基于滤波算法的波形识别在电厂中的应用

广东电力

2019年*月GUANGDONG ELECTRIC POWER

Vol. 32 No. 3

Mar. 2019

doi： 10. 3969/). issn. 1007-290X. 2019. 003. 004

基于滤波算法的波形识别在电厂中的应用

彭国富高文松刘宗奎葛岩王奕史恒惠赵永强陈文伟杨涛2

(1.国家电力投资集团河南电力有限公司技术信息中心，河南郑州450001; 2.华中科技大学能源与动力工程，湖北武汉 430074)

摘要：针对电厂所采集的信号带噪声的问题，基于卡尔曼滤波及滑动平均算法和特征匹配相结合的统计分类计 算方法识别波形，设计并开发了一种实时滤波监测系统，以实现计算相关性能指标的功能。通过仿真建模分析 发现，单独的经典卡尔曼滤波效果有待提高，在处理前后值之间的联系以及平滑处理上仍存在缺陷，因此加入 滑动平均算法。通过计算均方根误差发现结合两种算法的滤波效果比单一卡尔曼滤波表现好，且与特征匹配相 结合的统计分类计算方法能够有效地识别出5种波形。这一实时滤波监测系统能够有效反映出设备的运行情况 及趋势，可为运行维护人员提供决策依据。

关键词：火力发电机组；控制系统；波形识别；卡尔曼滤波；性能指标计算中图分类号：TK323

文献标志码：A

文章编号：1007-290X(2019)03-0025-07

Application of Waveform Recognition Based on Filtering Algorithm in

Power Plant

PENGGuofu1, GAO Wensong1, LlUZongkuS , GEYan1, WANGYi , SHIHenghuS , ZHAOYongqiang1 %

CHEN WenweS % YANGTao2

(1. SPIC Henan Electric Power Co. , Ltd. Technical InformationCenter, Zhengzhou, Henan 450001, China； 2. School of Energy and Power Engineering % Huazhong University of Science and Technology % Wuhan % Hubei 430074 , China)

Abstract： Aiming at the problem of noise in signal band collected by the power plant , this paper uses a statistical classifica­tion calculation method waveforms , designs and there are still

combining develops a

Kalman filter kind

of

algorithm ,

the

sliding

average algorithm and fsystem the

to back

real-time filtering monitoring

front

and

realizevaluesit And kinds

formance index. Simulated modeling analysis has discovered effect of the single classic Kalman filter needs improving and

defects in

dealing with

correlation between the

By

fore ,it introduces the sliding average algorithm.

are better

calculation root-mean-square error ,

algorithm.

five

effect of combining these two algorithms than that of single Kalman filter can

effectively

tion calculationmethod combining with featurematching ing basis for operation and maintenance personnel.

recognize

filtering monitoring system is capable of effectively reflecting operation and trend of equipment and providing decision-mak­Key words: thermal power generator unit; control system; waveform recognition; Kalman filter performance index calculation

当前波形识别的方法主要针对心电波这种有规 律、噪声小、有明显特征的波形，或地震波这种由 多种反射波组成的复杂波形。针对这2种波形的研 究算法复杂，不适合电厂扰动试验这种基础波形简

单但噪声较大、干扰因子多的波形，且无法进行实 时反馈。指纹及面部等图像识别通过扫描逐个像素 点来提取图像的特征点，但是对于远程自动控制系 统来说，调用计算量极大的外部程序很明显不是一 个明智的选择。目前电厂进行的机组扰动试验主要 依靠通过人眼判断波形，对人的依赖程度较大12]。

波形识别的方法主要有阈值法、轮廓法、面积 法、数字滤波法、斜率法和神经网络建模等35]。

收稿日期：2018-05-07 修回日期：2018-09-10

基金项目：国家重点基础研究发展计划项目（2015CB251504)

26广东电力第32卷

电厂控制系统的特性，其在 试验后的曲线

主要有 衰减、等幅、 、非 衰减、非震荡发散5种形态(如图1所示\"且具有曲 线组成过程简单、采样

量规模大、 滤

和特

高、观测时、分析大等特点。因此采用数字

来处处理速

配相结合的

理试验 ，更加简单 ，可以 度，实时反映设备的运行情况。

图1

扰动试验后5种波形形态

Fig. !

