基于部件特性的火力发电机组性能的在线监测系统的制作方法
1.本技术属于发电机组性能监测技术领域，尤其涉及一种基于部件特性的火力发电机组性能的在线监测系统。
背景技术：
2.目前，人们的用电需求日益增大，在电厂发电过程中，提高能源利用率及转换情况能够提高电厂输出电量，保证火力发电站的高效稳定运行。并且，火力发电站煤耗量占各行业平均年煤耗50％以上，提高火力发电站能源利用率对节能环保也具有重要意义。其中，火力发电机组性能监测系统可以对火力发电机组进行性能监测，是实现火力发电站科学用能，提高能源利用率的重要手段之一。
3.相关技术中，火力发电机组性能监测系统通常是通过历史数据比较，或者根据热力部件或整体边界参数条件建立数学模型，通过建立的数学模型比较实际测量值和应达值偏差判断系统运行状态，进行性能监测。
4.但是，上述的性能监测方式，由于火力发电机组运行变工况、测量仪表老化等原因导致火力发电机组测量得到的测量数据存在误差，所以从电厂得到的数据直接用于建立精确模型会严重影响模型精度。并且，目前的电站监测模型难以实现在电站实际运行的全工况范围内精确的对火力发电机组进行性能监测，。
5.因此，如何在火力发电站运行的全工况范围内精确的对火力发电机组进行性能监测成为目前亟需解决的技术问题。
技术实现要素：
6.本技术旨在至少在一定程度上解决相关技术中的技术问题之一。
7.为此，本技术的第一个目的在于提出一种基于部件特性的火力发电机组性能的在线监测系统。该系统可以在全工况范围内对火力发电机内各个部件和整体性能进行实时监测，保证机组高效运行，本技术的基于部件特性的火力发电机组在线性能监测系统智能化程度更高，设备健康状况可实时在线发布，并能够准确定位发生故障的部件。
8.本技术的第二个目的在于提出一种电子设备。
9.为达上述目的，本技术第一方面实施例提出了一种基于部件特性的火力发电机组性能的在线监测系统，包括：
10.数据采集模块，用于从待监测的火力发电机组的安全仪表系统sis和集散控制系统dcs中获取所述火力发电机组的历史测量数据；
11.数据预处理模块，用于对所述历史测量数据进行冗余处理，剔除误差数据；
12.数据分析模块，用于对所述数据预处理模块处理后的历史测量数据进行分析处理，获得所述火力发电机组的稳态工况数据；
13.模型构建模块，用于通过模型构建程序根据所述稳态工况数据构建所述火力发电机组的全工况关键部件模型；
14.在线性能监测模块，用于基于所述火力发电机组的实时运行数据,通过所述全工况关键部件模型对火力发电机组进行实时在线性能监测；
15.中央控制模块，与所述数据采集模块、所述数据预处理模块、所述数据分析模块、所述模型构建模块和所述在线性能监测模块连接，所述中央控制模块用于向所述在线监测系统中的其他模块发送相应的控制指令，协调控制各个模块运行。
16.可选地，在本技术的一个实施例中，还包括：
17.数据传输模块，用于通过无线通信技术实现所述在线监测系统中各个模块间的数据交互；
18.故障诊断模块，用于通过故障诊断装置对所述火力发电机组的待诊断部件的性能变化进行定量判定，确定所述待诊断部件是否发生故障；
19.监测预警模块，用于在判定任一所述待诊断部件发生故障时，通过声光预警装置进行故障预警通知。
20.可选地，在本技术的一个实施例中，还包括：
21.数据存储模块，用于通过云数据库服务器存储获取的所述历史测量数据、预处理后的历史测量数据、所述稳态工况数据、所述全工况关键部件模型、所述在线性能监测数据、所述待诊断部件的故障诊断结果和所述故障预警通知的数据。
22.可选地，在本技术的一个实施例中，还包括：
23.更新显示模块，用于通过显示设备对所述历史测量数据、预处理后的历史测量数据、所述稳态工况数据、所述全工况关键部件模型、所述在线性能监测数据、所述待诊断部件的故障诊断结果和所述故障预警通知的数据进行实时更新显示。
24.可选地，在本技术的一个实施例中，所述历史测量数据包括从所述安全仪表系统sis采集的所述火力发电机组的历史发电量、辅机耗电率、机组补水率、真空度、锅炉效率、汽轮机效率、热耗率、发电煤耗和供电煤耗，以及从所述集散控制系统dcs采集的给水温度、主汽参数、飞灰含碳量、底渣含碳量和排烟温度指标数据。
25.可选地，在本技术的一个实施例中，所述数据预处理模块，具体用于：
