概率统计模型在袋除尘智能化分析中的应用探索（概率统计模型在袋除尘智能化分析中的概述）

概述

袋式除尘器在电力、水泥、钢铁、垃圾焚烧等行业得到了广泛的应用。随看物联网、大数据、云计算、人工智能等新一代IT技术的成功普及，袋式除尘行业由传统型向智能化改造也会因此变成了必须经历的一次变革，基于袋式除尘器的烟尘治理云平台(以下简称“烟尘治理云平台”)便成了在本次变革中衍生出来的核心工业级解决方案。

烟尘治理云平台旨在通过物联网技术、传感器技术、电子通信技术、工业控制技术等技术手段，为用户提供除尘器运行状态实时监测、历史数据分析、智能分析等具有核心价值的应用，整个平台基于B/S架构，其平台架构包括：智能感知层、网络传输层、业务架构层、应用接入层

智能分析作为平台最重要的功能之一，需要通过时间维度上大量历史数据和空间维度上的多类数据的整合分析结合数学模型算法，经过数据运算，从而分析出除尘器运行状况，本文提出的智能分析区别于传统的袋式除尘器状态分析的核心要素之一就是利用海量历史数据结合数学模型算法，从而得出更精准的结果。而基于概率统计模型的智能分析是一种很重要的应用方向。

概率统计方法

(1)基本统计量定义

Mean:μ=监测值总体的算术平均值, xbar=样本均值,xbarDL=日均监测值Standard deviation:σ=监测值总体的标准差,S=样本标准差;

First quartile:监测(样本)值四分位数的第一分位数Q1;

Median：监测(样本)值四分位数的第二分位数Q2或中位数；

Third quartile:监测(样本)值四分位数的第三分位数Q3;

Minimum:节点监测(样本)值最小值min

Maximum:节点监测(样本)值最大值max

Range:节点监测(样本)值极差R;

N missing:节点监测(样本)值丢失数NM;

N total:监测值量NT,节点监测值日入库数记为DNT(整数);

(2)中心极限定律

无论总体的分布如何，当样本量足够大(≥30)的时候，均值抽样分布可以近似为正态分布，样本量越大，近似程度就越高。

(3)时间序列数据(Time Series Data,TSD)

从定义上来说，就是一串按时间维度索引的数据；描述某个被测量的主体在一个时间范围内的每个时间点上的测量值。

(4)时间戳(Timestamp)

表征采集到数据的时间(时刻)点；定义t0为采集系统上线后的时间(或时刻)原点(或零点), ti为系统采集到并入库的第i个时间戳(data point时间时刻),i=0,12,3,……n。

(5)运行图

运行图(run chart)也称为链图，是显示任何测量特性随时间变化的图表。运行图可用于任何按时间序列组织的、连续尺度测量的数据的图形分析，提供有关因趋势、振动、混合和聚类引起的非随机变异的信息。

(6)I-MR控制图

I-MR控制图：单(个观测)值和移动极差控制图；可用于监控定期数据采集的实时连续过程的均值和变异。