高 萌， 劉吉臻， 王瑞琪， 張 恒， 張 軒

（1.華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，北京102206；2.中國(guó)石油管道科技研究中心，河北廊坊065000）

電廠機(jī)組的性能評(píng)價(jià)、運(yùn)行優(yōu)化和系統(tǒng)建模等均需要獲得穩(wěn)態(tài)工況下的歷史數(shù)據(jù)，而目前主要采用現(xiàn)場(chǎng)試驗(yàn)來(lái)獲得樣本數(shù)據(jù).隨著信息化技術(shù)的高速發(fā)展，電廠在線監(jiān)測(cè)系統(tǒng)中存儲(chǔ)了海量數(shù)據(jù)信息［1－3］，但由于電站負(fù)荷處于變化狀態(tài)，實(shí)時(shí)歷史數(shù)據(jù)庫(kù)中混雜著大量非穩(wěn)態(tài)運(yùn)行數(shù)據(jù).相比于傳統(tǒng)實(shí)驗(yàn)方法，從歷史數(shù)據(jù)庫(kù)中提取穩(wěn)態(tài)數(shù)據(jù)不需對(duì)研究對(duì)象外加擾動(dòng)，可以避免現(xiàn)場(chǎng)試驗(yàn)對(duì)實(shí)際生產(chǎn)的影響，而且工作周期短［4－5］.

目前國(guó)內(nèi)外有關(guān)電站歷史數(shù)據(jù)穩(wěn)態(tài)檢測(cè)問(wèn)題的研究較少，普遍采用針對(duì)過(guò)程變量建立的穩(wěn)態(tài)評(píng)價(jià)指標(biāo)來(lái)進(jìn)行穩(wěn)態(tài)判斷，且方法大多建立在具體工業(yè)過(guò)程基礎(chǔ)上，不具有普遍適用性［6－8］.基于數(shù)據(jù)的穩(wěn)態(tài)檢測(cè)方法是針對(duì)數(shù)據(jù)變化趨勢(shì)的研究，不需考慮檢測(cè)對(duì)象的機(jī)理特征.現(xiàn)有的基于數(shù)據(jù)的穩(wěn)態(tài)檢測(cè)方法主要有基于統(tǒng)計(jì)學(xué)理論和基于趨勢(shì)提取兩類方法.組合統(tǒng)計(jì)檢驗(yàn)法（CST）［9］、置信度法（MTE）［10］和R檢驗(yàn)法［11］等均建立在統(tǒng)計(jì)學(xué)理論上.此類方法主要通過(guò)對(duì)檢測(cè)數(shù)據(jù)劃分等量區(qū)間，利用區(qū)間方差或均值來(lái)建立統(tǒng)計(jì)量，結(jié)合假設(shè)檢驗(yàn)以判斷穩(wěn)態(tài).采用不同的數(shù)學(xué)理論對(duì)檢測(cè)數(shù)據(jù)進(jìn)行趨勢(shì)提取，進(jìn)而構(gòu)建穩(wěn)態(tài)檢驗(yàn)量，確定適當(dāng)?shù)拈撝颠M(jìn)行穩(wěn)態(tài)判斷的方法即為基于趨勢(shì)提取的穩(wěn)態(tài)檢測(cè)方法，如小波分析法［12］、自適應(yīng)多項(xiàng)式濾波法［13］和 BP神經(jīng)網(wǎng)絡(luò)法［14］等.由于采用假設(shè)檢驗(yàn)進(jìn)行判斷，基于統(tǒng)計(jì)學(xué)理論的方法得到的是穩(wěn)態(tài)與否的檢測(cè)結(jié)果，而基于趨勢(shì)提取的方法可給出具體接近穩(wěn)態(tài)的量化程度.穩(wěn)態(tài)檢測(cè)結(jié)果的準(zhǔn)確性對(duì)閾值的依賴度很高，基于趨勢(shì)提取的方法閾值的確定需建立在歷史穩(wěn)態(tài)數(shù)據(jù)基礎(chǔ)之上，而基于統(tǒng)計(jì)學(xué)理論的方法給出了確定置信度下閾值確定的理論方法，相比較而言，基于統(tǒng)計(jì)學(xué)理論的穩(wěn)態(tài)檢測(cè)方法具有更高的可靠性.穩(wěn)態(tài)檢測(cè)方法各有優(yōu)劣，需結(jié)合具體情況進(jìn)行選擇.

