《抽水蓄能機(jī)組調(diào)速器系統(tǒng)數(shù)據(jù)分析技術(shù)導(dǎo)則》（征求意見稿）

1T/GZAAXX—2020抽水蓄能機(jī)組調(diào)速器系統(tǒng)數(shù)據(jù)分析技術(shù)導(dǎo)則本文件規(guī)定了抽水蓄能機(jī)組調(diào)速器系統(tǒng)的數(shù)據(jù)采集與存儲、數(shù)據(jù)預(yù)處理、數(shù)據(jù)質(zhì)量評價、智能分析算法及系統(tǒng)應(yīng)用。本文件適用于抽水蓄能機(jī)組調(diào)速器系統(tǒng)的數(shù)據(jù)采集平臺建設(shè)、數(shù)據(jù)處理方案擬定、數(shù)據(jù)質(zhì)量報告生成和數(shù)據(jù)分析算法設(shè)計。2規(guī)范性引用文件下列文件對于本文件的應(yīng)用是必不可少的。凡是注日期的引用文件，僅注日期的版本適用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T36344-2018信息技術(shù)數(shù)據(jù)質(zhì)量評價指標(biāo)GB/T39400-2020工業(yè)數(shù)據(jù)質(zhì)量通用技術(shù)規(guī)范GB/T41818-2022信息技術(shù)大數(shù)據(jù)面向分析的數(shù)據(jù)存儲與檢索技術(shù)要求信息技術(shù)GB/T41867-2022信息技術(shù)人工智能術(shù)語信息技術(shù)GB/T42127-2022智能制造工業(yè)數(shù)據(jù)采集規(guī)范智能制造GB/T43782-2024人工智能機(jī)器學(xué)習(xí)系統(tǒng)技術(shù)要求人工智能3術(shù)語及定義下列術(shù)語和定義適用于本文件。3.1抽水蓄能機(jī)組pumpedstoragepowerunit一種用于儲存能量和調(diào)節(jié)電力系統(tǒng)負(fù)荷平衡的設(shè)備，可以在需求高峰時期迅速提供額外的電力，并在需求低谷時將過剩電力儲存起來，實(shí)現(xiàn)電力系統(tǒng)的平衡和穩(wěn)定。3.2調(diào)速器系統(tǒng)governorsystem抽水蓄能機(jī)組的重要子系統(tǒng)之一，能夠調(diào)節(jié)轉(zhuǎn)速和負(fù)荷，并根據(jù)電網(wǎng)負(fù)荷及頻率的變化調(diào)整機(jī)組出力，以維持電網(wǎng)頻率在規(guī)定范圍，在水泵工況時，根據(jù)電網(wǎng)頻率及上下庫水位的變化，可調(diào)整水泵出力。4抽水蓄能機(jī)組調(diào)速器系統(tǒng)數(shù)據(jù)處理4.1數(shù)據(jù)采集與存儲4.1.1數(shù)據(jù)采集方式應(yīng)符合GB/T42127-2022的相關(guān)規(guī)定。4.1.2數(shù)據(jù)采集平臺由數(shù)據(jù)采集服務(wù)器、數(shù)據(jù)接口軟件、數(shù)據(jù)傳輸軟件等組成，見圖1：a）各個子系統(tǒng)現(xiàn)地數(shù)據(jù)采集裝置或數(shù)據(jù)匯集服務(wù)器通過以太網(wǎng)（RJ45）或串口（RS232/485）與數(shù)據(jù)采集服務(wù)器連接；2T/GZAAXX—2020b）在數(shù)據(jù)采集服務(wù)器上部署數(shù)據(jù)接口軟件（支持IEC104、IEC61850、Modbus以及自定義協(xié)議等）采集各個子系統(tǒng)數(shù)據(jù)，進(jìn)行特征指標(biāo)計算，并通過數(shù)據(jù)傳輸軟件將數(shù)據(jù)傳輸?shù)娇偛繑?shù)據(jù)中臺；c）采集各個子系統(tǒng)的原始測量數(shù)據(jù)、計算結(jié)果、分析結(jié)論等，梳理每個接入子系統(tǒng)的詳盡測點(diǎn)清單，確保接入數(shù)據(jù)的全面性和完整性；d）數(shù)據(jù)采樣頻率宜為***。