一种工业过程稳态检测方法、系统、介质、设备及终端技术方案

本发明专利技术属于工业稳态检测技术领域，公开了一种工业过程稳态检测方法、系统、介质、设备及终端，采用高斯滤波器对目标序列进行滤波处理；对滤波后的目标序列计算一阶差分，通过差分值反映数据变化的方向和程度；采用高斯混合模型对差分值序列进行建模，得到目标参数在稳态下的波动标准差的估计值；采用CUSUM控制图进行煤电机组工业过程时序数据的稳态判别检测。本发明专利技术基于大量历史过程数据，从全局角度估计出目标工况参数在稳态下的波动标准差，且历史数据量越大，该方法鲁棒性越强。对比结果显示，本发明专利技术的自适应CUSUM控制图工业过程稳态检测方法有更好的效果，能对持续时间段的稳态序列进行检测，更加适合运行工况频繁切换的场景。场景。场景。

【技术实现步骤摘要】
一种工业过程稳态检测方法、系统、介质、设备及终端


[0001]本专利技术属于工业稳态检测
，尤其涉及一种工业过程稳态检测方法、系统、介质、设备及终端。

技术介绍

[0002]目前，煤电机组承担了我国电力生产中主要的调峰任务，在机组运行过程中会出现频繁的工况切换，导致机组过程数据表现为“稳态
‑
非稳态
‑
稳态”模式；工况调节时，不同状态参数之间存在不同程度的时间延迟，导致稳态过程数据和非稳态过程数据中的信息表征存在差异，因此稳态判别对工况变化敏感的建模过程具有重要意义。
[0003]工业过程数据测量中广泛存在着测量噪声干扰和系统突发波动，这都导致工况参数即使是在指定工况水平下，仍然会出现一些超出波动允许水平的数据点，进而导致判别的稳态不断被这些噪声点破坏而影响完整性。
[0004]通过上述分析，现有技术存在的问题及缺陷为：现有工业过程数据测量方法中存在的测量噪声干扰和系统突发波动导致工况参数即使在指定工况水平下，仍会出现超出波动允许水平的数据点，导致判别稳态被破坏而影响完整性。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供了一种工业过程稳态检测方法、系统、介质、设备及终端，尤其涉及一种基于自适应累积和控制图(CUSUM)的煤电机组工业过程数据的稳态检测方法、系统、介质、设备及终端。
[0006]本专利技术是这样实现的，一种工业过程稳态检测方法，工业过程稳态检测方法包括：采用高斯滤波器对煤电机组历史工作过程数据集进行高斯滤波处理，得到滤波后的煤电机组历史工作过程数据集；对滤波后的煤电机组历史工作过程数据集进行差分处理，得到一阶差分数据集；利用高斯混合模型(GMM)对一阶差分数据集进行建模，得到稳态下序列波动标准差的估计值；利用自适应CUSUM控制图对待处理的煤电机组连续工作过程数据进行处理，得到稳态判别结果。
[0007]进一步，工业过程稳态检测方法还包括：
[0008]采用高斯滤波器对目标序列进行滤波处理；对滤波后的目标序列计算一阶差分，通过差分值反映数据变化的方向和程度；采用高斯混合模型对差分值序列进行建模，将均值近似等于0的分模型认为是稳态序列的波动分布，进而得到目标参数在稳态下的波动标准差的估计值；最后采用CUSUM控制图进行煤电机组工业过程时序数据的稳态判别检测，获得稳态判别结果。
[0009]进一步，工业过程稳态检测方法包括以下步骤：
[0010]步骤一，数据滤波：采用高斯滤波器对历史过程数据集进行高斯滤波；
[0011]步骤二，获取目标数据中稳态序列的波动分布，基于序列差分值，优选混合高斯模型描述序列稳态下的波动分布；
[0012]步骤三，基于检测子序列的均值和波动标准差，基于累积和控制图进行煤电机组工业过程时序数据的稳态判别。
[0013]进一步，步骤二中，采用高斯混合模型对目标序列稳态下的标准差进行估计。在煤电机组中，工况参数的变化趋势分为上升、稳态和下降三种，而变化趋势是序列的一阶差分的累积结果；采用高斯混合模式对目标序列一阶差分值的分布建模，将均值近似等于0的分模型认为是序列中稳态子序列的波动分布，进而得到工况参数在稳态下标准差的估计值。
[0014]进一步，步骤三中，采用遍历的方式对目标序列中的稳态子序列进行判别，提出“生长稳态子序列”的概念估计当前稳态子序列的均值。每个稳态子序列均由一个点生成，以当前子序列的均值对序列中的下一个点进行判别；若属于当前稳态子序列，则当前子序列生长，将当前判别点加入到当前稳态子序列，并更新均值，继续对后续数据点进行判别；若不属于当前稳态子序列，则当前稳态子序列停止生长，将当前判别点当做下一个稳态子序列的起始点，对后续数据点进行判别；直至目标序列中所有的数据点遍历完成，稳态判别过程结束。
[0015]进一步，在整个遍历过程中，当前稳态子序列的均值随着当前稳态子序列生长而进行更新。
[0016]本专利技术的另一目的在于提供一种应用所述的工业过程稳态检测方法的工业过程稳态检测系统，工业过程稳态检测系统包括：
