本發(fā)明涉及測量領(lǐng)域，具體地，涉及一種汽機抽汽壓力軟測量方法。
背景技術(shù)：
：在過程工業(yè)中，存在一些無法直接測量或測量有很大滯后的變量，需要通過軟測量技術(shù)建立模型對其進行估計。建模的成功與否依賴于正確的建模數(shù)據(jù)，但從現(xiàn)場采集的數(shù)據(jù)由于各種原因不可避免地存在誤差。誤差分為隨機誤差和過失誤差，隨機誤差是噪聲，過失誤差是指失效數(shù)據(jù)，在實際過程中，過失數(shù)據(jù)出現(xiàn)的幾率很小，但它的存在會使數(shù)據(jù)品質(zhì)嚴重惡化，因此對建模數(shù)據(jù)進行過失誤差偵破，剔除過失數(shù)據(jù)樣本，是建立軟測量模型的前提。汽輪機抽汽壓力時常會出現(xiàn)因為前幾級抽汽量過大，造成后面抽汽壓力降低或者前幾級葉片結(jié)垢嚴重，甚至于沒有末級抽汽測點而造成壓力信息的不可靠性的情況。因此，需要對現(xiàn)有的軟測量方法進行改進，以解決上述問題。技術(shù)實現(xiàn)要素：本發(fā)明的目的是提供一種汽機抽汽壓力軟測量方法，以解決上述現(xiàn)有技術(shù)中的問題。為了實現(xiàn)上述目的，本發(fā)明提供一種汽機抽汽壓力軟測量方法，其中，該方法包括：按預(yù)定時間間隔采集所述汽機的主蒸汽壓力P0和所述汽機的多級抽汽壓力中除待測級抽汽壓力Pi以外的其它各級抽汽壓力Pj，其中j≠i；根據(jù)汽機負荷狀態(tài)篩除所采集的所述汽機的主蒸汽壓力P0和所述汽機的其它各級抽汽壓力Pj中不穩(wěn)定的壓力值得到篩除后數(shù)據(jù)；對所述篩除后數(shù)據(jù)進行標(biāo)準化處理得到標(biāo)準化后的數(shù)據(jù)X(n,m)；對所述標(biāo)準化后的數(shù)據(jù)X(n,m)進行主元分析PCA選取主元，以確定對應(yīng)的得分矩陣；以及將所述得分矩陣作為支持向量機的輸入來確定所述待測級抽汽壓力Pi。通過上述技術(shù)方案，在需要對汽機(汽機回?zé)嵯到y(tǒng))的某級抽汽壓力進行軟測量時，可以利用執(zhí)行了篩除操作后的不同時刻的汽機的主蒸汽壓力和汽機其余各級抽汽壓力作為主元分析的輸入數(shù)據(jù)，該輸入數(shù)據(jù)在用于主元分析之前可以被標(biāo)準化，然后對該標(biāo)準化后的數(shù)據(jù)進行主元分析選取預(yù)定數(shù)量的主元，以確定對應(yīng)的得分矩陣，并將所述得分矩陣作為支持向量機的輸入進而確定所述待測級抽汽壓力。由此，能夠更為準確地實現(xiàn)對汽機抽汽壓力的軟測量。本發(fā)明的其它特征和優(yōu)點將在隨后的具體實施方式部分予以詳細說明。附圖說明附圖是用來提供對本發(fā)明的進一步理解，并且構(gòu)成說明書的一部分，與下面的具體實施方式一起用于解釋本發(fā)明，但并不構(gòu)成對本發(fā)明的限制。在附圖中：圖1是根據(jù)本發(fā)明的一種實施方式的汽機抽汽壓力軟測量方法的流程圖。具體實施方式以下結(jié)合附圖對本發(fā)明的具體實施方式進行詳細說明。應(yīng)當(dāng)理解的是，此處所描述的具體實施方式僅用于說明和解釋本發(fā)明，并不用于限制本發(fā)明。在本發(fā)明實施方式中，對現(xiàn)有的主元分析方法和支持向量機進行了利用。其中，統(tǒng)計學(xué)習(xí)理論是由Vapnik建立的一種專門研究小樣本情況下機器學(xué)習(xí)規(guī)律的理論，支持向量機是在這一理論基礎(chǔ)上發(fā)展而來的一種新的通用學(xué)習(xí)方法。支持向量機通過結(jié)構(gòu)風(fēng)險最小化原理來提高泛化能力，它較好地解決了小樣本、非線性、高維數(shù)、局部極小點等實際問題，已在模式識別、信號處理、函數(shù)逼近等領(lǐng)域得到了應(yīng)用。主元分析方法是多元統(tǒng)計分析的主要方法之一，通過對過程數(shù)據(jù)的多元統(tǒng)計分析，可以從大量過程變量的變化中找到影響過程主要監(jiān)測參數(shù)變化或指標(biāo)降低的主要原因。把主元分析方法用于熱工對象或過程，就是利用主元分析的尋找影響過程變化的主要因素的特點，找到在機組工況變化過程中，引起監(jiān)測參數(shù)或運行指標(biāo)變化的主導(dǎo)因素。圖1是根據(jù)本發(fā)明的一種實施方式的汽機抽汽壓力軟測量方法的流程圖。