一种基于状态参数的凝结水泵故障预警方法技术

本发明专利技术涉及一种基于状态参数的凝结水泵故障预警方法，该方法首先在SCADA系统的运行数据中表征凝结水泵系统的状态参数中选出训练数据和测试数据，其次利用基于LS‑SVR的凝结水泵多元状态回归模型对凝结水泵系统状态参数进行拟合，获取凝结水泵系统各个状态参数的回归值，将所得的回归值与实际值进行比较得到偏差，最后通过设置基于置信区间的偏差动态阈值进行状态参数的早期故障预警。与现有技术相比，本发明专利技术具有实现早期故障识别、提高检修效率、实用性高等优点。

【技术实现步骤摘要】
一种基于状态参数的凝结水泵故障预警方法
本专利技术涉及凝结水泵安全评估
，尤其是涉及一种基于状态参数的凝结水泵故障预警方法。
技术介绍
在电厂水泵运行中，凝结水泵是比较常见的水泵类型。在汽轮机内做完功的蒸汽，通过排气管道进入凝汽器，经冷却水冷却后，成为凝结水而集中在热水井里。由于汽水系统是一个理想的平衡过程，所以凝结水泵要持续运转，把凝结水再输送到锅炉加热器进行一系列的加热。由此可见，凝结水泵正常工作中出现故障，将会导致凝汽器热井水位升高，淹没凝汽器铜管，而使得蒸汽不能凝结，真空急剧降低，进而引发一系列的事故直至机组停止运行。目前大部分电厂用于水泵故障排除的方法主要是听诊法、触测法和观察法。但是，上述三种方法都为人工操作，对技术人员的经验要求较高，无法实现自动预警，识别故障的效率较低。在电厂DCS(DistributedControlSystem，分散控制系统)中，现有的自动故障预警技术的状态参数的报警上下限都是固定的，一旦设备参数超过报警线，则凝结水泵系统几乎已经出现故障，需要停机检修；然而事实上大多数故障都不是突然发生的，都有一个缓慢发展的过程。现有技术往往都是选取固定数值进行设定，例如按照残差序列的均值或在均值的基础上乘以一个系数的残差阈值进行设定，如果数值设的较小，则容易造成误报警，而数值设的较大则无法起到报警作用，该方法不够明确，且没有实际的应用效果。此外，在凝结水泵的检修方面，大部分电厂大多采用计划检修、事后检修等检修方式，检修效率低，且无法保证凝结水泵运行的安全可靠性及利用率。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于状态参数的凝结水泵故障预警方法。本专利技术的目的可以通过以下技术方案来实现：一种基于状态参数的凝结水泵故障预警方法，包括以下步骤：(一)采集SCADA系统中的运行数据，获取表征凝结水泵系统状态参数的训练数据和测试数据；(二)结合LS-SVR与多元回归，建立基于LS-SVR的凝结水泵多元状态回归模型；(三)利用基于LS-SVR的凝结水泵多元状态回归模型对凝结水泵的状态参数进行拟合，获取凝结水泵系统各个状态参数的回归值；(四)求取回归值与实际值的残差，并设置随残差变化的动态阈值，建立状态参数的动态预警带；(五)动态预警带对凝结水泵状态的初步预警进行判断，若判断为异常状态，则发送预警信号至运行端，完成状态参数的初级异常预警，否则，进行下一轮检测；(六)运行端对预警信号进行审核，若审核通过，则生成状态检修单，发布检修命令至运维端，若审核未通过，则持续跟踪检查。基于LS-SVR的凝结水泵多元状态回归模型为六层网络结构，包括数据层、映射层、特征层、模型层、反馈层和输出层，数据层为历史数据，映射层对历史数据进行数据分析，对归一化处理的数据进行故障检测和修正处理，在特征层中完成故障数据特征分析，建立基于LS-SVR的凝结水泵多元状态回归模型，通过反馈层对模型参数的选取和调整得出输出结果。其中，模型层包括选取LS-SVR高斯核函数的尺度参数及选取回归函数中的惩罚因子和不敏感损失参数。(1)高斯核的尺度参数采用交叉验证进行选取，具体步骤包括：1)随机将训练数据分为N份；2)随机选取一份训练数据作为测试集，将剩余N-1份数据作为训练集；3)对参数选取不同的值进行训练和测试，将最接近实际值的回归结果所对应的参数值保存，作为最优的尺度参数。