Shapes of five waveforms after disturbance test

本文对运行 中子系统的运行数据进行卡尔曼滤波、 平均以一化等处理后，再计算其 阶中 ，提取波形特征，匹配波形模 ，以 衰 、超调量、稳态误差、调节时间等 等功能。

i

波形识别方法研究

形识别主要为波形的周期收敛性判断，其流 程如图2所示。1. 1数

理

在试验过程中通过传感器采集的参数不可避免 地会

一

，如交流电

应产生的干

6，多路信号 产生的

， 固定不牢

产生的 等（。

示更加符 际，用 尔 滤 和 平 结 的 对

进行滤波和 点处理。1. 1. 1卡尔曼滤 法

尔曼滤 $是I960年 学

尔曼

在系 的基础上

，其优化目标是使 误差最小，滤波过程可以简化为将上一时刻

的 值和现在的测量值

人，最

在

时刻的

值即

尔曼滤波值。

的经典卡尔滤

能处理线性问题9，这是经典卡尔曼

滤波的缺点，但经典卡尔曼滤

复杂度低，并

通过仿真验证，对本文所研究的电厂自动扰动

试验信号，其效果更好。

图2

波形识别算法流程

Fig. 2 Flowchart of waveform recognition algorithm

典卡尔曼滤波法是一种处理线性问题的方

法，其 系 通过以下公式进行描述(0]。

程：

X(k ' 1) \" (pK(k') ' rW(k'). (1)

观测方程：

Y(k ' 1) \" HX(k) ' V(k).

(2)

式中# k为时间点，系统在-时刻的真实值为！ -)，而Y(k)为k时刻的观测值，即为本文实际 测量值& ! 转移 & r 驱

&

H 量系 的 ， 对 量系 ， H

阵& W(k)和V(k)分别为过程和量的噪声。本 文所研究的电厂环境中 来源 ，较为复杂，

且随机性高，研究时2个 设为高斯白 ，的 差分别为2、K(假设不随系 的变化而变化)。

尔曼滤 有3个，分别为2、K、P。。其中，2为过程 的 差，它是 转移

际过程 的误差，这个 是卡尔曼滤

中较 的一个量，在此

是固定的矩

& 2— 对 ，且对角线上的值 ，便速 。K

量 差，与仪器的固有

，本文中将其 条件输人滤 ，

以通过试验手段寻找合适的K值，再利用其进 行真实的滤波；其取值方式一般是先依据试验或经 验 所有子系统的 值，在系统界 以手

第3期彭国富，等#基于滤波算法的波形识别在电厂中的应用

，得到当前 下的效果最优值&

的决策依 # 2/(2 +K)的值是卡尔 的收值，卡尔 越大，测量值越可靠，最优化值 越接近测量值&卡尔 越小， 值越可靠，最优化值越接近 值。恳 差 ，其取值对滤波效 ，均能 [11]。

尔曼滤波的最终问题是基于观测值{^(1)， 打2)，…，ra)}，求x(')的线性最小方差估计

值X(|fc)，目标函数如下[12]:

#.#.3! 际 滤

电厂运行 大

文使用 电厂 机四段 段选取50个 点进行分析。

，本

温度，在一时

以10 &为

进行， 处理，将采样点时间转换等 的数值。图3 机四段 温原 滤波值曲线。由图3可以 ， 的原 述

上下 对该信号

， 的锯齿状，现使用上进行滤波处理。

. = /[(!($)—!($ I a)T(!($) —!($ | a)].

(3)式中# $为时间点，对于$ = a' $>a和$(a，分 别称！（ I a为卡尔曼滤波器、预报器和平滑器；E

值。

尔曼滤波算法基于以下2点假设# w(a和 va)是均值为〇且不相关的白 &初始状态！(〇)不 wa)和 va)。

2点假设结合式(1)和(2)即 推卡尔曼滤 ，在i个滤 时间更新和观测更

2个过程。

1.1.2滑动平均算法

在实际生产环境中，单独的滤 往往不能

达到理想效果，所以引入其他辅 ，例如滑动平 。 平均是将某一时刻的 时的 做 ，能够很好地处理好一小段时间内的关系，减少随机误差的 ，而 以

前 的重要程 整权值。 具有

简

单、

速度快、滤波效果好等特点[13]。其具体

如下：

平均加权递推

[1+] #

yn \" 4#5=0

W2n-2- ⑷

式中# 4

平均窗口大小& W,为加权系数，足以下条件。

W〇> W1'…'W4-1 >0. (5)

W0 ' …'W4-1 = 1.

