[发明专利]一种热力设备运行数据深度清洗方法

权利要求书

1.一种热力设备运行数据深度清洗方法，其特征在于，包括：

利用热力设备机理模型、基于机理模型和健康运行数据机器学习的伴随仿真模型和热力系统质热平衡方程，通过关键参数相似性分析、不同参数的关联性分析这些方法，实现仪表评估与在线校正、数据健康状态评估和缺失测点参数辨识这些功能；

所述运行数据主要包括工质压力、温度、流量、液位以及设备转速、功率这些可利用仪表直接测量的数据；

所述仪表评估与在线校正包括：

假定仪表灵敏度绝对值或相对值短期内不发生变化，通过对不同参数多工况测量数据的机器学习和参数辨识，确定仪表零漂和灵敏度等参数，在线修正仪表零位，分析灵敏度变化的主要原因，消除测量系统故障；

所述数据健康状态评估包括：

基于设备高精度机理模型或伴随仿真模型，通过工作参数参数相似性分析与工作参数参数关联性分析完成；

所述工作参数相似性分析包括，采用数学方法计算设备运行数据与对应工况仿真模型参数的相似程度，直接评估健康程度；

所述工作参数关联性分析包括，针对相似性分析认定的亚健康数据或健康数据，分别计算由运行数据和仿真模型得到的设备特性参数，根据特性参数的相似度进一步评估健康数据；

所述工作参数相似性分析采用支持向量机、超球模型、人工神经网络、回归分析这些方法；

所述缺失测点参数辨识包括：

基于设备伴随仿真模型和热力系统质热平衡方程，以关联参数和系统质热平衡核心参数的总体误差最小为目标，通过优化算法与参数辨识确定各缺失测点参数的最佳值；所述关联参数是指热力系统中对缺失测点参数最敏感的参数组，可通过人工指定或通过数学方法自动筛选；

所述缺失测点参数是指热力系统质热平衡分析需要但未安装测点或测量仪表出现故障或测点数据病态且难以校正的参数，不保证所有缺失测点参数都能得到有效辨识；

所述伴随仿真模型是以高精度机理模型为骨架，通过对深度清洗筛选出的健康数据进行机器学习，形成接近实际运行设备性能的仿真模型。