26.从所述历史测量数据提取中位数xe，并判断所述中位数xe是否位于所述历史测量数据的均值置信区间内；
27.在所述中位数xe位于所述均值置信区间内的情况下，判定存在数据误差，并采用稳健剔除异常数据法，基于历史测量数据的平均值、标准差和粗大误差因子对所述历史测量数据进行粗大误差剔除；
28.在所述中位数xe未位于所述均值置信区间内的情况下，结束数据预处理流程。
29.可选地，在本技术的一个实施例中，所述数据预处理模块通过以下公式计算所述均值置信区间：
[0030][0031]
其中，mm为均值置信区间的上限，mm为均值置信区间的下限，是历史测量数据的均值，σ是历史测量数据的标准差，n是历史测量数据的个数。
[0032]
可选地，在本技术的一个实施例中，所述模型构建模块，具体用于：
[0033]
根据所述火力发电机组的运行状况确定所述火力发电机组稳定运行的时间区间；
[0034]
通过主导因素法获得所述火力发电机组的关键部件在所述时间区间内的特性参数和所述特性参数的主导因素，并拟合得到所述特性参数的特性曲线；
[0035]
根据所述关键部件的特性参数、所述特性参数的主导因素和所述特性参数的特性曲线构建所述全工况关键部件模型。
[0036]
可选地，在本技术的一个实施例中，所述全工况关键部件模型如以下公式所示：
[0037]
k＝f(d1,d2,
…di
,
…dm
)
[0038]
其中，k为火力发电机组关键部件的特性参数，di为特性参数的主导因素，m为主导因素的个数。
[0039]
本技术的实施例提供的技术方案至少带来以下有益效果：本技术的在线性能监测系统包括数据采集模块、数据预处理模块、数据分析模块、模型构建模块、在线性能监测模块和中央控制模块，并用过中央控制模块向在线监测系统中的其他模块发送相应的控制指令，协调控制各个模块运行，实现一种基于部件特性的火力发电机组性能的在线监测系统。由此，通过该系统可以获取火力发电机组的历史测量数据并进行冗余处理，剔除误差数据，为构建火力发电机组全工况关键部件模型提供更加可靠的数据，并且通过该系统可以构建火力发电机组全工况关键部件模型，以对火力发电机组进行实时在线性能监测。该系统可以实现在全工况范围内精确反映热力系统部件和整体性能并能够及时准确的对故障进行预警通知。此外，该系统具有高程度的智能化，设备状况可实时在线观测，当有部件发生故障时，能够准确定位发生故障的部件。
[0040]
本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
[0041]
本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0042]
图1为本技术实施例所提供的一种基于部件特性的火力发电机组性能的在线监测系统的结构示意图；
[0043]
图2为本技术实施例所提供的一种冗余处理方法的流程图；
[0044]
图3为本技术实施例所提供的一种全工况关键部件模型的构建方法的流程图；
[0045]
图4为本技术实施例所提供的一种具体的基于部件特性的火力发电机组性能的在线监测系统的示意图；
[0046]
图5为本技术实施例所提供的一种基于部件特性的火力发电机组在线性能监测系统的信息交互示意图。
具体实施方式
[0047]
下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
[0048]
下面参考附图描述本技术实施例的基于部件特性的火力发电机组性能的在线监测系统。
[0049]
图1为本技术实施例所提供的一种基于部件特性的火力发电机组性能的在线监测系统的示意图。
[0050]
如图1所示，该基于部件特性的火力发电机组性能的在线监测系统，包括：数据采集模块10，数据预处理模块20，数据分析模块30，模型构建模块40，在线性能检测模块50和中央控制模块60。
[0051]
其中，中央控制模块50与数据采集模块10、数据预处理模块20、数据分析模块30、模型构建模块40和在线性能检测模块50连接。
[0052]
数据采集模块10，用于从待监测的火力发电机组的安全仪表系统(safety interlocking system，简称sis，)和集散控制系统(distributed control system，简称dcs)中获取火力发电机组的历史测量数据。
