稳定工况识别方法及系统、设备及介质与流程

1.本发明涉及人工智能领域，具体而言，涉及一种稳定工况识别方法及系统、设备及介质。


背景技术：

2.热电厂锅炉在燃烧过程中燃烧效率和nox排放量会受到一些操作变量的影响，如一次风门开度、二次风门开度等，使得这两个锅炉性能指标无法保证当前工况下是较优的，为了能够提升锅炉的燃烧效率，同时尽可能降低nox排放量，可以采用案例推理的方法通过比对实时数据从历史工况中找到较优的操作参数，为现场运维人员操作提供参考，从而使得锅炉性能指标达到较优的水平。
3.目前，通过变点检测进行稳定工况的划分，变点检测常用的算法包括标准偏差方法和贝叶斯在线变点检测。其中标准偏差方法是最简单的一种变点检测方法，其原理是通过设定一个阈值，采用滑动窗口方式计算窗口时间内数据的标准偏差，如果计算值低于给定阈值，则认为该时间内数据处于稳定状态，否则判定为非稳定状态，该算法优点是简单便捷，缺点是受限于给定阈值，无法精准找到变点位置；贝叶斯在线变点检测方法是一种经典的概率统计方法，其原理是假设观测数据均满足某种先验概率分布，对于新观测的数据根据该概率分布可以计算其概率值，然后计算出每个点的行程长度值，检验当前行程长度与上一次是否一致，如果不一致则认为是变点，再更新概率分布参数，作为下一次的先验概率参数，该算法优点是计算相对精准，缺点是需要假设先验概率分布和风险函数，迭代计算时间长。