穩(wěn)態(tài)檢測(cè)方法對(duì)數(shù)據(jù)波動(dòng)敏感，而由于儀表安裝位置、布線和環(huán)境等多種因素的影響，監(jiān)測(cè)到的數(shù)據(jù)信號(hào)中含有噪聲.對(duì)數(shù)據(jù)進(jìn)行去噪處理可以有效地提高檢測(cè)結(jié)果的準(zhǔn)確性.筆者引入一種基于高斯濾波器的自適應(yīng)去噪算法［10］對(duì)電站歷史數(shù)據(jù)穩(wěn)態(tài)檢測(cè)問(wèn)題進(jìn)行研究.

1 穩(wěn)態(tài)檢測(cè)原理

歷史數(shù)據(jù)庫(kù)中混雜了大量變化狀態(tài)，從中檢測(cè)出趨勢(shì)平緩的數(shù)據(jù)區(qū)域即稱為穩(wěn)態(tài)檢測(cè).如圖1所示，x（t）在［t1，t2］內(nèi)的數(shù)據(jù)為穩(wěn)態(tài)數(shù)據(jù).

圖1 穩(wěn)態(tài)檢測(cè)示意圖Fig.1 Schematic diagram of the steady－state detection

本文穩(wěn)態(tài)檢測(cè)原理如圖2所示.高斯噪聲是檢測(cè)信號(hào)中常見(jiàn)的一類噪聲，對(duì)應(yīng)的高斯濾波器克服了傳統(tǒng)濾波片相位移動(dòng)和設(shè)計(jì)復(fù)雜的缺點(diǎn).但傳統(tǒng)的高斯濾波器對(duì)信號(hào)進(jìn)行相同的處理時(shí)易平滑掉突變信息，而發(fā)生突變的區(qū)域必然處于非穩(wěn)態(tài)，突變信息的保留對(duì)穩(wěn)態(tài)檢測(cè)結(jié)果的準(zhǔn)確性有很大影響.筆者選用的基于高斯濾波器的自適應(yīng)去噪算法具有良好的去噪效果且突變信息保留能力較高，可在濾去噪聲的同時(shí)最大程度地保留原始信號(hào)的變化信息.

圖2 穩(wěn)態(tài)檢測(cè)流程圖Fig.2 Flow chart of the steady－state detection

相比于基于趨勢(shì)提取的方法，基于統(tǒng)計(jì)學(xué)理論的方法在檢測(cè)閾值的確定上具有更加可靠的理論依據(jù).組合統(tǒng)計(jì)檢驗(yàn)法和置信度法等基于統(tǒng)計(jì)學(xué)理論的方法需要對(duì)信號(hào)劃分時(shí)間區(qū)間，并假設(shè)區(qū)間內(nèi)為穩(wěn)態(tài)，僅在區(qū)間之間狀態(tài)發(fā)生變化，因此所檢測(cè)出的穩(wěn)態(tài)數(shù)據(jù)區(qū)域的邊界不準(zhǔn)確，區(qū)域劃分對(duì)數(shù)據(jù)長(zhǎng)度有要求，對(duì)于實(shí)時(shí)更新的數(shù)據(jù)庫(kù)，每次更新均需要重新劃分區(qū)域，因此也不能進(jìn)行在線檢測(cè).而Rhinehart等提出的R檢驗(yàn)法不采用時(shí)間窗處理數(shù)據(jù)，利用變量濾波前后方差估計(jì)值的比值來(lái)構(gòu)建穩(wěn)態(tài)檢驗(yàn)量，從而進(jìn)行穩(wěn)態(tài)判斷.R檢驗(yàn)法是對(duì)相鄰兩時(shí)刻點(diǎn)的狀態(tài)變化進(jìn)行判斷，且每一時(shí)刻檢驗(yàn)量的計(jì)算僅與上一時(shí)刻的測(cè)量值、濾波值和方差估計(jì)值等有關(guān)，占用的存儲(chǔ)空間小，計(jì)算速度快，適用于在線檢測(cè).另外，Rhinehart等對(duì)相關(guān)參數(shù)和閾值的選取還進(jìn)行了統(tǒng)計(jì)分析及仿真［11］，方法的可靠性較高.因此，筆者選取R檢驗(yàn)法進(jìn)行電站歷史數(shù)據(jù)的穩(wěn)態(tài)檢測(cè).

