一种在线测量数据准确性甄别方法

1.一种在线测量数据准确性甄别方法，其特征是：
步骤(1)：通过数据采集的接口程序从火力发电厂控制系统采集在线测量数据，生成原始数据队列；
步骤(2)：将数据检验方法做成动态链接库，便于数据准确性甄别的后台程序调用；后台程序读取关系型数据库里面的相关配置信息后，进行数据重构，输出重构处理后的数据队列，并将检验信息存储到关系型数据库供前台程序使用；
数据检验方法包括：标准差检验、突变点检验、冗余检验、粗范围检验、相关性检验，所述冗余检验结合标准差检验、狄克松检验、偏差积检验，从而实现冗余测点的可靠判断，所述相关性检验为依据热力过程理论和经验对强关联参数进行综合判断，如果两者差值远超出经验范围，则给出报警提示；
数据重构方式包括：数据检验方法重构、动态正常值重构、固定值重构、固定值和动态正常值的自动切换、原始值重构；其中，数据检验方法重构的优先级最高；
步骤(3)：定义和配置告警业务，实现对测点数据准确性甄别的信息管理；数据准确性甄别的前台程序提供配置界面，配置完成后将配置信息保存到关系型数据库中；前台程序还负责从关系型数据库中读取检验信息，分析处理后进行Web展示，告警业务定义包括：
1)告警级别：按照参数敏感性分析结果定义红色、黄色、和绿色三种告警；
2)告警死区：数据状态有效的最小持续时间要求；数据状态包括“检验异常”和“检验正常”；
3)瞬间告警：“检验异常”的数据状态持续时间小于报警死区的告警；
4)普通告警：“检验异常”的数据状态持续时间不小于报警死区的告警；
5)统计指标：从数据应用的角度提出的管理性指标，反映测点测量可靠性，进一步对数据应用产生影响。

一种在线测量数据准确性甄别方法\n技术领域\n[0001] 本发明涉及一种数据处理方法，具体为一种火电厂在线热工测量数据的准确性甄别方法。\n背景技术\n[0002] 随着大数据时代的到来，各行各业都面临着海量数据和信息的处理，数据的准确性甄别就显得尤为重要。\n[0003] 对于火力发电厂，热工测量仪表的工作环境恶劣，噪声、高温、压力波、电磁波、机械振动等干扰频繁，测量数据可靠性和稳定性随之下降，测点容易发生突发故障。此种情况对于火电厂的自动控制有着很大的威胁，控制参数会出现紊乱；同时，其他信息化系统如SIS、MIS和EAM等采集的数据也会受到影响，上层数据统计和分析都会受到数据污染。\n[0004] 近年来，火电机组性能监测系统中越来越重视测量数据校正技术的研究和应用，主要包括显著误差的剔除和重构，随机误差的滤波方法等，但只是局限于算法模型的研究，少有独立的数据处理系统。\n发明内容\n[0005] 本发明所解决的技术问题在于提供一种在线测量数据准确性甄别方法，以解决上述背景技术中的问题。\n[0006] 本发明所解决的技术问题采用以下技术方案来实现：\n[0007] 一种在线测量数据准确性甄别方法，包括以下步骤：\n[0008] 步骤（1）：通过数据采集的接口程序从火力发电厂控制系统采集在线测量数据，生成原始数据队列；\n[0009] 步骤（2）：将数据检验方法做成动态链接库，便于数据准确性甄别的后台程序调用；后台程序读取关系型数据库里面的相关配置信息后，进行数据重构，输出重构处理后的数据队列，并将检验信息存储到关系数据库供前台程序使用；\n[0010] 步骤（3）：定义和配置告警业务，实现对测点数据准确性甄别的信息管理；数据准确性甄别的前台程序提供配置界面，配置完成后将配置信息保存到关系型数据库中；前台程序还负责从关系库中读取检验信息，分析处理后进行Web展示。\n[0011] 步骤（1）中火力发电厂控制系统为DCS控制系统。\n[0012] 步骤（2）中的数据检验方法包括：标准差检验、突变点检验、冗余检验、粗范围检验、相关性检验。所述冗余检验包括：标准差检验、狄克松检验、偏差积检验。所述相关性检验为依据热力过程理论和经验对强关联参数进行综合判断，如果两者差值远超出经验范围，则给出报警提示。\n[0013] 步骤（2）中的数据重构方式包括：数据检验方法的重构、动态正常值重构、固定值重构、固定值和动态正常值的自动切、原始值重构；其中，数据检验方法的重构的优先级最高。