(2)选取回归函数中的惩罚因子的内容为：回归函数f(x)的表达式为：式中，K(xi,x)为支持向量机的高斯核函数，C为惩罚因子，λi为拉格朗日算子，l为训练数据的样本数；高斯核函数的表达式为：式中，β为高斯核函数的尺度参数，x为核函数中心点，xi为某一样本点。由于高斯核函数的范围为：K(xi,x)≤1则惩罚因子C选择为：优选地，惩罚因子选取为C＝10max(|f(x)|)。(3)不敏感损失参数的获取过程包括：1)根据获取的高斯核函数的尺度参数和惩罚因子，初步选取不敏感损失参数为ε0，对训练集进行训练，获取估计函数；2)采用二次训练的方法，根据估计函数和训练数据计算回归误差的标准差γ；3)根据回归误差的标准差计算不敏感损失参数：ε＝γ*υ式中，υ为比例系数，其值选取1.65或1.95。在步骤(四)中，采用标准误差估计S来衡量回归值与实际值之间的差异，在步骤(三)中，采用决定系数R2来衡量基于LS-SVR的凝结水泵多元状态回归模型获取的回归线预测变量和回应变量之间的拟合程度，二者的表达式分别为：式中，y为回应变量的实际值，为回应变量的估计值，为回应变量实际值的均值，m为预测变量的个数，p为测试数据的样本数。步骤(四)中，动态阈值的获取过程为：设置滑动窗口对动态阈值进行计算，并利用置信区间的残差平方根作为该滑动窗口的残差估计函数，动态阈值J的表达式为：J＝μ±1.96σ2式中，μ为滑动窗口残差序列的均值，σ为滑动窗口残差序列的方差。步骤(五)中，采用滑动窗口残差序列的残差均方根rRMS对凝结水泵状态的初步预警进行判断，当rRMS＜J时，参数正常，当rRMS＞J时，参数异常，残差均方根rRMS的计算公式为：式中，n为滑动窗口的残差数量，ri为残差序列中的某个残差。与现有技术相比，本专利技术具有以下优点：(1)本专利技术将多元回归模型和LS-SVR方法相结合，建立了凝结水泵的多元状态回归模型，通过建立状态参数的动态预警带，实现对凝结水泵状态参数的早期异常识别，从而避免故障的进一步恶化，做到故障的早期预警，填补了现有技术在这一方面的空白；(2)本专利技术建立了凝结水泵的多元状态回归模型以及状态参数的动态预警带，可实现早期故障的确定性推理，大大提高了检修效率，减少事后检修，使检修做到有理有据，还提高了凝结水泵的运行安全可靠性和利用率；(3)本专利技术基于数据驱动的凝结水泵状态参数回归模型，将模型得到的参数回归值和实际值对比以获取残差，通过设置随残差变化的动态阈值，建立状态参数的动态预警带，从而判断状态参数的早期异常，相比于传统的按照残差序列的均值或在均值的基础上乘以一个系数的残差阈值选取方法更加明确，有利于实际的应用。附图说明图1为一种基于状态参数的凝结水泵故障预警方法的状态参数异常识别流程图；图2为基于LS-SVR的凝结水泵多元状态回归模型物理层次示意图；图3为动态预警带示意图；图4为动态阈值检测图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。实施例凝结水泵状态参数异常辨识的主要步骤为：首先将凝结水泵及其部件的工作状态分为正常运行状态和异常状态；其次利用正常运行状态下的数据样本对运行参数建模，所建立的模型称为参数的正常行为模型(简称参数模型)；然后用参数模型对状态参数进行预测，获得参数预测值与实际值的残差，当状态参数发生异常时，参数模型的预测值将偏离实际值，异常越严重，出现偏离的情况越多；最后，通过对残差进行数据分析，判定凝结水泵的状态参数是否异常。按照检测对象凝结水泵的状态参数可以分为，设备状态参数，机组公共参数，和环境参数三类。如表1所示，设备状态参数包含了凝结水流量，凝结水温度，凝泵入口压力，凝泵出口压力，凝泵电机电流，凝泵变频转速，凝泵入口滤网差压，凝泵再循环水流量。机组公共参数是指机组负荷，环境参数是指环境温度。表1凝结水泵状本文档来自技高网...

