《抽水蓄能机组调速器系统数据分析技术导则》

ICS35.240.01

CCSL77

T/GZAA

团体标准

T/GZAAxx—2024

抽水蓄能机组调速器系统数据分析技术导则

TechnicalGuidelinesforDataAnalysisofPumpedStoragePowerUnitGovernor

System

（征求意见稿）

2024-08-08发布2024-09-08实施

广州市自动化学会发布

T/GZAAXX—2020

抽水蓄能机组调速器系统数据分析技术导则

1范围

本文件规定了抽水蓄能机组调速器系统的数据采集与存储、数据预处理、数据质量评价、智能分析

算法及系统应用。

本文件适用于抽水蓄能机组调速器系统的数据采集平台建设、数据处理方案拟定、数据质量报告生

成和数据分析算法设计。

2规范性引用文件

下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。

凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。

GB/T36344-2018信息技术数据质量评价指标

GB/T39400-2020工业数据质量通用技术规范

GB/T41818-2022信息技术大数据面向分析的数据存储与检索技术要求

GB/T41867-2022信息技术人工智能术语

GB/T42127-2022智能制造工业数据采集规范

GB/T43782-2024人工智能机器学习系统技术要求

3术语及定义

下列术语和定义适用于本文件。

3.1

抽水蓄能机组pumpedstoragepowerunit

一种用于储存能量和调节电力系统负荷平衡的设备，可以在需求高峰时期迅速提供额外的电力，并

在需求低谷时将过剩电力储存起来，实现电力系统的平衡和稳定。

3.2

调速器系统governorsystem

抽水蓄能机组的重要子系统之一，能够调节转速和负荷，并根据电网负荷及频率的变化调整机组出

力，以维持电网频率在规定范围，在水泵工况时，根据电网频率及上下库水位的变化，可调整水泵出力。

4抽水蓄能机组调速器系统数据处理

4.1数据采集与存储

4.1.1数据采集方式应符合GB/T42127-2022的相关规定。

4.1.2数据采集平台由数据采集服务器、数据接口软件、数据传输软件等组成，见图1：

a）各个子系统现地数据采集装置或数据汇集服务器通过以太网（RJ45）或串口（RS232/485）与数

据采集服务器连接；

1

T/GZAAXX—2020

b）在数据采集服务器上部署数据接口软件（支持IEC104、IEC61850、Modbus以及自定义协议等）

采集各个子系统数据，进行特征指标计算，并通过数据传输软件将数据传输到总部数据中台；

c）采集各个子系统的原始测量数据、计算结果、分析结论等，梳理每个接入子系统的详尽测点清

单，确保接入数据的全面性和完整性；

d）数据采样频率宜为***。

图1数据采集平台逻辑

4.1.3数据储存技术要求应符合GB/T41818-2022的相关规定。

4.1.4数据存储结构如图2，应结合大规模抽水蓄能电站设备状态大数据智能分析系统实际使用场景，

综合考虑各种数据的特点，不同数据库的优缺点，在后续应用的数据需求的基础上，制定综合利用关系

数据库、实时数据库、文件数据库、内存数据库进行联合存储的数据存储策略。

图2数据存储架构

4.2数据预处理

2

T/GZAAXX—2020

4.2.1数据预处理应将有价值的信息从海量数据中挖掘出来，采用合适的计算框架，对状态监测

大数据进行预处理，提取有价值的信息，充分发挥状态监测数据价值。

4.2.2数据预处理要点包括：

a）数据特征统计：数据的最大值、最小值、平均值，以及开关动作次数，设备连续运行时间等；

b）数据规范化：采用归一化的方式对数据进行规范，将数据映射到0-1区间；

c）运行工况数据标识：开机工况、停机工况、甩负荷工况、过速工况等，对这些过程的数据进行

单独标识和存储；

d）缺失值处理：采用插值填充、相似填充等方法处理缺失值；

