一种基于部件特性的火力发电机组在线性能监测方法技术

一种基于部件特性的火电机组在线性能监测方法，属于动力系统仿真与控制技术领域。其包括：1)选取所需电站历史测量数据并对其进行粗大误差剔除和稳态筛选处理；2)采用数据协调技术降低实测数据的不确定度，为建模提供更准确的数据来源；3)基于主导因素方法建立火力发电机组关键部件全工况精确模型；4)依据部件模型计算得到的监测变量应达值与实际测量值之间的偏差，基于统计控制技术的设备性能变化定量判定方法判别部件是否发生故障，达到火电机组在线性能监测的目的。该方法对用于建模的数据进行预处理和数据协调，建模数据更加可靠，设备健康状况可实时在线发布，并能够准确定位发生故障的部件。

【技术实现步骤摘要】

一种基于部件特性的火力发电机组在线性能监测方法，属于电力系统仿真控制领域。
技术介绍
目前，火力发电站煤耗占国内平均年煤耗50％以上，实现火力发电站的高效稳定运行对节能环保有着重要意义，火力发电机组性能监测系统可以有效的实现发电机组的高效运行。目前现阶段普遍采用的性能监测系统存在如下各方面的缺陷：由于机组运行变工况、测量仪表老化等原因导致机组测量得到的测量数据存在误差。从电厂得到的数据直接用于建立精确模型会严重影响模型精度；目前常用的性能监测系统是通过历史数据比较，或者根据热力部件或整体边界参数条件建立数学模型，比较实际测量值和应达值偏差判断系统运行状态，监测系统的有效性很大程度上取决于数学模型的精确程度，而现存的电站监测模型难以实现在全工况范围内精确反映热力系统部件和整体性能；缺少有效的故障判别机制，不能及时准确的对部件故障进行报警。因此，寻求一种更为有效的保证机组运行效率的在线性能监测方法显得尤为重要。
技术实现思路
本专利技术针对现有发电站监测系统技术存在的不足，提出了一种实用的、智能化的基于部件特性的火力发电机组在线性能监测方法。其目的在于通过对历史测量数据的粗大误差剔除和稳态工况数据筛选，数据协调降低测量数据不确定度为建立火力发电机组关键部件全工况精确模型提供更加可靠的数据；其目的还在于提出一种更为有效的故障判别方法，提高对部件运行过程中突变性故障和渐变性性能劣变的识别，降低误、虚报警率，更好的实现火力发电机组在线性能监测的目的。本专利技术的技术方案是：一种基于部件特性的火力发电机组在线监测方法，其特征在于该方法包括了如下步骤：1)历史测量数据的粗大误差剔除和稳态工况数据筛选：从火力发电机组实时信息监控与管理系统中获取一段时间的历史测量数据，基于密度、基于数据间距离和基于粗大误差因子分别对历史测量数据进行粗大误差剔除；根据火力发电机组运行状况，得到机组稳定运行的时间区间，作为后续工作所需的稳态工况数据；2)数据协调降低测量数据不确定度：根据火力发电机组系统的冗余测量信息，将稳态工况数据中的测量变量x1,x2,…xn及未测量变量u1,u2,…up分别记为x和u，将测量变量x1,x2,…xn的测量值y1,y2,…yn，记为y；其中，n为测量变量的总个数，p为未测量变量的总个数；计算每个测量变量测量值的标准差，来评定测量变量的不确定度，依次记为σ1,σ2,…σn，计算公式如下： σ i = 1 x i ‾ 1 N - 1 Σ j = 1 N ( x i , j - x i ‾ ) 2 - - - ( 1 ) ]]>其中，i代表第i个测量变量，i取1,2,3…n；N为所有工况的个数；j代表第j组工况下的测量数据，j取1,2,3…N；xi,j代表第i个测量变量在第j组工况下的测量值，代表第i个测量变量在所有测量工况下的平均值；根据火力发电机组中设备的模型，构建电厂系统的约束方程；约束方程包括等式约束方程组f和不等式约束方程组g两类；f(x,u)＝0 (2)g(x,u)≤0 (3)结合测量变量的测量值、测量值的不确定度、等式约束方程组f和不等式约束方程组g，利用目标函数计算得到测量变量x的协调值x*和未测量变量u的估计值u*；其中，x*为x1*,x2*,…xn*；u*为u1*,u2*,…up*；按照方程(1)来评定协调值x*的不确定度σ*；比较测量变量x的测量值y的不确定度σ和协调值x*的不确定度σ*；3)建立火力发电机组全工况关键部件模型：利用主导因素方法得到火力发电机组各个关键部件的特性参数及其主导因素，利用数据协调后的电厂数据计算拟合得到各个关键部件特性参数的特性曲线，建立关键部件主导因素模型如下式所示；k＝f(D1,D2,…Di,…Dm) (5)其中，k为关键部件的特性参数，Di为该特性参数的主导因素，m为主导因素的个数；4)基于统计控制技术的部件性能变化定量判定方法判别部件是否发生故障：a)从火力发电机组实时信息监控与管理系统中获取关键部件的监测变量的实际测量值，在相同边界条件下，由全工况关键部件模型计算得到监测变量的健康应达值，监测变量的健康应达值与监测变量的实际测量值之间的差值为监测变量偏差；b)突变性故障和渐变性性能劣化统计控制图设计及故障判别：采用一段时间的监测变量偏差组成的偏差序列，利用时间序列分解的方法将偏差序列分解为各个组成部分，挑选适合用于制作统计控制图的偏差序列；计算得到用于制作统计控制图的偏差序列均值，即并根据公式计算偏差序列的标准差；其中为偏差序列的均值，xi为偏差序列中各个监测变量偏差，M为偏差序列的监测变量偏差的总个数，s为偏差序列的标准差；火电机组发生突变性故障和渐变性性能劣化分别设计统计控制图，实施方法如下：i)当火电机组性能变化为突变性故障时，统计控制图设计的实施办法为：利用下式计算统计控制图的初始控制线： UCL 0 = x ‾ 0 + 3 σ , CL 0 = x ‾ 0 , LCL 0 = x ‾ 0 - 3 σ ]]>其中，为0时刻的监测变量偏差序列的均值，UCL0为初始上控制线，CL0为初始中心线，LCL0为初始下控制线；将实时测量变量偏差在统计控制图上进本文档来自技高网...