如圖1所示，本發(fā)明一種實施方式提供的汽機抽汽壓力軟測量方法包括：S100，按預(yù)定時間間隔采集所述汽機的主蒸汽壓力P0和所述汽機的多級抽汽壓力中除待測級抽汽壓力Pi以外的其它各級抽汽壓力Pj，j≠i；S102，根據(jù)汽機負荷狀態(tài)篩除所采集的所述汽機的主蒸汽壓力P0和所述汽機的其它各級抽汽壓力Pj中不穩(wěn)定的壓力值得到篩除后數(shù)據(jù)；S104，對所述篩除后數(shù)據(jù)進行標(biāo)準化處理得到標(biāo)準化后的數(shù)據(jù)X(n,m)；S106，對所述標(biāo)準化后的數(shù)據(jù)X(n,m)進行主元分析PCA選取主元，以確定對應(yīng)的得分矩陣；以及S108，將所述得分矩陣作為支持向量機的輸入來確定所述待測級抽汽壓力Pi。在本發(fā)明實施方式中，以汽機回?zé)嵯到y(tǒng)具有8級抽汽為例，此時i＝1,2,…8，j＝1,2,…8，但不會出現(xiàn)i與j相等的情況。也就是，假如末級抽汽壓力為待測級抽汽壓力，則此時i的取值為8，而j的取值為1-7(即，其余各級抽汽壓力分別為P1、P2、P3、P4、P5、P6、P7。其他級抽汽壓力為待測級抽汽壓力的情況與上述情況類似，本發(fā)明不再贅述。其中，本領(lǐng)域技術(shù)人員可以根據(jù)實際情況對預(yù)定時間間隔進行設(shè)定，例如，該預(yù)定時間間隔可以為1分鐘，但本發(fā)明不限于此。通過上述技術(shù)方案，在需要對汽機(汽機回?zé)嵯到y(tǒng))的某級抽汽壓力進行軟測量時，可以利用執(zhí)行了篩除操作后的不同時刻的汽機的主蒸汽壓力和汽機其余各級抽汽壓力作為主元分析的輸入數(shù)據(jù)，該輸入數(shù)據(jù)在用于主元分析之前可以被標(biāo)準化，然后對該標(biāo)準化后的數(shù)據(jù)進行主元分析選取預(yù)定數(shù)量的主元，以確定對應(yīng)的得分矩陣，并將所述得分矩陣作為支持向量機的輸入進而確定所述待測級抽汽壓力。由此，能夠更為準確地實現(xiàn)對汽機抽汽壓力的軟測量。根據(jù)本發(fā)明一種實施方式，在該方法中，步驟S102可以包括：將所述汽機負荷狀態(tài)為不穩(wěn)定時對應(yīng)的所述汽機的主蒸汽壓力P0和所述汽機的其它各級抽汽壓力Pj篩除，得到所述篩除后數(shù)據(jù)。也就是，由于在不同的時刻采集得到了多組主蒸汽壓力P0和所述汽機的其它各級抽汽壓力Pj，相應(yīng)地不同的時刻也就可能對應(yīng)不同的汽機負荷狀態(tài)，因此可以以不穩(wěn)定的汽機負荷狀態(tài)作為不穩(wěn)定數(shù)據(jù)的篩除依據(jù)利用過濾器刪除其中不穩(wěn)定的數(shù)據(jù)(即，不穩(wěn)定的汽機負荷狀態(tài)所對應(yīng)的時刻采集的那一組或多組數(shù)據(jù)被刪除，剩余的為穩(wěn)定數(shù)據(jù))，以確保后續(xù)軟測量過程中數(shù)據(jù)的可靠性。其中，本領(lǐng)域技術(shù)人員可以采用現(xiàn)有技術(shù)中已有的汽機負荷狀態(tài)判斷方法對汽機負荷狀態(tài)進行判斷，本發(fā)明不對此進行限定。例如，汽機負荷上下波動不超過2MW的情況可以被認為是穩(wěn)定負荷狀態(tài)(穩(wěn)定工況)，反之則被認為是不穩(wěn)定負荷狀態(tài)(不穩(wěn)定工況)。根據(jù)本發(fā)明一種實施方式，在該方法中，通過下述等式對所述篩除后數(shù)據(jù)進行標(biāo)準化處理得到標(biāo)準化后的數(shù)據(jù)X(n,m)：Xold(n×m)=P1,0,P1,1,...,P1,m...Pn,0,Pn,1,...,Pn,m,]]>在該等式中，Xold(n×m)表示預(yù)定時間間隔所采集的篩除后的所述汽機的主蒸汽壓力P0和所述汽機的其它各級抽汽壓力Pj的矩陣集合，n表示采樣次數(shù)，而m表示所采集的屬性變量的數(shù)量；x(i,j)=xold(i,j)-average(xold(:,j))std(xold(:,j)),]]>在該等式中，i＝1,2,...,n,j＝1,2...,m，average(xold(:,j))代表第j個變量下采樣點的均值，std(xold(:,j))代表第j個變量下采樣點的標(biāo)準差。