基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警裝置和方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及熱工技術(shù)和人工智能交叉技術(shù)領(lǐng)域，特別是基于電站運(yùn)行數(shù)據(jù)的引風(fēng) 機(jī)故障預(yù)警裝置和方法。
【背景技術(shù)】
[0002] 提高電站設(shè)備運(yùn)行的安全性、可靠性、可用率，降低設(shè)備的維護(hù)成本，延長檢修的 周期對提高發(fā)電企業(yè)的經(jīng)濟(jì)效益和社會效益具有重要的意義。隨著對電站設(shè)備安全性要求 的進(jìn)一步提高，人們不僅希望在出現(xiàn)故障時提供故障的檢測與隔離，還要求在設(shè)備發(fā)生故 障前就能實現(xiàn)對其預(yù)警。運(yùn)樣，就有足夠的時間采取措施來防止故障的發(fā)生，避免不必要的 損失。
[0003] 引風(fēng)機(jī)是大型火力發(fā)電廠主要的設(shè)備之一，其運(yùn)行狀態(tài)直接影響電力生產(chǎn)的經(jīng)濟(jì) 性和安全性。由于設(shè)備本身結(jié)構(gòu)十分復(fù)雜，故障類型繁多，而且在運(yùn)行過程中會受到許多外 界因素的影響，很難及時地發(fā)現(xiàn)故障和準(zhǔn)確判斷故障原因，運(yùn)樣不僅會給企業(yè)造成經(jīng)濟(jì)損 失，甚至?xí)绊懙浆F(xiàn)場工作人員的人身安全。因此，在設(shè)備出現(xiàn)異?；蚬收现斑M(jìn)行準(zhǔn)確的 預(yù)警，提前將潛在的故障預(yù)警送達(dá)給相關(guān)人員，對企業(yè)的安全生產(chǎn)和效益的提高都具有重 要的意義。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明針對現(xiàn)有技術(shù)無法在引風(fēng)機(jī)出現(xiàn)異?；蚬收现斑M(jìn)行準(zhǔn)確預(yù)警的問題，提 供一種基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警裝置，選擇引風(fēng)機(jī)運(yùn)行相關(guān)的參數(shù)作為觀測變 量，通過采集觀測變量的當(dāng)前觀測樣本再計算其估計值并進(jìn)行相似度比較，準(zhǔn)確判斷當(dāng)前 設(shè)備的狀態(tài)，實現(xiàn)引風(fēng)機(jī)故障預(yù)警，該裝置預(yù)測精度高、成本低、計算速度快，有利于應(yīng)用于 工程實踐之中。本發(fā)明還設(shè)及一種基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警方法。
[0005] 本發(fā)明的技術(shù)方案如下：
[0006] -種基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警裝置，其特征在于，包括依次連接的觀 測變量收集模塊、當(dāng)前觀測樣本估計計算處理模塊和相似度計算處理模塊，
[0007] 所述觀測變量收集模塊，用于選擇引風(fēng)機(jī)電流、引風(fēng)機(jī)前軸承溫度、引風(fēng)機(jī)后軸承 溫度、引風(fēng)機(jī)腰側(cè)水平振動、引風(fēng)機(jī)腰側(cè)垂直振動、引風(fēng)機(jī)端側(cè)水平振動和引風(fēng)機(jī)端側(cè)垂直 振動運(yùn)屯個引風(fēng)機(jī)運(yùn)行參數(shù)作為觀測變量；
[0008] 所述當(dāng)前觀測樣本估計計算處理模塊，是從歷史運(yùn)行數(shù)據(jù)中收集機(jī)組負(fù)荷變化大 的若干段所述觀測變量作為初始的訓(xùn)練樣本，并構(gòu)建記憶矩陣；然后采集觀測變量的當(dāng)前 觀測樣本并結(jié)合所述記憶矩陣計算權(quán)值向量，再計算當(dāng)前觀測樣本的估計值；
[0009] 所述相似度計算處理模塊，用于計算觀測變量的當(dāng)前觀測樣本與所述估計值的相 似度，再根據(jù)所述相似度與報警闊值的比對判斷設(shè)備狀態(tài)，在相似度大于報警闊值時當(dāng)前 設(shè)備狀態(tài)正常，在相似度小于等于報警闊值時當(dāng)前設(shè)備狀態(tài)異常進(jìn)而進(jìn)行故障預(yù)警。
[0010] 所述觀測變量收集模塊還選擇引風(fēng)機(jī)入口煙氣壓力和引風(fēng)機(jī)電動機(jī)繞組溫度運(yùn) 兩個引風(fēng)機(jī)運(yùn)行參數(shù)與所述屯個引風(fēng)機(jī)運(yùn)行參數(shù)共同作為觀測變量。
