【技术实现步骤摘要】
一种基于FEKNN策略的燃煤电厂锅炉故障诊断方法
本专利技术涉及火力发电技术与故障诊断
,特别是涉及一种基于FEKNN策略的燃煤电厂锅炉故障诊断方法。
技术介绍
随着我国经济的不断发展,社会对于电力工业的需求也不断增加,而在我国电力结构中,火力发电依然具有十分重要的地位。大型火电机组常与一定容量的汽轮发电机组相配套,主要用于发电,但在某些特殊场合下也可兼作对外供热之用。一般其蒸发量较大,蒸汽参数(汽温和汽压)很高,需要有一整套的辅助设备,多需配置室燃炉膛,采用强制通风方式,可燃用多种燃料(煤粉、原油或重油、高炉煤气或炼焦炉煤气),结构较复杂,效率较高,多数可达85%~93%左右,对运行管理水平、机械化程度以及自动控制技术有相当高的要求。大型火电机组结构复杂,系统众多,一旦某个系统产生故障,未被及时发现处理,很容易扩展为更大的故障,从而造成机组的非计划停机,不仅影响火力发电的稳定性,而且会提高运营成本,增加能源消耗。目前故障诊断的推理机制已经达到很高的水平,但征兆的获取成为了一个瓶颈,即最大的问题是检测手 ...
【技术保护点】
1.一种基于FEKNN的燃煤电厂锅炉故障诊断方法,其特征在于,包括以下步骤:/nS1、对历史数据进行预处理,得到处理后正常运行的历史数据;/nS2、数据降维:对经过数据预处理的正常运行的历史数据进行降维处理;/nS3、数据聚类:利用均值漂移聚类Mean Shift方法对所述正常运行的历史数据进行聚类,形成燃烧系统正常运行状态库;/nS4、故障诊断:采用FEKNN故障诊断方法得到燃烧系统运行状态曲线,进行燃烧系统的故障诊断。/n
【技术特征摘要】
1.一种基于FEKNN的燃煤电厂锅炉故障诊断方法,其特征在于,包括以下步骤:
S1、对历史数据进行预处理,得到处理后正常运行的历史数据;
S2、数据降维:对经过数据预处理的正常运行的历史数据进行降维处理;
S3、数据聚类:利用均值漂移聚类MeanShift方法对所述正常运行的历史数据进行聚类,形成燃烧系统正常运行状态库;
S4、故障诊断:采用FEKNN故障诊断方法得到燃烧系统运行状态曲线,进行燃烧系统的故障诊断。
2.根据权利要求1所述的基于FEKNN的燃煤电厂锅炉故障诊断方法,其特征在于,所述步骤S1中对历史数据进行预处理的过程为:利用肖维勒准则法进行异常值剔除,首先找到一个以样本均值为中心的概率带,所述概率带包含所有的样本数据,所述概率带以外的数据为异常值,剔除出数据集,计算剩余数据的均值和标准差;采用Savitzky-Golay滤波方法通过时域内局域多项式最小二乘法拟合的方法对所述剩余数据进行滤波。
3.根据权利要求1所述的基于FEKNN的燃煤电厂锅炉故障诊断方法,其特征在于,采用MDS算法对所述步骤S2中正常运行的历史数据进行降维处理。
4.根据权利要求1所述的基于FEKNN的燃煤电厂锅炉故障诊断方法,其特征在于,所述步骤S3中均值漂移聚类MeanShift方法的步骤为:
S1.1、给定数据集,包含d维空间的n个数据点,则对于已知数据集中任意点x的均值偏移向量的基本形式为:
其中Sk表示一个数据点的集合,即以点x为球心,以bandwidth为半径的球中的数据点Sh(x):
Sh(x)={y:(y-xi)(y-xi)T<h2}(2)
在式(1)中,k值表示已知数据集X中有k个数据点在Sk区域中,xj-x为已知数据集中的点xi相对于x的偏移向量,而均值偏移向量则是将Sk区域中的每个偏移向量求和平均,从而得到中心X点的最终偏移向量;
S1.2、高斯核函数为:
其中h为高斯核函数的带宽;
S1.3、加入高斯核函数后的均值偏移向量公式为:
加入高斯核函数后,每次圆心坐标更新后为:
5.根据权利要求1所述的基于FEKNN的燃煤电厂锅炉故障诊断方法,其特征在于,所述步骤S4中采用燃烧系统运行状态曲线进行故障诊断的方法为:
S4.1、选取与锅炉燃烧系统运行相关的关键变量作为初始数据,对所选取的初始数据进行预处理获得正常的运行数据;
S4.2、将剔除异常点后的数据进行归一化处理:
其中,X表示样本值,Xmin表示样本中最小的值,Xmax表示样本...
【专利技术属性】
技术研发人员:米大斌,王双海,王剑峰,刘红,姜文,龚思远,丁立斌,王建辉,郭学强,商文霞,
申请(专利权)人:河北建设投资集团有限责任公司,河北建投能源投资股份有限公司,
类型:发明
国别省市:河北;13
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。