锅炉主要受热面超前诊断分析方法及系统技术方案

本发明专利技术公开了一种锅炉主要受热面超前诊断分析方法及系统，方法首先采用理论数学模型、动态专家知识库和数据挖掘三者有机融合的方式建立智能超前诊断模型，然后采用三维立体可视化的手段对锅炉内部结构进行展示，最后对预测后的锅炉主要受热面受损情况进行关联调整分析，进行锅炉主要受热面的超前诊断后的干预调整，形成闭环管理，以此来避免锅炉故障的发生。系统包括数学模型建立模块、动态专家知识库建立模块、数据信息挖掘模块和故障超前诊断与预警模块。本发明专利技术能够预测锅炉四管未来受损情况，便于提前采取措施，减少或避免爆管事故的发生。

Advanced diagnosis and analysis method and system of boiler main heating surface

The invention discloses a boiler heating surface of advanced diagnostic analysis method and system theory, firstly using the mathematical model and dynamic data mining expert knowledge base and the organic integration of the three ways to establish the advanced intelligent diagnosis model, then use in 3D visualization of the internal structure of the boiler for the show, at the end of the boiler after prediction the main heating surface damage correlation adjustment analysis, adjust the heating surface of the boiler main intervention in advance after diagnosis, to form a closed loop management, in order to avoid the occurrence of boiler fault. The system includes mathematical model building module, dynamic expert knowledge base building module, data information mining module and fault advanced diagnosis and early warning module. The invention can predict the future damage of the four pipe of the boiler, and is convenient to take measures in advance so as to reduce or avoid the occurrence of the pipe explosion accident.