(6)

加权系数可以根据实际情况而定，也可以通过 式 最佳权值，本文中某一时刻前后的值平等关系，所以设权值相等，即对多个连续的参 进行 平均运算。4是 平 中唯一需要设定的 ，窗口的大小直接 滤波精度，在选取最 时可以 一系列的备 口大，采用 差和总和的比值这两个误差指标进行价，最

最合适的

。

—测量值一^尔曼滤波值

--滑动平均及卡尔曼联合滤波值

图3汽轮机四段抽汽温度滤波值

Fig. 3 Filtering values of four stage steam extraction

temperature of steam turbine

通过对比可以 ，滤 的 变化曲线相

比于原始观测值更能反映 的变化趋势，将单

尔曼滤波值 平 的卡尔曼滤波值进行

对比，联 平

的卡尔曼滤 以将

机四段 温度曲线滤得更加平滑。

1.1.⑷归一化处理

一处理不同

的

，需要对滤

的 进行归一化处理，归一化处理的目的是让图等比 。归一化不改变 和 的 ，但可以

和

上的差值。本文采用离

差标准化归一化方法，使数据分布在[，1]。1.2标准偏

差是个体

值离差平方和的算术平均

，其 差，是大于0的 ，总体的差用a表示，样本的 差用S表示，则p阶中

的

公式

当p = 2时，二阶中心矩也称为方差，标准差 计算公式为

28广东电力第32卷

式中：p=l，2% 3，…& x,为样本数据& I为样 本均值；《为样本总数。

差值小，说 小，均值对总体的代 差，有 的

的数理 程度和

中程度高， 好； 特征，能

说

变异程度

比 1 个 间处 差

1个

和

其中6m

差 2 个 量 时， 则 。以此类推， ，不满足则是不

。

最

前分别将方，从而得

(11)

的方差进行比较，满足公式(11)则

差的平方是方认为是

规律，是最常用的反映

程度的特征值[15]。

6m/6fir< 0.001.

m个 的方差。直接使用 仍存在 量大、 效果不的缺点，因此采用 学分析法等优化 对曲线进行特 形提取。将

进行分组分别计算差，分组有平

组和

组方式。经试验验

，大

情况下平

组比

组的方式具有

速、 高的优点，因此一用等区间分

组的方式。设所获取系统运行 个 3假设组 5,采用等 组方式，则每组3/5取整。&3收敛性

首先，

在分组所得的负荷 I

，分别识别升、 荷，并在负荷趋势曲线上标

来。其中高低负荷点变化过程中选取负荷连续 变幅 至少15%额定值，则认 荷变化。其 ， 形的 ，只需方差每一步都小于之前一步，即可认

，但滤 的 依旧夹杂。因此

样本

的特征，本文

2种结合来 形的

，分别

比较

和经验值比较法。

比较法是将各个区间的方差与前一的

差作比较，当满足公式(9)则说 的波动性越来越小， 。

6$ ' 6sec ' 6l*t. (9)式中：6$

1个 的方差& Ssec为第2个区间

的方差& Slast为最后一个

的方差。验值比较法是将

的最后一个方差

验

值做比较，经验值取1(T4。该方法主要针对存在

不合理的6$值或不合理的最大值时， 一段

荷刚变化的

阶段，

和存

在 的原因会低 际值，这种情况下就无

足

比较法。因此采用式！〇)，若满足条件则认

。

6i*t < 6exp ] 1CT4 .

(10)

其中6exp为经验值。

当满足公式(9)或(10)时，判定该波形收敛。 &4周期性

首先获得未稳定区间。当最后一个区间的方差

其次，

曲线的

。

的运行 中 平衡

同侧的

的比值是否在[0.2, 0.8]] ，如果是，贝U应波形的

特 ，即具有

，否

则，相应波形的 特

非

。

2

性能指标计算

用卡尔曼滤波和平 能 形，但是在 能指标时，需要 被调量的第1、第3极值点，鉴 的 ，经过平滑过的 能会失真，采用 邻做差的方式得到波形的极值，可以 结果的可靠性。

邻做差 本上理解即 阶导[1']的，公式(13)为一次相邻做差的 公式。

1，X 3'1 ' X n &

0,x„+1 \" xn & (13)

1，X 3'1 < X 3 •

邻做差就是对一次做差的结

进行一

次做差，做差公式不变。若 做差的结果大于

0,则此处 ，有极小值&反之，此处 ，有极大值。提取效果如图4所示。

图4

曲线极值点识别

Fig. 4 Recognition of extreme points滤 和平 处理 不能 所有

，因此所 的极值中有

点。若想要获

的 结 ， 需要对 的极值点 进行

检， 值和异常值，从而 的值。对于设定值增大的曲线，第一个极值必取 ，反之取

&下一个极值必

在已判定极值的后方；下一个极值必

极值中的最

值， 效果如图5所示。依据所匹配的波形来提取波形特征值，将系统

进行

验后的

人。用两次

第*期彭国富，等：基于滤波算法的波形识别在电厂中的应用29

Fig. 5 Recognition of extreme points after optimization

的

进行波峰波谷值的判断，得到i组极值。算

程如图6所示。

= r & y™. (16)

