【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...
【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
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。