【技术实现步骤摘要】
锅炉主要受热面超前诊断分析方法及系统
本专利技术涉及一种锅炉主要受热面超前诊断分析方法及系统，属于电站锅炉故障诊断

技术介绍
锅炉主要受热面包括汽包、过热器管、再热器管、省煤器管和水冷壁管等，它们除了要承受高温高压作用外，还受到来自工质侧或烟气侧的腐蚀、磨损和疲劳损伤等，工作条件比较恶劣。统计表明，火力发电机组约40％的事故停机是由于锅炉故障引起的,而其中70％的故障是由受热面被破坏造成的。为了避免锅炉故障造成的非计划停机，电厂只能以保守的方式在日常运行和定期检修之间寻求平衡点。目前，已经出现了一些锅炉故障诊断方法。根据德国学者Frank教授的观点,故障诊断的方法可以分为三大类:基于信号处理的方法、基于解析模型的方法和基于知识的方法。但是，电站锅炉内部燃烧环境恶劣，数据监测点缺乏，是一个复杂的工业系统,其故障多性和复杂性,因此不可能仅通过某一类方法就解决锅炉中所有的故障检测与诊断问题,必须充分利用系统所提供的各种信息,结合多种诊断方法,才能对其故障实现有效的诊断。故障诊断技术发展至今,锅炉主要受热面的爆漏等事故始终没有得到有效控制，锅炉受热面有什么问题、什么时候会达到承受极限、如何预防、解决措施是什么等一系列问题不能得到根本性的解决。
技术实现思路
为了解决目前锅炉主要受热面故障不易诊断和超前预测的问题，本专利技术提供了一种锅炉主要受热面超前诊断分析方法及系统，其能够有效的控制锅炉主要受热面的爆漏等事故的发生。本专利技术解决其技术问题采取的技术方案是：本专利技术的一种锅炉主要受热面超前诊断分析方法，它首先采用理论数学模型、动态专家知识库和数据挖掘三者有机融合的方式建立智能超前诊断模型，然后采用三维立体可视化的手段对锅炉内部结构进行展示，最后对预测后的锅炉主要受热面受损情况进行关联调整分析，进行锅炉主要受热面的超前诊断后的干预调整，形成闭环管理，以此来避免锅炉故障的发生。本专利技术的一种锅炉主要受热面超前诊断分析方法，具体包括以下步骤：(1)建立数学模型：获取锅炉实时监测点的数据信息，建立锅炉受热面主要受损类型的数学模型，进行劣损定量计算分析，获取锅炉主要受热面的实时受损情况；(2)建立动态专家知识库：搜集整理针对所诊断锅炉四管故障的通用性理论知识和所诊断锅炉的历史检修资料，进行汇总得到适用所诊断锅炉四管故障相关的专家知识库，同时为专家知识库预留专家知识获取接口，不断动态更新专家知识库，用以提高预测准确率；(3)挖掘数据信息：充分利用大数据挖掘技术对锅炉历史运行相关数据进行关联挖掘分析，找出锅炉失效时的相关运行参数的反应规律，以此倒推锅炉的受损与失效情况；(4)故障超前诊断与预警：基于所述的数学模型、动态专家知识库和大数据挖掘信息进行有机融合，进行锅炉主要受热面超前诊断分析与预警。进一步的，所述建立数学模型的具体过程为：输入锅炉实时监测点以及锅炉受热面管的压力、温度、运行时间、管子材质、厚度和管子氧化性能信息，建立锅炉受热面的蠕变、腐蚀、疲劳以及磨损量受损类型的数学模型，计算管子高温蠕断时间、低温腐蚀量、管壁减薄率、疲劳寿命和磨损量，进行劣损定量计算分析来获取锅炉主要受热面的实时受损情况；所述数学模型中的计算公式为：lgτ＝-c+Const/T其中，T为钢材的使用温度，C为钢材常数，τ为钢材的蠕断时间；其中，φr为材料的蠕变寿命损耗量，Δτr为在i参数下部件的运行时间，τri为在i参数下部件的蠕变断裂时间；应力计算公式为：其中，σp为管子计算应力，P为管子中工质的压力，Dn为管子的平均直径，S为管子的壁厚；计算管子的实际薄厚公式为：S＝Sb-Sw-Sn其中，S为管子实际计算的壁厚，Sb为最初管子的壁厚，Sw为由于外部腐蚀管子减少的壁厚，Sn为由于内部腐蚀管子减少的壁厚；其中，q1为由于内部腐蚀管子内表面的单位面积失重，q2为由于外部腐蚀管子外表面的单位面积失重，ρ为金属的密度；δmax＝αηmkkμω3kν3t其中，δmax为磨损量，α为飞灰磨损性系数，η为飞灰的管壁撞击率，m为金属抗磨性系数，k为飞灰浓度，kμ为飞灰浓度场分布不均匀系数；kv为烟气速度场分布不均匀系数，t为时间，ω为飞灰速度。进一步的，所述建立动态专家知识库的具体过程包括专家知识的获取过程、知识的表示及存储过程、知识的推理过程和专家知识库的动态更新过程；所述专家知识的获取过程具体为：通过手工、半自动和自动三种方式中的一种或多种获取专家知识；a、手工获取专家知识：通过知识工程师和领域专家频繁而深入的交谈获得的专家知识，并由知识工程师把挖掘来的专家经验知识按规定的知识表示形式加工并输入到专家知识库中；b、半自动获取专家知识：利用具有一定知识编辑能力和知识库求精能力的知识工程语言和知识获取工具来进行专家知识的获取；c、自动获取专家知识：通过专家直接同系统对话而无需知识工程师介入，对话内容自动变换成专家知识库中的知识，或进行知识库的修改；所述知识的表示及存储过程为：专利知识库由案例库及诊断结论库组成，其中案例库存放由案例征兆表及结果表组成的案例规则，案例征兆表存放规则中的条件部分，结果表中存放结论部分，两表用“案例号"外键联系起来；所述知识的推理过程为：当从案例征兆表中找到故障现象时，可从结果表中找到对应的故障原因信息，知识库的推理结论可以直接存储到诊断结论库中；所述专家知识库的动态更新过程为：为动态专家知识库预留专家知识获取接口，不断动态更新专家知识库，用以提高预测准确率。进一步的，所述挖掘数据信息的具体过程为：大数据挖掘采用数据挖掘关联规则Apriori算法进行锅炉受热面失效关联信息的挖掘分析，关联规则指在同一个事件中出现的不同项的相关性，即出现失效现象时同时会出现哪种或哪几种参数的明显特征；寻找失效发生前、发生时、发生后的模式与规律；关联规则的挖掘分为两步：找出所有频繁项集，由频繁项集产生强关联规则。进一步的，所述方法还包括以下步骤：(5)锅炉结构展示：采用三维立体可视化的手段对锅炉内部结构进行展示。进一步的，所述方法还包括以下步骤：(6)在线关联调整：根据锅炉主要受热面预警结果，对劣损情况进行运行干预调整，以此形成闭环管理。本专利技术提供的一种锅炉主要受热面超前诊断分析系统，它包括：数学模型建立模块，用以获取锅炉实时监测点的数据信息，建立锅炉受热面主要受损类型的数学模型，进行劣损定量计算分析获取锅炉主要受热面的实时受损情况；动态专家知识库建立模块，用以搜集整理针对所诊断锅炉四管故障的通用性理论知识和所诊断锅炉的历史检修资料，进行汇总得到适用所诊断锅炉四管故障相关的专家知识库，同时为专家知识库预留专家知识获取接口，不断动态更新专家知识库，提高预测准确率；数据信息挖掘模块，用以充分利用大数据挖掘技术对锅炉历史运行相关数据进行关联挖掘分析，找出锅炉失效时的相关运行参数的反应规律，以此倒推锅炉的受损与失效情况；故障超前诊断与预警模块，用以基于所述的数学模型、动态专家知识库和大数据挖掘信息进行有机融合，进行锅炉主要受热面超前诊断分析与预警。进一步的，所述系统还包括锅炉结构展示模块，用以采用三维立体可视化的手段对锅炉内部结构进行展示。进一步的，所述系统还包括在线关联调整模块，用以根据锅炉主要受热面预警结果，对劣损情况进行运行干预调整，以此形成闭环管理本文档来自技高网...

