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方案

本公开提出了一种基于电厂数据的汽轮机故障诊断检测及预警方法及系统，通过获取历史数据对获取的历史数据进行分析获得汽轮机运行指标数据的振动信号、状态转移指标、危险程度指标输入至极限学习机训练获得识别模型；同时实时获取汽轮机运行指标数据；根据实时获取汽轮机运行指标数据获得汽轮机运行指标数据的振动信号、状态转移指标、危险程度指标，将上述综合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。本公开提供了一种变量少、可靠性高、实用性强的机组轴系故障的检测与预警方法，提高故障异常预报准确率，同时，数据在故障发生之前出现异常，可以进行提前检测和报警，避免事后检测带来的经济损失。

Turbine fault diagnosis and early warning method and system based on power plant data

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，而缺乏对于大量历史数据价值的挖掘和利用，在隐形故障的事前预警、预判方面存在明显不足。
技术实现思路
本公开为了解决上述问题，提出了基于电厂数据的汽轮机故障诊断检测及预警方法及系统,提供了一种变量少、可靠性高、实用性强的机组轴系故障的检测与预警方法，提高故障异常预报准确率，同时，数据在故障发生之前出现异常，可以进行提前检测和报警，避免事后检测带来的经济损失。为了实现上述目的，本公开采用如下技术方案：一个或多个实施例提供了基于电厂数据的汽轮机故障诊断检测及预警方法，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。一个或多个实施例提供了基于电厂数据的汽轮机故障诊断检测及预警系统，包括：数据获取模块：用于获取汽轮机运行指标数据；危险程度数值计算模块：用于构建危险程度函数，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；危险程度指标确定模块：用于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；状态转移指标统计模块：用于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；识别模块：用于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。一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。与现有技术相比，本公开的有益效果为：(1)本公开在进行汽轮机的故障检测与预警过程中，构造危险程度指标和状态转移指标，作为系统故障最终的判断指标，减少了指标数量，提高极限学习机的识别速度。危险程度指标和状态转移指标是通过所有的汽轮机的运行指标数据计算获得综合指标，降低了极限学习机处理数据的冗繁度，提高处理速度，并且数据涵盖面广，能反映当前汽轮机的实时运行状态，故障判断精度高。此外，振动信号是系统故障的重要参考依据，直接将其作为系统故障的直接判断指标，进一步提高了故障识别精度。(2)本公开利用极限学习机的办法探索指标和系统状态之间的关系，进行检验识别,该方法提高了判断的时间效率和准确率。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。图1是根据一个或多个实施方式的方法流程图；图2是本公开实施例1实例的#4轴振(标号第38个变量)故障发生时刻出现陡升现象；图3是本公开实施例1实例的#5轴振(标号第39个变量)故障发生时刻出现陡升现象；图4是本公开实施例1实例的指标数据建立的网络图；图5是本公开实施例1实例的网络图中各点的点强度。具体实施方式：下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。实施例1在一个或多个实施方式中公开的技术方案中，如图1所示，一种基于电厂数据的汽轮机故障诊断检测及预警方法，包括如下步骤：步骤1、实时获取汽轮机运行指标数据；步骤2、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；步骤3、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；步骤4、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作为状态转移指标；步骤5、将获取的汽轮机运行指标数据的振动信号、状态转移指标、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。在进行汽轮机的故障检测与预警过程中，为了减少指标数量，提高极限学习机的识别速度，构造危险程度指标和状态转移指标，作为系统故障最终的判断指标。危险程度指标和状态转移指标是通过所有的汽轮机的运行指标数据计算获本文档来自技高网...

【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