本发明属于电厂重要特征过程工况的检测领域,尤其涉及一种基于分段线性回归的降功率事件识别方法及系统。
背景技术:
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
2、降功率事件在电厂运行过程中时有发生,引起电厂降功率事件的因素包括:电网调峰降功率、电厂停机检修降功率以及核电厂换料降功率等。现有的电厂降功率事件的识别多通过人工手动查找进行肉眼识别,耗时耗力的同时,容易引起遗漏和统计不准确等问题。
3、同时,测量点的波动和各电厂降功率事件太多,导致的无法及时精确统计的问题,不利于设备安全稳定的运行。
技术实现思路
1、为了解决上述背景技术中存在的至少一项技术问题,本发明提供一种基于分段线性回归的降功率事件识别方法及系统,其提供一种电厂降功率事件的智能化识别方法,可实时监控和识别电厂降功率事件的变化规律,并输出电厂降功率事件的开始结束的时间,解决因测点值波动和各电厂降功率事件太多,业务人员无法及时精确统计的问题,提高统计效率和准确度,从而保证设备安全稳定运行。
2、为了实现上述目的,本发明采用如下技术方案:
3、本发明的第一个方面提供一种基于分段线性回归的降功率事件识别方法,包括如下步骤:
4、获取热功率时序数据;
5、对热功率时序数据进行异常值处理;
6、基于异常值处理后的热功率时序数据,对疑似降功率事件时间区间判断;
7、根据判断结果,采用分段线性回归确定降功率事件开始和结束时间点。
8、进一步地,所述对热功率时序数据进行异常值处理,包括:对热功率时序数据中的毛刺数据进行判断,然后对毛刺数据做置空处理,并对空值数据进行填充。
9、进一步地,所述对热功率时序数据中的毛刺数据进行判断,包括:
10、对热功率时序序列做移动中位数值计算,生成新的窗口热功率中位数时序序列,记为第一序列,用热功率时序序列减去对应时间戳的第一序列生成第二序列,对第二序列求上四分位数、下四分位数和四分展布,得到数据异常值判定的上边界和下边界;将第二序列大于上边界或者小于下边界的数据记为异常数据。
11、进一步地,所述基于异常值处理后的热功率时序数据,对疑似降功率事件时间区间判断的依据为:
12、将异常值处理后的热功率时序作为第三序列,对第一序列做移动平均值值计算,生成第四序列;
13、对第四序列持续设定时间的平均值低于设定额定功率值开始,并持续低于设定额定功率值到第四时序序列结束特征进行标记,记为第一条件;
14、对第四序列持续设定时间的平均值高于设定额定功率值开始,并持续高于设定额定功率值到第四时序序列结束特征进行标记,记为第二条件。
15、若满足第一条件或第二条件,作为疑似降功率事件时间区间,否则判定本区间序列不满足降功率事件。
16、进一步地,所述采用分段线性回归确定降功率事件开始点和结束时间点,包括:
17、对第三序列做移动平均值计算,并用额定功率作为最大值,0作为最小值进行归一化,生成新的时序数列pr3-y;
18、对第三序列生成按照时间顺序排序的序号,并将该序号归一化构造新序列,记为pr3-x列;
19、以pr3-x列为自变量,数列pr3-y因变量进行分段线性回归,将曲线的第一个转折点作为降功率开始时间断点或结束时间点。
20、进一步地,所述以pr3-x列为自变量,数列pr3-y因变量进行分段线性回归时,调用python的piecewise_regression包进行多元线性回归piecewise_regression包遵循muggeo的推导。
21、进一步地,所述以pr3-x列为自变量,数列pr3-y因变量进行分段线性回归的公式为:
22、y=αx+c+β(x-ψ)h(x-ψ)+ζ,
23、通过泰勒展开对断点进行线性逼近,得到:
24、y≈αx+c+β(x-ψ(0))h(x-ψ(0))-β(ψ-ψ(0))h(x-ψ(0))+ζ,
25、其中:x输入的是pr6-x列,y输入的是pr6-y,α为第一段回归线的斜率,c为第一段回归线的截距,β为从第一段到第二段的斜率,ψ断点位置,ψ(0)为断点估计值,h是heaviside阶跃函数,ζ是噪声项。
26、本发明的第二个方面提供一种基于分段线性回归的降功率事件识别系统,包括:
27、数据获取模块,其用于获取热功率时序数据;
28、异常值处理模块,其用于对热功率时序数据进行异常值处理;
29、区间判断模块,其用于基于异常值处理后的热功率时序数据,对疑似降功率事件时间区间判断;
30、时间点确定模块,其用于根据判断结果,采用分段线性回归确定降功率事件开始和结束时间点。
31、本发明的第三个方面提供一种计算机可读存储介质。
32、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如上述所述的一种基于分段线性回归的降功率事件识别方法中的步骤。
33、本发明的第四个方面提供一种计算机设备。
34、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如上述所述的一种基于分段线性回归的降功率事件识别方法中的步骤。
35、与现有技术相比,本发明的有益效果是:
36、本发明提供一种电厂降功率事件的智能化识别方法,通过实时监控和识别电厂降功率事件的变化规律,并输出电厂降功率事件的开始结束的时间,解决因测点值波动和各电厂降功率事件太多,业务人员无法及时精确统计的问题,提高统计效率和准确度,从而保证设备安全稳定运行。
37、本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
1.一种基于分段线性回归的降功率事件识别方法,其特征在于,包括如下步骤:
2.如权利要求1所述的一种基于分段线性回归的降功率事件识别方法,其特征在于,所述对热功率时序数据进行异常值处理,包括:对热功率时序数据中的毛刺数据进行判断,然后对毛刺数据做置空处理,并对空值数据进行填充。
3.如权利要求2所述的一种基于分段线性回归的降功率事件识别方法,其特征在于,所述对热功率时序数据中的毛刺数据进行判断,包括:
4.如权利要求1所述的一种基于分段线性回归的降功率事件识别方法,其特征在于,所述基于异常值处理后的热功率时序数据,对疑似降功率事件时间区间判断的依据为:
5.如权利要求4所述的一种基于分段线性回归的降功率事件识别方法,其特征在于,所述采用分段线性回归确定降功率事件开始点和结束时间点,包括:
6.如权利要求5所述的一种基于分段线性回归的降功率事件识别方法,其特征在于,所述以pr3-x列为自变量,数列pr3-y因变量进行分段线性回归时,调用python的piecewise_regression包进行多元线性回归piecewise_regression包遵循muggeo的推导。
7.如权利要求5所述的一种基于分段线性回归的降功率事件识别方法,其特征在于,所述以pr3-x列为自变量,数列pr3-y因变量进行分段线性回归的公式为:
8.一种基于分段线性回归的降功率事件识别系统,其特征在于,包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的一种基于分段线性回归的降功率事件识别方法中的步骤。
10.一种计算机设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种基于分段线性回归的降功率事件识别方法中的步骤。