4. 能耗药耗数据采集与预处理

烟气治理设施的能耗与药耗分析，前提是拿到一套“能算得下去”的数据。现场往往并不缺数据：电表、流量计、pH计、料位计、DCS趋势、SCADA历史库都在产生数据，真正的问题是这些数据口径不一、时间不同步、存在坏值和缺失，直接拿来算单位能耗、吨烟气药耗，结论很容易失真。本节按“仪表选型—数据提取—清洗与异常处理—质量评估”的主线，讲清楚一条可信数据链是怎么搭起来的。

一、现场仪表选型：先定口径，再定精度

选型的第一步不是比参数，而是明确每个指标的计算口径。以脱硫系统为例，若目标是“吨烟气电耗”，则电量必须对应增压风机、氧化风机、浆液循环泵等主要辅机，且计量边界要与烟气量测点一致；若目标是“吨SO₂脱除药耗”，则石灰石/电石渣消耗量要与入口SO₂负荷、脱除效率对应。口径不清，后面再精确的仪表也白搭。

常用测点及选型要点如下：

• 电能量：优先选用带RS-485/Modbus或脉冲输出的三相智能电表，精度等级不低于0.5S级；对变频风机，需确认电表能正确计量低频工况，避免轻载时误差放大。
• 烟气流量：CEMS或独立流量计，注意标况/工况换算、温压补偿是否在仪表或上位机完成，避免重复补偿。
• 药剂消耗：粉料用失重式给料机称重或螺旋计量秤，浆液用电磁流量计配密度计；只测体积流量而不测密度，会把浓度波动误算成药耗变化。
• 工艺状态量：pH、浆液密度、塔内液位、入口SO₂浓度，用于后续异常识别和工况分层。

一个常见误区是“仪表精度越高越好”。实际上，若电量表精度0.5S而流量计误差达±5%，系统总不确定度仍由流量计主导。选型应做误差预算：把各测点误差按乘除关系合成，找出对最终指标影响最大的环节，把预算花在刀刃上。

二、DCS/SCADA数据提取：时间对齐是核心

DCS擅长实时控制，历史数据通常以秒级或分钟级存储在趋势库中；SCADA/能源管理系统则多以整点或15分钟粒度归档。提取时要关注三件事：采样周期、时间戳来源、点位映射。

建议统一到15分钟或1小时粒度做分析。若电量表是累计量（kWh读数），提取后需做差分得到区间电量，并处理换表、清零导致的负差分；若为瞬时功率（kW），则按时间加权积分。烟气量、药耗同理：瞬时量积分，累计量差分。时间戳应统一为同一时区，并明确是“区间起点”还是“区间终点”，否则跨系统合并时会出现系统性错位。

点位映射要建立一张对照表，记录DCS位号、SCADA标签、物理含义、单位、量程、正常范围。这张表是后续清洗和质量评估的依据，也是人员交接时最容易被忽略却最关键的资产。

三、数据清洗与异常值处理

原始数据常见问题包括：缺失（通信中断、停机）、毛刺（单点跳变）、卡值（仪表故障后输出恒定）、漂移（传感器老化）、重复（多次采集写入）。处理顺序建议为：先标记停机与检修时段，再处理缺失，再识别异常，最后做平滑或修正。

异常识别可用三类规则组合：物理边界（如烟气量不可能为负、pH应在合理区间）、统计规则（3σ或IQR，适用于近似正态的负荷类参数）、变化率规则（相邻点跳变超过阈值判为毛刺）。对累计量，负差分和异常大差分要单独处理。缺失值不宜一律插值：短缺口（1～2个采样周期）可线性插值；长缺口应标记为无效，避免用插值“造”出并不存在的能耗。

四、数据质量评估：用指标说话

清洗完成后，应对每个关键点位和每个统计周期给出质量结论。常用指标包括：完整率（有效点数/应有点数）、异常率、缺失最长连续时长、时间对齐偏差、量程越限次数。可按“日—月”两级汇总，形成数据质量看板。对用于考核或结算的指标，建议设定门槛，例如完整率低于95%的时段不参与单位能耗排名，异常率超过5%的点位触发仪表校验。

下图给出本节数据链的整体结构与关键处理节点，可作为现场实施时的对照参考。

把上述流程落到日常，可以形成一张简明的数据质量检查表：每个关键点位记录完整率、异常率、最长缺失时长和最近一次校验日期；每个统计周期记录参与核算的有效点数比例。当某月单位电耗突然下降而烟气量同步下降时，先查数据质量再看工艺，往往能避免把“缺数”误读成“节能”。

数据采集与预处理不是一次性工作，而是伴随设施运行持续迭代的基础工程。仪表口径清晰、提取规则统一、清洗留有痕迹、质量评估有量化门槛，后续的能耗对标、药耗优化和异常诊断才有可靠底座。