圖1數(shù)據(jù)采集平臺邏輯4.1.3數(shù)據(jù)儲存技術(shù)要求應(yīng)符合GB/T41818-2022的相關(guān)規(guī)定。4.1.4數(shù)據(jù)存儲結(jié)構(gòu)如圖2，應(yīng)結(jié)合大規(guī)模抽水蓄能電站設(shè)備狀態(tài)大數(shù)據(jù)智能分析系統(tǒng)實(shí)際使用場景，綜合考慮各種數(shù)據(jù)的特點(diǎn)，不同數(shù)據(jù)庫的優(yōu)缺點(diǎn)，在后續(xù)應(yīng)用的數(shù)據(jù)需求的基礎(chǔ)上，制定綜合利用關(guān)系數(shù)據(jù)庫、實(shí)時數(shù)據(jù)庫、文件數(shù)據(jù)庫、內(nèi)存數(shù)據(jù)庫進(jìn)行聯(lián)合存儲的數(shù)據(jù)存儲策略。圖2數(shù)據(jù)存儲架構(gòu)4.2數(shù)據(jù)預(yù)處理3T/GZAAXX—20204.2.1數(shù)據(jù)預(yù)處理應(yīng)將有價值的信息從海量數(shù)據(jù)中挖掘出來，采用合適的計算框架，對狀態(tài)監(jiān)測大數(shù)據(jù)進(jìn)行預(yù)處理，提取有價值的信息，充分發(fā)揮狀態(tài)監(jiān)測數(shù)據(jù)價值。4.2.2數(shù)據(jù)預(yù)處理要點(diǎn)包括：a）數(shù)據(jù)特征統(tǒng)計：數(shù)據(jù)的最大值、最小值、平均值，以及開關(guān)動作次數(shù)，設(shè)備連續(xù)運(yùn)行時間等；b）數(shù)據(jù)規(guī)范化：采用歸一化的方式對數(shù)據(jù)進(jìn)行規(guī)范，將數(shù)據(jù)映射到0-1區(qū)間；c）運(yùn)行工況數(shù)據(jù)標(biāo)識：開機(jī)工況、停機(jī)工況、甩負(fù)荷工況、過速工況等，對這些過程的數(shù)據(jù)進(jìn)行單獨(dú)標(biāo)識和存儲；d）缺失值處理：采用插值填充、相似填充等方法處理缺失值；e）異常數(shù)據(jù)標(biāo)注：強(qiáng)勵過程、數(shù)據(jù)越限、數(shù)值突變和數(shù)值停滯等；f）異常模式標(biāo)識：起機(jī)過程轉(zhuǎn)速和導(dǎo)葉之間的關(guān)系異常等。g）預(yù)處理結(jié)果應(yīng)存儲到數(shù)據(jù)庫中供用戶直接調(diào)用，提高系統(tǒng)的反應(yīng)速度，提升用戶的操作體驗(yàn)。4.3數(shù)據(jù)質(zhì)量評價4.3.1數(shù)據(jù)質(zhì)量評價應(yīng)符合GB/T36344-2018的相關(guān)規(guī)定。4.3.2抽水蓄能機(jī)組調(diào)速器系統(tǒng)的數(shù)據(jù)質(zhì)量評價應(yīng)包括以下幾個方面：a）數(shù)據(jù)完整性：時間序列數(shù)據(jù)的連續(xù)性、缺失值的比例等數(shù)據(jù)缺失情況；b）數(shù)據(jù)準(zhǔn)確性：傳感器讀數(shù)的準(zhǔn)確性、數(shù)據(jù)記錄的準(zhǔn)確性等；c）數(shù)據(jù)一致性：數(shù)據(jù)在不同系統(tǒng)或不同時間段的一致性；d）數(shù)據(jù)及時性：數(shù)據(jù)的實(shí)時性和時效性；e）數(shù)據(jù)有效性：是否存在異常值、超出合理范圍的數(shù)據(jù)等；f）數(shù)據(jù)穩(wěn)定性：數(shù)據(jù)是否存在異常的波動或噪聲，數(shù)據(jù)的波動是否在可接受的范圍內(nèi)；g）數(shù)據(jù)的可用性：數(shù)據(jù)是否能夠被有效使用，是否具備良好的可讀性和可解釋性；h）數(shù)據(jù)的冗余性：數(shù)據(jù)中是否存在重復(fù)數(shù)據(jù)或冗余信息，冗余數(shù)據(jù)是否會影響數(shù)據(jù)分析的結(jié)果；i）系統(tǒng)應(yīng)自動記錄失效數(shù)據(jù)，對失效數(shù)據(jù)進(jìn)行統(tǒng)計，分析數(shù)據(jù)失效原因，如傳感器故障、裝置故障、通訊故障等，形成數(shù)據(jù)質(zhì)量報告，指導(dǎo)數(shù)據(jù)治理，數(shù)據(jù)質(zhì)量報告應(yīng)符合GB/T39400-2020的相關(guān)規(guī)定。