技术特征：
1.一种基于大数据分析的汽轮机劣化趋势测量方法，其特征在于，方法包括：步骤1、根据预设的时间段，以预设的时间间隔，从数据库中获取目标设备的相关参数构建各时间段的矩阵f
t
；步骤2、对采集到的各时间段的矩阵f
t
进行数据清洗，剔除不合格数据，获得正常数据集f
zt
；步骤3、进行稳态及非稳态判定，过滤其中非稳态数据得到剩余稳态数据集；步骤4、对稳态数据集通过测点逐条计算高压缸效率，并将算得的缸效率值存入稳态数据集中，合并得到整合数据集f
tb_
；步骤5、将整合数据集f
tb_
按照机组负荷和调阀开度进行分割，均匀的划分出i
×
j个区间；步骤6、对各个区间下数据集f分别抽取其下高压缸效率最大最小值，计算其最大值与最小值之间的差值与均值的百分比，作为区间下数据的离散度；步骤7、选取各个区间下离散度mod值最大的前n个区间，将这n个区间内的数据通过高压缸效率的最大最小值等间距的进行分割出m层，并将处于同一层的数据组合成分层数据集f
tfc
，共m个；步骤8、分别对每一层的数据f
tfc
进行非线性拟合；步骤9、将各个区间内的数据分别代入每一层的非线性拟合模型中，得到高压缸缸效效预测值，并与实际值做差比较，距离最近的点划分入于该层数据中，并再次将同一层的数据重新组合成分层数据集f
tfc
；步骤10、重复步骤8、9直到分层数据集f
tfc
保持不变；步骤11、对稳定的分层数据集f
tfc
分别再次进行非线性拟合，再对不同层在各个区间下的高压缸效率进行分界阈值划分，得到阈值矩阵l；步骤12、对历年数据集f
t
分别通过步骤10中的阈值矩阵l进行分层划分，分别计算不同层中历年数据的均值，最终统计合适层的均值得出劣化值。2.根据权利要求1所述的基于大数据分析的汽轮机劣化趋势测量方法，其特征在于，步骤1中，构建各时间段的矩阵f
t
包括：分别构建各时间段m1×
n的f
t
矩阵，其中m1为当前年份数据的条数，n为目标设备相关参数测点数，v为个点数值；3.根据权利要求1或2所述的基于大数据分析的汽轮机劣化趋势测量方法，其特征在于，步骤3中，步骤3.1、从矩阵f
t
中抽取与机组稳态非稳态判定相关测点n的数据f
tn
；
步骤3.2、对数据f
tn
按照时间窗口长度t1进行2阶多项式滤波，得到滤波后的测点n的数据f
tn_l
；步骤3.3、对滤波后数据f
tn_l
按照时间窗口长度t2进行一阶线性拟合，得到时间窗口长度t2内各段数据的斜率表l
g
；步骤3.4、对测点n的原始数据f
tn
按照时间窗口长度t2计算其时间窗口长度内的方差表l
v
；步骤3.5、通过设置合适的斜率与方差阈值分别从l
g
与l
v
中过滤都在阈值内的数据序号，按照序号索引f
t
，得到当年处于稳态时段下的数据f
t_w
。4.根据权利要求1或2所述的基于大数据分析的汽轮机劣化趋势测量方法，其特征在于，步骤4中，将算得的缸效率值v存入数据集中，合并得到整合数据集f
tb_w
，其中m2为稳态条件下的数据条数(m2≤m1)；对采集的数据计算缸效率，并将算得的缸效率放入该条数据中，其中缸效率计算公式为：η＝(h0‑
h
k
)
÷
(h0‑
h
s
)上式中，η为缸内效率，h0表示进汽蒸汽焓，h
k
表示排汽焓，h
s
表示由进汽蒸汽熵和排汽压力查得等熵焓。5.根据权利要求1或2所述的基于大数据分析的汽轮机劣化趋势测量方法，其特征在
于，步骤5中，将整合数据集f
tb_w
中的各条数据根据负荷与调阀开度分别划分进各个区间内,构建分割数据集f
a
,其下数据集f分别代表各个区间下的数据集；将整合数据集f
tb_w
按照步骤1中采集的机组负荷和调阀开度进行分割，机组负荷按照a mw一段、调阀开度按照b％一段进行分隔，得到分割数据集。6.根据权利要求1或2所述的基于大数据分析的汽轮机劣化趋势测量方法，其特征在于，步骤6中，区间下数据的离散度为；7.根据权利要求1或2所述的基于大数据分析的汽轮机劣化趋势测量方法，其特征在于，步骤2中，对采集到的各时间段的矩阵f
t
进行数据清洗包括，利用箱线图剔除采集数据中突变、异常、停机的质量不合格数据，得到整合数据集list
zh
。8.根据权利要求1或2所述的基于大数据分析的汽轮机劣化趋势测量方法，其特征在于，步骤7将离散度最大的n个区间的缸效率均值按照远近进行等距分层，得到分层数据集组合规则如下：上式中，表示在区间i、j中的第m层分层数据集。9.根据权利要求1或2所述的基于大数据分析的汽轮机劣化趋势测量方法，其特征在于，在步骤8中对每一层分层数据集按照缸效率、调阀开度、机组负荷三个维度，进行非线性回归拟合，得到每层的回归方程、拟合曲面和均方误差mse与r2决定系数。10.一种实现基于大数据分析的汽轮机劣化趋势测量方法的终端机，其特征在于，包括：存储器，用于存储计算机程序及基于大数据分析的汽轮机劣化趋势测量方法；
处理器，用于执行所述计算机程序及基于大数据分析的汽轮机劣化趋势测量方法，以实现如权利要求1至9任意一项所述基于大数据分析的汽轮机劣化趋势测量方法的步骤。
技术总结
本发明提供一种基于大数据分析的汽轮机劣化趋势测量方法及终端机，根据预设的时间段，以预设的时间间隔，从数据库中获取目标设备的相关参数构建各时间段的矩阵。再进行稳态及非稳态判定，过滤其中非稳态数据得到剩余稳态数据集；对稳态数据集通过测点逐条计算高压缸效率；将整合数据集进行分割；对数据进行非线性拟合；将同一层的数据重新组合成分层数据集，对稳定的分层数据集进行非线性拟合，得到阈值矩阵；统计合适层的均值得出劣化值。方法以数据对数据做比较，提升了计算所得劣化数值的真实性与准确性。能够建立相对准确的一次非线性拟合模型，有助于之后循环划分拟合各层非线性模型，划分各层模型间缸效分界阈值。划分各层模型间缸效分界阈值。划分各层模型间缸效分界阈值。
技术研发人员：谢尉扬 金宏伟 屠海彪 王丽娜 刘洪涛 李向阳 孙永华 胡戎 潘建伟 侯玉亭 王凯
受保护的技术使用者：山东鲁软数字科技有限公司
技术研发日：2021.09.16
技术公布日：2021/12/17