[发明专利]一种多元数据融合的烟道风量误差软校正方法及系统

说明书

本发明公开了一种多元数据融合的烟道风量误差软校正方法及系统，本发明包括使用相关性系数筛选烟道风量的关联变量，建立包括各个关联变量、烟道风量之间的映射模型的多元数据融合的风量软测量模型；使用指定工况下实测的关联变量的值使用映射模型得到排烟风量并融合为软测量预测烟道风量；将实测烟道风量与软测量预测烟道风量进行连续差分来获得实测烟道风量与软测量预测烟道风量之间的差分值，根据差分值的变化趋势确定烟道风量传感器的漂移量以实现对烟道风量传感器的误差软校正。本发明通过确定实测烟道风量传感器的漂移量并应用于传感器的误差补偿，从而能够实现烟道风量的软校准，提高传感器测量排烟风量的准确度。

技术领域

本发明涉及热工检测技术领域，具体涉及一种多元数据融合的烟道风量误差软校正方法及系统。

背景技术

燃煤火电机组烟气流量不仅是环保监测数据的重要参数，也是影响电厂安全、经济运行的重参数。燃煤火电机组烟气流量的测量主要是借助安装在管道中的烟气流量传感器完成测量。然而，风量传感器由于其自身特性或者周围恶劣环境(温度、湿度等)的影响下，会发生一定程度的漂移，且随着时间的延长，其漂移量越来越大，导致烟气测量精度产生较大偏差。当传感器不校准时，偏差较大，且随着时间增加，偏差越来越大；现有的传感器校准方法为将传感器拆卸下来重新标定，但此方法会使机组停机，浪费了大量的人工及时间成本。因此，如何实现精确的烟道风量误差软校正，已成为燃煤火电机组烟气流量检测技术中一项亟待解决的关键技术问题。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种多元数据融合的烟道风量误差软校正方法及系统，本发明通过确定实测烟道风量传感器的漂移量并应用于传感器的误差补偿，从而能够实现烟道风量的软校准，提高传感器测量排烟风量的准确度。

为了解决上述技术问题，本发明采用的技术方案为：

一种多元数据融合的烟道风量误差软校正方法，包括：

S101，计算历史数据样本中各参数变量与烟道风量之间的相关性系数，最后留用相关性系数最高的部分参数变量作为烟道风量的关联变量；

S102，根据烟道风量的关联变量建立多元数据融合的风量软测量模型，所述多元数据融合的风量软测量模型包括各个关联变量、烟道风量之间的映射模型；

S103，使用指定工况下实测的关联变量的值使用映射模型得到排烟风量，将得到的所有排烟风量融合为软测量预测烟道风量；

S104，将指定工况下相同时间对应的烟道风量传感器的实测烟道风量与软测量预测烟道风量进行连续差分，来获得实测烟道风量与软测量预测烟道风量之间的差分值，并根据差分值的变化趋势确定烟道风量传感器的漂移量，将烟道风量传感器的漂移量应用于烟道风量传感器的误差补偿，从而实现对烟道风量传感器的误差软校正。

可选地，步骤S101中相关性系数的计算函数表达式为：

上式中，r为相关性系数，X_i为参数变量X的第i个样本值，为参数变量X的均值，Y_i为烟道风量Y的第i个样本值，为烟道风量Y的均值，n为历史数据样本的数量。

可选地，步骤S102中关联变量、烟道风量之间的映射模型为关联变量、烟道风量之间的一元线性回归模型，所述一元线性回归模型的函数表达式为：

y＝λ₀+λ₁x+εε～N(0，σ²)，

上式中，y为烟道风量，x为关联变量，λ₀、λ₁和σ²为参数，ε为服从分布N(0，σ²)的随机量，且λ₀、λ₁和σ²的估计量以及为经过下式逆回归分析得到：