【技术保护点】
锅炉主要受热面超前诊断分析方法，其特征是，首先采用理论数学模型、动态专家知识库和数据挖掘三者有机融合的方式建立智能超前诊断模型，然后采用三维立体可视化的手段对锅炉内部结构进行展示，最后对预测后的锅炉主要受热面受损情况进行关联调整分析，进行锅炉主要受热面的超前诊断后的干预调整，形成闭环管理，以此来避免锅炉故障的发生。

【技术特征摘要】
1.锅炉主要受热面超前诊断分析方法，其特征是，首先采用理论数学模型、动态专家知识库和数据挖掘三者有机融合的方式建立智能超前诊断模型，然后采用三维立体可视化的手段对锅炉内部结构进行展示，最后对预测后的锅炉主要受热面受损情况进行关联调整分析，进行锅炉主要受热面的超前诊断后的干预调整，形成闭环管理，以此来避免锅炉故障的发生。2.锅炉主要受热面超前诊断分析方法，其特征是，包括以下步骤：(1)建立数学模型：获取锅炉实时监测点的数据信息，建立锅炉受热面主要受损类型的数学模型，进行劣损定量计算分析，获取锅炉主要受热面的实时受损情况；(2)建立动态专家知识库：搜集整理针对所诊断锅炉四管故障的通用性理论知识和所诊断锅炉的历史检修资料，进行汇总得到适用所诊断锅炉四管故障相关的专家知识库，同时为专家知识库预留专家知识获取接口，不断动态更新专家知识库；(3)挖掘数据信息：充分利用大数据挖掘技术对锅炉历史运行相关数据进行关联挖掘分析，找出锅炉失效时的相关运行参数的反应规律，以此倒推锅炉的受损与失效情况；(4)故障超前诊断与预警：基于所述的数学模型、动态专家知识库和大数据挖掘信息进行有机融合，进行锅炉主要受热面超前诊断分析与预警。3.根据权利要求2所述的锅炉主要受热面超前诊断分析方法，其特征是，所述建立数学模型的具体过程为：输入锅炉实时监测点以及锅炉受热面管的压力、温度、运行时间、管子材质、厚度和管子氧化性能信息，建立锅炉受热面的蠕变、腐蚀、疲劳以及磨损量受损类型的数学模型，计算管子高温蠕断时间、低温腐蚀量、管壁减薄率、疲劳寿命和磨损量，进行劣损定量计算分析来获取锅炉主要受热面的实时受损情况；所述数学模型中的计算公式为：lgτ＝-c+Const/T其中，T为钢材的使用温度，C为钢材常数，τ为钢材的蠕断时间；其中，φr为材料的蠕变寿命损耗量，Δτr为在i参数下部件的运行时间，τri为在i参数下部件的蠕变断裂时间；应力计算公式为：其中，σp为管子计算应力，P为管子中工质的压力，Dn为管子的平均直径，S为管子的壁厚；计算管子的实际薄厚公式为：S＝Sb-Sw-Sn其中，S为管子实际计算的壁厚，Sb为最初管子的壁厚，Sw为由于外部腐蚀管子减少的壁厚，Sn为由于内部腐蚀管子减少的壁厚；1其中，q1为由于内部腐蚀管子内表面的单位面积失重，q2为由于外部腐蚀管子外表面的单位面积失重，ρ为金属的密度；δmax＝αηmkkμω3kν3t其中，δmax为磨损量，α为飞灰磨损性系数，η为飞灰的管壁撞击率，m为金属抗磨性系数，k为飞灰浓度，kμ为飞灰浓度场分布不均匀系数；kv为烟气速度场分布不均匀系数，t为...

【专利技术属性】
技术研发人员：刘瑞平，李晓，闫修峰，许卷卷，刘焕永，
申请(专利权)人：济南作为科技有限公司，
类型：发明
国别省市：山东,37