热力系统性能监测中的数据调和及不良数据检测

基于数据调和技术提出了一种不良数据检测方法 ,利用测量数据时间序列间的联系进行参数的预估计 ,按照所定义的测量数据可信度 。

化工过程系统的多层数据调和框架

过程数据的可靠性和一致性在化工过程系统中是非常重要的。过程的测量数据一般含有随机误差和显著误差,必须应用数据调和与显著误差检测技术来减小过程测量数据的误差。测量数据具有不同的类型。针对不同类型的测量数据的数据调和问题,提出了一种多层数据调和框架。此框架可以根据不同的测量数据选择不同层次的机理模型,进行数据调和。不同类型的测量数据的数据调和问题分为三层:第一层是基于总物料平衡层,第二层是基于物料和组分平衡层,第三层是基于严格机理模型层。在此数据调和框架中,应用加权最小二乘目标函数作为调和目标,采用鲁棒高效的显著误差检测方法。基于此框架,对于化工过程系统的测量信息的不同,均可选择合理的模型有效地对测量数据进行数据调和。联塔系统和空气分离系统的数值模拟试验说明了此框架的灵活性和有效性。

基于性能仿真模型的燃驱压缩机组数据调和的方法及应用

由于测量误差的存在,测量参数不能正确反映燃驱压缩机组的真实状态,而用数据调和方法来降低测量误差提高数据的准确度又常面临着缺少冗余度的问题。本文提出一种基于性能仿真模型的数据调和新方法,通过建立机组仿真模型,建立监测参数之间的相互关系,以增加系统的解析冗余度,结果表明其有提高数据准确度的作用;分析影响数据调和质量的各种因素,得出压气机出口温度、燃料量、动力涡轮和高压涡轮出口温度等因素对数据调和质量影响较大。

一种基于非线性规划的数据校正联合算法

借鉴了其它数据校正方法的理论思想，在结合序贯二次规划（ＳＱＰ）方法求解最优化问题的基 础上，将数据调和与显著误差检测有机的糅合，提出一种循环迭代处理的联合算法，使数据调和在 快速与有效的基础上具有较高的显著误差检测功效．

三参数区间数调和平均算子及决策应用

针对决策信息以三参数区间数据形式给出的多属性决策问题,提出了一些新的三参数区间数据信息的集成算子和决策方法。基于连续区间数据有序加权调和平均(C-OWHA)算子,定义了连续的三参数区间数据有序加权调和平均(CP-OWHA)算子,并将该算子进行了拓展,提出了加权调和CP-OWHA(WHCP-OWHA)算子、有序加权调和CP-OWHA(OWHCP-OWHA)算子和组合的CP-OWHA(CCP-OWHA)算子。进一步证明了WHCP-OWHA算子和OWHCP-OWHA算子均为CCP-OWHA算子的特例。CCP-OWHA算子同时推广了WHCP-OWHA算子和OWHCP-OWHA算子,CCP-OWHA算子不仅考虑了每个数据的自身重要性程度,而且还体现了该数据所在位置的重要性程度。基于WHCP-OWHA算子和CCP-OWHA算子,提出了一种属性权重和专家权重均为确定实数且属性值为三参数区间数的多属性群决策方法。最后给出了一个数值例子,结果表明该方法有效。

基于CMDB的IT资产管理系统研究与应用

随着气象信息化的建设,作为国家级气象部门数据中心的建设和管理单位,国家气象信息中心面对的数据中心大量IT资产管理形势日益严峻。为有效提升IT资产管理能力,基于配置管理数据库(Configuration Management Database,CMDB)建立了IT资产管理系统,实现资产管理的信息化,降低运维成本,显著提高了工作效益。

HPGA求解流量调和问题的性能评价

针对深水天然气-凝析液生产系统的流量调和问题,采用主从式-粗粒度混合并行遗传算法(Hybrid Parallel Genetic Algorithm,HPGA)求解得到单井流量估计值,以弥补传统遗传算法(Simple Genetic Algorithm,SGA)计算耗时长的缺陷。HPGA基于多核PC集群的分布式储存,通过线程和进程两级并行实现;节点内部使用主从式并行模型(Master-slave Genetic Algorithm,MSGA),在多节点上应用粗粒度并行模型(Coarse-grained Parallel Genetic Algorithm,CGGA)。以某气田两井生产系统为例,通过对比HPGA、MSGA及SGA的计算时间和计算结果,研究HPGA在虚拟计量应用中的并行性能。结果表明:HPGA的并行效率和加速比占线性加速比的比例均在70%以上,计算时间显著缩短,且流量估计误差降低,满足工程运行离线分析的需求。同时,研究了加速比和并行效率随进程数和种群数的变化规律,以探讨并行开销的影响。