數(shù)據(jù)質(zhì)量報告應(yīng)包括失效測點(diǎn)、裝置故障和通訊故障統(tǒng)計。5抽水蓄能機(jī)組調(diào)速器系統(tǒng)數(shù)據(jù)智能分析算法5.1統(tǒng)計學(xué)方法5.1.1閾值分析法閾值法是一種基于設(shè)定閾值來分類數(shù)據(jù)的方法，易于理解和實(shí)現(xiàn)，處理速度較快，可用于調(diào)速器系統(tǒng)中數(shù)據(jù)監(jiān)控、異常檢測和故障預(yù)警等方面。通過設(shè)定合理的閾值，有效區(qū)分正常狀態(tài)和異常狀態(tài)，確保系統(tǒng)的安全穩(wěn)定運(yùn)行，可使用的閾值模型包括：a）固定閾值模型：通過預(yù)先設(shè)定的固定值作為閾值，L和U為固定值，具體如下：閾值上限=U閾值下限=Lb）基于統(tǒng)計學(xué)的閾值模型：使用均值和標(biāo)準(zhǔn)差來設(shè)定動態(tài)閾值，宜使用于數(shù)據(jù)呈正態(tài)分布的情況，μ和σ分別為數(shù)據(jù)的均值和方差，k是常數(shù)：閾值上限=μ+kσ閾值下限=μ?kσc）移動平均模型：平滑時間序列數(shù)據(jù)的波動，宜用于短期趨勢分析，N是窗口大小，k是常數(shù)：4T/GZAAXX—2020閾值上限=mean+k閾值下限=mean?k5.1.2加權(quán)回歸法加權(quán)回歸法在調(diào)速器系統(tǒng)中宜用于數(shù)據(jù)擬合和異常檢測。在處理含有噪聲和異常值的數(shù)據(jù)時，通過對不同數(shù)據(jù)點(diǎn)賦予不同的權(quán)重，提高擬合精度。通過對每個數(shù)據(jù)點(diǎn)賦予權(quán)重，計算回歸方程，權(quán)重越大，數(shù)據(jù)點(diǎn)對回歸方程的影響越大。應(yīng)根據(jù)數(shù)據(jù)點(diǎn)的重要性或置信度確定權(quán)重。加權(quán)方法要點(diǎn)如下：a）距離加權(quán)：數(shù)據(jù)點(diǎn)離擬合線越遠(yuǎn)，權(quán)重越??；b）時間加權(quán)：最近的數(shù)據(jù)點(diǎn)權(quán)重更大；c）置信度加權(quán)：根據(jù)傳感器數(shù)據(jù)的置信度分配權(quán)重；d）加權(quán)回歸模型的目標(biāo)宜選用最小化加權(quán)殘差平方和：其中，wi是數(shù)據(jù)點(diǎn)的權(quán)重，yi是數(shù)據(jù)點(diǎn)的實(shí)際值，i是數(shù)據(jù)點(diǎn)的預(yù)測值，N為樣本數(shù)量。5.1.3均值回歸法均值回歸法宜用于調(diào)速器系統(tǒng)參數(shù)估計、數(shù)據(jù)平滑和異常檢測等，利用均值回歸法基于數(shù)據(jù)的均值進(jìn)行預(yù)測，將所有數(shù)據(jù)點(diǎn)的均值作為預(yù)測值。N為樣本數(shù)量，xi是數(shù)據(jù)值，均值回歸法的計算如下：均值標(biāo)準(zhǔn)差5.1.4極值數(shù)據(jù)法極值數(shù)據(jù)法是一種基于數(shù)據(jù)的極大值和極小值進(jìn)行分析和預(yù)測的方法。極值數(shù)據(jù)法宜用于調(diào)速器系統(tǒng)的異常檢測、故障預(yù)警和參數(shù)監(jiān)控。a）通過分析運(yùn)行數(shù)據(jù)的極值，確定系統(tǒng)運(yùn)行的安全范圍和預(yù)警閾值。應(yīng)關(guān)注數(shù)據(jù)中的最大值和最小值，通過分析這些極值判斷系統(tǒng)的運(yùn)行狀態(tài)和檢測異常。b）假設(shè)系統(tǒng)在正常運(yùn)行時，參數(shù)不會超出某個特定的范圍，超出范圍的值應(yīng)被認(rèn)為是異?