供熱系統(tǒng)傳感器數(shù)據過失誤差偵破方法研究

李思璐，柳耀文，于景萍，傅強，劉海波，周志剛，薛普寧，劉京

(1.中冶華天工程技術有限公司，南京 210019；2.華電能源熱網檢測和技術服務中心，哈爾濱 150090；3. 黑龍江省建工集團有限責任公司，哈爾濱 150046；4.哈爾濱工業(yè)大學 a.建筑學院；b.寒地城鄉(xiāng)人居環(huán)境科學與技術工業(yè)和信息化部重點實驗室，哈爾濱 150090)

0 引言

隨著我國科技的進步，城市集中供熱系統(tǒng)自動化程度不斷提高，現(xiàn)已逐步邁入信息化時代，使得集中供熱系統(tǒng)的運行及操作人員對其的控制愈發(fā)依靠供熱系統(tǒng)的數(shù)據。近年來，我國新建的供熱系統(tǒng)大多配置了現(xiàn)代化的儀表、控制裝置，對于現(xiàn)有的供熱系統(tǒng)，部分也進行了信息化改造，加裝了傳感器裝置，可實現(xiàn)數(shù)據的遠程監(jiān)控。在供熱系統(tǒng)中，通過壓力、溫度、流量檢測儀表上傳的數(shù)據，可實時監(jiān)測供熱系統(tǒng)的運行狀況，但傳感器上傳的數(shù)據存在以下幾個問題。

(1)數(shù)據格式不同。數(shù)據采集過程中，采用大量不同類型的數(shù)據采集設備，由于數(shù)據采集設備的規(guī)格、接口不同，通信速率甚至數(shù)據格式都不相同。

(2)受環(huán)境因素影響。在數(shù)據傳輸過程中會受周圍電場、磁場的影響，各采集裝置將測量數(shù)據傳輸?shù)焦芾砥脚_時會出現(xiàn)誤差。

(3)儀表帶病工作。由于供熱管理部門的儀表維護技術力量有限，使儀表帶病工作。

以上這些問題都會使上傳數(shù)據出現(xiàn)誤差，導致測量數(shù)據可信度降低，因此，為了提高集中供熱系統(tǒng)上傳數(shù)據的準確性，研究誤差數(shù)據的識別方法對提高供熱系統(tǒng)的安全性與穩(wěn)定性有重要的意義[1]。

1 應用小波濾波方法偵破過失誤差

小波濾波是一項可以將信號中特定波段頻率濾除的技術，測試的含有噪聲的信號模型為

zi=xi+wi(i=0,1,…,N-1) ，

(1)

式中：zi為測量信號；xi為原始信號；wi為過程噪聲；N為測量信號長度。

現(xiàn)將供熱系統(tǒng)中傳感器上傳的數(shù)據視為含噪的測量信號，采用基于小波分析的去噪方法從被污染的測量信號z中恢復出原始信號x，將恢復的原始信號與實際測量數(shù)據進行比較，得到實際測量數(shù)據中的異常值。

應用小波濾波偵破過失誤差的流程如圖1所示，具體步驟如下。

圖1 小波濾波偵破過失誤差流程

第1步：讀取數(shù)據。若信號是連續(xù)的，z=f(t)(t為時間)，那么必須以能夠捕獲原信號必要細節(jié)的速率取樣，若信號已離散化，則該步驟可以省略。

第2步：分解。應用分解算法對測量信號分解，得到測量信號的第1層分解系數(shù)，包括近似系數(shù)(低頻系數(shù)，又叫尺度系數(shù))和小波系數(shù)(高頻系數(shù)，又叫細節(jié)系數(shù))。對近似系數(shù)進一步分解可得到下一層近似系數(shù)和小波系數(shù)。重復使用分解公式直至達到一個合適的分解層。該步驟的輸出是各層的小波系數(shù)和最后一層的近似系數(shù)，該系數(shù)集就是下一步要處理的對象。本文在對數(shù)據進行小波分解時，分解層數(shù)為4。

