火电厂实时监控系统测量数据预测的研究进展

《火电厂实时监控系统测量数据预测的研究进展》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、中国科技论文在线http://www.paper.edu.cn第21卷第2期电站系统工程Vol.21No.22005年3月PowerSystemEngineeringMar.,2005文章编号：1005-006X(2005)02-0001-04火电厂实时监控系统测量数据预测的研究进展浙江大学陈丽丽李蔚盛德仁陈坚红任浩仁摘要：分类介绍近年来国内外各种数据预测方法，重点论述各种人工神经元网络的数据预测应用情况，包括BP神经网络、Fuzzy神经网络、径向基神经网络（RBF）、自联想神经网络（AANN）

2、、基于神经网络的偏最小二乘法（NNPLS）以及组合预测方法。针对火电厂测量数据的特点及实时监控系统的要求，可以考虑将NNPLS法运用在实时数据预测方面，利用其应用简单、收敛迅速、估计值对噪声和坏点敏感度低等优点提高预测的效率和精度。关键词：数据预测；火电厂；实时监控系统中图分类号：TM621文献标识码：AResearchProgressAboutMeasuredDataForecastingofReal-timeMonitoredControlSysteminPowerPlantCHENLi-l

3、i,LIWei,SHENGDe-ren,CHENJian-hong,RENHao-renAbstract:VarietyofclassifiedforecastingmethodsrecentlyusedinChinaandabroadareintroduced,especiallykindsofANNmodelsandtheirimprovementsandapplicationswhichincludeBP,FuzzyNeuralNetwork(FNN),RadialBasedFunctio

4、n(RBF),AutoassociativeNeuralNetwork(AANN),NeuralNetworkPartialLeastSquare(NNPLS)andcombinedforecastingmodel.Consideringthefeaturesofmeasureddataandrequirementsofreal-timemonitoredcontrolsystem,theNNPLSmodelishighlyrecommendedinreal-timedataforecastin

5、g.Forecastingefficiencyandaccuracycanbepromotedduetoitsmeritsofeasilyapplication,rapidlyconvergenceandlowsensitivitytonoisesandbadpoints.Keywords:dataforecasting;powerplant;real-timemonitoredcontrolsystem(2)测量数据具有非线性时变的特性。1火电厂测量数据预测的必要性(3)采样频率低，可供建预测

6、模型的数据量较少。大型电厂的实时控制系统大致分为数据采集、故障监测(4)各测点的测量值具有一定联系，但理论上尚未有准与诊断、设备维护与优化3个模块，其中设备故障诊断所需确的模型或公式说明，只能根据经验估计测点的大概趋势。的大量实时数据来自现场数据采集系统。若这些原始数据不3数据预测方法能反映相应设备的真实运行状态，将直接影响到自动控制系统后继模块的正确运行。因此，为了保证电厂整体运行的安由于火电厂测量数据的时变特性，传统的时序预测方法全性和经济性，做好测量数据的预测和验证是十分必要的。如ARMA

7、、回归分析法等仍存在一定参考价值，作为发展检验测量数据真实有效的最一般方法是根据不同测点成熟的算法体系，仍在不少工程项目上应用。近年来各种神所测量物理量的合理阈值范围来大致估计测量值的正确性。经网络模型的发展为建立非线性数学模型开辟了新的研究这种方法太过粗糙，当测量值处于阈值范围内时不能判断其方向，本文将结合各类文献对数据预测方法进行详细论述。是否准确。而通过对测量值的预测来估计数据的真实性是一3.1测点冗余技术个十分有效的途径。当某个传感器发生故障，可以用预测值对于一些特别重要的参数，可以采用

8、冗余测量技术，用来代替测量值完成下一阶段的工作。这个方法被许多研究人[26]平均值偏差检测、偏差积分检测、数据信息融合等方法进员证实是一个行之有效的手段，因而得到广泛应用。行判别，可靠性较高，但要增加相应的硬件投入，当冗余传感器的数目较少时无法准确定位故障传感器，所以只能用于2电站系统测量数据的特点少数特别重要的参数测量。了解被预测数据的特点对预测方法的研究与选择尤为3.2ARMA法重要，将测量数据的特点大致归纳如下：ARMA方法是AR（自回归模型）和MA（滑动平均模(1)测点分布广、测得的物理