；驖撛诠收?。N為樣本數(shù)量，xi是數(shù)據(jù)值，應(yīng)利用max函數(shù)和min函數(shù)，求得數(shù)據(jù)的極大值和極小值：極大值=max(x1,x2,..,xN)極小值=min(x1,x2,..,xN)5.2人工智能算法5.2.1基本要求5T/GZAAXX—20205.2.1.1人工智能算法的技術(shù)要求應(yīng)符合GB/T43782-2024的相關(guān)規(guī)定。5.2.1.2人工智能的術(shù)語應(yīng)符合GB/T41867-2022的相關(guān)規(guī)定。5.2.2孤立森林法孤立森林法要求如下：a）孤立森林算法宜用于調(diào)速器系統(tǒng)的異常檢測，應(yīng)通過構(gòu)建多個隨機(jī)決策樹來隔離樣本點(diǎn)，從而識別異常；b）宜利用孤立森林的線性時間復(fù)雜度和高精準(zhǔn)度，提高對高維數(shù)據(jù)的魯棒性；c）宜采用圖3算法流程，包括效率計算、訓(xùn)練子樣本集劃分、樹的訓(xùn)練、合并孤立森林和模型應(yīng)用等環(huán)節(jié)。圖3孤立森林算法流程圖5.2.3基于密度的噪點(diǎn)空間聚類法（Density-BasedSpatialClusteringofApplicationswithNoise，DBSCAN）基于密度的噪點(diǎn)空間聚類法要求如下：a）DBSCAN可自動確定簇的數(shù)量，通過區(qū)域密度識別簇，連接密度相連的點(diǎn)形成簇；b）宜用于識別噪聲點(diǎn)，發(fā)現(xiàn)任意形狀的聚類并識別噪聲點(diǎn)（異常值）和處理大規(guī)模數(shù)據(jù)集；c）宜采用如圖4算法流程，包括效率計算、參數(shù)輸入、密度判斷、簇的劃分和模型應(yīng)用等環(huán)節(jié)。6T/GZAAXX—2020圖4DBSCAN算法流程圖5.2.4長短時記憶網(wǎng)絡(luò)（LongShort-TermMemory，LSTM）長短時記憶網(wǎng)絡(luò)要求如下：a）LSTM應(yīng)通過門控機(jī)制控制信息的流動，在長時間序列中有效地記憶和忘記信息；b）宜用于調(diào)速器系統(tǒng)的時序數(shù)據(jù)預(yù)測，捕捉長時間序列數(shù)據(jù)中的依賴關(guān)系，并檢測異常行為，防止梯度消失；c）宜采用圖5算法流程，包括效率計算、LSTM網(wǎng)絡(luò)訓(xùn)練、標(biāo)簽預(yù)測、模型校正和模型應(yīng)用等環(huán)節(jié)。圖5LSTM網(wǎng)絡(luò)算法流程圖5.2.5門控循環(huán)單元（GatedRecurrentUnit，GRU）7T/GZAAXX—2020門控循環(huán)單元要求包括：a）GRU是一種改進(jìn)的遞歸神經(jīng)網(wǎng)絡(luò)，結(jié)構(gòu)簡單，計算效率高，應(yīng)通過兩個門控機(jī)制（更新門和重置門）調(diào)節(jié)信息的傳遞，利用門控機(jī)制捕捉長時間依賴關(guān)系，同時保留重要信息；b）宜用于處理時間序列數(shù)據(jù)，通過獨(dú)特的機(jī)制減少梯度消失問題；c）宜采用圖6所示的算法流程，應(yīng)包括效率計算、GRU網(wǎng)絡(luò)構(gòu)建與訓(xùn)練、標(biāo)簽預(yù)測、模型評估和模型應(yīng)用等環(huán)節(jié)。圖6GRU算法流程圖5.2.6時間卷積網(wǎng)絡(luò)（TemporalConvolutionalNetwork，TCN）時間卷積網(wǎng)絡(luò)要求如下：a）TCN應(yīng)通過擴(kuò)展卷積和殘差連接捕捉長時間依賴關(guān)系，保持卷積神經(jīng)網(wǎng)絡(luò)的并行計算優(yōu)勢；b）宜用于處理時間序列預(yù)測任務(wù)，通過并行計算提高訓(xùn)練和預(yù)測的效率，提高其在短期和長期時間依賴關(guān)系捕捉方面的性能；c）宜采用圖7所示的算法流程，包括效率計算、TCN網(wǎng)絡(luò)訓(xùn)練、模型調(diào)參、模型評估和模型應(yīng)用等環(huán)節(jié)。