电站锅炉受热面污染程度判定方法技术

本发明专利技术涉及一种电站锅炉受热面污染程度判定方法，包括：定时获取电站锅炉运行数据；从运行数据中筛选出受热面较洁净的数据作为训练集，以剩余数据或预设时间内的数据作为测试集；对训练集和测试集的数据分别进行标准化处理和主成分分析得到降维数据；分别计算降维数据的SPE统计量以及训练集的SPE统计量的控制限；根据测试集的SPE统计量和训练集的控制限判定对应受热面的污染程度。本发明专利技术可针对不同受热面，采用同样的算法实现污染程度判定，无需实时测算洁净因子，既能减少使用参数、计算量及计算时间，又能保证灰污监测的准确性。又能保证灰污监测的准确性。又能保证灰污监测的准确性。

【技术实现步骤摘要】
电站锅炉受热面污染程度判定方法


[0001]本专利技术涉及电站锅炉受热面积灰、结渣程度监测
，具体涉及一种电站锅炉受热面污染程度判定方法。

技术介绍

[0002]目前我国电站锅炉的吹灰一般基于操作规程定期进行，基本按照从炉膛到水平烟道再到尾部烟道进行吹灰。这种吹灰方式的优点是较为简单，但同时，由于各个受热面的污染程度以及污染时间不同，按序吹灰的方式有可能造成有的受热面过吹而有的受热面欠吹，继而引发吹灰成本提高、受热面吹损维护费用增加、积灰清理不足或不及时传热效果较低、汽温偏差大、管壁超温等问题。
[0003]因此需要对锅炉的各个受热面进行灰污监测，根据不同受热面的污染情况进行针对性地吹灰。目前常用的灰污监测方法主要是计算受热面的洁净因子，这种方法需要根据不同受热面的位置采用不同的传热公式，需要大量的参数数据，计算量大且复杂，而且很多参数并没有测点获取数据，只能采用设计值进行插值拟合，就会造成很大的误差。