节时间满足y!)，贝U | y!) & y™ |$| y™ | x 5%，9 > . (17)其阈值可配置。而非 衰减曲线 间2项指标， 过程 3

实际应用图8

图6

计算性能指标流程

有 误差和调节时

衰减一样[17]。

际 软件的 水位界 图，其

中锯齿形状的曲线是

Fig. 6 Calculation flowchart of performance index

水位测量值，而较为平滑

的曲线则是 水位滤波值。

1。&获取8B低压加热器（以下简称“低 加-正常疏水控制子系统运行的 。本 取

2017 年 11月 9 日。7: 37: 30—。8: 24# 3。期间设 备运行

。首先对8B低加疏水系统的运行数

进行预处理，再使用上文 的 进行 收

， 能指标，结果如图9所示。

图9可以

，系统界面直接显示的是滤波这是震荡衰减的过程，其扰

的波形，由此

衰减曲线如图7所示。其中y#为被调量

第1个极值点，}* 3个极值点&

的终值& r为设定值 量& f。 t&

所 衰

时间&

如下。

$ \"为被调量

时间&

误差。

y# & y*.

y#

(14)

超调量

$ = 1x1。。％.

y™

!!

误差

(15)

3。， 点在。7#37#1。 时， 衰

。2,超调量为14. 8,稳态误差为3. 17,结果与人 。

图1。展示了 1号机组协调回路子系统锅炉主 控 形图。本 取2。17年11月2日i

汽包水位

•〇 O

a 卿。

图8监测系统软件界面

Fig. 8 Software interface of monitoring system

30广东电力

第32卷

图9系统测试结果

Fig. 9 System test result

图H 1号机组协调回路子系统

Fig. 10 Subsystem of coordination loop of No. 1 unit

00# 00# 00—#0# U: 24期间设备运行历史数据， 取值时间间隔10 s。如图#0所示，在05: 00# 00 时左右 主控 上升，自 节系统的设

值 上升且不断变化。 能指 #扰动量0.138，衰减率0.043，超调量0.040,稳 误差0.576,结 4

结束语

针对电厂系统设备运行参数曲线性能监测的 问题，本文 和特 阶中 设

一

尔曼滤

平均算法

配相结合的 来描述 的

一 时滤

。仿真

，采用二

趋势，并基于C#语

系 ， w本系统能够有效反工

。

参考文献：

[1] 陈雨欢.热力发电厂智能监视系统的设计与实现[D].武汉#

华中科技大学，2015.

[2] 高海东，高林，樊皓亮，等.火电机组实用智能优化控制技术

(].热力发电，2017, 46(12\" 1-5.

GAO Haidong，GAO Lin，FAN Haoliang，et al. Discussions on practical intelligent optimization control technologies for thermal power units [J]. Thermal Power Generation， 2017, 46(12\" !5.

[3] YU Yuan. Image Recognition algorithm and sharpness evalua­

tion based on edge width detection[C]//Proceedings of 2017 8 th International Computer Systems and Education Manage­ment Conference(ICSEMC 2017). [S. 1. ]# Research Institute of Management Science and Industrial Engineering#， 2017# 9.

[4] 张恒，高敏，徐超.融合阈值法和边缘提取的图像分割算法

装甲兵工程学院学报，2014, 28!\" 73-76, 86.

能指标的

映设备的运行情况及趋势，具有很强的工程实

用。

[5]郝 晓辉，刘鑫屏，边防，等.基于卡尔曼滤波的燃煤发热量动

第*期彭国富，等：基于滤波算法的波形识别在电厂中的应用31

态软测量方法■热力发电，！〇1' +6(1〇): 77$1-

able for utra-low load operation[J]. Thermal Power Genera­tion， 2018， 47(5)： 131-135.

[16] 李军，黄卫剑，万文军，等.一种新型抗扰控制方法的研究

与应用[J]■广东电力，2018,31(3)：1-8.

HAO Xiaohui, LIU Xinping， BIAN Fang，et al. Dynamic soft measurement method for coal calorific value based on Kalman filter [J], Thermal Power Generation， 2016, 46(10)： 77-81

[6] 陈耀球.基于状态监测技术的配电设备运行风险评估分析[J].