[0053]
其中，sis用于监测生产过程中出现的或者潜伏的危险，发出告警信息或直接执行预定程序，立即进入操作，防止事故的发生、降低事故带来的危害及其影响；dcs是以微处理器为基础的控制系统，可以针对不同需求实现多样化的控制策略。
[0054]
在本技术的一个实施例之中，火力发电机组的历史测量数据包括：从sis采集的火力发电机组的历史发电量、辅机耗电率、机组补水率、真空度、锅炉效率、汽轮机效率、热耗率、发电煤耗和供电煤耗，以及从集散控制系统dcs采集的给水温度、主汽参数、飞灰含碳量、底渣含碳量和排烟温度指标数据。
[0055]
作为一种可能实现的方式，数据采集模块10可以通过数据采集设备从待监测的火力发电机组的sis和dcs中获取火力发电组的历史测量数据。
[0056]
作为另一种可能的实现方式，该历史测量数据可以被处于火力发电机组中的各个位置的传感器收集，数据采集模块10可以与各个位置的传感器连接并获取传感器采集的数据，举例而言，数据采集模块10可以从温度传感器中获取给水温度和/或排烟温度指标数据，从电力传感器中获取历史发电量和辅机耗电率的指标数据。
[0057]
数据预处理模块20，用于对历史测量数据进行冗余处理，剔除误差数据。
[0058]
在本技术的实施例之中，数据预处理模块20可以通过数据预处理程序对获取的火力发电机组的历史测量数据进行冗余处理，剔除误差数据。
[0059]
为了更加清楚的说明本技术的数据预处理模块20进行冗余处理的具体实现过程，下面以在本技术的实施例之中提出的一种数据预处理模块20执行的数据预处理方法进行示例性说明，在本实施例中，数据预处理模块20其上存储有计算机程序，在进行在线监测时，数据预处理模块20执行该计算机程序实现如下方法。具体而言，图2为本技术所提供的一种冗余处理方法的流程图。如图2所示，该方法，包括以下步骤：
[0060]
步骤s101，从历史测量数据提取中位数xe，并判断中位数xe是否位于历史测量数据的均值置信区间内。
[0061]
在本实施例中，数据预处理模块20可以先通过以下公式计算均值置信区间：
[0062][0063]
其中，mm为均值置信区间的上限，mm为均值置信区间的下限，是历史测量数据的均值，σ是历史测量数据的标准差，n是历史测量数据的个数。之后，判断中位数xe是否处于mm至mm的区间内。
[0064]
步骤s102，在中位数xe位于均值置信区间内的情况下，判定存在数据误差，并采用稳健剔除异常数据法，基于历史测量数据的平均值、标准差和粗大误差因子对历史测量数据进行粗大误差剔除。
[0065]
其中，粗大误差剔除主要用于根据获取的历史测量数据，将历史测量数据中明显偏离平均值和标准差的数据剔除。以及，对粗大误差剔除的主要方法可以为：当数据样本容量较大时，则可以利用按照正态分布提取统计特征值的格鲁布斯准则和3σ准则将明显偏离平均值和标准差的数据剔除，当数据样本容量较小时，则可以利用假设检验方法的狄克松准则将明显偏离平均值和标准差的数据剔除。
[0066]
步骤s103，在中位数xe未位于均值置信区间内的情况下，结束数据预处理流程。
[0067]
数据分析模块30，用于对数据预处理模块20处理后的历史测量数据进行分析处理，获得火力发电机组的稳态工况数据。
[0068]
模型构建模块40，用于通过模型构建程序根据稳态工况数据构建火力发电机组的全工况关键部件模型。
[0069]
为了更加清楚的说明本技术的模型构建模块40进行构建火力发电机组的全工况关键部件模型的具体实现过程，下面以在本技术的实施例之中提出的一种全工况关键部件模型的构建方法进行示例性说明，在本实施例中，模型构建模块40其上存储有计算机程序，在进行构建模型时，模型构建模块40执行该计算机程序实现如下全工况关键部件模型的构建方法。具体而言，图3为本技术实施例提供一种全工况关键部件模型的构建方法的流程图。
[0070]
如图3所示，该方法，包括以下步骤：
[0071]
步骤s201，根据火力发电机组的运行状况确定火力发电机组稳定运行的时间区间。
[0072]
步骤s202，通过主导因素法获得火力发电机组的关键部件在时间区间内的特性参数和特性参数的主导因素，并拟合得到特性参数的特性曲线。