[0017]数据滤波模块，用于采用高斯滤波器对历史过程数据集进行高斯滤波；
[0018]序列差分模块，用于获取目标数据中稳态序列的波动分布，基于序列差分值，优选混合高斯模型描述序列稳态下的波动分布；
[0019]稳态判别模块，用于基于检测子序列的均值和波动标准差，基于累积和控制图进行煤电机组工业过程时序数据的稳态判别。
[0020]本专利技术的另一目的在于提供一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的工业过程稳态检测方法的步骤。
[0021]本专利技术的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的工业过程稳态检测方法的步骤。
[0022]本专利技术的另一目的在于提供一种信息数据处理终端，信息数据处理终端用于实现所述的工业过程稳态检测系统。
[0023]结合上述的技术方案和解决的技术问题，本专利技术所要保护的技术方案所具备的优点及积极效果为：
[0024]第一，针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本专利技术的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本专利技术技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
[0025]本专利技术提供了一种煤电机组过程数据的稳态判别方法，首先采用高斯滤波器对目标序列进行滤波处理；然后对滤波后的目标序列计算一阶差分，该差分值可以反映数据变化方向和程度，采用高斯混合模型对差分值序列建模，将均值近似等于0的分模型认为是稳态序列的波动分布，进而得到目标参数在稳态下的波动标准差的估计值；最后采用CUSUM控制图进行时序数据稳态判别。
[0026]本专利技术提出的基于自适应CUSUM控制图的稳态检测方法，基于大量的历史过程数据，从全局角度估计出目标工况参数在稳态下的波动标准差，并且历史数据量越大，该方法鲁棒性越强。
[0027]第二，把技术方案看做一个整体或者从产品的角度，本专利技术所要保护的技术方案具备的技术效果和优点，具体描述如下：
[0028]在获取该机组负荷时序数据中稳态波动标准差的估计值的前提下，采用本专利技术提出的自适应CUSUM控制图对目标参数的过程数据进行检测，取某一片段时序数据来展示检测效果，并和R检测方法进行对比。对比结果显示，本专利技术提供的自适应CUSUM控制图工业过程稳态检测方法有更好的效果，能对持续时间段的稳态序列进行检测，因此更加适合运行工况频繁切换的场景。
附图说明
[0029]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业过程稳态检测方法，其特征在于，包括：采用高斯滤波器对煤电机组历史工作过程数据集进行高斯滤波处理，得到滤波后的煤电机组历史工作过程数据集；对滤波后的煤电机组历史工作过程数据集进行差分处理，得到一阶差分数据集；利用高斯混合模型对一阶差分数据集进行建模，得到稳态下序列波动标准差的估计值；利用自适应CUSUM控制图对待处理的煤电机组连续工作过程数据进行处理，得到稳态判别结果。2.如权利要求1所述工业过程稳态检测方法，其特征在于，工业过程稳态检测方法还包括：采用高斯滤波器对目标序列进行滤波处理；对滤波后的目标序列计算一阶差分，通过差分值反映数据变化的方向和程度；采用高斯混合模型对差分值序列进行建模，将均值近似等于0的分模型认为是稳态序列的波动分布，进而得到目标参数在稳态下的波动标准差的估计值；最后采用CUSUM控制图进行煤电机组工业过程时序数据的稳态判别检测，获得稳态判别结果。3.如权利要求1所述工业过程稳态检测方法，其特征在于，工业过程稳态检测方法包括以下步骤：步骤一，数据滤波：采用高斯滤波器对历史过程数据集进行高斯滤波；步骤二，获取目标数据中稳态序列的波动分布，基于序列差分值，优选混合高斯模型描述序列稳态下的波动分布；步骤三，基于检测子序列的均值和波动标准差，基于累积和控制图进行煤电机组工业过程时序数据的稳态判别。4.如权利要求3所述的工业过程稳态检测方法，其特征在于，步骤二中，采用高斯混合模型对目标序列稳态下的标准差进行估计；在煤电机组中，工况参数的变化趋势分为上升、稳态和下降三种，而变化趋势是序列的一阶差分的累积结果；采用高斯混合模式对目标序列一阶差分值的分布建模，将均值近似等于0的分模型认为是序列中稳态子序列的波动分布，进而得到工况参数在稳态下标准差的估计值。...

【专利技术属性】
技术研发人员：胡迪，杨涛，方庆艳，张颖，张家盛，谭亲雄，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：