e）异常数据标注：强励过程、数据越限、数值突变和数值停滞等；

f）异常模式标识：起机过程转速和导叶之间的关系异常等。

g）预处理结果应存储到数据库中供用户直接调用，提高系统的反应速度，提升用户的操作体验。

4.3数据质量评价

4.3.1数据质量评价应符合GB/T36344-2018的相关规定。

4.3.2抽水蓄能机组调速器系统的数据质量评价应包括以下几个方面：

a）数据完整性：时间序列数据的连续性、缺失值的比例等数据缺失情况；

b）数据准确性：传感器读数的准确性、数据记录的准确性等；

c）数据一致性：数据在不同系统或不同时间段的一致性；

d）数据及时性：数据的实时性和时效性；

e）数据有效性：是否存在异常值、超出合理范围的数据等；

f）数据稳定性：数据是否存在异常的波动或噪声，数据的波动是否在可接受的范围内；

g）数据的可用性：数据是否能够被有效使用，是否具备良好的可读性和可解释性；

h）数据的冗余性：数据中是否存在重复数据或冗余信息，冗余数据是否会影响数据分析的结果；

i）系统应自动记录失效数据，对失效数据进行统计，分析数据失效原因，如传感器故障、装置故

障、通讯故障等，形成数据质量报告，指导数据治理，数据质量报告应符合GB/T39400-2020的相

关规定。数据质量报告应包括失效测点、装置故障和通讯故障统计。

5抽水蓄能机组调速器系统数据智能分析算法

5.1统计学方法

5.1.1阈值分析法

阈值法是一种基于设定阈值来分类数据的方法，易于理解和实现，处理速度较快，可用于调速器系

统中数据监控、异常检测和故障预警等方面。通过设定合理的阈值，有效区分正常状态和异常状态，确

保系统的安全稳定运行，可使用的阈值模型包括：

a）固定阈值模型：通过预先设定的固定值作为阈值，和为固定值，具体如下：

阈值上限

��

阈值下限

=�

b）基于统计学的阈值模型：使用均值和标准差来设定动态阈值，宜使用于数据呈正态分布的情况，

=�

和分别为数据的均值和方差，是常数：

阈值上限

���

阈值下限

=�+��

c）移动平均模型：平滑时间序列数据的波动，宜用于短期趋势分析，是窗口大小，是常数：

=�−��

��3

T/GZAAXX—2020

�

1

mean=��

阈值上限��=1

阈值下限

=𝑚𝑒+�

5.1.2加权回归法=𝑚𝑒−�

加权回归法在调速器系统中宜用于数据拟合和异常检测。在处理含有噪声和异常值的数据时，通过

对不同数据点赋予不同的权重，提高拟合精度。通过对每个数据点赋予权重，计算回归方程，权重越大，

数据点对回归方程的影响越大。

应根据数据点的重要性或置信度确定权重。加权方法要点如下：

a）距离加权：数据点离拟合线越远，权重越小；

b）时间加权：最近的数据点权重更大；

c）置信度加权：根据传感器数据的置信度分配权重；

d）加权回归模型的目标宜选用最小化加权残差平方和：

�

2

Minimize��(��−��)

其中，是数据点的权重，是数据点的实际�=值1，是数据点的预测值，为样本数量。

5.1.3均值�回�归法�����

均值回归法宜用于调速器系统参数估计、数据平滑和异常检测等，利用均值回归法基于数据的均值

进行预测，将所有数据点的均值作为预测值。为样本数量，是数据值，均值回归法的计算如下：

���

均值�

1

�=��

��=1

标准差�

12

σ=(��−�)

�−1�=1

5.1.4极值数据法

极值数据法是一种基于数据的极大值和极小值进行分析和预测的方法。极值数据法宜用于调速器系

统的异常检测、故障预警和参数监控。

a）通过分析运行数据的极值，确定系统运行的安全范围和预警阈值。应关注数据中的最大值和最

小值，通过分析这些极值判断系统的运行状态和检测异常。

b）假设系统在正常运行时，参数不会超出某个特定的范围，超出范围的值应被认为是异常或潜在

故障。为样本数量，是数据值，应利用函数和函数，求得数据的极大值和极小值：

极大值

���maxmin

极小值

=max (�1,�2,..,��)