8T/GZAAXX—2020圖7TCN算法流程圖6抽水蓄能機(jī)組調(diào)速器系統(tǒng)數(shù)據(jù)分析算法應(yīng)用6.1油泵數(shù)據(jù)分析6.1.1應(yīng)用場景應(yīng)對調(diào)速器油站系統(tǒng)多臺油泵的負(fù)載時間進(jìn)行監(jiān)視分析，從而判斷油泵的負(fù)載運(yùn)行效率，提前發(fā)現(xiàn)油泵本體或控制結(jié)構(gòu)存在的缺陷、隱患。6.1.2算法要求6.1.2.1應(yīng)分析油泵負(fù)載發(fā)令信號至空載發(fā)令信號之間的時間差，并對該時間差進(jìn)行統(tǒng)計分析，進(jìn)而得出油泵的負(fù)載效率，結(jié)合大數(shù)據(jù)歷史趨勢，制定合理的油泵負(fù)載時間運(yùn)行范圍。6.1.2.2當(dāng)油泵負(fù)載發(fā)令信號至空載發(fā)令信號之間時間差超出最大/最小/平均/正態(tài)分布時間間隔的某個比例范圍（如20%）時應(yīng)進(jìn)行預(yù)警提醒，并結(jié)合實(shí)例化應(yīng)用給出預(yù)警建議。6.1.3算法輸入與輸出油泵數(shù)據(jù)分析算法的輸入與輸出選擇具體見表1，包括：a）模型輸入：油泵負(fù)載發(fā)令信號和油泵空載發(fā)令信號；b）模型輸出：油泵負(fù)載效率和預(yù)測異常標(biāo)志。表1油泵數(shù)據(jù)分析算法輸入與輸出表類別符號涉及變量變量類型范圍單位采樣要求輸入/#1油泵負(fù)載發(fā)令信號開關(guān)量/變位上送/#1油泵空載發(fā)令信號開關(guān)量/變位上送/#2油泵負(fù)載發(fā)令信號開關(guān)量/變位上送/#2油泵空載發(fā)令信號開關(guān)量/變位上送/#*油泵負(fù)載發(fā)令信號開關(guān)量/變位上送/#*油泵空載發(fā)令信號開關(guān)量/變位上送輸出/油泵負(fù)載效率模擬量//預(yù)測異常標(biāo)志開關(guān)量/6.2導(dǎo)葉數(shù)據(jù)分析6.2.1應(yīng)用場景應(yīng)對導(dǎo)葉的啟動命令信號和穩(wěn)態(tài)信號進(jìn)行監(jiān)視分析，從而判斷導(dǎo)葉開啟的效率，提前發(fā)現(xiàn)導(dǎo)水機(jī)構(gòu)或控制結(jié)構(gòu)存在的缺陷、隱患。6.2.2算法要求導(dǎo)葉數(shù)據(jù)分析算法的要求如下：a）在任意工況下，應(yīng)分析任意工況啟動命令信號至某一設(shè)定導(dǎo)葉之間的時間，并對該時間差進(jìn)行9T/GZAAXX—2020統(tǒng)計分析，進(jìn)而得出導(dǎo)葉的開啟效率，結(jié)合大數(shù)據(jù)歷史趨勢，制定合理的導(dǎo)葉開啟時間范圍，并針對超出范圍的事件進(jìn)行預(yù)警?？山Y(jié)合實(shí)例化應(yīng)用設(shè)計多個導(dǎo)葉設(shè)定值進(jìn)行聯(lián)合分析判斷；b）在P工況啟動下，應(yīng)分析P工況調(diào)速器啟動命令信號（導(dǎo)葉開始開啟）至機(jī)組P工況穩(wěn)態(tài)信號時間，并對該時間差進(jìn)行統(tǒng)計分析，進(jìn)而得出導(dǎo)葉的開啟固定開度效率，結(jié)合大數(shù)據(jù)歷史趨勢，制定合理的導(dǎo)葉開啟時間范圍，并針對超出范圍的事件進(jìn)行預(yù)警；c）當(dāng)導(dǎo)葉開啟發(fā)令信號至某一設(shè)定值開度之間的時間差超出最大/最小/平均/正態(tài)分布時間間隔的某個比例范圍（如20%）時應(yīng)進(jìn)行預(yù)警提醒，并結(jié)合實(shí)例化應(yīng)用給出預(yù)警建議。6.2.3算法輸入與輸出導(dǎo)葉數(shù)據(jù)分析算法的輸入與輸出選擇見表2，包括：a）模型輸入：調(diào)速器系統(tǒng)發(fā)電G工況啟動命令信號、調(diào)速器系統(tǒng)拖動LA工況啟動命令信號、調(diào)速器系統(tǒng)泵工況（P）啟動命令信號、調(diào)速器導(dǎo)葉開度和機(jī)組P工況穩(wěn)態(tài)信號；b）模型輸出：導(dǎo)葉開啟速率和預(yù)測異常標(biāo)志。