4. 运行参数与排放数据采集实战
关联分析的第一步不是建模，而是把三类来源不同、时间尺度不同、精度不同的数据“对齐到同一张表上”。DCS提供秒级到分钟级的工艺运行参数，CEMS提供分钟级或小时级的排放浓度与烟气状态，化验室则提供日频或批次频的煤质、石灰石、石膏、飞灰等离线分析结果。三者的采样周期、时间戳含义、量纲和有效状态各不相同，如果直接拼接，很容易出现“参数看似对应、实际错位”的假关联。本节以一次典型时段的数据提取为例，说明如何设计表结构、如何取数、如何做初步整理。
一、先明确三类数据的时间语义
DCS数据通常是带质量码的历史趋势值，时间戳表示采样瞬时，常见周期为1s、5s或1min，取数时应统一重采样为1min均值，并保留最大值、最小值用于识别波动。CEMS数据的时间戳有两种常见口径：一种是分析仪采样瞬时值，另一种是系统折算后的整点/整分钟均值，必须向仪表工程师确认；同时要区分干基/湿基、标态/实际氧、实测浓度与折算浓度。化验室数据的时间戳应取“采样时间”而非“报告出具时间”，否则会把当天下午才出的化验结果错误地挂到上午的工况上。
二、关联分析数据表的结构设计
建议采用“宽表主表 + 长表明细”的双层结构。主表以1min为时间粒度，一行对应一个时间点，字段分为四组：时间键、工况参数、排放参数、数据质量标记。化验室数据因频率低，不直接并入主表，而是单独建“批次分析表”，通过采样时间区间与主表关联，避免大量重复填充。
| 字段组 | 示例字段 | 单位/口径 | 说明 |
|---|---|---|---|
| 时间键 | ts_min | yyyy-mm-dd hh:mm | 统一为整分钟，本地时区 |
| 工况参数 | load_mw、flue_gas_flow、inlet_so2、o2_dcs、slurry_ph、lime_feed | MW、Nm³/h、mg/Nm³、%、—、t/h | 取1min均值，另存max/min |
| 排放参数 | so2_cems、dust_cems、nox_cems、o2_cems、temp_cems | mg/Nm³（标态干基折算）、% | 注明折算基准氧含量 |
| 质量标记 | dcs_valid、cems_valid、cems_status | 0/1、状态码 | 标记停运、校准、故障、超量程 |
批次分析表字段包括：sample_id、sample_time_start、sample_time_end、coal_sulfur、coal_ash、lime_purity、gypsum_caco3、flyash_loi、lab_report_time。其中coal_sulfur用于校验入口SO₂与煤质的一致性，gypsum_caco3用于判断脱硫效率是否受浆液品质影响。
三、一次典型时段的数据提取与整理
假设选取某日14:00—16:00共120分钟作为分析时段，机组负荷稳定在300MW附近。操作顺序如下：
- 确定时间窗口与基准。以整点为界，取14:00:00至15:59:59，共120个整分钟点。所有来源的时间戳统一转换为本地时间并截断到分钟。
- 导出DCS趋势。选择负荷、烟气流量、入口SO₂、DCS氧量、浆液pH、石灰石给料量六个点位，导出1min均值及最大最小值，保留质量码。
- 导出CEMS数据。选择SO₂、粉尘、NOx、O₂、烟温，确认是否为折算浓度及基准氧，导出1min均值与仪表状态码。
- 提取化验批次。取当日早班煤样硫分、石灰石纯度、前一班石膏碳酸钙含量，记录采样起止时间。
- 对齐与清洗。以ts_min为主键左连接各来源；CEMS状态码非正常（校准、故障、反吹）的分钟点标记cems_valid=0；DCS质量码异常同样标记；对缺失分钟点不插值，保留空值并计数。
整理后应输出一份“数据完整性摘要”：总分钟数120，DCS有效118，CEMS有效115（其中3分钟反吹、2分钟校准），化验批次2条。若有效点低于总点数的90%，该时段不宜直接用于关联分析，应先排查仪表或延长窗口。
四、初步整理中必须做的三项校验
量纲与基准校验。入口SO₂若来自DCS的mg/Nm³实测值，而CEMS出口为折算值，两者不能直接相减算效率，需先统一到同一氧基准。示例中若CEMS基准氧为6%，DCS氧量为5.2%，则折算系数需按实测氧重新计算，不能默认1。
时间滞后校验。从入口SO₂变化到出口SO₂响应存在几分钟的烟气停留与浆液反应滞后。整理时可对入口与出口序列做互相关，观察峰值偏移分钟数，作为后续关联分析的滞后参数，而不是强行按同一时刻配对。
异常段标记校验。负荷大幅升降、启停磨、浆液pH剧烈波动、CEMS反吹等时段应单独标记，不参与稳态关联统计。示例时段内若15:20—15:26负荷下降超过40MW，则该6分钟应标记为非稳态段。
完成上述整理后，读者应能回答三个问题：每个时间点的数据来自哪个系统、口径是否一致、是否可信。只有这三个问题都有明确答案，后续的相关系数、回归或工况分档才有意义。