一种基于大数据的火电机组工业设备状态监测方法技术

本发明专利技术涉及一种基于大数据的火电机组工业设备状态监测方法，包括：步骤1，获取火电机组工业设备监测数据；其中，监测数据包括温度、压力、流量和烟气成分数据；步骤2，对监测数据进行预处理；其中，预处理方法包括数据清洗和数据分组聚合；步骤3，基于预处理后的监测数据，针对不同的机组负荷状态阶段，通过参数均值，参数标准差，参数变化率，参数波动率、参数与参数之间的相关系数对火电机组工业设备状态进行监测；其中，机组负荷状态阶段包括火电机组启停机阶段、火电机组稳定运行阶段、火电机组变负荷运行阶段。本发明专利技术基于海量历史运行数据及丰富的检测手段可以提前反应数据的变化情况，提前判断设备状态，及时进行检修维护，避免造成机组非停。

A state monitoring method for industrial equipment of thermal power unit based on big data

【技术实现步骤摘要】
一种基于大数据的火电机组工业设备状态监测方法
本专利技术属于火力发电
，尤其涉及一种基于大数据的火电机组工业设备状态监测方法。
技术介绍
国家目前大力倡导信息化、工业化和智能化三化融合，大容量火电机组目前已基本实现了数字化运行，机组产生大量的实时工业数据是作为监控火电机组运行状况、设备安全以及能耗情况的重要依据。目前火电厂对于这些数据的利用还处于初级阶段，仅仅是对单点参数值的阈值预警，通过设置不同梯度范围的高报警和低报警值，将部分重要运行参数波动固定在一定范围内，但是这种模式的参数监测存在阈值预警不容易及时提取到故障预警特征的问题，往往参数异常达到报警时设备状态已异常明显，甚至短时间内因设备故障造成机组非停。随着大数据和人工智能的发展，产生了一些工业智能方向状态监测的算法，但是这类算法大多属于半监督学习范畴，监测算法基于异常数据点，然后通过聚类等方式判断目前工业数据状态与异常状态的距离，通过对数据状态点和异常工况点距离的监测，进而做到监测数据状态的目的。但是这种监测方式也有一定的缺陷，首先该算法的目的是诊断数据是否异常，并不能提前判断数据的变化，对于现场运行人员来说并没有太大的指导意义。
技术实现思路
本专利技术的目的是提供一种基于大数据的火电机组工业设备状态监测方法，基于大数据分析技术，对火电机组工业设备所产生的温度、压力、流量、烟气成分等数据进行深入挖掘，旨在对火电机组从0-100％BMCR全过程、全状态进行监控，从海量工业数据中发现传统阈值报警模式中未能发现的异常，提前判断设备状态，及时进行检修维护，避免造成机组非停。本专利技术提供了一种基于大数据的火电机组工业设备状态监测方法，包括：步骤1，获取火电机组工业设备监测数据；其中，所述监测数据包括温度、压力、流量和烟气成分数据；步骤2，对所述监测数据进行预处理；其中，所述预处理方法包括数据清洗和数据分组聚合；步骤3，基于预处理后的监测数据，针对不同的机组负荷状态阶段，通过参数均值，参数标准差，参数变化率，参数波动率、参数与参数之间的相关系数对火电机组工业设备状态进行监测；其中，所述机组负荷状态阶段包括火电机组启停机阶段、火电机组稳定运行阶段、火电机组变负荷运行阶段。进一步地，步骤1中获取的监测数据为最近一次机组大修之后，取数时间间隔根据不同监测设备调整取数频次的监测数据；所述时间间隔范围为1s到20s之间。进一步地，步骤2中，所述数据清洗包括：处理获取的监测数据的坏点值和零点值，删除明显异常的测点值；所述数据分组聚合包括：在清洗完数据之后，根据机组的主汽流量以50t/h的单位将机组主汽流量从0-100％BMCR进行分割，保证机组稳定运行阶段每段的数据量不小于1000个。进一步地，步骤3中，每个参数的计算基于滑动窗口方法，根据监测时间范围不同，调整窗口大小，其中：所述参数均值用于直观反映出工业数据值的大小，其计算公式为：式中，n为滑动窗口内数据量的数量；Xmean为窗口内所监测的工业参数平均值；xi为滑动窗口内各参数值；所述参数标准差用于确定工业数据正常波动值范围，其计算公式为：式中n为滑动窗口内数据量的数量，Xstd为窗口内所监测的工业参数标准差；xi为滑动窗口内各参数值；所述参数变化率用于观察并确定正常参数变化率范围，其计算公式为：式中，n为滑动窗口内数据量的数量；X1为窗口内所监测的工业参数变化率；xi为滑动窗口内各参数值；所述参数波动率用于观察并确定正常参数波动率范围，其计算公式为：式中，n为滑动窗口内数据量的数量；X2为窗口内所监测的工业参数波动率；X1mean为工业参数变化率的平均值；x1i为滑动窗口内各参数值；所述参数与参数之间相关系数用于检测参数与参数之间的相关性，正相关最大值为1，负相关最小值为-1，其计算公式为：式中，Cov(X,Y)为参数与参数之间的协方差，Var(X)为参数X方差，Var(Y)为参数Y方差。进一步地，步骤3中所述火电机组启停机阶段的参数监测策略包括：通过参数变化率获得参数变化快慢，若参数变化率过高，判定对工业设备造成不利影响；通过检测参数波动率大小判断参数在升降负荷过程中参数波动是否剧烈，若参数波动剧烈，判定存在异常；通过判断参数与参数之间相关系数的变化，判断参数变化是否在正常，若相关性变差，判定存在异常。进一步地，步骤3中所述火电机组稳定运行阶段的参数监测策略包括：通过滑动窗口将历史数据呈现出来的参数均值和标准差，利用下述公式确定参数的正常波动范围，若超出X3范围，提示出现异常：X3＝Xmean±3*Xstd；将参数的变化率、波动率和相关系数作为监测参数测点的辅助条件，若某个参数的变化超过历史波动范围，判定该参数出现异常。进一步地，步骤3中所述火电机组变负荷运行阶段的参数监测策略包括：基于参数变化率相对于历史趋势过快或者过慢，判断对负荷响应速率参数的影响；基于参数与参数之间的相关系数判断影响参数变化的设备安全；参数均值、参数标准差、参数波动率的监测范围与稳定负荷状态下相同，根据变负荷时间段，求得平均负荷后，将变负荷时间段作为稳定负荷进行监测。借由上述方案，通过基于大数据的火电机组工业设备状态监测方法，将大数据技术和传统工业进行融合，为工业数据提供了更丰富的数据监测手段，形成数据均值、数据标准差、数据变化率、数据波动率和数据与数据之间相关系数五大监测体系；全负荷段运用五大监测体系，负荷段分为启停机阶段、稳定运行阶段、变负荷阶段三部分，每一部分监测方式重点和意义不同，提供了火电机组全负荷监测框架；相对于传统工业数据阈值报警和半监督学习基于异常数据工况，本专利技术基于海量历史运行数据及丰富的检测手段可以提前反应数据的变化情况，提前判断设备状态，及时进行检修维护，避免造成机组非停。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。附图说明图1是本专利技术基于大数据的火电机组工业设备状态监测方法的流程图；图2是本专利技术每个工业参数的五组监测方式图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。参图1所示，本实施例提供了一种基于大数据的火电机组工业设备状态监测方法，包括：步骤S1，获取火电机组工业设备监测数据；其中，所述监测数据包括温度、压力、流量和烟气成分数据；步骤S2，对所述监测数据进行预处理；其中，所述预处理方法包括数据清洗和数据分组聚合；步骤S3，基于预处理后的监测数据，针对不同的机组负荷状态阶段，通过参数均值，参数标准差，参数变化率，参数波动率、参数与参数之间的相关系数对火电机组工业设备本文档来自技高网...