[0073]
其中，在本技术的实施例之中，主导因素法可以包括：
[0074]
确定部件的特性参数；
[0075]
确定部件特性参数相关的主导因素；
[0076]
通过统计学等数学方法建立特性参数与主导因素之间的特性曲线。
[0077]
示例地，在本技术的实施例之中，该部件可以为火力发电机组中的锅炉，首先确定锅炉的特性参数为排烟温度，之后，由于送风量可以影响排烟温度从而提升锅炉的热效应，所以确定排烟温度对应的主导因素为送风量，最后可以通过统计送风量和排烟温度的数据建立得到特性曲线，并根据该特性曲线可以规划最佳排烟温度和送风量使锅炉的热效率得到最大化的提升。
[0078]
步骤s203，根据关键部件的特性参数、特性参数的主导因素和特性参数的特性曲线构建全工况关键部件模型。
[0079]
在本技术的实施例之中，该火力发电机组全工况关键部件模型如下式所示：
[0080]
k＝f(d1,d2,
…di
,
…dm
)；
[0081]
其中，k为火力发电机组关键部件的特性参数，di为火力发电机组关键部件特性参数的主导因素，m为主导因素的个数。
[0082]
具体的，在申请的实施例之中，可能存在多个关键部件的模型，且每个关键部件可能存在多个特性参数。
[0083]
需要说明的是，在本技术的实施例之中，可以为多个关键部件的构建上述全工况关键部件模型，并且每个全工况关键部件模型可以对应多个特性参数。举例而言，该关键部件可以为火力发电机组中的锅炉，锅炉的特性参数和主导因素可以是一一对应的，比如，锅炉的特性参数可以为锅炉水质指标，则其对应的主导因素为水冷壁管内含垢量，锅炉的特性参数还可以为空气预热器入口温度，则其对应的主导因素为煤的含硫量，此外，锅炉的特性参数还可能对应其他多个特性参数，比如，锅炉的特性参数为排烟温度，对应的主导因素可以为送风量、送风强度和送风面积。另外，还可以对火力发电机组中的其他部件，比如，针对烟气换热器等部件构建全工况关键部件模型。基于此构建的火力发电机组全工况关键部件模型可以实现对系统各关键部件和整体性能都进行监测。
[0084]
在线性能监测模块50，用于基于火力发电机组的实时运行数据,通过全工况关键部件模型对火力发电机组进行实时在线性能监测。
[0085]
中央控制模块60，与数据采集模块10、数据预处理模块20、数据分析模块30、模型构建模块40和在线性能监测模块50连接，中央控制模块60用于向在线监测系统中的其他模块发送相应的控制指令，协调控制各个模块运行。
[0086]
基于上述实施例，为了丰富申请的基于部件特性的火力发电机组性能的在线监测系统可实现的功能，能够及时准确的对故障进行预警通知。本技术实施例中还提出了一种具体的监测系统，图4为本技术实施例所提供的另一种基于部件特性的火力发电机组性能的在线监测系统的示意图。
[0087]
如图4所示，该基于部件特性的火力发电机组性能的在线监测系统，还包括：
[0088]
数据传输模块70，用于通过无线通信技术实现在线监测系统中各个模块间的数据交互。
[0089]
其中，无线通信技术可以包括：wifi(无线通信)、lora(远距离无线通信)、zigbee等。举例而言，数据传输模块可以通过lora与中央控制模块进行连接通信，将获取的历史测量数据以及冗余处理后的历史测量数据发送至中央处理器。
[0090]
故障诊断模块80，用于通过故障诊断装置对火力发电机组的待诊断部件的性能变化进行定量判定，确定待诊断部件是否发生故障。
[0091]
监测预警模块90，用于在判定任一待诊断部件发生故障时，通过声光预警装置进行故障预警通知。
[0092]
在本技术一些实施例中，该基于部件特性的火力发电机组性能的在线监测系统，还包括：
[0093]
数据存储模块100，与中央控制模块60连接，用于通过云数据库服务器存储获取的历史测量数据、预处理后的历史测量数据、稳态工况数据、全工况关键部件模型、在线性能监测数据、待诊断部件的故障诊断结果和故障预警通知的数据。
[0094]
在本技术一些实施例中，该基于部件特性的火力发电机组性能的在线监测系统，还包括：
[0095]
更新显示模块110，与中央控制模块60连接，用于通过显示设备对历史测量数据、预处理后的历史测量数据、稳态工况数据、全工况关键部件模型、在线性能监测数据、待诊