【技术保护点】
一种基于部件特性的火力发电机组在线监测方法，其特征在于该方法包括如下步骤：1)历史测量数据的粗大误差剔除和稳态工况数据筛选：从火力发电机组实时信息监控与管理系统中获取一段时间的历史测量数据，基于密度、基于数据间距离和基于粗大误差因子分别对历史测量数据进行粗大误差剔除；根据火力发电机组运行状况，得到机组稳定运行的时间区间，作为后续工作所需的稳态工况数据；2)数据协调降低测量数据不确定度：根据火力发电机组系统的冗余测量信息，将稳态工况数据中的测量变量x1,x2,…xn及未测量变量u1,u2,…up分别记为x和u，将测量变量x1,x2,…xn的测量值y1,y2,…yn，记为y；其中，n为测量变量的总个数，p为未测量变量的总个数；计算每个测量变量测量值的标准差，来评定测量变量的不确定度，依次记为σ1,σ2,…σn，计算公式如下：σi=1xi‾1N-1Σj=1N(xi,j-xi‾)2---(1)]]>其中，i代表第i个测量变量，i取1,2,3…n；N为所有工况的个数；j代表第j组工况下的测量数据，j取1,2,3…N；xi,j代表第i个测量变量在第j组工况下的测量值，代表第i个测量变量在所有测量工况下的平均值；根据火力发电机组中设备的模型，构建电厂系统的约束方程；约束方程包括等式约束方程组f和不等式约束方程组g两类；f(x,u)＝0                           (2)g(x,u)≤0                           (3)结合测量变量的测量值、测量值的不确定度、等式约束方程组f和不等式约束方程组g，利用目标函数计算得到测量变量x的协调值x*和未测量变量u的估计值u*；其中，x*为x1*,x2*,…xn*；u*为u1*,u2*,…up*；按照方程(1)来评定协调值x*的不确定度σ*；比较测量变量x的测量值y的不确定度σ和协调值x*的不确定度σ*；3)建立火力发电机组全工况关键部件模型：利用主导因素方法得到火力发电机组各个关键部件的特性参数及其主导因素，利用数据协调后的电厂数据计算拟合得到各个关键部件特性参数的特性曲线，建立关键部件主导因素模型如下式所示；k＝f(D1,D2,…Di,…Dm)                (5)其中，k为关键部件的特性参数，Di为该特性参数的主导因素，m为主导因素的个数；4)基于统计控制技术的部件性能变化定量判定方法判别部件是否发生故障：a)从火力发电机组实时信息监控与管理系统中获取关键部件的监测变量的实际测量值，在相同边界条件下，由全工况关键部件模型计算得到监测变量的健康应达值，监测变量的健康应达值与监测变量的实际测量值之间的差值为监测变量偏差；b)突变性故障和渐变性性能劣化统计控制图设计及故障判别：采用一段时间的监测变量偏差组成的偏差序列，利用时间序列分解的方法将偏差序列分解为各个组成部分，挑选适合用于制作统计控制图的偏差序列；计算得到用于制作统计控制图的偏差序列均值，即并根据公式计算偏差序列的标准差；其中为偏差序列的均值，xi为偏差序列中各个监测变量偏差，M为偏差序列的监测变量偏差的总个数，σ为偏差序列的标准差；对火电机组发生突变性故障和渐变性性能劣化分别设计统计控制图，实施方法如下：i)当火电机组性能变化为突变性故障时，统计控制图设计的实施办法为：利用下式计算统计控制图的初始控制线，UCL0=x‾0+3σ,CL0=x‾0,LCL0=x‾0-3σ]]>其中，为0时刻的监测变量偏差序列的均值，UCL0为初始上控制线，CL0为初始中心线，LCL0为初始下控制线；将实时测量变量偏差在统计控制图上进行打点，一段时间之后，按下式实时更新统计控制图的上下控制线，其中，下标t表示时刻；xt为t时刻的监测变量实际测量值；为t时刻的监测变量偏差序列的均值；为权重因子，取值范围是0‑1；CLt为t时刻的中心线，UCLt为t时刻的上控制线，LCLt为t时刻的下控制线；若实时监测变量偏差超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发生了突变性故障；若实时监测变量偏差未超出统计控制图的上、下控制线，则认为该关键部件运行正常；ii)当火电机组性能变化为渐变性性能劣化时，统计控制图设计的实施办法为：计算统计控制图的控制线，其中UCL为上控制线，CL中心线，LCL为下控制线；计算历史数据监测变量偏差的加权平均值：其中zt为t时刻计算得到的历史数据监测偏差变量的加权平均值；将实时监测变量偏差的加权平均值在统计控制图上进行打点，并实时更新该加权平均值；若实时监测变量偏差的加权平均值超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发...