根據(jù)本發(fā)明一種實施方式，在該方法中，步驟S106可以包括：S1060，計算X(n,m)的協(xié)方差矩陣、特征值λi和特征向量pi；S1062，對協(xié)方差矩陣進行奇異值SVD分解；以及S1064，選取滿足預(yù)定累積貢獻率的特征向量pi作為主元，以確定對應(yīng)的得分矩陣。本領(lǐng)域技術(shù)人員可以根據(jù)實際情況對預(yù)定累積貢獻率進行設(shè)定，例如所述預(yù)定累積貢獻率可以為80％，但本發(fā)明不限于此。根據(jù)本發(fā)明一種實施方式，在該方法中，可以通過下述等式計算X(n,m)的協(xié)方差矩陣、特征值λi和特征向量pi：COV(X)=XTXm-1,]]>COV(X)pi＝λipi。根據(jù)本發(fā)明一種實施方式，在步驟S108中，將所述得分矩陣中的多組數(shù)據(jù)劃分成兩部分：一部分作為訓(xùn)練數(shù)據(jù)，另一部分作為測試數(shù)據(jù)。劃分比例例如可以為等比例劃分，但本發(fā)明不限于此。在本發(fā)明中，支持向量機測試部分的計算值即為待測級抽汽壓力的軟測量所得值。并且，在步驟S108中可以通過下述函數(shù)實現(xiàn)支持向量機的運算。具體地，在高維特征空間中構(gòu)造最優(yōu)線性決策函數(shù)y(x)＝sgn[wψ(x)+b]，采取下述等式目標(biāo)函數(shù)：minJw,b,ξ(w,ξ)=12wTw+CΣi=1nξi]]>在該等式中，約束條件i＝1,2,…,n，w為權(quán)重因子，C為罰參數(shù)，b為偏差值，為映射函數(shù)。含約束條件的目標(biāo)函數(shù)通過拉格朗日法轉(zhuǎn)化為無約束的目標(biāo)函數(shù)，如下式所示。0IvTIvΩ+c-1Iba=0y]]>其中，y＝[y1，…，yn]T；Iv＝[1,…,1]T；a＝[a1，…，an]T；Ω＝{Ωij|i,j＝1…n}。K(·)為核函數(shù)。優(yōu)選地，此處可選用徑向基核函數(shù)。下面結(jié)合實例對本發(fā)明一種實施方式提供的汽機抽汽壓力軟測量方法進行表述。在該實例中，以某電站600MW機組為例，末級抽汽壓力P8為待測級抽汽壓力，采集SIS系統(tǒng)中2013年11月12日10點至2013年11月12日21點的P0,...,P7數(shù)據(jù)值，采集的預(yù)定時間間隔為1分鐘。首先，以預(yù)定時間間隔1分鐘采集P0,...,P7數(shù)據(jù)值，依據(jù)負荷狀態(tài)采用過濾器刪除其中不穩(wěn)定數(shù)據(jù)，獲得穩(wěn)定工況下的樣本數(shù)據(jù)，剩余492組樣本數(shù)據(jù)。接著，對剩余492組樣本數(shù)據(jù)執(zhí)行標(biāo)準化處理，并將標(biāo)準化處理后所得到的樣本數(shù)據(jù)作為PCA的輸入數(shù)據(jù)。其次，依據(jù)PCA算法計算輸入數(shù)據(jù)的協(xié)方差矩陣、特征值及特征向量，選取滿足累積貢獻率80％的特征向量作為主元，以確定對應(yīng)的得分矩陣M(492,k)，其中k表示主元數(shù)量。最后，將得到的矩陣M(492,k)作為支持向量機的輸入，支持向量機的輸出為末級抽汽壓力P8的軟測量所得值。其中，前246組樣本用作訓(xùn)練數(shù)據(jù)，后246組樣本作為測試數(shù)據(jù)。優(yōu)選地，在該實例中，參數(shù)C可以取100，徑向基核函數(shù)中和寬度可以取0.01，時誤差在工程誤差的接受范圍內(nèi)。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，上述實例僅僅是示例性的，并非用于限定本發(fā)明。以上結(jié)合附圖詳細描述了本發(fā)明的優(yōu)選實施方式，但是，本發(fā)明并不限于上述實施方式中的具體細節(jié)，在本發(fā)明的技術(shù)構(gòu)思范圍內(nèi)，可以對本發(fā)明的技術(shù)方案進行多種簡單變型，這些簡單變型均屬于本發(fā)明的保護范圍。另外需要說明的是，在上述具體實施方式中所描述的各個具體技術(shù)特征，在不矛盾的情況下，可以通過任何合適的方式進行組合。為了避免不必要的重復(fù)，本發(fā)明對各種可能的組合方式不再另行說明。此外，本發(fā)明的各種不同的實施方式之間也可以進行任意組合，只要其不違背本發(fā)明的思想，其同樣應(yīng)當(dāng)視為本發(fā)明所公開的內(nèi)容。當(dāng)前第1頁1 2 3