5.2人工智能算法=min (�1,�2,..,��)

5.2.1基本要求

4

T/GZAAXX—2020

5.2.1.1人工智能算法的技术要求应符合GB/T43782-2024的相关规定。

5.2.1.2人工智能的术语应符合GB/T41867-2022的相关规定。

5.2.2孤立森林法

孤立森林法要求如下：

a）孤立森林算法宜用于调速器系统的异常检测，应通过构建多个随机决策树来隔离样本点，从而

识别异常；

b）宜利用孤立森林的线性时间复杂度和高精准度，提高对高维数据的鲁棒性；

c）宜采用图3算法流程，包括效率计算、训练子样本集划分、树的训练、合并孤立森林和模型应用

等环节。

图3孤立森林算法流程图

5.2.3基于密度的噪点空间聚类法（Density-BasedSpatialClusteringofApplicationswithNoise，

DBSCAN）

基于密度的噪点空间聚类法要求如下：

a）DBSCAN可自动确定簇的数量，通过区域密度识别簇，连接密度相连的点形成簇；

b）宜用于识别噪声点，发现任意形状的聚类并识别噪声点（异常值）和处理大规模数据集；

c）宜采用如图4算法流程，包括效率计算、参数输入、密度判断、簇的划分和模型应用等环节。

5

T/GZAAXX—2020

图4DBSCAN算法流程图

5.2.4长短时记忆网络（LongShort-TermMemory，LSTM）

长短时记忆网络要求如下：

a）LSTM应通过门控机制控制信息的流动，在长时间序列中有效地记忆和忘记信息；

b）宜用于调速器系统的时序数据预测，捕捉长时间序列数据中的依赖关系，并检测异常行为，防

止梯度消失；

c）宜采用图5算法流程，包括效率计算、LSTM网络训练、标签预测、模型校正和模型应用等环

节。

图5LSTM网络算法流程图

5.2.5门控循环单元（GatedRecurrentUnit，GRU）

6

T/GZAAXX—2020

门控循环单元要求包括：

a）GRU是一种改进的递归神经网络，结构简单，计算效率高，应通过两个门控机制（更新门和重

置门）调节信息的传递，利用门控机制捕捉长时间依赖关系，同时保留重要信息；

b）宜用于处理时间序列数据，通过独特的机制减少梯度消失问题；

c）宜采用图6所示的算法流程，应包括效率计算、GRU网络构建与训练、标签预测、模型评估和

模型应用等环节。

图6GRU算法流程图

5.2.6时间卷积网络（TemporalConvolutionalNetwork，TCN）

时间卷积网络要求如下：

a）TCN应通过扩展卷积和残差连接捕捉长时间依赖关系，保持卷积神经网络的并行计算优势；

b）宜用于处理时间序列预测任务，通过并行计算提高训练和预测的效率，提高其在短期和长期时

间依赖关系捕捉方面的性能；

c）宜采用图7所示的算法流程，包括效率计算、TCN网络训练、模型调参、模型评估和模型应用等

环节。

7

T/GZAAXX—2020

图7TCN算法流程图

6抽水蓄能机组调速器系统数据分析算法应用

6.1油泵数据分析

6.1.1应用场景

应对调速器油站系统多台油泵的负载时间进行监视分析，从而判断油泵的负载运行效率，提前发现

油泵本体或控制结构存在的缺陷、隐患。

6.1.2算法要求

6.1.2.1应分析油泵负载发令信号至空载发令信号之间的时间差，并对该时间差进行统计分析，进而

得出油泵的负载效率，结合大数据历史趋势，制定合理的油泵负载时间运行范围。

6.1.2.2当油泵负载发令信号至空载发令信号之间时间差超出最大/最小/平均/正态分布时间间隔的

某个比例范围（如20%）时应进行预警提醒，并结合实例化应用给出预警建议。

6.1.3算法输入与输出

油泵数据分析算法的输入与输出选择具体见表1，包括：

a）模型输入：油泵负载发令信号和油泵空载发令信号；

b）模型输出：油泵负载效率和预测异常标志。

表1油泵数据分析算法输入与输出表

类别符号涉及变量变量类型范围单位采样要求

/#1油泵负载发令信号开关量[0，1]/变位上送

/#1油泵空载发令信号开关量[0，1]/变位上送

/#2油泵负载发令信号开关量[0，1]/变位上送

输入

/#2油泵空载发令信号开关量[0，1]/变位上送

/#*油泵负载发令信号开关量[0，1]/变位上送

/#*油泵空载发令信号开关量[0，1]/变位上送

/油泵负载效率模拟量/

输出

/预测异常标志开关量[[0−，∞1],/

+∞]

6.2导叶数据分析

6.2.1应用场景

应对导叶的启动命令信号和稳态信号进行监视分析，从而判断导叶开启的效率，提前发现导水机构

或控制结构存在的缺陷、隐患。

6.2.2算法要求

导叶数据分析算法的要求如下：

a）在任意工况下，应分析任意工况启动命令信号至某一设定导叶之间的时间，并对该时间差进行

8

T/GZAAXX—2020

统计分析，进而得出导叶的开启效率，结合大数据历史趋势，制定合理的导叶开启时间范围，并针

对超出范围的事件进行预警。可结合实例化应用设计多个导叶设定值进行联合分析判断；

b）在P工况启动下，应分析P工况调速器启动命令信号（导叶开始开启）至机组P工况稳态信号

时间，并对该时间差进行统计分析，进而得出导叶的开启固定开度效率，结合大数据历史趋势，制

定合理的导叶开启时间范围，并针对超出范围的事件进行预警；

c）当导叶开启发令信号至某一设定值开度之间的时间差超出最大/最小/平均/正态分布时间间隔

的某个比例范围（如20%）时应进行预警提醒，并结合实例化应用给出预警建议。

6.2.3算法输入与输出

导叶数据分析算法的输入与输出选择见表2，包括：

a）模型输入：调速器系统发电G工况启动命令信号、调速器系统拖动LA工况启动命令信号、调

速器系统泵工况（P）启动命令信号、调速器导叶开度和机组P工况稳态信号；

b）模型输出：导叶开启速率和预测异常标志。

表2导叶数据分析算法输入与输出表

类别符号涉及变量变量类型范围单位采样要求

调速器系统发电G工

/开关量[0，1]/变位上送

况启动命令信号

调速器系统拖动LA

/开关量[0，1]/变位上送

工况启动命令信号

输入调速器系统泵工况

/开关量[0，1]/变位上送

（P）启动命令信号

OR调速器导叶开度模拟量[0，100]%1次/s，0.1%

/机组P工况稳态信号开关量[0，1]/变位上送

/导叶开启速率模拟量/

输出

/预测异常标志开关量[[0−，∞1],/

+∞]

