[发明专利]一种构建锅炉能效曲线的方法及装置

说明书

本发明公开了一种构建锅炉能效曲线的方法，包括以下步骤：S1.获取锅炉负荷率和单耗数据；S2.对步骤S1获取的数据进行预处理，去除异常点；S3.基于步骤S2获得的去除异常点的数据，利用回归的方法计算出能效曲线的回归曲线和上下界；S4.对步骤S3获得的能效曲线的回归曲线进行去噪和/或平滑。本发明提供的锅炉能效曲线的构建方法，能适应不同锅炉不同质量的数据，具有异常值去除功能，不需要给出锅炉能效的数学描述，自动给出能效曲线，并且给出能效的上下界，可以用于更精确的预警，最后，根据经验可以调节曲线的光滑程度，来避免由于样本数据不足造成的对样本噪声的拟合。

技术领域

本发明涉及能源技术领域，尤其涉及一种锅炉能效曲线的构建方法及装置。

背景技术

为了给出锅炉单耗的预测值和预警范围，动态监控锅炉能效的变化，完成锅炉的智能运维，有必要对锅炉单耗和对应时间的负荷进行建模。

将蒸汽锅炉的负荷与单耗的关系用一条曲线拟合，叫做能效曲线。锅炉的能效曲线能够体现燃气锅炉在不同负荷率下的能效情况。能效曲线可以很好刻画锅炉的运行状态，然而直接利用实际采到的数据拟合能效曲线有以下几个问题：1.数据存在异常值；2.没有数学模型或公式直接给出负荷与单耗的关系，也没有一个定量的能效曲线优劣的判断标准；3.拟合出来的曲线有很多局部的波动，可以归因于样本有很多噪声。

发明内容

为了解决上述问题，本发明提供了一种锅炉能效曲线的构建方法及装置，用已知的一段时间的负荷和对应单耗的数据给出锅炉的能效曲线。

本发明提供的构建锅炉能效曲线的方法，包括以下步骤：

S1.获取锅炉负荷率和单耗数据；

S2.对步骤S1获取的数据进行预处理，去除异常点；

S3.基于步骤S2获得的去除异常点的数据，利用回归的方法计算出能效曲线的回归曲线和上下界；

S4.对步骤S3获得的能效曲线的回归曲线进行去噪和/或平滑。

在本发明的一优选实施方式中，步骤S4所述的去噪，包括如下步骤：A.选择正交小波基和分解层数J，对含噪信号进行小波变换分解到J层；B.将分解得到的小波系数进行阈值处理；C.进行小波变换的逆变换，得到去噪后的能效曲线；

步骤S4所述的平滑步骤包括:对能效曲线以移动平均进行平滑。

在本发明的一优选实施方式中，步骤S2包括如下步骤：

S21.根据步骤S1获取的数据质量，确定异常点比例；

S22.根据异常点比例和步骤S1获取的数据特点，选择确定异常点检测算法；

S23.利用异常点检测算法，检测并去除异常点。

在本发明的一优选实施方式中，所述异常点检测算法包括：孤立森林、K近邻算法、局部异常点因子、最小协方差行列式和主成分分析中的一种或几种。

在本发明的一优选实施方式中，用投票算法将孤立森林、K近邻算法、局部异常点因子、最小协方差行列式和主成分分析中的一种或几种算法集成起来，完成异常点去除步骤。

在本发明的一优选实施方式中，步骤S3中回归的方法包括：梯度回归树、回归树、加入多项式的LASSO回归和岭回归中的一种或多种。

在本发明的一优选实施方式中，当不同负荷率区间样本数相差5倍以上时，在步骤S3中利用回归的方法计算出能效曲线的回归曲线和上下界步骤中，重新对自变量采样。

在本发明的一优选实施方式中，步骤S41所述分解层数为5或6。

本发明还提供一种构建锅炉能效曲线的装置，包括：