第3步：處理。對上一步得到的小波系數(shù)采用Donoho提出的小波閾值濾波方法進行處理，使測量信號去噪，重構后得到校正值。

第4步：誤差計算。將上一步對信號重構后得到的校正值與測量數(shù)據作差，計算誤差δ及誤差的標準差σ。

第5步：偵破過失誤差。將所有的誤差δ與2σ比較，若誤差δ>2σ，則該測量時間點的誤差為過失誤差，否則為隨機誤差。

2 應用中值濾波方法偵破過失誤差

中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術。這種濾波器的優(yōu)點是運算簡單且速度較快，具有良好的邊緣保持性和抑制脈沖噪聲的能力。

中值濾波基本原理是把數(shù)字序列中任一點的值用該點鄰域內各點值的中值來代替[2]，設一數(shù)字序列X，n個數(shù)按照值的大小排列，所求中值y的表達式如下

y= Med{x1，x2，…，xn}=

(2)

應用中值濾波偵破過失誤差的流程如圖2所示，主要為以下4個步驟。

圖2 中值濾波偵破過失誤差流程

第1步：讀取數(shù)據。讀取供熱系統(tǒng)中需要進行過失誤差偵破的實際測量數(shù)據。

第2步：中值濾波。將數(shù)據通過中值濾波器，得到濾波后的輸出值。

第3步：計算測量誤差及測量誤差的標準差σ。測量誤差為中值濾波后的輸出值y與原始測量數(shù)據x之差的絕對值。

第4步：過失誤差偵破。若|y-x|>2σ，則該時間點的測量數(shù)據含有過失誤差，否則，該時間點的數(shù)據為正常數(shù)據。

需要說明的是，在智能儀表內使用的中值濾波技術和對智能儀表上傳的測量數(shù)據所使用的中值濾波技術雖然原理相同，但是所濾除掉的噪聲并不相同。由于智能儀表采集數(shù)據時速度特別快，基本是ms級的，所采集到的數(shù)據會受到非常大的電磁干擾，因此，在智能儀表內必須對采集到的數(shù)據進行濾波處理，但這種濾波只是濾掉了一些電磁干擾。而在使用中值濾波方法處理智能儀表上傳的測量數(shù)據信號時，濾除的主要是測量數(shù)據信號中的脈沖信號，這個脈沖信號是由多方面原因所導致的，不單單是電路中的電磁干擾。

3 應用誤差反向傳播(BP)神經網絡方法在線診斷

20世紀80年代中期，Rumelhart，McClelland等提出了著名的BP算法，解決了多層神經網絡的學習問題。BP神經網絡是迄今為止最成熟、應用最廣泛的一種神經網絡模型，它只依賴于歷史數(shù)據即可進行快速簡單的系統(tǒng)識別，從而突破了對約束條件的假設，并且對測量數(shù)據中隨機誤差的分布沒有特殊的要求。

BP神經網絡一般由輸入層、隱含層和輸出層組成，其核心是采用一邊向后傳遞誤差，一邊修正誤差的方法來不斷調節(jié)網絡參數(shù)(權值和閾值)，以實現(xiàn)或逼近所希望的輸入、輸出映射關系。對于供熱系統(tǒng)中傳感器上傳的測試數(shù)據，應用BP神經網絡偵破過失誤差時的流程如圖3所示，具體包括7個步驟。

第1步：輸入數(shù)據。輸入構造BP神經網絡所需要的輸入、輸出，即換熱站的歷史測量數(shù)據。

第2步：數(shù)據初始化。為了加快網絡的學習效率，需要對原始數(shù)據的輸入、輸出樣本進行規(guī)范化處理。

第3步：設權值和閾值。

第4步：輸入樣本，計算誤差。將換熱站內待訓練的測量數(shù)據輸入，利用所構建好的BP神經網絡，得到所期望的輸出值，與實際的測量數(shù)據比較，計算誤差。

圖3 BP神經網絡偵破過失誤差流程

第5步：誤差反向傳播。將計算得到的誤差與設定的誤差容限進行比較，當樣本誤差小于誤差容限時，則繼續(xù)進行第6步；否則，回到第3步，根據誤差調整權值。

第6步：測試。利用訓練得到的BP神經網絡，得到測試數(shù)據所對應的輸出值。

第7步：過失誤差偵破。將測試數(shù)據的輸出值與實際上傳的數(shù)據比較，得到測量誤差及測量誤差的標準差σ，若測量誤差>2σ，則判斷該處實際上傳的數(shù)據為異常值；反之，若測量誤差≤2σ，則判斷該處為正常的數(shù)據。