2 自適應(yīng)高斯濾波器

2.1 高斯濾波器的基本原理

高斯濾波器的基本思想是將高斯核函數(shù)與原始信號(hào)進(jìn)行卷積得到濾波輸出后的信號(hào)［15］.設(shè)一維高斯函數(shù)為

其一階導(dǎo)數(shù)為

式中：g′（t，σ）稱為高斯濾波器.

函數(shù)f（t）濾波后的結(jié)果為

式中：“＊”為卷積運(yùn)算符；σ為高斯函數(shù)的標(biāo)準(zhǔn)方差，為恒定參數(shù).

2.2 算法原理

設(shè)m為采樣時(shí)間點(diǎn)；f（m）為歷史數(shù)據(jù)信號(hào)；fk＋1（m）為第k＋1次迭代平滑濾波后的輸出值；wk（m＋j，σ）為窗內(nèi)各點(diǎn)的權(quán)值；濾波窗長(zhǎng)度為2 M＋1（M為非0整數(shù)）.則有

權(quán)值wk（m）是影響濾波效果的關(guān)鍵參數(shù).當(dāng)時(shí)，由式（4）推得，即濾波器對(duì)全部信號(hào)序列進(jìn)行了平滑，突變點(diǎn)信息未被保留；當(dāng)， 突變點(diǎn)信息得到了保留.為滿足突變點(diǎn)信息保留和信號(hào)平滑的雙重需求，利用模板中心點(diǎn)的導(dǎo)數(shù)來(lái)自適應(yīng)調(diào)整濾波器的權(quán)值，避免了人工調(diào)整權(quán)值的繁瑣程序，即

式中：k為迭代次數(shù)；f′k（m）為信號(hào)值fk（m）的一階導(dǎo)數(shù).

一階導(dǎo)數(shù)f′k（m）與σ的比值決定了權(quán)值wk（m，σ），改變參數(shù)σ的取值可以控制去噪后信號(hào)的平滑程度和突變點(diǎn)信息的保留程度.

2.3 參數(shù)性能

唐良瑞等［15］仿真分析了 wk（m，σ）取值對(duì)濾波器效果的影響，得出如下結(jié)論：當(dāng)wk（m，σ）較大，即σ＞f′k（m）時(shí)，若干次迭代后，去噪效果明顯，但會(huì)平滑掉突變點(diǎn)信息；當(dāng) wk（m，σ）較小，即σ＜f′k（m）時(shí)，若干次迭代后，不能實(shí)現(xiàn)去噪目的，反而會(huì)放大包括突變點(diǎn)信息在內(nèi)的噪聲信息；當(dāng)wk（m，σ）近似為0，即σ≈f′k（m）時(shí)，迭代運(yùn)算后，突變點(diǎn)信息可以得到保留，且去噪效果良好.

另外，信號(hào)濾波后的平滑程度隨迭代次數(shù)k的增加而增強(qiáng).濾波窗長(zhǎng)度越長(zhǎng)，即M取值越大，則濾波效果越平滑，但取值不宜過(guò)大，否則會(huì)使結(jié)果過(guò)于平滑，失去原始信號(hào)的波動(dòng)特性.

