、性能計(jì)算、電站負(fù)荷 優(yōu)化調(diào)度和基于模型的診斷專家系統(tǒng)等功能模塊；美國通用公司的Etapro性能監(jiān)測和優(yōu)化系 統(tǒng)，由性能監(jiān)測、趨勢分析、報(bào)表生成、狀態(tài)診斷和建模分析等5個功能模塊組成。這些軟件 包括許多功能模塊，用戶可以選擇全部或部分模塊進(jìn)行組態(tài)。目前，這些機(jī)組運(yùn)行優(yōu)化軟件在 國內(nèi)電廠中均有應(yīng)用案例，如OPTIPRO應(yīng)用于國華準(zhǔn)格爾發(fā)電有限責(zé)任公司，PROF也已應(yīng)用 于國內(nèi)10余臺300MW和600MW等級的機(jī)組。國外機(jī)組運(yùn)行

4、優(yōu)化技術(shù)雖然較為成熟，但總體來說還存在以下局限：1）在實(shí)時測量關(guān)鍵 參數(shù)、建立經(jīng)濟(jì)性分析模型及優(yōu)化算法等方面，仍需作進(jìn)一步改進(jìn)；2）運(yùn)行優(yōu)化系統(tǒng)運(yùn)用于 國內(nèi)燃煤機(jī)組時性價比不高，由于技術(shù)的核心模型和核心技術(shù)嚴(yán)格保密，運(yùn)行管理人員難以進(jìn) 行二次開發(fā)。國內(nèi)電力行業(yè)的科研院所如西安熱工研究院、華東電力試驗(yàn)研究院，高等院校如東南大學(xué)、 華北電力大學(xué)、上海電力學(xué)院的能源動力系，以及面向電力行業(yè)的企業(yè)如上海新華、北京國電 智深等單位，或進(jìn)行自主研發(fā)，或引進(jìn)外國成熟產(chǎn)品進(jìn)行改造，開發(fā)出一大批運(yùn)行優(yōu)化系統(tǒng)軟 件。其中具有代表性的軟件有：西安熱工研究院的廠級運(yùn)行性能在線診斷及優(yōu)化控制系統(tǒng)，實(shí) 行“實(shí)時優(yōu)化+生產(chǎn)

5、管理+遠(yuǎn)程監(jiān)管”的管控一體化應(yīng)用模式，該系統(tǒng)已應(yīng)用于包括寧夏石嘴山 電廠在內(nèi)的30多個燃煤機(jī)組切；東南大學(xué)的機(jī)組性能在線監(jiān)測系統(tǒng)（UPSS），已在彭城電廠、 華能淮陰電廠等國內(nèi)40多家火電機(jī)組中得到應(yīng)用；華東電力試驗(yàn)研究院的機(jī)組性能優(yōu)化管理 系統(tǒng)，在吳涇第二發(fā)電廠、外高橋電廠等機(jī)組上得到了有效應(yīng)用。對比國外的機(jī)組運(yùn)行優(yōu)化技術(shù)，國內(nèi)的研究具有以下優(yōu)點(diǎn)：1）開發(fā)單位更了解國內(nèi)機(jī)組 運(yùn)行的實(shí)際情況，開發(fā)出的軟件符合運(yùn)行管理人員的需要，針對性較強(qiáng)；2）實(shí)際價格較國外 同類軟件低。但同時劣勢也很明顯：1）理論研究相對滯后；2）由于開發(fā)單位需要獨(dú)立完成從 數(shù)學(xué)模型、算法實(shí)現(xiàn)到軟件平臺的全部開發(fā)過程，周期較

6、長，并且運(yùn)行優(yōu)化基準(zhǔn)值大多采用設(shè) 計(jì)值或熱力試驗(yàn)確定的最優(yōu)值，在整個大修期內(nèi)保持不變，缺少動態(tài)性。目前，國內(nèi)外對實(shí)時測量數(shù)據(jù)預(yù)測技術(shù)的定量研究方法主要有偏最小二乘模型和自適應(yīng)神 經(jīng)網(wǎng)絡(luò)模型的組合基于回歸神經(jīng)網(wǎng)絡(luò)和延時神經(jīng)網(wǎng)絡(luò)的雙重反向傳播（Back Propagation ,BP） 神經(jīng)網(wǎng)絡(luò)組合模型、基于列文伯格-馬夸爾特（Levenberg-Marquardt ,LM ）算法的BP神經(jīng)網(wǎng) 絡(luò)算法間、利用改進(jìn)的粒子群算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)權(quán)值對Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)的實(shí)時數(shù)據(jù)預(yù) 測方法以及人工神經(jīng)網(wǎng)絡(luò)。但是神經(jīng)網(wǎng)絡(luò)模型對樣本具有較強(qiáng)的依賴性，預(yù)測結(jié)果的成功與否 與樣本選取密切相關(guān)；且國內(nèi)外已有數(shù)

