【技术实现步骤摘要】
一种抽水蓄能机组检修效果综合评估方法与系统
本专利技术属于抽水蓄能电站机组检修评估
,更具体地,涉及一种抽水蓄能机组检修效果综合评估方法与系统。
技术介绍
抽水蓄能电站是在电力负荷低谷时抽水至上水库,在电力负荷高峰期再放水至下水库发电的水电站,可将电网负荷低时的多余电能,转变为电网高峰时期的高价值电能,还适于调频、调相,稳定电力系统的周波和电压,且宜为事故备用,还可提高系统中火电站和核电站的效率。然而,实现该功能的核心设备是抽水蓄能机组。抽水蓄能机组在运行过程中,受到机械、水力、电气等各方面因素的影响,同时,抽水蓄能机组工况种类繁多且转换频繁,其机械设备逐渐劣化。目前,机组检修等级是以机组检修规模和停用时间为原则,将发电企业机组的检修分为A、B、C、D四个等级。A级:又叫扩大性大修。是将发电机所有主设备全部拆除检修、清扫,定、转子吊出,设备改造、更换。是停机时间最长,最彻底的检修工作。一般120天左右。同时,A修还是为保持、恢复或提高机组性能和效率而进行的最全面、最彻底的解体检查和修理,是保证其安全健康运行、减少缺陷故障发生的必要措施,更是维护整个智能电网正常稳定供电的有效手段,是设备全过程管理的一个重要环节。B级:又叫一般性大修。不拆除设备,只是有针对性的处理缺陷,设备改造和清扫检查。一般15-30天左右。C级:又叫一般性小修。只是一般的例行检查,清扫设备,处理一般缺陷。一般5—15天左右。D级:又叫临修。抽水蓄能机组检修效果综合评估是提升检修技术水平的有效方法,更是避免机组病态运行的关键。当
【技术保护点】
1.一种抽水蓄能机组检修效果综合评估方法,其特征在于,包括以下步骤:/n(1)针对所述抽水蓄能机组各子系统的状态监测信号,建立动态模型;并针对所述抽水蓄能机组各子系统的组成部件,建立静态模型;/n(2)采用层次分析法分别计算所述动态模型各层指标决策权重以及所述静态模型各层指标决策权重;/n(3)提取所述动态模型底层指标特征值;根据所述特征值以及劣化度模型计算检修前、后底层各指标劣化度;/n(4)基于所述底层各指标劣化度,结合熵权法求取检修前、后底层各指标劣化度权重;/n(5)基于所述底层各指标劣化度权重以及所述动态模型各层指标决策权重计算底层各指标综合权重,进一步计算上一层指标劣化度;直至计算得到所述动态模型顶层指标劣化度,并转换为扣分数据,由此进行动态评估;/n(6)基于所述静态模型各层指标决策权重,以及检修前、后各部件扣分数据,进行静态评估;/n(7)根据动态评估结果和静态评估结果,综合评估抽水蓄能机组检修效果。/n
【技术特征摘要】
1.一种抽水蓄能机组检修效果综合评估方法,其特征在于,包括以下步骤:
(1)针对所述抽水蓄能机组各子系统的状态监测信号,建立动态模型;并针对所述抽水蓄能机组各子系统的组成部件,建立静态模型;
(2)采用层次分析法分别计算所述动态模型各层指标决策权重以及所述静态模型各层指标决策权重;
(3)提取所述动态模型底层指标特征值;根据所述特征值以及劣化度模型计算检修前、后底层各指标劣化度;
(4)基于所述底层各指标劣化度,结合熵权法求取检修前、后底层各指标劣化度权重;
(5)基于所述底层各指标劣化度权重以及所述动态模型各层指标决策权重计算底层各指标综合权重,进一步计算上一层指标劣化度;直至计算得到所述动态模型顶层指标劣化度,并转换为扣分数据,由此进行动态评估;
(6)基于所述静态模型各层指标决策权重,以及检修前、后各部件扣分数据,进行静态评估;
(7)根据动态评估结果和静态评估结果,综合评估抽水蓄能机组检修效果。
2.如权利要求1所述的方法,其特征在于,所述步骤(2)具体包括:
(21)根据九重标度法原则,构造各层指标判断矩阵;
(22)计算各层指标权重,得到各层指标决策权重特征向量;
(23)对所述各层指标权重特征向量进行一致性检验;
(24)若一致性检验结果符合标准,则确定所述动态模型各层指标决策权重以及所述静态模型各层指标决策权重;若不符合,则调整所述判断矩阵,重复步骤(22)和(23)。
3.如权利要求1所述的方法,其特征在于,所述步骤(3)中,提取所述动态模型底层指标特征值,具体包括:
计算检修前、后动态模型底层各指标状态监测数据[Mbegin,Mend]的八五分位数区间均值λj:
其中,Mbegin、Mend分别为各指标状态监测数据的第一个、最后一个八五分位数;Mk为[Mbegin,Mend]区间内的数,nk为Mk的个数,λj为底层第j个指标的八五分位数区间均值;
以所述底层各指标八五分位数区间均值作为底层各指标特征值。
4.如权利要求3所述的方法,其特征在于,所述步骤(3)中,所述劣化度模型表示为:
监测指标信号越小越优型:
或者,
监测指标信号中间最优型:
其中,为底层第j个指标劣化度,λj为底层第j个指标数的八五分位数区间均值,γ0j、γ1j、γ2j、γ3j为底层第j个指标不同预设阈值。
5.如权利要求1所述的方法,其特征在于,所述步骤(4)包括:
(41)基于所述底层各指标劣化度,建立检修前、后底层指标劣化度矩阵,并对所述指标劣化度矩阵进行归一化处理;
(42)计算各指标熵值:
其中,hj为底层第j个指标熵值,i为工况,为波尔兹漫系数,m为工况数,Yij为归一化处理后的矩阵,n为指标数;
(43)计算检修前、后底层各指标劣化度权重:
其中,uj为第j个指标的权重,rj为第j个指标的信息熵冗余度,rj=1-hj。
6.如权利要求5所述的方法,其特征在于,所述步骤(5)中,基于所述底层各指标劣化度权重以及所述动态模型各层指标决策权重,计算上一层指标劣化度,包括:
(51)根据底层各指标劣化度权重和所述动态模型各层指标决策权重,计算底层指标综合权重:
其中,T为j个指标的综合权重向量,a为经验系数;为j个指标的决策权重向量,U为j个指标的劣化度权重向量且U=[u1u2.....
【专利技术属性】
技术研发人员:周建中,时有松,许颜贺,任家朋,单亚辉,刘颉,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:湖北;42
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。