技术实现要素：

4.本发明的目的在于提供一种基于ruptures算法的稳定工况识别方法及系统、设备及介质，以解决现有技术的缺陷中的至少之一。
5.为此，本发明一方面提供一种基于ruptures算法的稳定工况识别方法，包括获取锅炉的历史工况数据，对所述历史工况数据进行预处理；采用ruptures算法识别所述历史工况数据的变点；根据所述历史工况数据的变点得到持续时间并根据持续时间对稳定工况和非稳定工况进行标记。
6.可选地，所述历史工况数据为与燃烧效率和氮氧化合物相关的状态变量，所述历史工况数据包括主蒸汽流量、主蒸汽压力、主蒸汽温度、再热蒸汽温度、再热蒸汽压力、燃烧器摆角、风箱炉膛差压、给煤量、氮氧化合物排放量和锅炉效率。
7.可选地，对所述历史工况数据进行预处理包括按照预定的时间分辨率对所述状态变量进行重采样。
8.可选地，所述采用ruptures算法识别所述历史工况数据的变点包括：构建基于高斯函数的目标函数obj
其中，，t为变点数索引集合，为变点总数，为观测数据，为惩罚项，为第k个变点的索引，为第k 1个变点的索引，为第k个变点的索引处的观测数据，为第k 1个变点的索引处的观测数据，为高斯损失核函数，其中，为宽带系数，表示从索引到的观测数据，为观测数据；采用递归的方法计算所述目标函数的解得到变点集合c。
9.可选地，所述采用递归的方法计算所述目标函数obj的解得到变点集合包括s10：设定最小长度min_size和滑动值slid，观测数据总长度为n；s20：构造一组初始的变点索引集合a，其中，以最小长度min_size为第一个变点索引，n为最后一个变点索引，中间的变点索引是以滑动值slid为间隔的等差序列；设定i=2；s30：构造一个从第一个变点索引值开始到a的第i个元素索引值ai‑ꢀ
min_size为止,以滑动值slid为间隔的等差序列变点索引集合bi；将索引集合bi中的任一元素跟元素ai组合形成一组变点区间，将索引集合bi与元素ai组合形成的多种变点区间组合代入所述高斯损失核函数进行计算，将其中损失值最小的组合添加到变点集合c中；s40：判断i是否小于n，若小于，则令i=i 1，跳转至步骤s30；若不小于，则流程结束。
10.可选地，所述采用ruptures算法识别所述历史工况数据的变点还包括：根据剪枝原则对变点集合c进行修剪以剔除变点集合c中的无效变点，得到最优组合变点集合。
11.可选地，根据所述历史工况数据的变点得到持续时间并根据持续时间对稳定工况和非稳定工况进行标记包括：若所述持续时间小于预设阈值则该段时间内的工况标记为非稳定工况，若持续时间大于等于预设阈值则该段时间内的标记为稳定工况。
12.本发明第二方面提供了一种基于ruptures算法的稳定工况识别系统，包括预处理模块，用于对采集到的历史工况数据进行预处理；变点识别模块，用于根据ruptures算法识别所述历史工况数据的变点；工况划分模块，用于根据所述历史工况数据的变点得到持续时间并根据所述持续时间对稳定工况和非稳定工况进行标记。
13.本发明第三方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明第一方面提供的基于ruptures算法的稳定工况识别发膜护发。
14.本发明第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面提供的基于ruptures算法的稳定工况识别方法。
15.本发明的有益效果如下：本发明提供方案，通过ruptures算法识别观测数据中的变点，并根据所述变点集
合进行工况划分，能够保证观测数据稳定工况划分准确。
附图说明
16.下面结合附图对本发明的具体实施方式作进一步详细的说明。
17.图1示出本发明的一个实施例提供的一种基于ruptures算法的稳定工况识别方法的流程图。
18.图2示出本发明的一个实施例提供的24小时内主蒸汽流量随时间变化的散点图。
19.图3示出本发明的一个实施例提供的稳定工况划分图。
20.图4示出本发明的一个实施例提供的采用递归方法计算最优变点组合的流程图。
21.图5示出本发明的一个实施例提供的一种基于ruptures算法的稳定工况识别系统的结构示意图。
22.图6示出本发明的一个实施例提供的一种计算机设备的结构示意图。
具体实施方式
23.为了更清楚地说明本发明，下面结合实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
24.目前，锅炉燃烧工况寻优采用案例推理方法从历史案例数据库中查找与当前实时工况满足一定相似度的稳定工况集合，再从该集合中找出锅炉燃烧效率最高或nox排放量最低的工况作为最优工况。这就需要对锅炉燃烧的历史数据中的稳定工况和非稳定工况进行精准划分。
25.为了提高稳定工况识别的效率和精准度，本发明的一个实施例提供了一种基于ruptures算法的稳定工况识别方法，如图1所示，包括s101：获取锅炉的历史工况数据，对所述历史工况数据进行预处理；s102：采用ruptures算法识别所述历史工况数据的变点；s103：根据所述历史工况数据的变点得到持续时间并根据持续时间对稳定工况和非稳定工况进行标记。
26.本实施例通过ruptures算法识别观测数据中的变点，也可称为拐点，并根据所述变点集合进行工况划分，能够保证观测数据稳定工况划分准确。
27.在一个具体的实施例中，通过锅炉dcs系统获取所述历史工况数据。
28.在一个具体的实施例中，所述历史工况数据为与燃烧效率和氮氧化合物相关的状态变量，所述历史工况数据包括主蒸汽流量、主蒸汽压力、主蒸汽温度、再热蒸汽温度、再热蒸汽压力、燃烧器摆角、风箱炉膛差压、给煤量、氮氧化合物排放量和锅炉效率。
29.应当说明的是，对所述历史工况数据进行预处理包括按照预定的时间分辨率对所述状态变量进行重采样以将数据平滑消除噪声。
30.在一个具体的实施例中，参数数据按照时间分辨率为1min进行重采样，即将1分钟内的秒级数据取均值处理，将数据平滑，消除噪声，分别对上述历史工况数据进行重采样。
31.如图2所示，为预处理得到的一天内锅炉燃烧过程中主蒸汽流量随时间变化散点图，每分钟1个点，共计1440个点。
32.应当说明的是，对于变点数目未知的一组观测数据，假设其中为变点总数，为累计概率密度函数，为第k个变点的索引，观测数据即一组历史工况数据取均值处理后得到的函数，有式（1）可知，其由个边界界定的区间组成，将观测数据映射到希尔伯特空间，而希尔伯特空间跟自定义的核函数相关，即 ，其中为映射函数，h为希尔伯特空间，k()为核函数，映射函数的内积性质：射函数的内积性质：将在a-b之间的观测数据定义基于核函数的损失函数，其中表示从索引a到b的观测数据，表示在索引a 1到b的平均值，上式经过推导损失函数可变为本专利采用的是高斯核函数，所述高斯核函数的表达式为：其中，为宽带系数，则原损失函数可转换为其中，a、b表示观测函数y的索引，、表示观测函数在索引s、t处的值，为宽带系数。