7、據(jù)預(yù)處理研究基本上是基于離線數(shù)據(jù)，基于實(shí)時性要求 較高的在線監(jiān)控系統(tǒng)數(shù)據(jù)預(yù)測的研究還比較少。二、目前可行的數(shù)據(jù)處理方法總結(jié)電廠數(shù)據(jù)預(yù)處理的簡要過程：把從MIS系統(tǒng)、SIS系統(tǒng)采集的數(shù)據(jù)與數(shù)據(jù)點(diǎn)表中定義的數(shù) 據(jù)點(diǎn)閥值進(jìn)行比較，對無效數(shù)據(jù)進(jìn)行過濾；并根據(jù)數(shù)據(jù)點(diǎn)表中定義的計(jì)算系數(shù)或計(jì)算方式進(jìn)行 計(jì)算。1、數(shù)據(jù)檢驗(yàn)法：常見的數(shù)據(jù)檢驗(yàn)方法有：（1）量程檢驗(yàn)法：根據(jù)不同測點(diǎn)所測量物理量的合理閾值范圍進(jìn)行 檢查，若超出這一范圍，則認(rèn)為含有顯著誤差。（2）冗余檢驗(yàn)法：借助于多種測量手段對同一過 程變量進(jìn)行測量，然后通過結(jié)果的比較來識別顯著誤差，如硬件李輝，等數(shù)據(jù)預(yù)處理技術(shù)在電廠 運(yùn)行優(yōu)化系統(tǒng)中的應(yīng)用研究111

8、（總1108）冗余檢驗(yàn)法。（3）統(tǒng)計(jì)分析檢驗(yàn)法：根據(jù)測量數(shù)據(jù)的 統(tǒng)計(jì)特性進(jìn)行檢驗(yàn)，如基于測量數(shù)據(jù)時間序列關(guān)系的AR、ARM等時間序列預(yù)測模型法和基于測 量數(shù)據(jù)的相關(guān)性分析的主成分分析（PCA）法。（4）機(jī)理模型檢驗(yàn)法：根據(jù)過程模型的經(jīng)驗(yàn)知識或 先驗(yàn)知識進(jìn)行檢驗(yàn)。（5）人工智能檢驗(yàn)法：通過對測量數(shù)據(jù)進(jìn)行預(yù)測來檢驗(yàn)數(shù)據(jù)是否含有顯著 誤差，如利用人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。2、數(shù)據(jù)協(xié)調(diào)算法數(shù)據(jù)協(xié)調(diào)算法主要有基于數(shù)字濾波的方法分箱方法、聚類方法、回歸方法、投影矩陣法等。 常用的數(shù)字濾波方法包括中值濾波、滑動平均濾波、慣性濾波、卡爾曼濾波以及復(fù)合濾波等。3、基于拉格朗日插值和GARCH模型的組合算法利用

9、神經(jīng)網(wǎng)絡(luò)組合器將拉格朗日插值算法和GARCH模型組合到一起，利用GARH模型良好 反應(yīng)數(shù)據(jù)波動的特性來克服拉格朗日插值的龍格現(xiàn)象，采用具有自適應(yīng)學(xué)習(xí)率的改進(jìn)BP神經(jīng) 網(wǎng)絡(luò)算法，可以加快神經(jīng)網(wǎng)絡(luò)的收斂速度，使得整個組合模型的計(jì)算效率大幅度提升。4、聚類分析算法聚類分析是計(jì)算機(jī)按照一定標(biāo)準(zhǔn)將研究對象分成特定數(shù)組，每個組中的研究對象有相似的 關(guān)系。如果處理的對象數(shù)據(jù)量不大時，可以手工分類數(shù)據(jù)，當(dāng)數(shù)據(jù)量變大時，就需要考慮利用 計(jì)算機(jī)編程出的算法對數(shù)據(jù)進(jìn)行自動分類。聚類分析算法是最有效的數(shù)據(jù)分析方法之一，在模 式識別、分類、系統(tǒng)決策以及機(jī)器學(xué)習(xí)當(dāng)中，包括數(shù)據(jù)挖掘、文獻(xiàn)檢索、圖像分割和模式分類 等，均有廣