表2導(dǎo)葉數(shù)據(jù)分析算法輸入與輸出表類別符號涉及變量變量類型范圍單位采樣要求輸入/調(diào)速器系統(tǒng)發(fā)電G工況啟動命令信號開關(guān)量/變位上送/調(diào)速器系統(tǒng)拖動LA工況啟動命令信號開關(guān)量/變位上送/調(diào)速器系統(tǒng)泵工況（P）啟動命令信號開關(guān)量/變位上送OR調(diào)速器導(dǎo)葉開度模擬量%1次/s，0.1%/機(jī)組P工況穩(wěn)態(tài)信號開關(guān)量/變位上送輸出/導(dǎo)葉開啟速率模擬量//預(yù)測異常標(biāo)志開關(guān)量/6.3油罐數(shù)據(jù)分析6.3.1應(yīng)用場景應(yīng)對調(diào)速器壓力油罐的補(bǔ)氣次數(shù)進(jìn)行監(jiān)視分析，從而判斷壓力油罐的補(bǔ)氣效率，提前發(fā)現(xiàn)補(bǔ)氣或控制結(jié)構(gòu)存在的缺陷、隱患。6.3.2算法要求6.3.2.1應(yīng)在任意工況穩(wěn)態(tài)信號出現(xiàn)后至穩(wěn)態(tài)信號消失前，計算分析每單位時間（如1小時、30分鐘等）內(nèi)油罐補(bǔ)氣發(fā)令信號動作次數(shù)，進(jìn)而得出油罐的補(bǔ)氣效率，結(jié)合大數(shù)據(jù)歷史趨勢，制定合理的動作次數(shù)范圍。6.3.2.2在某一工況下，應(yīng)對油罐補(bǔ)氣次數(shù)超出最大/最小/平均/正態(tài)分布次數(shù)范圍的某個比例范圍（如20%）時應(yīng)進(jìn)行預(yù)警提醒，并結(jié)合實(shí)例化應(yīng)用給出預(yù)警建議。6.3.3算法輸入與輸出油罐數(shù)據(jù)分析算法的輸入與輸出選擇見表3，包括：T/GZAAXX—2020a）模型輸入：調(diào)速器系統(tǒng)發(fā)電工況（G）穩(wěn)態(tài)信號、調(diào)速器系統(tǒng)CP工況穩(wěn)態(tài)信號、調(diào)速器系統(tǒng)泵工況（P）穩(wěn)態(tài)信號、調(diào)速器系統(tǒng)停機(jī)（S）穩(wěn)態(tài)信號和油罐補(bǔ)氣發(fā)令信號；b）模型輸出：油罐補(bǔ)氣效率和預(yù)測異常標(biāo)志。表3油罐數(shù)據(jù)分析算法輸入與輸出表類別符號涉及變量變量類型范圍單位采樣要求輸入/調(diào)速器系統(tǒng)發(fā)電工況（G）穩(wěn)態(tài)信號開關(guān)量/變位上送/調(diào)速器系統(tǒng)CP工況穩(wěn)態(tài)信號開關(guān)量/變位上送/調(diào)速器系統(tǒng)泵工況（P）穩(wěn)態(tài)信號開關(guān)量/變位上送/調(diào)速器系統(tǒng)停機(jī)（S）穩(wěn)態(tài)信號開關(guān)量/變位上送/油罐補(bǔ)氣發(fā)令信號開關(guān)量/變位上送輸出/油罐補(bǔ)氣效率模擬量//預(yù)測異常標(biāo)志開關(guān)量/6.4功率增減數(shù)據(jù)分析6.4.1應(yīng)用場景應(yīng)在機(jī)組發(fā)電穩(wěn)態(tài)運(yùn)行時，對調(diào)速器系統(tǒng)有功增減時間進(jìn)行監(jiān)視分析，從而判斷調(diào)速器功率控制及調(diào)節(jié)的效率，提前發(fā)現(xiàn)調(diào)速器系統(tǒng)存在的缺陷、隱患。6.4.2算法要求功率增減數(shù)據(jù)分析算法的要求如下：a）應(yīng)在發(fā)電工況穩(wěn)態(tài)運(yùn)行時，在某一特定水頭范圍下，計算調(diào)速器有功從某一初始值P0增加或減小至新的穩(wěn)定值P1的時間，進(jìn)而得出功率增減效率，結(jié)合大數(shù)據(jù)歷史趨勢，制定合理的增減時間范圍，并針對超出范圍的事件進(jìn)行預(yù)警?？