2.4 實(shí)現(xiàn)步驟

圖3給出了基于高斯濾波器的自適應(yīng)去噪算法的具體實(shí)現(xiàn)步驟.參數(shù)M根據(jù)需設(shè)置的濾波窗口大小進(jìn)行設(shè)置，考慮盡量保留突變點(diǎn)信息以及序列點(diǎn)相互關(guān)聯(lián)的特點(diǎn)，采用1×5模板進(jìn)行濾波，因此令M＝2.

算法具體實(shí)現(xiàn)步驟如下：

（1）計(jì)算信號(hào)f（m）的長(zhǎng)度L，即取樣點(diǎn)個(gè)數(shù).

（2）設(shè)置迭代次數(shù)K，初始化次數(shù)標(biāo)志量k＝0.

（3）計(jì)算信號(hào)每點(diǎn)的導(dǎo)數(shù)值f′k（m），并求取所有點(diǎn)導(dǎo)數(shù)的平均值.

圖3 自適應(yīng)高斯濾波去噪算法流程Fig.3 Flow chart of the de－noising algorithm based on adaptive Gauss filter

（5）判斷迭代次數(shù)，若k＝K，結(jié)束迭代，否則令k＝k＋1，用當(dāng)前濾波后的數(shù)據(jù)代替原始數(shù)據(jù)，繼續(xù)執(zhí)行步驟（3）.

3 R檢驗(yàn)法

3.1 檢驗(yàn)原理

設(shè)待檢測(cè)時(shí)間序列X第i時(shí)刻的測(cè)量值為xi，濾波系數(shù)設(shè)為λn∈（0，1］（n＝1，2，3）；利用式（7）和式（8）分別計(jì)算一階濾波后的濾波值xf，i和均方差；然后利用某時(shí)刻第i序列測(cè)量值xi與前一時(shí)刻第i－1序列測(cè)量值xi－1，根據(jù)式（9）計(jì)算方差的無(wú)偏估計(jì).

Rhinehart等通過(guò)理論和仿真分析給出了在確定的置信度α下閾值Rcrit和濾波系數(shù)λn的推薦取值表.通過(guò)比較Ri和Rcrit可以檢測(cè)過(guò)程變量是否處于穩(wěn)態(tài).當(dāng)Ri＜Rcrit時(shí)，過(guò)程變量處于穩(wěn)定狀態(tài)，記狀態(tài)標(biāo)志量Ssi＝1；當(dāng)Ri＞Rcrit時(shí)，過(guò)程變量處于非穩(wěn)態(tài)，記為Ssi＝0.

3.2 參數(shù)性能分析

為分析參數(shù)選取與檢測(cè)效果之間的關(guān)系，仿真生成一組服從正態(tài)分布的時(shí)間序列數(shù)據(jù)（10 000點(diǎn)），改變?yōu)V波系數(shù)λn的取值，由式（7）～式（12）分別計(jì)算出每組取值下對(duì)應(yīng)的統(tǒng)計(jì)量R，并繪制R的概率密度函數(shù)分布圖（見(jiàn)圖4）.圖中λ1、λ2和λ3的取值共有4組，分別為：（1）λ1＝0.1，λ2＝0.1，λ3＝0.1，標(biāo)記為（0.1，0.1，0.1）；（2）λ1＝0.01，λ2＝0.01，λ3＝0.01，標(biāo)記為（0.01，0.01，0.01）；（3）λ1＝0.1，λ2＝0.01，λ3＝0.01，標(biāo)記為（0.1，0.01，0.01）；（4）λ1＝0.01，λ2＝0.1，λ3＝0.1，標(biāo)記為（0.01，0.1，0.1）.

分析圖4中的概率密度分布趨勢(shì)可知：λ1的取值對(duì)R值概率分布的影響很小，主要影響因素為λ2和λ3的取值；λ2和λ3取值增大，則R的概率分布相對(duì)分散，且R的取值范圍增大.Rhinehart等［16］給出了置信度為0.05下的推薦取值：濾波系數(shù)λ1＝0.2，λ2＝0.1，λ3＝0.1，檢測(cè)閾值Rcrit＝1.44.