技术实现思路

[0004]针对现有方法或技术的不足，本专利技术提供了一种电站锅炉受热面污染程度判定方法、一种电站锅炉受热面污染程度判定装置和一种计算机可读存储介质，其可以解决现有电站锅炉污染监测需要大量参数数据，计算过程复杂且部分参数难以直接测得，导致误差的问题。
[0005]具体的，本专利技术实施例提出一种电站锅炉受热面污染程度判定方法，包括：步骤S1：定时获取电站锅炉运行数据；步骤S2：从所述运行数据中筛选出受热面较洁净的数据作为训练集，以剩余数据或预设时间内的数据作为测试集；步骤S3：对所述训练集和所述测试集的数据分别进行标准化处理和主成分分析得到降维数据；步骤S4：分别计算所述降维数据的SPE统计量以及所述训练集的SPE统计量的控制限；步骤S5：根据所述测试集的SPE统计量和所述训练集的SPE统计量的控制限判定对应受热面的污染程度。
[0006]在本专利技术的一个实施例中，在步骤S2之前，还包括：将所述运行数据以矩阵的形式记录为X＝{x
ij
}
m
×
n
，其中，数据获取时间和每个运行参数分别作为该矩阵的一行和一列，m和n分别是该矩阵的行数和列数，1≤i≤m，1≤j≤n；对每一列矩阵X中的数据逐行进行异常值诊断，获得正常值所在行索引构成的集合E
j
，遍历各列，将所有列的正常数据进行交集计算，获得剔除异常值之后所剩下的全部正常值的索引构成的集合E，根据集合E中的索引获取正常数据矩阵X。
[0007]在本专利技术的一个实施例中，所述异常值诊断包括：对于第j列的第i行数据x
ij
，若则判断x
ij
为异常值，其中δ
j
为第j列运行参数的变化限。
[0008]在本专利技术的一个实施例中，步骤S2包括：根据预先测得的洁净因子从所述运行数
据中筛选出受热面洁净度达到前预设百分比的数据作为训练集，以连续的一段所述预设时间内的数据作为测试集。
[0009]在本专利技术的一个实施例中，在步骤S3中，所述测试集进行标准化处理需要的均值及方差均采用所述训练集的均值及方差；所述测试集的降维矩阵采用训练集的主成分分析过程中包含主元信息的矩阵。
[0010]在本专利技术的一个实施例中，步骤S3中所述主成分分析包括：计算训练集的协方差矩阵C：对所述协方差矩阵C进行特征值分解：其中A为特征值构成的对角矩阵，V∈R
m
×
n
为正交矩阵，P为V的前a列，包含了所有主元信息；计算前a个特征值的累计贡献率：其中l为累计贡献率下限，若前a个特征值的累计贡献率d
a
小于l，则继续增加主元个数a，直至满足条件。
[0011]在本专利技术的一个实施例中，步骤S4中所述SPE统计量的计算公式为：SPE＝X
T
(I
‑
PP
T
)
T
(I
‑
PP
T
)X，其中X为标准化后的训练集，P为训练集的协方差矩阵特征值分解后由特征向量的前a列构成的矩阵；SPE统计量的控制限计算公式为：其中c
α
是标准正态分布的置信极限，满足公式：α取值0.01
‑
0.05。
[0012]在本专利技术的一个实施例中，在步骤S5中，若测试集的SPE统计量SPE
test
<Q
α
，则认为受热面污染程度较低，反之若SPE
test
≥Q
α
，则认为受热面污染程度较高。
[0013]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，采用较少的运行参数，相同且较为简单的计算方法，对电站锅炉的各个不同受热面的灰污程度进行实时监测，在很大程度上简化了计算，从而减少了计算所需的资源以及时间，同时还能保证其灰污程度判断的准确性。
[0014]通过以下参考附图的详细说明，本专利技术的其他方面的特征变得明显。但是应当知道，该附图仅仅为解释的目的设计，而不是作为本专利技术的范围的限定。还应当知道，除非另外指出，不必要依比例绘制附图，它们仅仅力图概念地说明此处描述的结构和流程。
附图说明
[0015]图1为本专利技术实施例提供的电站锅炉受热面污染程度判定方法的流程图；
[0016]图2为本专利技术实施例提供的电站锅炉受热面污染程度判定方法的具体执行步骤示意图；
[0017]图3为本专利技术实施例提供的低温再热器灰污监测示例图；
[0018]图4为本专利技术实施例提供的电站锅炉受热面污染程度判定装置的结构示意图；
[0019]图5为本专利技术实施例提供的计算机可读存储介质的结构示意图。
[0020]附图标记说明
[0021]S1至S5：电站锅炉受热面污染程度判定方法的步骤；
[0022]20：电站锅炉受热面污染程度判定装置；201：数据获取模块；202：数据筛选模块；203：数据处理模块；204：统计量计算模块；205：污染程度判定模块；
[0023]30：计算机可读存储介质。
具体实施方式
[0024]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施案例仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0025]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以互相组合。下面将参考附图并结合实施例来说明本专利技术。
[0026]为了使本领域普通技术人员更好地理解本专利技术的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例，都应当属于本专利技术的保护范围。
[0027]需要说明的是，本专利技术的说明书和权利要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电站锅炉受热面污染程度判定方法，其特征在于，包括：步骤S1：定时获取电站锅炉运行数据；步骤S2：从所述运行数据中筛选出受热面较洁净的数据作为训练集，以剩余数据或预设时间内的数据作为测试集；步骤S3：对所述训练集和所述测试集的数据分别进行标准化处理和主成分分析得到降维数据；步骤S4：分别计算所述降维数据的SPE统计量以及所述训练集的SPE统计量的控制限；步骤S5：根据所述测试集的SPE统计量和所述训练集的SPE统计量的控制限判定对应受热面的污染程度。2.根据权利要求1所述的电站锅炉受热面污染程度判定方法，其特征在于，在步骤S2之前，还包括：将所述运行数据以矩阵的形式记录为X＝{x
ij
}
m
×
n
，其中，数据获取时间和每个运行参数分别作为该矩阵的一行和一列，m和n分别是该矩阵的行数和列数，1≤i≤m，1≤j≤n；对每一列矩阵X中的数据逐行进行异常值诊断，获得正常值所在行索引构成的集合E
j
，遍历各列，将所有列的正常数据进行交集计算，获得剔除异常值之后所剩下的全部正常值的索引构成的集合E，根据集合E中的索引获取正常数据矩阵X。3.根据权利要求2所述的电站锅炉受热面污染程度判定方法，其特征在于，所述异常值诊断包括：对于第j列的第i行数据x
ij
，若则判断x
ij
为异常值，其中δ
j
为第j列运行参数的变化限。4.根据权利要求1所述的电站锅炉受热面污染程度判定方法，其特征在于，步骤S2包括：根据预先测得的洁净因子从所述运行数据中筛选出受热面洁净度达到前预设百分比的数据作为训练集，以连续的一段所述预设时间内的数据作为测试集。5.根据权利要求1所述的电站锅炉受热面污染程度判定方法，其特征在于，在步骤S3中，所述测试集进行标准化处理需要的均值及方差均采用所述训练集的均值及方差；所述测试集的降维矩阵采用训练集的主成分分析过程中包含主元信息的矩阵。6.根据权利要求1所述的电站锅炉受热面污染程度判定方法，其特征在于，步骤S3中所述主成分分析包括：计算训练集的协方差矩阵C：对所述协方差矩阵C进行特征值分解：其中A为特征值构成的对角矩阵...

【专利技术属性】
技术研发人员：谭鹏，蒲靖凡，朱恒毅，陈鸿，张成，方庆艳，陈刚，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：