一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法技术方案

本发明专利技术公开了一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法。首先，用典型变量分析(CVA)来提取变量中时序相关的部分，然后对时序相关的部分进行慢特征分析(SFA)，分别提取稳态特征和时变特征。所提取的时变特征和稳态特征能充分反映汽轮机轴承的闭环控制系统中变量的时序相关性及变化速度。最后，将提取出来的特征输入连续隐马尔可夫模型(CHMM)中预测故障退化状态。该方法同时考虑了故障发生时，闭环控制系统动态调节过程中变量的时序相关性和变化速度，能够更加准确地预测智能电厂汽轮机轴承的闭环控制系统故障的退化状态。

【技术实现步骤摘要】
一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法
本专利技术属于闭环控制系统故障退化状态预测领域，特别是针对一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法。
技术介绍
电力行业是我国国民经济中的支柱型产业，随着我国经济的飞速发展，社会对电力的需求不断提高。在我国的电源结构中，火力发电是主力电源。近年来，为了电力的可持续发展，火力发电行业积极展开结构调整，“上大压小”，以大容量、高参数、低能耗的大型火力发电机组取代高能耗小火电机组。随着信息化和工业化的深度融合，应对互联网、大数据、云计算等信息领域新技术发展，推进火电行业，特别是大型火力发电机组的智能转型升级，是加快构建高效、清洁、低碳、可持续的电力工业体系的必然选择。随着智能电网建设的启动，传统的发电厂已不能适应智能电网的发展需要。智能电厂是在信息化与工业化深度融合的背景下提出的，旨在应对互联网、大数据、云计算等信息领域新技术发展，提升电力行业的智能化水平。大型火力发电过程中包含大量闭环控制系统，闭环控制系统性能的好坏对火电机组是否能安全运行有着至关重要的作用。因此，对大型火力发电机组闭环控制系统性能的评估是本文档来自技高网...

【技术保护点】
1.一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法，其特征在于，包括以下步骤：(1)数据采集：获取整个故障退化过程的数据，设汽轮机轴承的闭环控制系统中包含J个过程变量，每次采样可以得到一个1×J的向量，采样M次后得到一个故障退化过程下的二维矩阵X(M×J)；(2)提取特征：用CVA对汽轮机轴承的闭环控制系统的故障数据进行分析，提取时序相关的部分Z，然后使用SFA对时序相关的部分Z进行分析，分别提取稳态特征S和时变特征

【技术特征摘要】
1.一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法，其特征在于，包括以下步骤：(1)数据采集：获取整个故障退化过程的数据，设汽轮机轴承的闭环控制系统中包含J个过程变量，每次采样可以得到一个1×J的向量，采样M次后得到一个故障退化过程下的二维矩阵X(M×J)；(2)提取特征：用CVA对汽轮机轴承的闭环控制系统的故障数据进行分析，提取时序相关的部分Z，然后使用SFA对时序相关的部分Z进行分析，分别提取稳态特征S和时变特征(3)根据闭环控制系统的故障退化状态所经历的时间，对稳态特征S和时变特征进行划分，获得各个故障状态下的稳态特征和时变特征。(4)建立模型：使用各个故障状态下的稳态特征和时变特征来训练对应的故障退化状态的CHMM模型，建立包含各个故障退化状态CHMM模型的故障退化状态库。(5)在线预测：对于实时采集的数据，采用步骤(2)所述的方式提取特征，然后将提取的特征分别输入故障退化状态库中的CHMM模型中，比较其输出的概率，输出概率最大的CHMM模型所对应的故障退化状态即为当前闭环控制系统所处的故障退化状态。2.如权利要求1所述的一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法，其特征为，所述提取特征的具体内容：(1)使用CVA提取时序相关的部分Z。CVA具体包括以下子步骤：(1.1)为了考虑数据的时序相关性，在每个时间点t，按如下方式构造过去向量xp(t)和未来向量xf(t)：xp(t)＝[xt-1T,xt-2T,…,xt-hT]T∈RJh(1)xf(t)＝[xtT,xt+1T,…,xt+l-1T]T∈RJl(2)其中，h、l代表滞后数，xt表示t时刻所采集...

【专利技术属性】
技术研发人员：赵春晖，翁冰雅，范海东，陈积明，孙优贤，李清毅，沙万里，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33