圖4 不同濾波系數(shù)對(duì)R值概率密度分布的影響Fig.4 Probability density function of Rat different filter factors

但是在實(shí)際仿真應(yīng)用中發(fā)現(xiàn)，對(duì)于不同的檢測(cè)對(duì)象，推薦參數(shù)取值不能保證檢測(cè)結(jié)果均符合期望，因而對(duì)濾波系數(shù)取值做進(jìn)一步分析.設(shè)置λ1、λ2和λ3為以下3種取值組合：（1）λ1＝0.2，λ2＝0.1，λ3＝0.1，標(biāo)記為（0.2，0.1，0.1）；（2）λ1＝0.2，λ2＝0.1，λ3＝0.01，標(biāo)記為（0.2，0.1，0.01）；（3）λ1＝0.2，λ2＝0.01，λ3＝0.1，標(biāo)記為（0.2，0.01，0.1）.

3種濾波系數(shù)取值組合所對(duì)應(yīng)R值的概率密度分布曲線見(jiàn)圖5.由圖5可知，在相同閾值下，當(dāng)λ2＝λ3時(shí)，R值的概率分布過(guò)于集中，易于出現(xiàn)第II類錯(cuò)誤；當(dāng)λ2＜λ3時(shí)，R值的概率分布更離散，臨界值較小的情況下易于出現(xiàn)第I類錯(cuò)誤.因而，最終選擇濾波系數(shù)取值為：λ1＝0.2，λ2＝0.1，λ3＝0.01.

3.3 檢測(cè)步驟

基于前述分析，結(jié)合基于高斯濾波器的自適應(yīng)去噪算法進(jìn)行信號(hào)的穩(wěn)態(tài)檢測(cè)，具體步驟如下：

圖5 濾波系數(shù)具體取值分析Fig.5 Analysis for determination of filter factors

（1）將采用基于高斯濾波器的自適應(yīng)去噪算法處理后的信號(hào)作為待檢測(cè)對(duì)象X.

（2）初始化濾波值xf，i、均方差以及方差的無(wú)偏估計(jì)，取序列前10個(gè)測(cè)量值的平均值作為濾波值的初始值xf，0，其方差為均方差初始值取.

（3）確定檢測(cè)參數(shù)取值：濾波系數(shù)λ1＝0.2，λ2＝0.1，λ3＝0.01，檢測(cè)閾值Rcrit＝1.44.按序列時(shí)間順序，根據(jù)式（7）～式（12）順次計(jì)算統(tǒng)計(jì)量R.

（4）比較Ri和Rcrit，當(dāng)Ri＜Rcrit時(shí)，狀態(tài)標(biāo)志量記為Ssi＝1；當(dāng)Ri＞Rcrit時(shí)，記為Ssi＝0.

（5）狀態(tài)標(biāo)志量Ssi＝1所對(duì)應(yīng)的原始數(shù)據(jù)序列區(qū)域即為穩(wěn)態(tài)部分.

將上述檢測(cè)過(guò)程稱為基于自適應(yīng)高斯濾波的穩(wěn)態(tài)檢測(cè)方法.

4 電站歷史數(shù)據(jù)的穩(wěn)態(tài)檢測(cè)

選取某電廠1 000MW機(jī)組總風(fēng)量歷史數(shù)據(jù)對(duì)檢測(cè)方法的有效性進(jìn)行驗(yàn)證.選取1 000點(diǎn)數(shù)據(jù)，采樣時(shí)間為3s，如圖6所示.R檢驗(yàn)法取置信度為0.05，確定濾波系數(shù)λ1＝0.2，λ2＝0.1，λ3＝0.01，檢測(cè)閾值Rcrit＝1.44.對(duì)該組樣本數(shù)據(jù)先后采用中值濾波法和基于高斯濾波器的自適應(yīng)去噪算法進(jìn)行處理，2種方法均選用1×5模板.