33.通过式(1)-(7)的推导将变点检测问题转化为找出一组变点使得损失最小的问题。
34.定义函数，其表达式为：应当说明的是，对于变点数目未知的观测数据，需要在目标函数基础上添加惩罚项使得能找出最佳变点数，惩罚项是变点总数的线性函数，即目标函数转换为在一种可能的实现方式中，所述采用ruptures算法识别所述历史工况数据的变点包括：构建基于高斯函数的目标函数obj，其表达式为如公式（9）所示，其中，，t为变点数索引集合，为变点总
数，为观测数据，为惩罚项，所述惩罚项在简化后可直接取常数，为第k个变点的索引，所有的观测数据是由个边界界定的区间组成的，为高斯损失核函数，其计算公式如下所示：其中，为宽带系数，表示从索引到的观测数据，为第k个变点的索引，为第k 1个变点的索引，为第k个变点的索引处的观测数据，为第k 1个变点的索引处的观测数据，、为观测数据；采用递归的方法计算所述目标函数obj的解得到变点集合c。
35.在一种可能的实现方式中，所述采用ruptures算法识别所述历史工况数据的变点还包括：根据剪枝原则对变点集合c进行修剪以剔除变点集合c中的无效变点，得到最优组合变点集合。
36.在一个具体的实施例中，所述根据所述历史工况数据的变点得到持续时间并根据持续时间对稳定工况和非稳定工况进行标记包括：若所述持续时间小于预设阈值则该段时间内的工况标记为非稳定工况，若持续时间大于等于预设阈值则该段时间内的标记为稳定工况，其中，所述预设阈值例如为30分钟。
37.在一个具体的实施例中，如图3所示，所述采用递归的方法计算所述目标函数obj的解得到变点集合c包括，设定最小长度min_size，滑动值slid，观测数据总长度为n，构造一组初始的变点索引集合a，即以min_size为第一个变点索引，n为最后一个变点索引，中间的变点索引是以slid为间隔的等差序列；构造一个从第一个变点索引值开始到a的第i个元素索引值aiꢀ‑ꢀ
min_size为止，以slid为间隔的等差序列变点索引集合bi，可以了解的是，对于bi中的任一个元素总可以跟元素ai组合成一组变点区间，假设bi中包含m个元素，则可有m种变点区间组合；将索引集合bi中的任一元素跟元素ai组合形成一组变点区间，将索引集合bi与元素ai组合形成的多种变点区间组合代入所述高斯损失核函数进行计算，将其中损失值最小的组合添加到变点集合c中，最后根据剪枝原则对变点集合c进行修剪，直到集合a中所有元素遍历一遍执行上述过程后输出的变点集合c即为最优组合。
38.应当说明的是，集合a中有多个元素，每个元素构造的bi集合中的各元素与ai组成多组变点区间，将所述多组变点区间代入高斯损失函数计算，最后对集合进行裁剪所述上述过程即指构造bi、计算损失函数和裁剪。其中，所述每个元素构造的bi集合即从0开始到aiꢀ‑ꢀ
min_size为止，以slid为间隔的等差序列变点索引集合bi。
39.本方案在求解变点集合的过程中参数设置少，仅需设置最小长度和滑动值，计算方法简单便捷。
40.在一个具体的实施例中，设置所述剪枝原则如下
……
（11）其中，t《s《l，t、s和l均为观测数据的索引，l为最后一个索引，且满足t《l-1，根据
所述剪枝原则对变点集合c进行修剪，通过修剪过滤掉明显不是最优解的解，提高了计算速度，若不使用剪枝原则进行修剪，则能够得出多个局部最优解，使得在不断递归过程中计算效率低。
41.在一个具体的实施例中，对于给定的观测数据采用ruptures算法得到最终的变点组合，再根据稳态持续最短时间时间差判断工况是否稳定，对于每个变点，以该点为中心左右各设定一个补偿值作为过渡段，该过渡段也被认为是非稳定状态，其中，所述稳态持续最短时间例如为30min，最终得到的稳定工况划分效果图如图4所示。
42.在一个具体的实施例中，所述稳定工况识别方法还包括，从锅炉dcs系统中获取工人操作数据，根据所述工人操作数据对划分得到的稳定工况的准确性进行验证。
43.应当说明的是，操作数据中认为进行调整的时段即非稳定工况。
44.应当说明的是，上述基于ruptures算法的稳定工况识别方法的应用并不仅仅限于锅炉燃烧工况，对于其他生产工况的划分同样适用。
45.本发明的一个实施例提供了一种基于ruptures算法的稳定工况识别系统，如图5所示，所述系统包括预处理模块201，用于对采集到的历史工况数据进行预处理；变点识别模块202，用于根据ruptures算法识别所述历史工况数据的变点；工况划分模块203，用于根据所述历史工况数据的变点得到持续时间并根据所述持续时间对稳定工况和非稳定工况进行标记。
46.需要说明的是，本实施例提供的基于ruptures算法的稳定工况识别系统的原理及工作流程与上述基于ruptures算法的稳定工况识别方法相似，相关之处可以参照上述说明，在此不再赘述。
47.本技术的第三个实施例提供了一种计算机设备，如图6所示，适于用来实现上述实施例提供的基于ruptures算法的稳定工况识别方法的计算机设备，包括中央处理模块（cpu），其可以根据存储在只读存储器（rom）中的程序或者从存储部分加载到随机访问存储器（ram）中的程序而执行各种适当的动作和处理。在ram 中，还存储有计算机系统操作所需的各种程序和数据。cpu 、rom以及ram通过总线被此相连。输入/输入（i/o）接口也连接至总线。
48.以下部件连接至i/o接口：包括键盘、鼠标等的输入部分；包括诸如液晶显示器（lcd）等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至i/o接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。
49.本技术的第四个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现：s101：获取锅炉的历史工况数据，对所述历史工况数据进行预处理；s102：采用ruptures算法识别所述历史工况数据的变点；s103：根据所述历史工况数据的变点得到持续时间并根据持续时间对稳定工况和非稳定工况进行标记。
50.在实际应用中，所述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
51.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
52.在本发明的描述中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
53.显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于本领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。