[发明专利]燃煤发电装备非平稳运行的单变量报警阈值优化方法

说明书

本发明提供了一种燃煤发电装备非平稳运行的单变量报警阈值优化方法，S1.获得非平稳正常运行时若干过程变量的采样数据以获得二维数据矩阵；S2.选取工况指示变量和待优化过程变量，并获得待优化过程变量的M个工况条；S3.将M个工况条依次划入若干工况段中，并确定每个工况段的报警优化阈值和对应的工况指示变量值。借助工况指示变量将非平稳过程转化成平稳的工况片，可以根据需要选取与工况指示变量相关性大的单变量作为阈值优化的对象。简单有效地减少过程的误报率，大大减少无效报警数量，避免了因大量干扰报警而忽略了关键报警信息，从而保障了生产过程的安全、高效运行。

技术领域

本发明属于非平稳高端燃煤发电过程报警管理技术领域，尤其是涉及一种面向高端燃煤发电装备非平稳运行的单变量报警阈值优化方法。

背景技术

随着新兴技术的高速发展，工业过程也日益大型化、精细化。如何保障生产过程安全运行，降低故障的发生次数，对于提高产品质量及经济效益有着重要意义。报警系统作为保证当前生产过程和设备安全运行的关键环节，其设计的合理与否关乎着工业过程的运行情况。目前，报警系统存在的主要问题是报警数目过多，根据EEMUA准则，操作人员每10分钟处理的报警数目不应超过1个。然而，由于阈值设计的不合理，现场的操作人员每小时将要面对着几十甚至上百个报警信息。这些报警多为干扰报警，消耗着操作员的精力，甚至将关键报警信息淹没，致使严重故障的发生。因而，对报警系统进行合理的阈值优化具有重要研究意义和应用价值。

现有的报警阈值设计方法包括基于模型、基于知识和基于统计的方法。基于模型的方法需要建立生产过程的数学模型，根据模型输入、过程参数等信息实时调节报警阈值。然而随着生产工艺的日益复杂，很难得到准确、完整的数学模型来表征整个系统。因此，基于数学模型的阈值优化方法不再适用。基于知识的方法如专家系统、模糊推理，依据专家的经验知识，模拟专家的思维逻辑去解决某一问题。这类方法高度依赖于专家知识的完备程度，现有的知识库很难满足实际的生产需要，需要考虑如何集成多源信息，动态完善知识库等问题。基于统计的方法是目前应用最多的，也是主流研究方向。最典型的是三倍标准差法，采集过程的正常运行数据进行统计分析，获得均值μ和方差σ²。落在[μ-3σ,μ+3σ]区间范围的数据被认为是正常数据，概率为97.38％，其上下限分别作为高报警阈值、低报警阈值。其对数据质量的要求比较高，且需要充足的样本来估计出合理的阈值。

发明内容

本发明的目的是针对上述问题，提供一种燃煤发电装备非平稳运行的单变量报警阈值优化方法。

为达到上述目的，本发明采用了下列技术方案：

一种燃煤发电装备非平稳运行的单变量报警阈值优化方法，包括以下步骤：

S1.获得非平稳正常运行时若干过程变量的采样数据以获得二维数据矩阵；

S2.选取工况指示变量和待优化过程变量，并获得待优化过程变量的M个工况条；

S3.将M个工况条依次划入若干工况段中，并确定每个工况段的报警优化阈值和对应的工况指示变量值。

在上述的燃煤发电装备非平稳运行的单变量报警阈值优化方法中，步骤S4之后还包括：

S4.采集在线运行过程中若干过程变量的样本数据，并根据工况指示变量值确定新样本数据所属的工况段；

S5.实时比较待优化过程变量的当前值及其所属工况段的报警优化阈值，当当前值在报警优化阈值范围外时发出报警信息。

在上述的燃煤发电装备非平稳运行的单变量报警阈值优化方法中，步骤S2具体包括：

S21.选取工况指示变量，并依据工况指示变量升序/降序将采样数据划分为M个工况片以重构采样数据的二维矩阵；

S22.选取待优化过程变量，并分别获取每个工况片中的待优化过程变量，以获得待优化过程变量的M个工况条。