山Y(jié)合實(shí)例化需求，設(shè)置多組P0-P1進(jìn)行大數(shù)據(jù)分析；b）應(yīng)在發(fā)電工況運(yùn)行時，計算出口開關(guān)合閘后至機(jī)組帶上基荷的時間，結(jié)合大數(shù)據(jù)歷史趨勢，制定合理的基荷調(diào)節(jié)時間范圍，并針對超出范圍的事件進(jìn)行預(yù)警?？山Y(jié)合實(shí)例化需求，根據(jù)不同機(jī)組不同基荷進(jìn)行大數(shù)據(jù)分析；c）在發(fā)電穩(wěn)態(tài)工況下，功率增減的時間超出最大/最小/平均/正態(tài)分布時間間隔的某個比例范圍（如20%）時應(yīng)進(jìn)行預(yù)警提醒，并結(jié)合實(shí)例化應(yīng)用給出預(yù)警建議。6.4.3算法輸入與輸出功率增減數(shù)據(jù)分析算法的輸入與輸出選擇見表4，包括：a）模型輸入：機(jī)組出口開關(guān)GCB合閘信號、調(diào)速器系統(tǒng)發(fā)電工況（G）穩(wěn)態(tài)信號、有功信號和水頭信號；b）模型輸出：功率增減效率和預(yù)測異常標(biāo)志。表4功率增減數(shù)據(jù)分析算法輸入與輸出表T/GZAAXX—2020類別符號涉及變量變量類型范圍單位采樣要求輸入/機(jī)組出口開關(guān)GCB合閘信號開關(guān)量/變位上送/調(diào)速器系統(tǒng)發(fā)電工況（G）穩(wěn)態(tài)信號開關(guān)量/變位上送P有功信號模擬量[0，MAX]MW1次/s，0.1MWH水頭信號模擬量[0，MAX]m5次/s，0.1m輸出/功率增減效率模擬量//預(yù)測異常標(biāo)志開關(guān)量/6.5緊停閥數(shù)據(jù)分析6.5.1應(yīng)用場景應(yīng)對調(diào)速器系統(tǒng)緊停閥的開啟時間及關(guān)閉時間進(jìn)行監(jiān)視分析，從而判斷緊停閥開關(guān)的效率，提前發(fā)現(xiàn)閥門本體或控制結(jié)構(gòu)存在的缺陷、隱患。6.5.2算法要求緊停閥數(shù)據(jù)分析算法的要求如下：a）應(yīng)分析緊停閥發(fā)令開啟\關(guān)閉至收到全開\全關(guān)位置信號時間，并對該時間差進(jìn)行統(tǒng)計分析，進(jìn)而得出緊停閥的開關(guān)效率，結(jié)合大數(shù)據(jù)歷史趨勢，制定合理的緊停閥正常開啟和關(guān)閉時間范圍，并針對超出范圍的事件進(jìn)行預(yù)警；b）當(dāng)緊停閥發(fā)令開啟至收到全開位置信號時間超出最大/最小/平均/正態(tài)分布時間間隔（數(shù)值來源于統(tǒng)計一段時間（如1個月）的正常數(shù)據(jù)，下同）的某個比例范圍（如20%）時應(yīng)進(jìn)行預(yù)警提醒，并結(jié)合實(shí)例化應(yīng)用給出預(yù)警建議；c）當(dāng)緊停閥發(fā)令關(guān)閉至收到全關(guān)位置信號時間超出最大/最小/平均/正態(tài)分布時間間隔的某個比例范圍（如20%）時應(yīng)進(jìn)行預(yù)警提醒，并結(jié)合實(shí)例化應(yīng)用給出預(yù)警建議。6.5.3算法輸入與輸出緊停閥數(shù)據(jù)分析算法的輸入與輸出選擇宜如下，具體如表5所示：a）模型輸入：緊停閥開啟發(fā)令信號、全開位置信號、關(guān)閉發(fā)令信號和全關(guān)位置信號；b）模型輸出：緊停閥開關(guān)效率和預(yù)測異常標(biāo)志。表5緊停閥數(shù)據(jù)分析算法輸入與輸出表類別符號涉及變量變量類型范圍單位采樣要求輸入/緊停閥開啟發(fā)令信號開關(guān)量/變位上送/緊停閥全開位置信號開關(guān)量/變位上送/緊停閥關(guān)閉發(fā)令信號開關(guān)量/變位上送/緊停閥全關(guān)位置信號開關(guān)量/變位上送輸出/緊停閥開關(guān)效率模擬量//預(yù)測異常標(biāo)志開關(guān)量/T/GZAAXX—20206.6隔離閥數(shù)據(jù)分析6.6.1應(yīng)用場景應(yīng)對調(diào)速器油站系統(tǒng)隔離閥的開啟時間及關(guān)閉時間進(jìn)行監(jiān)視分析，從而判斷隔離閥開關(guān)的效率，提前發(fā)現(xiàn)閥門本體或控制結(jié)構(gòu)存在的缺陷、隱患。