断部件的故障诊断结果和故障预警通知的数据进行实时更新显示。
[0096]
综上所述，在本技术提出的一种基于部件特性的火力发电机组性能的在线监测系统，采用数据采集模块、数据预处理模块、数据分析模块、模型构建模块、在线性能监测模块和中央控制模块并用过中央控制模块向在线监测系统中的其他模块发送相应的控制指令，协调控制各个模块运行，实现一种基于部件特性的火力发电机组性能的在线监测系统。由此，通过该系统可以获取火力发电机组的历史测量数据并进行冗余处理，剔除误差数据，为构建火力发电机组全工况关键部件模型提供更加可靠的数据，并且通过该系统可以构建火力发电机组全工况关键部件模型，以对火力发电机组进行实时在线性能监测。以及，该系统可以实现在全工况范围内精确反映热力系统部件和整体性能并能够及时准确的对故障进行预警通知。此外，该系统具有高程度的智能化，设备状况可实时在线观测，当有部件发生故障时，能够准确定位发生故障的部件。
[0097]
为了更加清楚的说明本技术的基于部件特性的火力发电机组性能的在线监测系统在实际应用中各个模块的具体交互过程，下面以一个各模块交互的实施例进行说明，图5为本技术实施例所提供的基于部件特性的火力发电机组在线性能监测系统的信息交互结构图。
[0098]
如图5所示，该部件特性的火力发电机组在线性能监测系统的信息交互包括：
[0099]
中央处理模块60，向数据采集模块10和数据预处理模块20发送数据采集及数据预处理指令，之后数据采集模块10和数据预处理模块20根据指令采集历史测量数据并通过数据预处理程序对历史测量数据进行冗余处理，剔除误差数据，将冗余处理后的历史测量数据发送到数据分析模块30。
[0100]
数据分析模块30，通过数据分析程序对冗余处理后的历史测量数据进行分析处理，得到火力发电机组的稳态工况数据，并将该火力发电机组的稳态工况数据传输至模型构建模块40，之后模型构建模块40，通过模型构建程序根据火力发电机组的稳态工况数据构建火力发电机组全工况关键部件模型。
[0101]
在线性能监测模块50，通过构建得到的火力发电机组全工况关键部件模型对火力发电机组进行实时在线性能监测。在实现实时在线性能监测后，数据预处理模块20向中央处理模块60发送冗余处理后的历史测量数据，数据分析模块30向中央处理模块60发送火力发电机组的稳态工况数据，模型构建模块40向中央处理模块60发送火力发电机组的稳态工况数据构建火力发电机组全工况关键部件模型，在线性能监测模块50向中央处理模块60发送实时在线性能监测数据。
[0102]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0103]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者
隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0104]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0105]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0106]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0107]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0108]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0109]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。
技术特征：
