The invention discloses a method for thermal system of valve leakage monitoring, the monitoring method comprises the following steps: (1) to obtain the valve leakage quantity and feature parameters of large sample data through the valve leakage modeling; (2) data preprocessing, model of learning to improve the recognition precision and efficiency, the step (1) among the parameters of sample data verify the validity of the leakage and features of the valve, and remove the error data are normalized to the data; (3) improved method of SVM identification nonlinear combined model based on BP neural network identification model, RBF radial recognition model and GRNN neural network identification model combined with the calculation of leakage within the valve thermal system in specific parameters, so as to realize the monitoring of the valve leakage amount. The invention provides a scientific basis for professional enterprises on the basis of the valve leakage state schedule maintenance, planned maintenance and change the way for enterprises to reduce the valve leakage, to a major role in improving the economic operation of the production.
【技术实现步骤摘要】
一种热力系统阀门内漏量监测方法
本专利技术涉及阀门内漏量监测的
,特别是涉及热力系统阀门内漏量监测方法。
技术介绍
阀门是工业生产中面广而量大的一种设备,是流体输送系统中极其重要的控制部件,可用于控制水、空气、蒸汽、各种腐蚀性介质、泥浆、油品、液态金属和放射性介质等各种类型流体的流动。其基本功能是切断或接通管路介质的流通,改变介质的流动方向,控制介质的压力和流量,保护管路和设备的正常运行。阀门在电厂中应用广泛,它负责连接电厂中各子系统,是确保电厂能否安全运行的重要附件,其可靠性水平对系统的安全性能和维修成本影响尤其突出。由于电厂阀门长期处于高温高压的环境下,内部泄漏故障频繁发生。阀门内漏影响电厂安全生产:阀门内漏将使运行中设备无法隔离消缺,安全措施无法执行到位,严重威胁检修工作人员的生命安全;阀门内漏可能会对管路弯头或扩容器等造成冲刷,严重时甚至引起机外管路爆管,给设备的现场工作人员带来人身危害,造成机组非计划停运;以高压旁路阀门泄漏为例,减温水严重泄漏将导致机组启停阶段冷再热蒸汽管道积水,引发水锤甚至产生汽轮机进水的严重事故。同时,阀门内漏将严重影响机组经济性,以疏水阀门内漏为例,据统计:40%的内漏影响机组热耗率在1%左右;60%的内漏影响机组热耗率在1%以上;个别机组疏水阀门内漏影响机组热耗率在4%左右。阀门内漏还会降低机组工作效率,增加设备维修费用。由于不同泄漏源具有不同的泄漏机理,其造成故障发展趋势和严重程度各异,所需取的维修策略也应该不一样。有些可以在生产运行中通过采取相应措施解决,而有些则需要停机检修或更换阀门。据统计,在大修时,50% ...
【技术保护点】
一种热力系统阀门内漏量监测方法,其特征在于,所述监测方法包括以下步骤:(1)通过阀门内漏建模来获取阀门内漏量与特征参数间样本大数据;(2)数据预处理,为提高识别模型的学习精度和效率,对步骤(1)中所述阀门内漏量与特征参数间样本大数据进行有效性验证,并剔除错误数据对数据进行归一化处理;(3)基于改进SVM非线性组合识别模型的方法,将BP神经网络识别模型、RBF径向识别模型和GRNN神经网络识别模型进行结合,计算在特定特征参数下热力系统阀门内漏量,从而实现对阀门内漏量的监测。
【技术特征摘要】
1.一种热力系统阀门内漏量监测方法,其特征在于,所述监测方法包括以下步骤:(1)通过阀门内漏建模来获取阀门内漏量与特征参数间样本大数据;(2)数据预处理,为提高识别模型的学习精度和效率,对步骤(1)中所述阀门内漏量与特征参数间样本大数据进行有效性验证,并剔除错误数据对数据进行归一化处理;(3)基于改进SVM非线性组合识别模型的方法,将BP神经网络识别模型、RBF径向识别模型和GRNN神经网络识别模型进行结合,计算在特定特征参数下热力系统阀门内漏量,从而实现对阀门内漏量的监测。2.如权利要求1所述的热力系统阀门内漏量监测方法,其特征在于:所述步骤(1)包括:通过测量获得热力系统管道长度、内径、外径以及保温层厚度,随后建立管道微元段径向方向温度场;建立管道微元段轴向方向温度场,沿管道工质流动方向,对每一微元段逐段计算,最终得到阀门前管道温度场,每一个泄漏量对应一个管壁温。3.如权利要求2所述的热力系统阀门内漏量监测方法,其特征在于:将所述热力系统管道划分为多个微元管段,根据传热学原理对所述微元管段进行径向和轴向建模,并利用迭代法沿工质流动方向求解;根据第N段微元管段的沿程阻力损失和换热量计算第N段所述微元管段出口参数,并以此作为第N+1段所述微元管段的进口参数,直至获得阀门前的最后一个微元管段的壁面温度,建立起温度场与特征参数间的大样本模型。4.如权利要求1所述的热力系统阀门内漏量监测方法,其特征在于:所述基于改进SVM非线性组合识别模型的方法的步骤(3)包括以下具体步骤:步骤A:用所述BP神经网络识别模型、RBF径向基识别模型和GRNN神经网络识别模型对步骤(2)中预处理的阀门内漏量与特征参数间样本大数据分别进行识别,将获得到的各种识别方法的识别值与实际值形成新的测试样本与训练样本,将其作为改进SVM非线性组合模型的样本;步骤B:初始化SVM模型,对拉格朗日乘子αi、及阈值b进行随机赋值;步骤C:将新的训练样本建立为符合SVM算法的目标函...
【专利技术属性】
技术研发人员:赵杰辉,谢红亮,张霖,
申请(专利权)人:深圳市天成智能控制科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。