6.3油罐数据分析

6.3.1应用场景

应对调速器压力油罐的补气次数进行监视分析，从而判断压力油罐的补气效率，提前发现补气或控

制结构存在的缺陷、隐患。

6.3.2算法要求

6.3.2.1应在任意工况稳态信号出现后至稳态信号消失前，计算分析每单位时间（如1小时、30分钟

等）内油罐补气发令信号动作次数，进而得出油罐的补气效率，结合大数据历史趋势，制定合理的动作

次数范围。

6.3.2.2在某一工况下，应对油罐补气次数超出最大/最小/平均/正态分布次数范围的某个比例范围

（如20%）时应进行预警提醒，并结合实例化应用给出预警建议。

6.3.3算法输入与输出

油罐数据分析算法的输入与输出选择见表3，包括：

9

T/GZAAXX—2020

a）模型输入：调速器系统发电工况（G）稳态信号、调速器系统CP工况稳态信号、调速器系统泵

工况（P）稳态信号、调速器系统停机（S）稳态信号和油罐补气发令信号；

b）模型输出：油罐补气效率和预测异常标志。

表3油罐数据分析算法输入与输出表

类别符号涉及变量变量类型范围单位采样要求

调速器系统发电工

/开关量[0，1]/变位上送

况（G）稳态信号

调速器系统CP工

/开关量[0，1]/变位上送

况稳态信号

输入调速器系统泵工况

/开关量[0，1]/变位上送

（P）稳态信号

调速器系统停机

/开关量[0，1]/变位上送

（S）稳态信号

/油罐补气发令信号开关量[0，1]/变位上送

/油罐补气效率模拟量/

输出

/预测异常标志开关量[[0−，∞1],/

+∞]