6.6.2算法要求隔離閥數(shù)據(jù)分析算法的要求如下：a）應(yīng)分析隔離閥發(fā)令開啟\關(guān)閉至收到全開\全關(guān)位置信號時間，并對該時間差進(jìn)行統(tǒng)計分析，進(jìn)而得出隔離法的開關(guān)效率，結(jié)合大數(shù)據(jù)歷史趨勢，制定合理的隔離閥正常開啟和關(guān)閉時間范圍，并針對超出范圍的事件進(jìn)行預(yù)警；b）當(dāng)隔離閥發(fā)令開啟至收到全開位置信號時間超出最大/最小/平均/正態(tài)分布時間間隔（數(shù)值來源于統(tǒng)計一段時間（如1個月）的正常數(shù)據(jù)）的某個比例范圍（如20%）時應(yīng)進(jìn)行預(yù)警提醒，并結(jié)合實(shí)例化應(yīng)用給出預(yù)警建議；c）當(dāng)隔離閥發(fā)令關(guān)閉至收到全關(guān)位置信號時間超出最大/最小/平均/正態(tài)分布時間間隔的某個比例范圍（如20%）時應(yīng)進(jìn)行預(yù)警提醒，并結(jié)合實(shí)例化應(yīng)用給出預(yù)警建議。6.6.3算法輸入與輸出隔離法數(shù)據(jù)分析算法的輸入與輸出選擇見表6，包括：a）模型輸入：隔離閥開啟發(fā)令信號、全開位置信號、關(guān)閉發(fā)令信號和全關(guān)位置信號；b）模型輸出：隔離法開關(guān)效率和預(yù)測異常標(biāo)志。表6隔離法數(shù)據(jù)分析算法輸入與輸出表類別符號涉及變量變量類型范圍單位采樣要求輸入/隔離閥開啟發(fā)令信號開關(guān)量/變位上送/隔離閥全開位置信號開關(guān)量/變位上送/隔離閥關(guān)閉發(fā)令信號開關(guān)量/變位上送/隔離閥全關(guān)位置信號開關(guān)量/變位上送輸出/隔離閥開關(guān)效率模擬量//預(yù)測異常標(biāo)志開關(guān)量/6.7油站數(shù)據(jù)分析6.7.1應(yīng)用場景應(yīng)對調(diào)速器油站系統(tǒng)的啟動時間及停止時間進(jìn)行監(jiān)視分析，從而判斷油站的啟停效率，提前發(fā)現(xiàn)油站系統(tǒng)存在的缺陷、隱患。6.7.2算法要求油站數(shù)據(jù)分析算法的要求如下：a）應(yīng)分析計算調(diào)速器油站發(fā)令啟動/停止至油站啟動/停止成功的時間，并對該時間差進(jìn)行統(tǒng)計分析，進(jìn)而得出油站的啟停效率，結(jié)合大數(shù)據(jù)歷史趨勢，制定合理的油站正常啟動和停止時間范圍，并針對超出范圍的事件進(jìn)行預(yù)警；T/GZAAXX—2020b）當(dāng)調(diào)速器油站發(fā)令啟動至油站啟動成功時間超出最大/最小/平均/正態(tài)分布時間間隔（數(shù)值來源于統(tǒng)計一段時間（如1個月）的正常數(shù)據(jù)）的某個比例范圍（如20%）時應(yīng)進(jìn)行預(yù)警提醒，并結(jié)合實(shí)例化應(yīng)用給出預(yù)警建議；c）當(dāng)調(diào)速器油站發(fā)令停止至油站停止成功時間超出最大/最小/平均/正態(tài)分布時間間隔（數(shù)值來源于統(tǒng)計一段時間（如1個月）的正常數(shù)據(jù)）的某個比例范圍（如20%）時應(yīng)進(jìn)行預(yù)警提醒，并結(jié)合實(shí)例化應(yīng)用給出預(yù)警建議。6.7.3算法輸入與輸出油站數(shù)據(jù)分析算法的輸入與輸出選擇見表7，包括：a）模型輸入：調(diào)速器油站啟動發(fā)令信號、啟動成功信號、停止發(fā)令信號和停止成功信號；b）模型輸出：油站啟停效率和預(yù)測異常標(biāo)志。表7油站數(shù)據(jù)分析算法輸入與輸出表類別符號涉及變量變量類型范圍單位采樣要求輸入/