一种火电厂热力系统传感器故障诊断方法技术方案

本发明专利技术涉及一种火电厂热力系统传感器故障诊断方法，包括：对热力系统的传感器信息数据进行采样；根据传感器信息采样数据确定阶次数p；根据所述阶次数p选择自回归模型；确定自回归模型中的参数，同时确定自回归模型的表达式；利用自回归模型预测出传感器在下一时刻的输出值，通过比较传感器的预测值与实际值产生残差，获得残差序列；对获得的残差序列进行分析，当所有残差序列均表现出可能出现为某种故障类型时，则判断传感器发生该类故障。本技术方案能快速准确地实现传感器故障诊断与数据重构，特别适合于在线应用。

【技术实现步骤摘要】

本专利技术涉及故障诊断
，特别涉及一种火电厂热力系统传感器故障诊断方 法。
技术介绍
传感器作为火电厂中必不可少的底层部件，对机组安全稳定运行起着重要的作 用。火电机组正常运行过程中，重要的热力过程参数，如主蒸汽温度、主蒸汽压力、汽轮机转 速、汽包水位等的测量使用了大量的各种类型的传感器。一旦传感器发生故障，轻则使控制 系统性能下降，重则有可能导致严重的事故，造成重大经济损失。火电厂热力过程中传感器 众多，分布于各种不同设备的多个部位，通过人力去检测传感器故障是非常困难的。因此， 通过检测传感器的输出数据，进行传感器故障判断和分析是十分有必要的。 传感器故障诊断最为可靠的方法为硬件冗余法，即：在某一测点附近布置读个不 同的传感器同时测量同一物理参数，将几个传感器的输出根据既定规则计算出的结果作为 该测点的测量值。硬件冗余的优点是不需要被控对象的数学模型，鲁棒性强，缺点是设备复 杂，会使系统的体积、重量和成本增加。 基于信号处理的检测方法分别从信号频率、变量间相关性、变量自身相关性三个 方面进行了设计，在一定情况下会产生相应的效果，比如小波分析适合振动、压力这类波动 较快的信号；偏最小二乘适合于具有强相关性变量信号集的分析；而对于具有周期性特征 的信号分析，ARMA这类自相关时间序列回归预测方法会产生更加显著的效果。现有技术方 案采用单一的方法，方法本身具有一定的局限性，缺乏冗余检测的验证和分析，可靠程度不 尚。
技术实现思路
为解决现有技术的问题，本专利技术提出， 技术方案时间轴的多元回归和支持向量回归这两个维度上对测量信号进行综合分析和配 合比较，其方案的泛化能力更强，应用场合更广。 为实现上述目的，本专利技术提供了 ，该方 法包括： 对热力系统的传感器信息数据进行采样； 根据传感器信息采样数据确定阶次数P ; 根据所述阶次数P选择自回归模型； 确定自回归模型中的参数，同时确定自回归模型的表达式； i = 1，以t-p+i为初始时间节点，时间序列窗口长度为P，对传感器信息数据采样 得到的P个实际测量数据作为自回归模型的输入，经自回归模型输出第t+Ι时刻的预测数 据邱+1)，并确定预测数据祁+1)与对应的实际测量数据以〖+1)之间的残差以1)，当残差 e(i)不超过阈值时，则i = i+Ι，以t-p+i为初始时间节点，继续经自回归模型获得一残差 e(i)，直至残差e(i)大于阈值； 将当前预测数据S(f + 〇、以当前时刻t+i为始发点前p-1个连续时刻对应数据组 成训练数据，分别经至少两个自回归模型获得对应残差，记录下来，且i = i+1 ;继续将最新 获得的预测数据.价+ 0、以当前时刻t+i为始发点前p-1个连续时刻对应数据组成训练数 据，直至获得自回归模型对应地残差序列； 对获得的残差序列进行分析，当所有残差序列均表现出可能出现为某种故障类型 时，则判断传感器发生该类故障。 优选地，所述自回归模型包括AR模型、AOSVR模型。 优选地，所述阶次数p通过MDL准则确定。 优选地，所述自回归模型中的参数通过最小二乘法确定。 优选地，所述AR模型的表达式为： 上述技术方案具有如下有益效果：本技术方案选择至少两个在线回归预测模型， 将传感器的时间序列测量数据作为模型的输入样本，实现模型的不断更新并预测出传感器 在下一时刻的输出值。通过比较传感器的预测值与实际值产生的残差来检测传感器故障是 否发生。在传感器有故障时通过模型实现故障数据的重构，能快速准确地实现传感器故障 诊断与数据重构，特别适合于在线应用。【附图说明】 为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。 图1为本专利技术提出的流程图； 图2为本实施例的AR模型输出的残差序列仿真图； 图3为本实施例的AOSVR模型输出的残差序列仿真图。【具体实施方式】 下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于 本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本专利技术保护的范围。 如图1所示，为本专利技术提出的流程图。 该方法包括： 步骤101):对热力系统的传感器信息数据进行采样； 步骤102):根据传感器信息采样数据确定阶次数p ; 步骤103):根据所述阶次数p选择自回归模型； 步骤104):确定自回归模型中的参数，同时确定自回归模型的表达式； 步骤105) :i = 1，以t-p+i为初始时间节点，时间序列窗口长度为p，对传感器信 息数据采样得到的P个实际测量数据作为自回归模型的输入，经自回归模型输出第t+1时 亥_预测数据玢+1)，并确定预测数据轉+1)与对应的实际测量当前第1页1 2 本文档来自技高网...

【技术保护点】
一种火电厂热力系统传感器故障诊断方法，其特征在于，该方法包括：对热力系统的传感器信息数据进行采样；根据传感器信息采样数据确定阶次数p；根据所述阶次数p选择自回归模型；确定自回归模型中的参数，同时确定自回归模型的表达式；i＝1，以t‑p+i为初始时间节点，时间序列窗口长度为p，对传感器信息数据采样得到的p个实际测量数据作为自回归模型的输入，经自回归模型输出第t+1时刻的预测数据并确定预测数据与对应的实际测量数据x(t+1)之间的残差e(i)，当残差e(i)不超过阈值时，则i＝i+1，以t‑p+i为初始时间节点，继续经自回归模型获得一残差e(i)，直至残差e(i)大于阈值；将当前预测数据以当前时刻t+i为始发点前p‑1个连续时刻对应数据组成训练数据，分别经至少两个自回归模型获得对应残差，记录下来，且i＝i+1；继续将最新获得的预测数据以当前时刻t+i为始发点前p‑1个连续时刻对应数据组成训练数据，直至获得自回归模型对应地残差序列；对获得的残差序列进行分析，当所有残差序列均表现出可能出现为某种故障类型时，则判断传感器发生该类故障。

【技术特征摘要】

【专利技术属性】
技术研发人员：仇晓智，周卫庆，黄葆华，刘双白，
申请(专利权)人：国家电网公司，华北电力科学研究院有限责任公司，北京博望华科科技有限公司，
类型：发明
国别省市：北京;11