[发明专利]一种冗余数据检验方法

说明书

技术领域

本发明涉及一种数据检验方法，具体为一种火电厂在线热工测量的冗余数据的检验方法。 

背景技术

随着大数据时代的到来，各行各业都面临着海量数据和信息的处理，数据的准确性甄别就显得尤为重要。 

对于火力发电厂，热工测量仪表的工作环境恶劣，噪声、高温、压力波、电磁波、机械振动等干扰频繁，测量数据可靠性和稳定性随之下降，测点容易发生突发故障。随着SIS的广泛推广和应用，火力发电厂的实时参数监控面临的测量数据准确性问题愈来愈突出。对于重要监测数据，一般都装设有冗余测量和多点测量装置，使得测点的准确性和可靠性得到保证。 

传统的冗余检验法是通过简单的三取中法、统计检验法（如格拉布斯法等）和表决法（如平均值偏差法等）。上述每种检验方法都存在各自的缺陷，如两个以上的测点出故障，三取中或四取中也可能会得到异常值；格拉布斯法检验对于测量的准确度反映不灵敏，只对大的偏差才有反映；表决法如平均值偏差、偏差积检测对于测量数据的小偏差很灵敏，对于大的偏差则可能陷入迷茫。 

传统的冗余检验法仅仅是用某一种方法如统计检验，偏差积检验，或者多种检验同时进行，存在的问题就是每种检验方法都存在局限性，检验结果不可靠。若采用多种检验方法进行检验，则面临多个检验结果难以决策，计算机实现困难的问题。 

发明内容

本发明所解决的技术问题在于提供一种冗余数据检验方法，以解决上述背景技术中的问题。 

本发明所解决的技术问题采用以下技术方案来实现：一种冗余数据检验方法，包括以步骤： 

一种冗余数据检验方法，包括以步骤：

步骤（1）：冗余数据序列构成

判断测点的测量数据x₀的准确性，按照测点分布和测量数据相关性确定冗余测点，通过数据采集程序采集n-1个冗余测量数据，生成数据个数为n序列，同时存储到list容器中；

步骤（2）：序列特征值检验

计算序列平均值和样本标准差，判断样本标准差是否超出标准差上限值，若“否”则进入步骤（5）,若“是”则进入步骤（3）；

步骤（3）：狄克松检验

先对数据个数大于2的序列进行排序，对序列最小值和最大值构造统计量，选定显著度，查询各统计量的临界值，如果统计量大于临界值则认为是异常点，同时剔除该点；剔除后的序列包含的数据个数如果小于3则停止检验且判断待检测数据是否还在剔除后序列中，再进入步骤（5）；剔除后的序列包含的数据个数如果不小于3则继续构造统计量进行检验，当统计量都小于等于临界值且剔除后的序列包含的数据个数大于２，则进入步骤（4）；

步骤（4）：偏差积检验

利用冗余备份的测量仪表的测量结果的相对偏差来进行表决，偏差积定义为 ；偏差积中包括了测量仪表与其余各冗余备份的相对偏差，不包括与测量仪表无关的任意两个测量仪表之间的相互偏差；比较偏差积和偏差积上限值，判断测量仪表的偏差积是否大于偏差积上限值，若“是”则剔除个数k累加1，若“否”则将数据存到list1容器中；对list容器中的所有的数据检验完毕后，判断检验过程剔除异点个数k是否小于n-2,若“否”则进入步骤（5）；若“是”则继续判断x₀是否在list1容器中，再进入步骤（5），同时以list1容器中序列平均值作为重构值；

步骤（5）：冗余数据状态信息提示

依据特征值检验、狄克松检验和偏差积检验结果给出相应数据检验状态信息提示。

步骤（2）中序列平均值的检验范围按照测量数据的实际可能变化范围来确定。 

步骤（2）中标准差上限值引入测量不确定度进行确定，即标准差上限值等于参数测量绝对不确定度乘以2再除以序列数据个数的平方根。 

步骤（3）中选定显著度取0.05。 

步骤（4）偏差积上限值等于以测量绝对不确定度为底数，序列个数减1为指数的幂；其中，测量绝对不确定度为相对不确定度δ%与list中序列平均值的乘积。