圖6 某電廠1 000MW機(jī)組總風(fēng)量歷史數(shù)據(jù)Fig.6 History data of total air volume in a 1 000MW unit

圖7和圖8分別為采用2種濾波方法進(jìn)行穩(wěn)態(tài)檢測(cè)的仿真圖像.其中（a）圖為采用不同濾波方法處理后的風(fēng)量數(shù)據(jù)；（b）圖為對(duì)應(yīng)時(shí)刻點(diǎn)穩(wěn)態(tài)檢測(cè)變量R值的變化情況；（c）圖為根據(jù)閾值Rcrit＝1.44進(jìn)行穩(wěn)態(tài)判斷后的檢測(cè)結(jié)果，狀態(tài)標(biāo)志量為1的區(qū)域?qū)?yīng)為穩(wěn)態(tài)區(qū)域，狀態(tài)標(biāo)志量為0的區(qū)域?qū)?yīng)為非穩(wěn)態(tài)區(qū)域.

對(duì)比圖7（a）與圖8（a）濾波后的總風(fēng)量數(shù)據(jù)曲線可以看出，在選用相同大小濾波模板的情況下，對(duì)于同一樣本數(shù)據(jù)的去噪效果，基于高斯濾波器的自適應(yīng)去噪算法要優(yōu)于中值濾波法.在采樣數(shù)據(jù)點(diǎn)i為45、334、403和661等風(fēng)量曲線發(fā)生突變的位置，與圖7（a）相比，在圖8（a）中對(duì)應(yīng)數(shù)據(jù)點(diǎn)處的趨勢(shì)突變幅度更大，因此采用基于自適應(yīng)高斯濾波的穩(wěn)態(tài)檢測(cè)方法可以有效提高下一步穩(wěn)態(tài)檢測(cè)邊界的精確性.

圖7 采用中值濾波去噪的穩(wěn)態(tài)檢測(cè)Fig.7 Steady－state detection based on median filter

圖8 基于自適應(yīng)高斯濾波的穩(wěn)態(tài)檢測(cè)Fig.8 Steady－state detection based on adaptive Gauss filter

對(duì)比分析圖7（b）與圖8（b），在［45，83］、［334，374］、［403，440］和［661，701］等數(shù)據(jù)曲線處于波動(dòng)狀態(tài)的區(qū)域，顯然圖8（b）中R值的尖峰幅值相對(duì)較大，且平穩(wěn)區(qū)域檢驗(yàn)量R的取值遠(yuǎn)遠(yuǎn)小于波動(dòng)區(qū)域R的取值，因而平穩(wěn)區(qū)域與波動(dòng)區(qū)域的邊界更加清晰，說(shuō)明基于高斯濾波器的自適應(yīng)去噪算法對(duì)突變點(diǎn)信息的保留能力優(yōu)于中值濾波法，狀態(tài)轉(zhuǎn)換邊界清晰也有效降低了利用閾值進(jìn)行穩(wěn)態(tài)判斷發(fā)生誤判的可能性.

由圖7（c）與圖8（c）可以看出，應(yīng)用基于高斯濾波器的自適應(yīng)去噪算法進(jìn)行穩(wěn)態(tài)檢測(cè)對(duì)檢測(cè)效果的提高有較大貢獻(xiàn).圖8（c）的檢測(cè)結(jié)果中有［70，297］和［760，836］等較長(zhǎng)時(shí)間的穩(wěn)態(tài)區(qū)間，而圖7（c）對(duì)應(yīng)范圍內(nèi)的穩(wěn)態(tài)區(qū)域狹小且分散，結(jié)合圖7（a）與圖7（b）分析可知，中值濾波法的去噪效果不佳，使得表征趨勢(shì)波動(dòng)情況的R值偏大，因而發(fā)生了將穩(wěn)態(tài)區(qū)域檢測(cè)為非穩(wěn)態(tài)區(qū)域的誤判情況.

