This disclosure proposes a method and system of steam turbine fault diagnosis detection and early warning based on the data of power plant. By acquiring the historical data and analyzing the acquired historical data, the vibration signal, state transfer index and danger degree index of steam turbine operation index data are input to the limit learning machine training to obtain the identification model; meanwhile, the operation index data of steam turbine are acquired in real time; According to the real-time acquisition of turbine operation index data, the vibration signal, state transfer index and risk index of turbine operation index data are obtained. The above comprehensive index is input to the trained limit learning machine for identification, and the output of turbine operation is abnormal. The invention provides a detection and early-warning method of unit shafting fault with few variables, high reliability and strong practicability, which can improve the accuracy of fault anomaly prediction. At the same time, if the data is abnormal before the fault occurs, it can detect and alarm in advance to avoid the economic loss brought by post detection.
【技术实现步骤摘要】
基于电厂数据的汽轮机故障诊断检测及预警方法及系统
本公开涉及故障诊断相关
,具体的说,是涉及基于电厂数据的汽轮机故障诊断检测及预警方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息,并不必然构成在先技术。电力在社会生活和国民经济中起着举足轻重的作用,而汽轮机又是发电厂最重要的设备之一,对汽轮轴系状态监测和故障诊断一直被高度关注。以往汽轮机采取事后维修方式和计划性检修结合,效率不高且比较被动,预测性检修可以提高检修的主动性。加强汽轮机状态监测和故障诊断可以保证设备的安全运行、预防和减少事故的发生,消除故障隐患,保障设备安全,为国民经济建设发挥应有的作用。如何在机组运行中掌握汽轮机运行状态,找出可能的故障部位和原因,是各相关研究单位和电力软件公司持续研究的重点内容。从国内情况看,汽轮机等大型旋转机械的状态监测技术已经达到相当高的水平,开发出了一系列的状态监测系统,并已成功应用于生产实践。目前研制的汽轮机组振动监测与故障诊断系统,主要应用于电厂中汽轮机主机以及辅机设备的振动状态监测和故障诊断,通过实时获取数据来实现功能。这些监测系统多关注于实时状态分析和诊断,功能框架比较类似。但是相比于其他监测系统,汽机轴系稳定性专项应用既关注当前汽机状态分析和故障诊断,又能根据数据挖掘和分析,进行故障预测。现有监测系统中存在着大量的数据,这些数据杂乱、不直观、特征不明显,数据背后隐藏着大量的“未开采”的知识富矿。现有监测系统“重监测而轻挖掘”,重视基于固定规则的异常检测,而缺乏对于大 ...
【技术保护点】
1.基于电厂数据的汽轮机故障诊断检测及预警方法,其特征是,包括如下步骤:/n获取汽轮机运行指标数据;/n构建危险程度函数,根据获取的指标数据和危险程度函数,获得每个指标的危险程度数值;/n将获得的危险程度数值和根据历史电厂数据确定的危险程度权重加权获得汽轮机系统当前时刻的危险程度指标;/n根据获取的汽轮机运行指标数据判断当前时刻和当前之前的某一时刻所有指标的状态转移状态,统计每一种状态转移状态的指标数量为状态转移指标;/n将获取的汽轮机运行指标数据的振动信号、状态转移指标和危险程度指标输入至训练好的极限学习机进行识别,输出汽轮机运行是否异常。/n
【技术特征摘要】
1.基于电厂数据的汽轮机故障诊断检测及预警方法,其特征是,包括如下步骤:
获取汽轮机运行指标数据;
构建危险程度函数,根据获取的指标数据和危险程度函数,获得每个指标的危险程度数值;
将获得的危险程度数值和根据历史电厂数据确定的危险程度权重加权获得汽轮机系统当前时刻的危险程度指标;
根据获取的汽轮机运行指标数据判断当前时刻和当前之前的某一时刻所有指标的状态转移状态,统计每一种状态转移状态的指标数量为状态转移指标;
将获取的汽轮机运行指标数据的振动信号、状态转移指标和危险程度指标输入至训练好的极限学习机进行识别,输出汽轮机运行是否异常。
2.如权利要求1所述的基于电厂数据的汽轮机故障诊断检测及预警方法,其特征是:极限学习机的训练方法,包括如下步骤:
获取汽轮机运行指标数据的历史电厂数据,包括故障数据和正常数据;
根据历史电厂数据计算确定指标的危险程度权重;
构建危险程度函数,根据获取的指标数据和危险程度函数,获得每个指标的危险程度数值;
将获得的危险程度数值和根据历史电厂数据确定的危险程度权重加权获得汽轮机系统当前时刻的危险程度指标;
计算故障发生前后或者正常运行的任意两个时刻数据的所有指标的状态转移状态,统计每一种状态转移状态的指标数量为状态转移指标;
以运行指标数据的振动信号、状态转移指标和危险程度指标作为输入,以汽轮机的运行状态为输出,对极限学习机训练和测试,获得极限学习机的参数。
3.如权利要求1或2所述的基于电厂数据的汽轮机故障诊断检测及预警方法,其特征是:根据历史电厂数据确定的危险程度权重的方法,包括:
步骤31、选取历史电厂数据中故障发生前后指标数据变化异常的指标作为关键指标;
步骤32、将关键指标的异常数据抽象成网络图:具体的将同时出现故障的关键指标连接形成网络,将两个指标同时出现故障的次数作为连边的权重;
步骤33、根据计算网络中各点的点强度:为该点所有邻边的权重之和;
步骤34、计算相对点强度:为该点的点强度与改点异常次数的比值。
步骤35、将相对点强度标准化处理获得各个指标危险程度权重。
4.如权利要求3所述的基于电厂数据的汽轮机故障诊断检测及预警方法,其特征是,故障发生前后指标数据变化异常的确定方法为:故障发...
【专利技术属性】
技术研发人员:李金红,李彬,唐守伟,昝永利,
申请(专利权)人:齐鲁工业大学,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。