【技术保护点】
1.一种基于状态参数的凝结水泵故障预警方法，其特征在于，该方法包括以下步骤：1)采集SCADA系统中的运行数据，获取表征凝结水泵系统状态参数的训练数据和测试数据；2)结合LS‑SVR与多元回归，建立基于LS‑SVR的凝结水泵多元状态回归模型；3)利用基于LS‑SVR的凝结水泵多元状态回归模型对凝结水泵系统状态参数进行拟合，获取凝结水泵系统各个状态参数的回归值；4)求取回归值与实际值的残差，并设置随残差变化的动态阈值，建立状态参数的动态预警带；5)动态预警带对凝结水泵状态的初步预警进行判断，若判断为异常状态，则发送预警信号至运行端，完成状态参数的初级异常预警，否则，进行下一轮检测；6)运行端对预警信号进行审核，若审核通过，则生成状态检修单，发布检修命令至运维端，若审核未通过，则持续跟踪检查。

【技术特征摘要】
1.一种基于状态参数的凝结水泵故障预警方法，其特征在于，该方法包括以下步骤：1)采集SCADA系统中的运行数据，获取表征凝结水泵系统状态参数的训练数据和测试数据；2)结合LS-SVR与多元回归，建立基于LS-SVR的凝结水泵多元状态回归模型；3)利用基于LS-SVR的凝结水泵多元状态回归模型对凝结水泵系统状态参数进行拟合，获取凝结水泵系统各个状态参数的回归值；4)求取回归值与实际值的残差，并设置随残差变化的动态阈值，建立状态参数的动态预警带；5)动态预警带对凝结水泵状态的初步预警进行判断，若判断为异常状态，则发送预警信号至运行端，完成状态参数的初级异常预警，否则，进行下一轮检测；6)运行端对预警信号进行审核，若审核通过，则生成状态检修单，发布检修命令至运维端，若审核未通过，则持续跟踪检查。2.根据权利要求1所述的一种基于状态参数的凝结水泵故障预警方法，其特征在于，基于LS-SVR的凝结水泵多元状态回归模型为六层网络结构，包括数据层、映射层、特征层、模型层、反馈层和输出层，其中，模型层包括选取LS-SVR高斯核函数的尺度参数及选取回归函数中的惩罚因子和不敏感损失参数。3.根据权利要求2所述的一种基于状态参数的凝结水泵故障预警方法，其特征在于，采用交叉验证选取高斯核的尺度参数，具体步骤包括：1)随机将训练数据分为N份；2)随机选取一份训练数据作为测试集，将剩余N-1份数据作为训练集；3)对参数选取不同的值进行训练和测试，将最接近实际值的回归结果所对应的参数值保存，作为最优的尺度参数。4.根据权利要求3所述的一种基于状态参数的凝结水泵故障预警方法，其特征在于，选取回归函数中的惩罚因子的内容为：回归函数f(x)的表达式为：式中，K(xi,x)为支持向量机的高斯核函数，C为惩罚因子，λi为拉格朗日算子，l为训练数据的样本数；由于高斯核函数的表达式为：式中，β为高斯核函数的尺度参数，xi为某一样本点，...

【专利技术属性】
技术研发人员：茅大钧，黄一枫，黄佳林，付轩熠，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：上海,31