1.一种基于部件特性的火力发电机组性能的在线监测系统，其特征在于，包括：数据采集模块，用于从待监测的火力发电机组的安全仪表系统sis和集散控制系统dcs中获取所述火力发电机组的历史测量数据；数据预处理模块，用于对所述历史测量数据进行冗余处理，剔除误差数据；数据分析模块，用于对所述数据预处理模块处理后的历史测量数据进行分析处理，获得所述火力发电机组的稳态工况数据；模型构建模块，用于通过模型构建程序根据所述稳态工况数据构建所述火力发电机组的全工况关键部件模型；在线性能监测模块，用于基于所述火力发电机组的实时运行数据,通过所述全工况关键部件模型对火力发电机组进行实时在线性能监测；中央控制模块，与所述数据采集模块、所述数据预处理模块、所述数据分析模块、所述模型构建模块和所述在线性能监测模块连接，所述中央控制模块用于向所述在线监测系统中的其他模块发送相应的控制指令，协调控制各个模块运行。2.根据权利要求1所述的监测系统，其特征在于，还包括：数据传输模块，用于通过无线通信技术实现所述在线监测系统中各个模块间的数据交互；故障诊断模块，用于通过故障诊断装置对所述火力发电机组的待诊断部件的性能变化进行定量判定，确定所述待诊断部件是否发生故障；监测预警模块，用于在判定任一所述待诊断部件发生故障时，通过声光预警装置进行故障预警通知。3.根据权利要求2所述的监测系统，其特征在于，还包括：数据存储模块，用于通过云数据库服务器存储获取的所述历史测量数据、预处理后的历史测量数据、所述稳态工况数据、所述全工况关键部件模型、所述在线性能监测数据、所述待诊断部件的故障诊断结果和所述故障预警通知的数据。4.根据权利要求3所述的监测系统，其特征在于，还包括：更新显示模块，用于通过显示设备对所述历史测量数据、预处理后的历史测量数据、所述稳态工况数据、所述全工况关键部件模型、所述在线性能监测数据、所述待诊断部件的故障诊断结果和所述故障预警通知的数据进行实时更新显示。5.根据权利要求1所述的监测系统，其特征在于，所述历史测量数据包括从所述安全仪表系统sis采集的所述火力发电机组的历史发电量、辅机耗电率、机组补水率、真空度、锅炉效率、汽轮机效率、热耗率、发电煤耗和供电煤耗，以及从所述集散控制系统dcs采集的给水温度、主汽参数、飞灰含碳量、底渣含碳量和排烟温度指标数据。6.根据权利要求1所述的监测系统，其特征在于，所述数据预处理模块，具体用于：从所述历史测量数据提取中位数x
e
，并判断所述中位数x
e
是否位于所述历史测量数据的均值置信区间内；在所述中位数x
e
位于所述均值置信区间内的情况下，判定存在数据误差，并采用稳健剔除异常数据法，基于历史测量数据的平均值、标准差和粗大误差因子对所述历史测量数据进行粗大误差剔除；在所述中位数x
e
未位于所述均值置信区间内的情况下，结束数据预处理流程。
7.根据权利要求6所述的监测系统，其特征在于，所述数据预处理模块通过以下公式计算所述均值置信区间：其中，mm为均值置信区间的上限，mm为均值置信区间的下限，是历史测量数据的均值，σ是历史测量数据的标准差，n是历史测量数据的个数。8.根据权利要求1所述的监测系统，其特征在于，所述模型构建模块，具体用于：根据所述火力发电机组的运行状况确定所述火力发电机组稳定运行的时间区间；通过主导因素法获得所述火力发电机组的关键部件在所述时间区间内的特性参数和所述特性参数的主导因素，并拟合得到所述特性参数的特性曲线；根据所述关键部件的特性参数、所述特性参数的主导因素和所述特性参数的特性曲线构建所述全工况关键部件模型。9.根据权利要求8所述的监测系统，其特征在于，所述全工况关键部件模型如以下公式所示：k＝f(d1,d2,
…
d
i
,
…
d
m
)其中，k为火力发电机组关键部件的特性参数，d
i
为特性参数的主导因素，m为主导因素的个数。10.一种电子设备，其特征在于，包括如权利要求1-9中任一项所述的基于部件特性的火力发电机组性能的在线监测系统。
技术总结
本申请提出了一种基于部件特性的火力发电机组性能的在线监测系统，其中，该系统包括：数据采集模块，用于从安全仪表系统和集散控制系统中获取历史测量数据；数据预处理模块，用于对历史测量数据进行冗余处理，剔除误差数据；数据分析模块，用于对历史测量数据进行分析处理，获得稳态工况数据；模型构建模块，用于构建全工况关键部件模型；在线性能监测模块，用于对火力发电机组进行实时在线性能监测；中央控制模块，与上述各个模块连接，用于向在线监测系统中的其他模块发送控制指令，协调控制各模块运行。该系统可以在全工况范围内对火力发电机内各个部件和整体性能进行准确的实时监测，保证机组高效运行。保证机组高效运行。保证机组高效运行。