對(duì)比分析以上2組仿真結(jié)果，基于自適應(yīng)高斯濾波的穩(wěn)態(tài)檢測(cè)方法可以有效去除待檢測(cè)信號(hào)中的噪聲干擾，對(duì)趨勢(shì)波動(dòng)的突變點(diǎn)信息保留能力較強(qiáng).與采用中值濾波的穩(wěn)態(tài)檢測(cè)方法相比，對(duì)較短區(qū)域的穩(wěn)態(tài)具有更高的靈敏度，而且對(duì)穩(wěn)態(tài)與非穩(wěn)態(tài)區(qū)域的邊界點(diǎn)識(shí)別更準(zhǔn)確.

5 結(jié)束語(yǔ)

電站在線監(jiān)測(cè)系統(tǒng)所存儲(chǔ)的歷史數(shù)據(jù)是對(duì)機(jī)組運(yùn)行情況的最真實(shí)反映，并且包含全工況、多因素下的各種數(shù)據(jù).從海量的歷史數(shù)據(jù)中提取穩(wěn)態(tài)數(shù)據(jù)，可以為熱工對(duì)象建模和優(yōu)化控制等相關(guān)研究提供大量數(shù)據(jù)信息.筆者首先選用基于高斯濾波器的自適應(yīng)去噪算法對(duì)電站在線監(jiān)測(cè)歷史數(shù)據(jù)進(jìn)行消噪處理，然后采用具有較高可靠性和計(jì)算速度的R檢驗(yàn)法進(jìn)行穩(wěn)態(tài)檢測(cè).選取某1 000MW機(jī)組的總風(fēng)量數(shù)據(jù)，對(duì)方法的有效性進(jìn)行了仿真驗(yàn)證，并在選擇相同濾波模板和相同檢測(cè)方法的前提下，對(duì)本文方法和采用中值濾波的穩(wěn)態(tài)檢測(cè)方法進(jìn)行了對(duì)比分析.仿真結(jié)果表明，本文的穩(wěn)態(tài)檢測(cè)方法具有更高的檢測(cè)靈敏度和準(zhǔn)確度，并且具有較快的運(yùn)算速度，相較于其他的穩(wěn)態(tài)檢測(cè)方法，更適合進(jìn)行在線檢測(cè)，對(duì)于實(shí)際工況運(yùn)行的實(shí)時(shí)狀態(tài)監(jiān)測(cè)與操作維護(hù)等工作具有很重要的現(xiàn)實(shí)意義.

［1］周洪煜，張振華，陳曉鋒，等.應(yīng)用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)－信息融合方法改進(jìn)超臨界鍋爐燃料量控制［J］.動(dòng)力工程學(xué)報(bào)，2010，30（11）：833－837.ZHOU Hongyu，ZHANG Zhenhua，CHEN Xiaofeng，et al.Application of RBFNN－data fusion method to improvement of supercritical boiler fuel flow control［J］.Journal of Chinese Society of Power Engineering，2010，30（11）：833－837.

［2］趙征，劉偉，劉吉臻，等.基于信息融合的鍋爐燃燒優(yōu)化技術(shù)［J］.動(dòng)力工程，2009，29（1）：53－56.ZHAO Zheng，LIU Wei，LIU Jizhen，et al.Combustion optimization technique of boiler based on information fusion［J］.Journal of Power Engineering，2009，29（1）：53－56.

［3］楊紅權(quán)，陶麗，丁士發(fā)，等.電站鍋爐爐內(nèi)壁溫測(cè)量技術(shù)的研究［J］.動(dòng)力工程，2009，29（8）：717－721.YANG Hongquan，TAO Li，DING Shifa，et al.Study on measuring technology for tube wall temperature in the furnace of utility boilers［J］.Journal of Power Engineering，2009，29（8）：717－721.

［4］谷俊杰，高建峰.基于動(dòng)態(tài)特性機(jī)理分析的帶再熱汽溫狀態(tài)觀測(cè)器控制系統(tǒng)的研究［J］.動(dòng)力工程學(xué)報(bào)，2011，31（2）：109－114.GU Junjie，GAO Jianfeng.Study on control system with reheat steam temperature state observer based on dynamic characteristic analysis［J］.Journal of Chinese Society of Power Engineering，2011，31（2）：109－114.