\n[0014] 步骤（3）中告警业务定义如下：\n[0015] 1) 告警级别：按照参数敏感性分析结果定义红色、黄色、和绿色三种告警；\n[0016] 2) 告警死区：数据状态有效的最小持续时间要求；数据状态包括“检验异常”和“检验正常”；\n[0017] 3) 瞬间告警：“检验异常”的数据状态持续时间小于报警死区的告警；\n[0018] 4) 普通告警：“检验异常”的数据状态持续时间不小于报警死区的告警；\n[0019] 5) 统计指标：从数据应用的角度提出的管理性指标，反映测点测量可靠性，进一步对数据应用产生影响。\n[0020] 步骤（3）中Web展示包括“告警信息查询”和“告警详情查询”页面。\n[0021] 有益效果：本发明能够主动地发现测点异常，生成告警提示信息，同时有一套完善的报警机制实现了测点报警信息的统计分析与管理。数据预处理方法基于动态测试数据处理的经典方法，同时引入热力生产过程经验对数据准确性做判断，判断过程科学，判断结果可靠；数据准确性甄别的统计信息能够调动电厂对于自身测点维护的积极性，同时也是帮助电厂进行热工测量的相关检查。方法的配置调试一次性完成，维护工作量小，解决了大方法数据维护的一大难题。\n附图说明\n[0022] 图1为本发明的总流程图。\n[0023] 图2为本发明的详细流程图。\n具体实施方式\n[0024] 为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效易于明白了解，下面进一步阐述本发明。\n[0025] 如图1、2所示，一种在线测量数据准确性甄别方法，包括以下步骤：\n[0026] 步骤（1）：通过数据采集的接口程序从火力发电厂控制系统（如DCS）采集在线测量数据，生成原始数据队列；\n[0027] 步骤（2）：将数据检验方法做成动态链接库，便于数据准确性甄别的后台程序调用；后台程序读取关系型数据库里面的相关配置信息后，进行数据重构，输出重构处理后的数据队列，并将检验信息存储到关系数据库供前台程序使用。\n[0028] 数据检验方法包括以下五种：\n[0029] 1) 标准差检验：用于检测数据拉直线或测点突然松动的故障；\n[0030] 2) 突变点检验：用于检测在动态测量原始数据中会混入一些虚假数据；\n[0031] 3) 冗余检验：用于检测具有冗余的测点数据，此法创新性地结合了标准差检验、狄克松检验和偏差积检验，从而实现冗余测点的可靠判断；\n[0032] 4) 粗范围检验：即门限检验，简单实用，仅适用于少数测点；\n[0033] 5) 相关性检验：依据热力过程理论和经验对强关联参数进行综合判断，如果两者差值远超出经验范围，则给出报警提示。\n[0034] 数据重构方式包括以下五种：\n[0035] 1) 数据检验方法的重构：有些检验方法如突变点检验和冗余检验大部分情况是能提供重构值的，因此采用此重构方式，此种重构方式的优先级最高；\n[0036] 2) 动态正常值重构：即用最近检验正常且保存下来的值作为重构值，适合于数据变化平稳的测点；\n[0037] 3) 固定值重构：即用固定的数据来重构异常数据，适合于数据变化平稳的测点；\n[0038] 4) 固定值和动态正常值的自动切换：即存在动态正常值时则用动态正常值进行重构，否则用固定值进行重构；\n[0039] 5) 原始值重构：即不论数据检验正常或异常，都用数据原始值作为数据重构值。\n[0040] 步骤（3）：定义和配置告警业务，实现对测点数据准确性甄别的信息管理；数据准确性甄别的前台程序提供配置界面，配置完成后将配置信息保存到关系型数据库中；前台程序还负责从关系库中读取检验信息，分析处理后进行Web展示，如“告警信息查询”和“告警详情查询”页面。\n[0041] 告警业务定义如下：\n[0042] 6) 告警级别：按照参数敏感性分析结果定义红色、黄色、和绿色三种告警；\n[0043] 7) 告警死区：数据状态有效的最小持续时间要求；数据状态包括“检验异常”和“检验正常”；\n[0044] 8) 瞬间告警：“检验异常”的数据状态持续时间小于报警死区的告警；\n[0045] 9) 普通告警：“检验异常”的数据状态持续时间不小于报警死区的告警；\n[0046] 10) 统计指标：从数据应用的角度提出的管理性指标，反映测点测量可靠性，进一步对数据应用产生影响，如统计期内测点有效投运率等。\n[0047] 以上显示和描述了本发明的基本原理、主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明的要求保护范围由所附的权利要求书及其等效物界定。