6.4功率增减数据分析

6.4.1应用场景

应在机组发电稳态运行时，对调速器系统有功增减时间进行监视分析，从而判断调速器功率控制及

调节的效率，提前发现调速器系统存在的缺陷、隐患。

6.4.2算法要求

功率增减数据分析算法的要求如下：

a）应在发电工况稳态运行时，在某一特定水头范围下，计算调速器有功从某一初始值P0增加或

减小至新的稳定值P1的时间，进而得出功率增减效率，结合大数据历史趋势，制定合理的增减时

间范围，并针对超出范围的事件进行预警。可结合实例化需求，设置多组P0-P1进行大数据分析；

b）应在发电工况运行时，计算出口开关合闸后至机组带上基荷的时间，结合大数据历史趋势，制

定合理的基荷调节时间范围，并针对超出范围的事件进行预警。可结合实例化需求，根据不同机组

不同基荷进行大数据分析；

c）在发电稳态工况下，功率增减的时间超出最大/最小/平均/正态分布时间间隔的某个比例范围

（如20%）时应进行预警提醒，并结合实例化应用给出预警建议。

6.4.3算法输入与输出

功率增减数据分析算法的输入与输出选择见表4，包括：

a）模型输入：机组出口开关GCB合闸信号、调速器系统发电工况（G）稳态信号、有功信号和水

头信号；

b）模型输出：功率增减效率和预测异常标志。

表4功率增减数据分析算法输入与输出表

10

T/GZAAXX—2020

类别符号涉及变量变量类型范围单位采样要求

机组出口开关GCB合

/开关量[0，1]/变位上送

闸信号

调速器系统发电工

/开关量[0，1]/变位上送

输入况（G）稳态信号

P有功信号模拟量[0，MAX]MW1次/s，0.1MW

H水头信号模拟量[0，MAX]m5次/s，0.1m

/功率增减效率模拟量/

输出

/预测异常标志开关量[−[0∞，,+1]∞]/

6.5紧停阀数据分析

6.5.1应用场景

应对调速器系统紧停阀的开启时间及关闭时间进行监视分析，从而判断紧停阀开关的效率，提前发

现阀门本体或控制结构存在的缺陷、隐患。

6.5.2算法要求

紧停阀数据分析算法的要求如下：

a）应分析紧停阀发令开启\关闭至收到全开\全关位置信号时间，并对该时间差进行统计分析，进

而得出紧停阀的开关效率，结合大数据历史趋势，制定合理的紧停阀正常开启和关闭时间范围，并

针对超出范围的事件进行预警；

b）当紧停阀发令开启至收到全开位置信号时间超出最大/最小/平均/正态分布时间间隔（数值来

源于统计一段时间（如1个月）的正常数据，下同）的某个比例范围（如20%）时应进行预警提醒，

并结合实例化应用给出预警建议；

c）当紧停阀发令关闭至收到全关位置信号时间超出最大/最小/平均/正态分布时间间隔的某个比

例范围（如20%）时应进行预警提醒，并结合实例化应用给出预警建议。

6.5.3算法输入与输出

紧停阀数据分析算法的输入与输出选择宜如下，具体如表5所示：

a）模型输入：紧停阀开启发令信号、全开位置信号、关闭发令信号和全关位置信号；

b）模型输出：紧停阀开关效率和预测异常标志。

表5紧停阀数据分析算法输入与输出表

类别符号涉及变量变量类型范围单位采样要求

/紧停阀开启发令信号开关量[0，1]/变位上送

/紧停阀全开位置信号开关量[0，1]/变位上送

输入

/紧停阀关闭发令信号开关量[0，1]/变位上送

/紧停阀全关位置信号开关量[0，1]/变位上送

/紧停阀开关效率模拟量/

输出

