一种火电厂辅机设备故障识别方法、系统、设备和存储介质技术方案

本发明专利技术提供了一种火电厂辅机设备故障识别方法，包括，采集历史故障时刻的辅机运行参数，并根据故障类型对数据进行标注；对故障数据进行小波分解重构；对重构后的历史故障数据进行聚类；对历史数据进行归一化处理；对聚类后的历史故障数据与待识别故障数据基于运行参数的变化值和实际值进行分类匹配，输出故障类型。本发明专利技术通过小波分解重构，滤除高频噪声，还原故障数据的真实表征，然后将故障数据进行无监督分类，之后再通过参数的变化值和实际值两个维度比对待识别数据和历史故障数据，考虑了不同区间参数表征不同且就参数本身与变化值两方面分析，提高分类结果的准确性，能够准确的判断待识别数据的故障类型。确的判断待识别数据的故障类型。确的判断待识别数据的故障类型。

【技术实现步骤摘要】
一种火电厂辅机设备故障识别方法、系统、设备和存储介质


[0001]本专利技术涉及火力发电
，尤其涉及一种火电厂辅机设备故障识别方法、系统、设备和存储介质。

技术介绍

[0002]火电厂辅机设备是影响锅炉安全运行的重要因素，随着信息技术发展，电厂DCS系统产生大量设备运行参数，如何高效处理、分析这些数据资源是进一步提高电站管理水平、保障安全运行的重要手段。
[0003]设备的异常或故障是在设备运行过程中通过运行参数的变化表现出来的，以设备运行过程出现的主要异常或故障为线索，获得反映设备状态的特征参数，可以有效评估设备的运行状态。辅机故障发生后因数据表征不明确，故障发生时间过短等原因，现场运行人员难以第一时间判别故障类型并展开针对性应对措施。
[0004]因煤质变化、转动机械磨损、长期烟气、风粉冲刷等影响，磨煤机、风机等辅机设备容易发生例如磨煤机堵磨、粉管漏粉、风机轴承温度高、风机叶片损坏、x、y方向轴瓦振动异常等辅机运行故障，严重影响了燃煤机组安全稳定运行。对于磨煤机的故障，现有技术中已经提出了大量的识别方法，如公开号为CN本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火电厂辅机设备故障识别方法，其特征在于：包括，S1：采集历史故障时刻的辅机运行参数，并根据故障类型对数据进行标注；S2：对故障数据进行小波分解，对分解后的低频信号进行重构；S3：对重构后的历史故障数据进行聚类；S4：对历史数据进行归一化处理；S5：对聚类后的历史故障数据与待识别故障数据基于运行参数的变化值和实际值进行分类匹配，输出故障类型。2.根据权利要求1所述的一种火电厂估计设备故障识别方法，其特征在于：所述的小波分解和重构方法包括，步骤i：对每一项参数x(t)，共计n项，添加项生成分解特征矩阵，进行5次分解，新生成特征矩阵x(t)
′
共计n+10项，其中x(t)
′
前5项依次为x(t)5，x(t)4，x(t)3，x(t)2，x(t)1，中间n项为x(t)且顺序不变，最后5项依次为x(t)
n
，x(t)
n
‑1，x(t)
n
‑2，x(t)
n
‑3，x(t)
n
‑4，其中，x(t)1表示x(t)中的第1项；步骤ii：定义低频分解滤波器Lo_D矩阵与高频分解滤波器Hi_D矩阵，“db3”小波Lo_D＝[0.0352，
‑
0.0854，
‑
0.1350，0.4599，0.8069，0.3327]，Hi_D＝[
‑
0.3327，0.8069，
‑
0.4599，
‑
0.1350，0.0854，0.0352]，使用“valid”方式对x(t)
′
与Lo_D进行卷积，卷积结果x
1L
(t)共计(n+5)/2项，x
1L
(t)为1层低频分解信号；步骤iii：使用步骤ii中的方法继续对x
1L
(t)再进行4层小波分解，获取x
2L
(t)，x
3L
(t)，x
4L
(t)，x
5L
(t)；步骤iv：对5层低频分解信号x
5L
(t)进行小波重构，定义重构特征矩阵为x
5L
(t)
′
，x
5L
(t)
′
中偶数项为0，奇数项为x
5L
(t)不变；步骤v：定义重构低频滤波器Lo_R＝[0.3327,0.8069,0.4599,
‑
0.1350,
‑
0.0854,0.0352]，重构高频滤波器Hi_R＝[0.0352,0.0854,
‑
0.1350,
‑
0.4599,0.8069,
‑
0.3327]，使用“full”方式对x
5L
(t)
′
与Lo_R进行卷积，得到x
4L
(t)
′
，x
5L
(t)
′
共有a项，x
4L
(t)
′
共有b项，计算D＝(a
‑
b)/2，令C为D最小整数部分，E为D最大整数部分，计算F＝a
‑
E；获取x
4L
(t)
′
中由C项开始至F项结束项生成4层重构低频信号x4(t)
″
；步骤vi：再重复步骤iv和v进行4次分解重构，依次获得x3(t)
″
，x2(t)
″
，x1(t)
″
，x(t)
″
；其中x(t)
″
即为对x(t)进行5层小波分解重构后得到的结果。3.根据权利要求1所述的一种火电厂辅机设备故障识别方法，其特征在于：使用k
‑
means算法对历史故障数据进行聚类，方法为，随机选择k个初始质心；将所有样本分别分配到距离最近的质心所属的簇中；更新质心为每个簇中所有样本的平均值；重新对样本进行聚类，直到更新前后所有簇中的元素不再变化。4.根据权利要求3所述的一种火电厂辅机设备故障识别方法，其特征在于：在不同的质心数k下，分别对故障数据进行聚类，然后分别计算不同质心数k下的聚类轮廓系数S(i)，其中，a(i)代表样本i到同簇其他样本的平均距离；b(i)代表样本i到其...

【专利技术属性】
技术研发人员：邓中乙，徐民，陈俊，毛刘军，
申请(专利权)人：大唐锅炉压力容器检验中心有限公司，
类型：发明
国别省市：