科技与创新，2018(4): 143-144,

LI Jun，HUANG Weijian，WAN Wenjun，et al. Research and application of one new-type disturbance rejection control method[J]. Guangdong Electric Power， 2018, 31(3) ： 1-8.[17] 李军，黄卫剑，万文军，等.一种高性能PID控制器的研究

与工程应用[J]■广东电力，2018,31(7)：42-48.

[7]吴 群.收发信机远方监控技术的实现分析[D]■北京：华北电

力大学，201&

[8]黄 小平，王岩.卡尔曼滤波原理及应用[M] ■北京：电子工业

出版社，2015,

LIJun，HUANG Weijian，WAN Wenjun，et al. Research on a kind of high performance PID controller and its eng-- [9] WELCH G, BISHOP G. An Introduction to the Kalman filter

[J]. University of North Carolina at Chapel Hill，1995, 8(7)： #27-#32Q

[10] 周雪斌，李明.基于实时数字滤波技术的火电厂运行数据分

析

■湖南电力，2012(6): 38-41.

ZHOU Xuebin，LI Ming. Analysis of power plant operating data based on real-time digital filtration technology[J], Hu­nan Electric Power ， 2012(6)： 38-41.

[11]陈 建强，洪彬倬，文波.基于扩展卡尔曼滤波算法的电网动

态状态估计[J]■广东电力，2017,30(10)：86-92,

CHEN Jianqiang，HONG Binzhuo，WEN Bo. Dynamic state estimation on power grid based on extended Kalman filter a-- gorithm [J) ■ Guangdong Electric Power， 2017, 30 (10)： 86-92■

[12] 刘亚南，王义，钟永洁，等.基于约束EKF的低频振荡模态

参数辨识[J]■广东电力，2018, 31(7)： 77-83■

LIU Yanan， WANG Yi， ZHONG Yongjie， et al Identifica­tion for modal parameters of low frequency oscillation based on constrainedEKFO Guangdong Electric Power， 2018, 31(7)： 77-83■

[13] 徐依虹.基于移动平均法预测短时交通流参数的步长选定

[J]■中国水运，2017，17(4)： 44-46，48-XU Yihong. Selection of step length for short term traffic flowparameters based onmoving averagemethod[J], China Water Transport，2017，17(4)：

44-46，48-[14] 梁民赞，黄子豪，曹占启.曲线拟合与卡尔曼滤波器的滤波

精度评估[J]■无线电工程，2013(3):36-39■

LIANG Mlinzan，HUANG Zilao，CAO Zhanq. Accuracy assessment of filtering based on curve fitting and Kalman fH- ter ()■ Radio Engineering，2013(3)： 36-39■

[15]白 德龙，刘鑫屏.适应超低负荷运行的汽包水位滤波器（）■

热力发电，2018,47(5):131-135■

BAI Delong, LIU Xinping. A filter of drum water level sui--

neering application [J]. Guangdong Electric Power， 2018, 31(7)： 42-48.

项目简介：

申请单位华中科技大学

项目名称基于先进数字滤波技术的自动调节在线监测与评价研究 项目概述研究运行参数数字滤波算法和被控参数滤波平滑处理 算法，以及控制系统的阶跃扰动试验调节品质在线评估方法，在 此基础上开发基于先进滤波技术的机组远程自动扰动试验调节曲 线性能监测软件，将发电机组模拟量控制系统的相关数据通过广 域网远传至统一的数据中心。其目的是实现所有机组、机组全负 荷工况和全时段调节品质，同时提高自动扰动试验效率和试验结 果准确性。

主要创新点①采用卡尔曼滤波和滑动平均的联合滤波算法，结 合二者的优点，对数据进行卡尔曼滤波后再次进行滑动平均处理， 误差更小；②运用各波形的特征来识别波形，相比于目前研究较 多的神经网络，所采用的识别方法计算速度快，且不需要对算法 进行训练，不需要大量的样本即可进行识别。基于电厂远程自扰 动试验把现场自动调节品质监测放到远程诊断中心，便于技术人 员分析评价，提高自动调节品质监测与评价的准确性和精确度， 给发电企业提供更好的技术监督与服务。

作者简介：

彭国富（1984)，男，湖北武汉人，高级工程师，工学硕士， 从事发电厂热控技术监督和控制系统优化方面的工作，Email:

peng_139@139.com。

高文松（1984)，男，河北沧州人，高级工程师，工学硕士， 从事发电厂热控技术监督和控制系统优化方面的工作。

刘宗奎（1983)，男，河南洛阳人，高级工程师，工学硕士， 从事控制系统可靠性研究、最优控制等方面的工作。

(编辑查黎)