[0011] 所述當(dāng)前觀測樣本估計計算處理模塊采集觀測變量的當(dāng)前觀測樣本結(jié)合所述記 憶矩陣并基于非線性狀態(tài)估計算法計算權(quán)值向量，再利用記憶矩陣和權(quán)值向量的乘積計算 當(dāng)前觀測樣本的估計值。
[0012] 所述相似度計算處理模塊是基于歷史運(yùn)行數(shù)據(jù)中的訓(xùn)練樣本的方差確定的非相 似性測度參數(shù)來計算觀測變量的當(dāng)前觀測樣本與所述估計值的相似度。
[0013] 一種基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警方法，其特征在于，包括下述步驟：
[0014] A、選擇引風(fēng)機(jī)電流、引風(fēng)機(jī)前軸承溫度、引風(fēng)機(jī)后軸承溫度、引風(fēng)機(jī)腰側(cè)水平振 動、引風(fēng)機(jī)腰側(cè)垂直振動、引風(fēng)機(jī)端側(cè)水平振動和引風(fēng)機(jī)端側(cè)垂直振動運(yùn)屯個引風(fēng)機(jī)運(yùn)行 參數(shù)作為觀測變量；
[0015] B、從歷史運(yùn)行數(shù)據(jù)中，收集機(jī)組負(fù)荷變化大的若干段所述觀測變量作為初始的訓(xùn) 練樣本，并構(gòu)建記憶矩陣；然后采集觀測變量的當(dāng)前觀測樣本并結(jié)合所述記憶矩陣計算權(quán) 值向量，再計算當(dāng)前觀測樣本的估計值；
[0016] C、計算觀測變量的當(dāng)前觀測樣本與所述估計值的相似度，再根據(jù)所述相似度與報 警闊值的比對判斷設(shè)備狀態(tài)，在相似度大于報警闊值時當(dāng)前設(shè)備狀態(tài)正常，在相似度小于 等于報警闊值時當(dāng)前設(shè)備狀態(tài)異常進(jìn)而進(jìn)行故障預(yù)警。
[0017] 在所述步驟A中還選擇引風(fēng)機(jī)入口煙氣壓力和引風(fēng)機(jī)電動機(jī)繞組溫度運(yùn)兩個引 風(fēng)機(jī)運(yùn)行參數(shù)與所述屯個引風(fēng)機(jī)運(yùn)行參數(shù)共同作為觀測變量。
[0018] 所述步驟B是采集觀測變量的當(dāng)前觀測樣本結(jié)合所述記憶矩陣并基于非線性狀 態(tài)估計算法計算權(quán)值向量，再利用記憶矩陣和權(quán)值向量的乘積計算當(dāng)前觀測樣本的估計 值。
[0019] 所述步驟C是基于歷史運(yùn)行數(shù)據(jù)中的訓(xùn)練樣本的方差確定的非相似性測度參數(shù) 來計算觀測變量的當(dāng)前觀測樣本與所述估計值的相似度。
[0020] 本發(fā)明的技術(shù)效果如下：
[0021] 本發(fā)明設(shè)及的基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警裝置，設(shè)置特定結(jié)構(gòu)且依次連 接的觀測變量收集模塊、當(dāng)前觀測樣本估計計算處理模塊和相似度計算處理模塊，觀測變 量收集模塊選擇引風(fēng)機(jī)運(yùn)行相關(guān)的參數(shù)作為觀測變量，當(dāng)前觀測樣本估計計算處理模塊從 歷史運(yùn)行數(shù)據(jù)中收集機(jī)組負(fù)荷變化大的若干段所述觀測變量作為初始的訓(xùn)練樣本W(wǎng)及采 集觀測變量的當(dāng)前觀測樣本并計算當(dāng)前觀測樣本的估計值，通過相似度計算處理模塊計算 觀測變量的當(dāng)前觀測樣本與所述估計值的相似度，準(zhǔn)確判斷當(dāng)前設(shè)備的狀態(tài)，若兩者相似 度較小，則認(rèn)為引風(fēng)機(jī)運(yùn)行工況異常，從而實現(xiàn)對引風(fēng)機(jī)故障的提前預(yù)警，解決了現(xiàn)有技術(shù) 無法在引風(fēng)機(jī)出現(xiàn)異常或故障之前進(jìn)行準(zhǔn)確預(yù)警的問題，該裝置基于實際機(jī)組運(yùn)行數(shù)據(jù)實 現(xiàn)大型電站引風(fēng)機(jī)的故障預(yù)警，應(yīng)用本發(fā)明裝置，不增加任何硬件，而且易于工程現(xiàn)場應(yīng) 用，成本低，計算速度快，在引風(fēng)機(jī)設(shè)備出現(xiàn)異?；蚬收现斑M(jìn)行準(zhǔn)確的預(yù)警，提前將潛在 的故障預(yù)警送達(dá)給相關(guān)人員，對企業(yè)的安全生產(chǎn)和效益的提高都具有重要的意義。