/预测异常标志开关量[−[0∞，,+1]∞]/

11

T/GZAAXX—2020

6.6隔离阀数据分析

6.6.1应用场景

应对调速器油站系统隔离阀的开启时间及关闭时间进行监视分析，从而判断隔离阀开关的效率，提

前发现阀门本体或控制结构存在的缺陷、隐患。

6.6.2算法要求

隔离阀数据分析算法的要求如下：

a）应分析隔离阀发令开启\关闭至收到全开\全关位置信号时间，并对该时间差进行统计分析，进

而得出隔离法的开关效率，结合大数据历史趋势，制定合理的隔离阀正常开启和关闭时间范围，并

针对超出范围的事件进行预警；

b）当隔离阀发令开启至收到全开位置信号时间超出最大/最小/平均/正态分布时间间隔（数值来

源于统计一段时间（如1个月）的正常数据）的某个比例范围（如20%）时应进行预警提醒，并结

合实例化应用给出预警建议；

c）当隔离阀发令关闭至收到全关位置信号时间超出最大/最小/平均/正态分布时间间隔的某个比

例范围（如20%）时应进行预警提醒，并结合实例化应用给出预警建议。

6.6.3算法输入与输出

隔离法数据分析算法的输入与输出选择见表6，包括：

a）模型输入：隔离阀开启发令信号、全开位置信号、关闭发令信号和全关位置信号；

b）模型输出：隔离法开关效率和预测异常标志。

表6隔离法数据分析算法输入与输出表

类别符号涉及变量变量类型范围单位采样要求

/隔离阀开启发令信号开关量[0，1]/变位上送

/隔离阀全开位置信号开关量[0，1]/变位上送

输入

/隔离阀关闭发令信号开关量[0，1]/变位上送

/隔离阀全关位置信号开关量[0，1]/变位上送

/隔离阀开关效率模拟量/

输出

/预测异常标志开关量[−[0∞，,+1]∞]/

6.7油站数据分析

6.7.1应用场景

应对调速器油站系统的启动时间及停止时间进行监视分析，从而判断油站的启停效率，提前发现油

站系统存在的缺陷、隐患。

6.7.2算法要求

油站数据分析算法的要求如下：

a）应分析计算调速器油站发令启动/停止至油站启动/停止成功的时间，并对该时间差进行统计分

析，进而得出油站的启停效率，结合大数据历史趋势，制定合理的油站正常启动和停止时间范围，

并针对超出范围的事件进行预警；

12

T/GZAAXX—2020

b）当调速器油站发令启动至油站启动成功时间超出最大/最小/平均/正态分布时间间隔（数值来

源于统计一段时间（如1个月）的正常数据）的某个比例范围（如20%）时应进行预警提醒，并结

合实例化应用给出预警建议；

c）当调速器油站发令停止至油站停止成功时间超出最大/最小/平均/正态分布时间间隔（数值来

源于统计一段时间（如1个月）的正常数据）的某个比例范围（如20%）时应进行预警提醒，并结

合实例化应用给出预警建议。

6.7.3算法输入与输出

油站数据分析算法的输入与输出选择见表7，包括：

a）模型输入：调速器油站启动发令信号、启动成功信号、停止发令信号和停止成功信号；

b）模型输出：油站启停效率和预测异常标志。

表7油站数据分析算法输入与输出表

类别符号涉及变量变量类型范围单位采样要求

/调速器油站启动发令信号开关量[0，1]/变位上送

/调速器油站启动成功信号开关量[0，1]/变位上送

输入

/调速器油站停止发令信号开关量[0，1]/变位上送

/调速器油站停止成功信号开关量[0，1]/变位上送

/油站启停效率模拟量/

输出

/预测异常标志开关量[[0−，∞1],/

+∞]