［5］李超順，周建中，向秀橋，等.基于超平面原型聚類的水輪機(jī)調(diào)速系統(tǒng)模糊模型辨識(shí)［J］.動(dòng)力工程，2009，29（4）：363－368.LI Chaoshun，ZHOU Jianzhong，XIANG Xiuqiao，et al.Fuzzy model identification of hydro－turbine governing system with clustering based on hyperplane prototype［J］.Journal of Power Engineering，2009，29（4）：363－368.

［6］程浩斌，周懷春，婁新生.新型燃煤鍋爐燃燒過(guò)程穩(wěn)定性評(píng)價(jià)指數(shù) CSI［J］.工程熱物理學(xué)報(bào)，1997，18（4）：512－516.CHENG Haobin，ZHOU Huaichun，LOU Xinsheng.A new combustion stability index CSI for utility coalfired boilers［J］.Journal of Engineering Thermophysics，1997，18（4）：512－516.

［7］趙虹，楊建國(guó)，常愛(ài)英，等.煤粉燃燒穩(wěn)定性指數(shù)的建立［J］.燃燒科學(xué)與技術(shù)，2003，9（4）：364－366.ZHAO Hong，YANG Jianguo，CHANG Aiying，et al.Establishment of combustion stability index of pulverized－coal［J］.Journal of Combustion Science and Technology，2003，9（4）：364－366.

［8］劉吉臻，楊光軍，譚文.一種基于數(shù)據(jù)驅(qū)動(dòng)的電站狀態(tài)穩(wěn)定性能評(píng)價(jià)指標(biāo)［J］.熱力發(fā)電，2008，37（1）：45－49.LIU Jizhen，YANG Guangjun，TAN Wen.An index based data－driven for evaluating the state stability in power plant［J］.Thermal Power Generation，2008，37（1）：45－49.

［9］NARASIMHAN S，MAH R S H，TAMHANE A C，et al.A composite statistical test for detecting changes of steady states［J］.American Institute of Chemical Engineering Journal，1986，32（9）：1409－1418.

［10］NARASIMHAN S，CHEN S K，MAH R S H.Detecting changes of steady states using the mathematical theory of evidence［J］.AICHE J，1987，33（11）：1930－1932.

［11］CAO Songling，RHINEHART R R.An efficient method for on－line identification of steady state［J］.Journal of Process Control，1995，5（6）：363－374.

［12］JIANG Taiwen，CHEN Bingzhen，HE Xiaorong，et al. Application of steady－state detection method based on wavelet transform［J］.Computers ＆Chemical Engineering，2003，27（4）：569－578.

［13］付克昌，戴連奎，吳鐵軍.基于多項(xiàng)式濾波算法的自適應(yīng)穩(wěn)態(tài)檢測(cè)［J］.化工自動(dòng)化及儀表，2006，33（5）：18－21.FU Kechang，DAI Liankui，WU Tiejun.Method of adaptive steady－state detection based on polynomial filtering［J］.Control and Instruments in Chemical Industry，2006，33（5）：18－21.

［14］畢小龍，王洪躍，司風(fēng)琪，等.基于趨勢(shì)提取的穩(wěn)態(tài)檢測(cè)方法［J］.動(dòng)力工程，2006，26（4）：503－506.BI Xiaolong，WANG Hongyue，SI Fengqi，et al.A method based on tendency distillation for ascertaining state steadiness［J］.Journal of Power Engineering，2006，26（4）：503－506.

［15］唐良瑞，祁兵，楊雪，等.一種基于高斯濾波器的電能質(zhì)量信號(hào)去噪算法［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2006，26（10）：18－22.TANG Liangrui，QI Bing，YANG Xue，et al.A denoising method of power quality signal based on Gaussian filter［J］.Proceedings of the CSEE，2006，26（10）：18－22.

［16］CAO Songling，RHINEHART R R.Critical values for a steady－state identifier［J］.Journal of Process Control，1997，7（2）：149－152.