[0022] 本發(fā)明設(shè)及的基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警方法，選擇與引風(fēng)機(jī)運(yùn)行有關(guān) 的參數(shù)作為觀測變量，選取歷史運(yùn)行數(shù)據(jù)作為初始訓(xùn)練樣本，通過采集觀測變量的當(dāng)前觀 測樣本再計算其估計值并進(jìn)行相似度比較，準(zhǔn)確判斷當(dāng)前設(shè)備的狀態(tài)，實現(xiàn)引風(fēng)機(jī)故障預(yù) 警，預(yù)警結(jié)果精確可靠，該方法克服了現(xiàn)有技術(shù)的弊端，具有預(yù)測精度高、使用成本低、計算 速度快的優(yōu)點，有利于應(yīng)用于工程實踐之中。
【附圖說明】
[0023] 圖1為本發(fā)明基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警裝置的結(jié)構(gòu)框圖。
[0024] 圖2為本發(fā)明基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警裝置的工作原理圖。
[0025] 圖3為本發(fā)明基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警方法的流程圖。
[0026] 圖4為本發(fā)明基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警裝置或方法對某火電站引風(fēng) 機(jī)的故障預(yù)警效果圖。
【具體實施方式】
[0027] 下面結(jié)合附圖對本發(fā)明進(jìn)行說明。
[0028] 本發(fā)明公開了一種基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警裝置，其結(jié)構(gòu)如圖1所 示，包括依次連接的觀測變量收集模塊、當(dāng)前觀測樣本估計計算處理模塊和相似度計算處 理模塊，所述觀測變量收集模塊，用于選擇引風(fēng)機(jī)電流、引風(fēng)機(jī)前軸承溫度、引風(fēng)機(jī)后軸承 溫度、引風(fēng)機(jī)腰側(cè)水平振動、引風(fēng)機(jī)腰側(cè)垂直振動、引風(fēng)機(jī)端側(cè)水平振動和引風(fēng)機(jī)端側(cè)垂直 振動運(yùn)屯個引風(fēng)機(jī)運(yùn)行參數(shù)作為觀測變量；所述當(dāng)前觀測樣本估計計算處理模塊，是從歷 史運(yùn)行數(shù)據(jù)中收集機(jī)組負(fù)荷變化大的若干段所述觀測變量作為初始的訓(xùn)練樣本，并構(gòu)建記 憶矩陣；然后采集觀測變量的當(dāng)前觀測樣本并結(jié)合所述記憶矩陣計算權(quán)值向量，再計算當(dāng) 前觀測樣本的估計值；所述相似度計算處理模塊，用于計算觀測變量的當(dāng)前觀測樣本與所 述估計值的相似度，再根據(jù)所述相似度與報警闊值的比對判斷設(shè)備狀態(tài)，在相似度大于報 警闊值時當(dāng)前設(shè)備狀態(tài)正常，在相似度小于等于報警闊值時當(dāng)前設(shè)備狀態(tài)異常進(jìn)而進(jìn)行故 障預(yù)警。
[0029] 本發(fā)明基于電站運(yùn)行數(shù)據(jù)的引風(fēng)機(jī)故障預(yù)警裝置通過對引風(fēng)機(jī)觀測變量的實測 值和估計值進(jìn)行相似度比較，若兩者相似度較小，則認(rèn)為引風(fēng)機(jī)運(yùn)行工況異常，從而實現(xiàn)對 引風(fēng)機(jī)故障的提前預(yù)警。其工作原理如圖2所示，觀測變量收集模塊選擇引風(fēng)機(jī)運(yùn)行相關(guān) 參數(shù)作為觀測變量，具體可選擇引風(fēng)機(jī)電流、引風(fēng)機(jī)入口煙氣壓力、引風(fēng)機(jī)電動機(jī)繞組溫 度、引風(fēng)機(jī)前軸承溫度、引風(fēng)機(jī)后軸承溫度、引風(fēng)機(jī)腰側(cè)水平振動、引風(fēng)機(jī)腰側(cè)垂直振動、弓I 風(fēng)機(jī)端側(cè)水平振動和引風(fēng)機(jī)端側(cè)垂直振動運(yùn)九個引風(fēng)機(jī)運(yùn)行參數(shù)作為觀測變量，九個引風(fēng) 機(jī)運(yùn)行參數(shù)即為九個變量的觀測點。當(dāng)前觀測樣本估計計算處理模塊，從歷史運(yùn)行數(shù)據(jù)中 收集機(jī)組負(fù)荷變化較大的若干段所述觀測變量作為初始的訓(xùn)練樣本，記t，時刻P個變量的 觀測點樣本為：X(t,) =[XI(t,)，X2 (t，)，…，Xp(t,)]T，其中(t,)表示觀測點i在t,時刻的 測量值（或者說是第i個變量的觀測點樣本）；當(dāng)前觀測樣本估計計算處理模塊還利用收 集的歷史運(yùn)行數(shù)據(jù)，構(gòu)建記憶矩陣D
[0030] 0)
[00；31]其中D;j=Xi(tj)
[0032] 當(dāng)前觀測樣本估計計算處理模塊同時還采集觀測變量的當(dāng)前觀測樣本Xq，并結(jié)合 所述記憶矩陣D基于非線性狀態(tài)估計算法計算當(dāng)前觀測