6.8一次调频动作和积分电量数据分析

6.8.1应用场景

机组发电稳态运行时，应对调速器一次调频动作次数和积分电量进行监视分析，从而判断一次调频

的动作效率和一次调频合格率的变化，提前发现系统存在的缺陷、隐患。

6.8.2算法要求

6.8.2.1规定当电网频率超出（机组频率控制死区）且持续时间超过20秒时，一次调频机组

在电网频率超出时段内的实际发电出力与起始发电出力之差的积分电量（）占相应时间

50±∆f

内理论计算积分电量（）的比例为：

50±∆f±∆QS

±∆QL

∆��

注：当,则,其中为一次调频合格�率=，为机组实际出力的积分电量，为同一时间段

∆��

的理论积分电量。

�<0:�=0�∆��∆��

6.8.2.2应在发电工况稳态信号出现后至稳态信号消失前，计算分析每单位时间（如1小时、30分钟

等）和整个稳态时段内一次调频信号动作次数和积分电量，进而得出一次调频动作效率和一次调频合格

率，结合大数据历史趋势，制定合理的动作次数和积分电量范围。

6.8.2.3应在发电稳态工况下，对一次调频信号的动作次数和积分电量超出最大/最小/平均/正态分布

次数和数值范围的某个比例范围（如20%）时应进行预警提醒，并结合实例化应用给出预警建议。

6.8.3算法输入与输出

13

T/GZAAXX—2020

一次调频动作和积分电量数据分析算法的输入与输出选择见表8，包括：

a）模型输入：调速器系统发电工况（G）稳态信号、一次调频动作信号、实际出力的积分电量、

和理论积分电量；

b）模型输出：一次调频动作效率、一次调频合格率和预测异常标志。

表8一次调频动作和积分电量数据分析算法输入与输出表

类别符号涉及变量变量类型范围单位采样要求

调速器系统发电工况

/开关量[0，1]/变位上送

（G）稳态信号

输入/一次调频动作信号开关量[0，1]/变位上送

实际出力的积分电量模拟量/变位上送

∆��理论积分电量模拟量[−∞,+∞]/变位上送

∆�/�一次调频动作效率模拟量[−∞,+∞]/

输出一次调频合格率模拟量[−∞,+∞]/

�/预测异常标志开关量[−[0∞，,+1]∞]/

_________________________________

14

《抽水蓄能机组调速器系统数据分析技术导则》团体标准

编制说明

一、任务来源

《抽水蓄能机组调速器系统数据分析技术导则》团体标准已于

2024年8月经广州市自动化学会正式批准立项，项目预计开发周期

为2024年6月至2024年9月。本标准由广州市自动化学会提出并归

口，主要起草单位是广州市自动化学会。

二、目的和意义

制定《抽水蓄能机组调速器系统数据分析技术导则》标准旨在解

决抽水蓄能机组调速器系统中数据处理不规范、数据质量参差不齐、

以及数据分析方法不统一等问题。其意义在于通过明确的数据采集、

预处理、质量评价及智能分析算法应用，提高调速器系统数据分析的

准确性和可靠性，提升系统的运行效率和安全性，并推动行业内技术

的进步。

三、标准制定原则及主要内容

（一）标准编制原则

1.科学性

本标准的制定充分遵照国内相关法律法规，标准主要内容和各项

技术要求科学合理。本标准严格按照GB/T1.1-2020的规定编写，且

确保与国家标准、行业标准中的术语和词汇保持一致，采用国家标准

中规定的术语和广大用户熟悉的词汇。

2.适用性

本标准适用于抽水蓄能机组调速器系统数据分析算法技术工作。

3.协调性

本标准的协调性是指本标准符合国家的政策，贯彻国家的法律法

规，与抽水蓄能机组调速器系统数据分析技术导则的相关标准规范协

调一致、衔接配套，符合国家、行业、地方管理部门以及社会团体的

需求。

4.可操作性

本标准的