【技术保护点】
1.一种基于大数据的火电机组工业设备状态监测方法，其特征在于，包括：/n步骤1，获取火电机组工业设备监测数据；其中，所述监测数据包括温度、压力、流量和烟气成分数据；/n步骤2，对所述监测数据进行预处理；其中，所述预处理方法包括数据清洗和数据分组聚合；/n步骤3，基于预处理后的监测数据，针对不同的机组负荷状态阶段，通过参数均值，参数标准差，参数变化率，参数波动率、参数与参数之间的相关系数对火电机组工业设备状态进行监测；其中，所述机组负荷状态阶段包括火电机组启停机阶段、火电机组稳定运行阶段、火电机组变负荷运行阶段。/n

【技术特征摘要】
1.一种基于大数据的火电机组工业设备状态监测方法，其特征在于，包括：
步骤1，获取火电机组工业设备监测数据；其中，所述监测数据包括温度、压力、流量和烟气成分数据；
步骤2，对所述监测数据进行预处理；其中，所述预处理方法包括数据清洗和数据分组聚合；
步骤3，基于预处理后的监测数据，针对不同的机组负荷状态阶段，通过参数均值，参数标准差，参数变化率，参数波动率、参数与参数之间的相关系数对火电机组工业设备状态进行监测；其中，所述机组负荷状态阶段包括火电机组启停机阶段、火电机组稳定运行阶段、火电机组变负荷运行阶段。


2.根据权利要求1所述的基于大数据的火电机组工业设备状态监测方法，其特征在于，步骤1中获取的监测数据为最近一次机组大修之后，取数时间间隔根据不同监测设备调整取数频次的监测数据；所述时间间隔范围为1s到20s之间。


3.根据权利要求1所述的基于大数据的火电机组工业设备状态监测方法，其特征在于，步骤2中，所述数据清洗包括：处理获取的监测数据的坏点值和零点值，删除明显异常的测点值；
所述数据分组聚合包括：
在清洗完数据之后，根据机组的主汽流量以50t/h的单位将机组主汽流量从0-100％BMCR进行分割，保证机组稳定运行阶段每段的数据量不小于1000个。


4.根据权利要求1所述的基于大数据的火电机组工业设备状态监测方法，其特征在于，步骤3中，每个参数的计算基于滑动窗口方法，根据监测时间范围不同，调整窗口大小，其中：
所述参数均值用于直观反映出工业数据值的大小，其计算公式为：



式中，n为滑动窗口内数据量的数量；Xmean为窗口内所监测的工业参数平均值；xi为滑动窗口内各参数值；
所述参数标准差用于确定工业数据正常波动值范围，其计算公式为：



式中n为滑动窗口内数据量的数量，Xstd为窗口内所监测的工业参数标准差；xi为滑动窗口内各参数值；
所述参数变化率用于观察并确定正常参数变化率范围，其计算公式为：



式中，n为滑动窗口内数据量的数量；X1...

【专利技术属性】
技术研发人员：朱恒毅，张振国，任衍辉，谷增义，李宽，刘金标，
申请(专利权)人：大唐东北电力试验研究院有限公司，
类型：发明
国别省市：吉林;22