4 3種過失誤差偵破方法的對比

將這3種方法應用于實際的供熱系統(tǒng)中，比較這3種方法對上傳數(shù)據中過失誤差的偵破結果，從中選出一種更適合的方法。實際的供熱系統(tǒng)選取長春東嶺區(qū)域供熱系統(tǒng)，該供熱系統(tǒng)總的供熱面積約為290萬m2，下屬71個換熱站和9個自管站，其中換熱站內裝有可遠傳數(shù)據的壓力、溫度及流量儀表，可上傳數(shù)據到熱力公司，而自管站不由熱力公司管理，因此沒有壓力、溫度及流量數(shù)據上傳。長春東嶺區(qū)域供熱系統(tǒng)的一級網循環(huán)流量在整個采暖季基本保持不變，二級網采用循環(huán)泵啟停的方式來控制供熱量。

選取長春東嶺區(qū)域供熱系統(tǒng)中金水站換熱站2014年9月18日至2015年4月30日上傳的一級網流量數(shù)據，取該時間段內變化比較穩(wěn)定的535個數(shù)據作為一級網流量數(shù)據的正常數(shù)據，接著在這些正常數(shù)據中隨機添加50個異常值。正常的一級網流量數(shù)據如圖4所示，添加異常值后的一級網流量數(shù)據如圖5所示，添加異常值的數(shù)據序號如下：4，21，29，54，60，65，69，79，103，113，131，132，134，136，138，154，156，178，181，186，190，202，257，262，276，279，296，308，310，314，315，324，325，341，366，382，395，418，419，422，434，450，462，466，486，498，503，506，518，519。

圖4 正常的一級網流量數(shù)據

圖5 添加異常值后的一級網流量數(shù)據

現(xiàn)應用小波濾波、中值濾波及BP神經網絡3種方法分別偵破這組含過失誤差的一級網流量數(shù)據，得到測量數(shù)據與預測數(shù)據的對比情況和過失誤差的偵破結果，如圖6～圖8所示。

圖6 小波濾波過失誤差偵破結果

圖8 BP神經網絡過失誤差偵破結果

在表示過失誤差偵破結果的圖中，所有數(shù)據一共有2個值：0和1，其中值為0表示該時間點對應的測量數(shù)據為正常數(shù)據，而值為1表示該時間點對應的測量數(shù)據為含過失誤差的異常數(shù)據。

現(xiàn)有2個指標評估3種方法的偵破結果，分別是過失誤差偵破率和精度，表達式為

(3)

(4)

小波濾波、中值濾波、BP神經網絡3種方法的過失誤差偵破率和精度見表1。

表1 小波濾波、中值濾波、BP神經網絡的過失誤差偵破結果

由表1可見，過失誤差偵破率最大的是中值濾波方法，最小的是BP神經網絡方法。對含有相同數(shù)量過失誤差的測量數(shù)據而言，過失誤差偵破率越大，說明應用該方法可檢測出越多的異常值，過失誤差偵破的效果越好。精度最大的是中值濾波方法，最小的是小波濾波方法。對比小波濾波、中值濾波和BP神經網絡3種方法，中值濾波方法的過失誤差偵破率和精度在3種方法中均是最大值，說明中值濾波方法對一級網流量數(shù)據的過失誤差偵破效果最好，偵破出的過失誤差多且準，故選用中值濾波方法作為供熱系統(tǒng)一級網流量數(shù)據過失誤差偵破的方法。

5 結束語

本文比較了小波濾波、中值濾波和BP神經網絡3種方法對供熱系統(tǒng)中換熱站內一級網流量數(shù)據的過失誤差偵破效果，其中中值濾波方法的效果最好，可有效偵破測量數(shù)據的過失誤差，有助于提高測量數(shù)據的可靠性和準確性。