【技术特征摘要】
1.一种基于部件特性的火力发电机组在线监测方法，其特征在于该方法包括如下步骤：1)历史测量数据的粗大误差剔除和稳态工况数据筛选：从火力发电机组实时信息监控与管理系统中获取一段时间的历史测量数据，基于密度、基于数据间距离和基于粗大误差因子分别对历史测量数据进行粗大误差剔除；根据火力发电机组运行状况，得到机组稳定运行的时间区间，作为后续工作所需的稳态工况数据；2)数据协调降低测量数据不确定度：根据火力发电机组系统的冗余测量信息，将稳态工况数据中的测量变量x1,x2,…xn及未测量变量u1,u2,…up分别记为x和u，将测量变量x1,x2,…xn的测量值y1,y2,…yn，记为y；其中，n为测量变量的总个数，p为未测量变量的总个数；计算每个测量变量测量值的标准差，来评定测量变量的不确定度，依次记为σ1,σ2,…σn，计算公式如下： σ i = 1 x i ‾ 1 N - 1 Σ j = 1 N ( x i , j - x i ‾ ) 2 - - - ( 1 ) ]]>其中，i代表第i个测量变量，i取1,2,3…n；N为所有工况的个数；j代表第j组工况下的测量数据，j取1,2,3…N；xi,j代表第i个测量变量在第j组工况下的测量值，代表第i个测量变量在所有测量工况下的平均值；根据火力发电机组中设备的模型，构建电厂系统的约束方程；约束方程包括等式约束方程组f和不等式约束方程组g两类；f(x,u)＝0 (2)g(x,u)≤0 (3)结合测量变量的测量值、测量值的不确定度、等式约束方程组f和不等式约束方程组g，利用目标函数计算得到测量变量x的协调值x*和未测量变量u的估计值u*；其中，x*为x1*,x2*,…xn*；u*为u1*,u2*,…up*；按照方程(1)来评定协调值x*的不确定度σ*；比较测量变量x的测量值y的不确定度σ和协调值x*的不确定度σ*；3)建立火力发电机组全工况关键部件模型：利用主导因素方法得到火力发电机组各个关键部件的特性参数及其主导因素，利用数据协调后的电厂数据计算拟合得到各个关键部件特性参数的特性曲线，建立关键部件主导因素模型如下式所示；k＝f(D1,D2,…Di,…Dm) (5)其中，k为关键部件的特性参数，Di为该特性参数的主导因素，m为主导因素的个数；4)基于统计控制技术的部件性能变化定量判定方法判别部件是否发生故障：a)从火力发电机组实时信息监控与管理系统中获取关键部件的监测变量的实际测量值，在相同边界条件下，由全工况关键部件模型计算得到监测变量的健康应达值，监测变量的健康应达值与监测变量的实际测量值之间的差值为监测变量偏差；b)突变性故障和渐变性性能劣化统计控制图设计及故障判别：采用一段时间的监测变量偏差组成的偏差序列，利用时间序列分解的方法将偏差序列分解为各个组成部分，挑选适合用于制作统计控制图的偏差序...

【专利技术属性】
技术研发人员：李政，刘培，肖辉，余孟亮，郭思思，刘永鹏，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11