10、泛的應(yīng)用。5、基于粗糙集（RS）理論的約簡法在保持信息系統(tǒng)分類能力不變的前提下，利用已知的知識庫，將不精確或不確定的知識用 知識庫中已知的知識來近似刻畫，通過知識的補(bǔ)充、約簡，導(dǎo)出問題的決策或分類規(guī)則。6、基于概念樹的數(shù)據(jù)濃縮法基于概念樹的數(shù)據(jù)預(yù)處理方法是一種歸納方法，其實(shí)是數(shù)據(jù)庫中元組合并的處理過程，其 基本思路如下：首先，一個屬性的較具體的值被該屬性的概念樹中的父概念所代替，然后對相 同元組進(jìn)行合并，構(gòu)成更宏觀的元組，并計(jì)算宏元組所覆蓋的元組數(shù)目（權(quán)重，T-weight）， 如果生成的宏元組數(shù)目仍然很大，那么用該屬性的概念樹中父概念去替代或者根據(jù)另一個屬性 進(jìn)行概念樹的提升操作，最后生成覆

11、蓋面更廣、數(shù)量更少的宏元組。7、分段曲線擬合算法利用多項(xiàng)式最小二乘擬合時，如果只利用單個多項(xiàng)式去擬合觀測窗口內(nèi)數(shù)據(jù)有可能造成數(shù) 據(jù)缺失等一系列問題。通過對采樣數(shù)據(jù)進(jìn)行分段加權(quán)擬合，可得到其連續(xù)的擬合信號，并在此 基礎(chǔ)上用相同方法求得的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)，利用兩者構(gòu)建的穩(wěn)態(tài)指數(shù)來表示過程狀態(tài)的穩(wěn) 定程度。分段曲線擬合同樣適用于多變量穩(wěn)態(tài)檢測過程，通過對每個關(guān)鍵變量的穩(wěn)態(tài)指數(shù)進(jìn)行 加權(quán)得到系統(tǒng)的穩(wěn)態(tài)指數(shù)來判斷穩(wěn)定程度。8、快速濾波算法的在線監(jiān)測數(shù)據(jù)預(yù)處理在線數(shù)據(jù)測量、傳輸過程中受到各種因素影響的作用相當(dāng)于在原始數(shù)據(jù)序列中疊加一些尖 峰數(shù)據(jù)，若用中值濾波快速算法預(yù)處理效果明顯。在有序序列的基礎(chǔ)上，用

12、二分法快速查找和 內(nèi)插，實(shí)現(xiàn)中值濾波。對無序序列來說，先由算法的第一部分獲得一個有序序列，以后的數(shù)據(jù) 可通過滑動窗先從無序序列取出數(shù)據(jù)與該有序序列的數(shù)據(jù)比較進(jìn)行排序、插值、這樣無序序列 就變成有序序列。9、遺傳算法它是一種基于生物進(jìn)化論和分子遺傳學(xué)的全局隨機(jī)搜索算法。遺傳算法的基本思想是將問 題的可能解按某種形式進(jìn)行編碼，形成染色體。隨機(jī)選取N個染色體構(gòu)成初始種群，再根據(jù)預(yù) 定的評價函數(shù)對每個染色體計(jì)算適應(yīng)值。選擇適應(yīng)值高的染色體進(jìn)行復(fù)制，通過遺傳運(yùn)算（選 擇、交叉變異）來產(chǎn)生一群新的更適應(yīng)環(huán)境的染色體，形成新的種群。這樣一代一代不斷繁殖 進(jìn)化，最后收斂到一個最適應(yīng)環(huán)境的個體上，從而求得問題的

13、最優(yōu)解。10、基于灰色模型的數(shù)據(jù)預(yù)處理方法采用對數(shù)列建立微分方程的辦法，對無規(guī)則的原始灰色數(shù)列進(jìn)行分析和預(yù)測。監(jiān)控系統(tǒng)數(shù) 據(jù)預(yù)測的研究還比較少?；疑到y(tǒng)理論適應(yīng)貧信息，抗噪聲能力強(qiáng)，已廣泛應(yīng)用于社會、經(jīng)濟(jì)、 工程預(yù)測等多領(lǐng)域以，但傳統(tǒng)的灰色模型對背景值和初值過分依賴，由此本文提出一種改進(jìn)的 灰色模型，在保證算法時間復(fù)雜度較低的情況下，使得實(shí)時測量數(shù)據(jù)獲得較高的預(yù)測精度。參考文獻(xiàn)：楊雯宇.基于穩(wěn)態(tài)檢測的電廠數(shù)據(jù)預(yù)處理研究D.華北電力大學(xué)(北京)，2017.林燕,王偉,徐遵義.灰色模型的改進(jìn)及其在電廠實(shí)時測量數(shù)據(jù)預(yù)處理中的應(yīng)用J.計(jì)算機(jī) 應(yīng)用，2016,36(S2):103-107.段文凱.火電廠性能監(jiān)控系統(tǒng)數(shù)據(jù)預(yù)處理技