基于锅炉数字孪生模型的状态监控与健康评估方法及系统技术方案

本发明专利技术公开了一种基于锅炉数字孪生模型的状态监控与健康评估方法及系统，所述方法包括以下步骤：获取待状态监控与健康评估的火电机组锅炉设备的量测数据；其中，量测数据包括汽包水位、汽包出口蒸汽流量和汽包压力；采用预获取的火电机组锅炉设备的锅炉数字孪生模型产生预测数据；其中，预测数据包括液相区工质质量、蒸汽密度、汽包水焓值、上升管质量含汽率和汽包压力；基于量测数据和预测数据，利用容积卡尔曼滤波进行数据同化，获得估计结果；基于估计结果，实现火电机组锅炉设备的状态监控与健康评估。本发明专利技术提供的方法可实现锅炉结渣特性的在线预测。渣特性的在线预测。渣特性的在线预测。

【技术实现步骤摘要】
基于锅炉数字孪生模型的状态监控与健康评估方法及系统


[0001]本专利技术属于工业自动化
，涉及锅炉设备监控评估领域，特别涉及一种基于锅炉数字孪生模型的状态监控与健康评估方法及系统。

技术介绍

[0002]火电机组锅炉结渣主要指炉膛中的灼热灰渣与未燃尽的煤粉冲刷到水冷壁、屏式过热器等辐射受热面上呈液态或半液态粘附，并结成紧密的灰渣层。灰渣具有导热系数低、热阻大的特点，不仅使炉内吸热降低、传热变差，引起蒸发系统自然水循环流速下降和循环倍率上升，严重影响锅炉出力与蒸发系统的稳定运行，还会导致未结渣的金属受热面温度及排烟温度升高，造成管壁高温腐蚀和炉膛出口的受热面超温，降低锅炉效率，破坏炉内总体热平衡过程。此外，结渣严重时，大渣块从炉膛上部脱落，可能扑灭火焰或砸坏炉底水冷壁，使锅炉被迫停炉，甚至造成炉膛爆炸等恶性事故。因此，锅炉结渣直接影响着机组运行的安全性、经济性和可靠性，对其进行状态监控与健康维护具有重要的现实意义和研究价值。
[0003]目前，现有传统方法如炉膛结渣综合评判模糊数学模型，采用煤灰特性指标及炉膛结构与运行参数等七项指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于锅炉数字孪生模型的状态监控与健康评估方法，其特征在于，包括以下步骤：获取待状态监控与健康评估的火电机组锅炉设备的量测数据；其中，所述量测数据包括汽包水位、汽包出口蒸汽流量和汽包压力；采用预获取的所述火电机组锅炉设备的锅炉数字孪生模型产生预测数据；其中，所述预测数据包括液相区工质质量、蒸汽密度、汽包水焓值、上升管质量含汽率和汽包压力；基于所述量测数据和所述预测数据，利用容积卡尔曼滤波进行数据同化，获得估计结果；基于所述估计结果，实现火电机组锅炉设备的状态监控与健康评估。2.根据权利要求1所述的一种基于锅炉数字孪生模型的状态监控与健康评估方法，其特征在于，所述火电机组锅炉设备的锅炉数字孪生模型表示为：式中，x
k
、t
k
、u
k
和z
k+1
分别为系统状态向量、参数向量、输入向量和量测向量；A、B和C均为系数矩阵；ω
k
和ξ
k
均为过程噪声，v
k
为量测噪声，ω
k
～N(0,Q
k
)，ξ
k
～N(0,G
k
)，v
k
～N(0,R
k+1
)；Q
k
和G
k
均为过程噪声协方差矩阵、R
k+1
为量测噪声协方差矩阵；x
k
、t
k
、u
k
和z
k+1
分别表达为：x
k
＝[M
dl ρ
v h
w q
v P
dr
]
T
t
k
＝[K
sl
]u
k
＝[W
e T
b P
s
]
T
z
k+1
＝[L W
v P
dr
]
T
系数矩阵A、B和C分别表示为：系数矩阵A、B和C分别表示为：
式中，a
11
＝1，＝1，＝1，a
44
＝1，a
55
＝1，b
11
＝1，＝1，c
35
＝1，＝1，＝1，＝1，＝1，＝1，＝1，＝1，＝1，＝1，
M
dl
为液相区工质质量，ρ
v
为饱和蒸汽密度，h
w
为汽包水焓值，q
v
为汽水混合物质量含汽率，P
dr
为汽包压力；K
sl
水冷壁的传热系数，W
e
为给水流量，T
b
为炉膛平均温度，P
s
为过热器压力，L为汽包水位，W
v
为汽包出口蒸汽流量，T
s
为采样时间；W
ro
为上升管出口汽水混合物流量，W
d
为下降管入口流量，W
ec
为液相区动态蒸发量，V
v
为汽相区体积，V
L
为液相区体积，ρ
w
为汽包内水密度，h
e
为给水焓值，h
wv
为上升管出口饱和水焓值，h
v
为饱和蒸汽焓值，K
ec
为经验系数，T
w
为汽包水温度，T
v
为饱和蒸汽温度，V
r
为上升管容积，T
r
为上升管平均温度，W
d
为下降管流量，W
ro
为上升管出口流量，ρ
r
为汽水混合物密度，R
f
为管道流通阻力，Q
sl
为上升管总吸热量；A
L
、B
L
、C
L
、D
L
、A
dr
、B
dr
、C
dr
、D
dr
、A
ve
、B
ve
、C
ve
、D
ve
、A
vt
、B
vt
、C
vt
、D
vt
、E
vt
、A
wv
、B
wv
、C
wv
、D
wv
、E
wv
、A
wt
、B
wt
、C
wt
、D
wt
、A
wd
、B
wd
、C
wd
和D
wd
均为拟合系数。3.根据权利要求2所述的一种基于锅炉数字孪生模型的状态监控与健康评估方法，其特征在于，所述基于所述量测数据和所述预测数据，利用容积卡尔曼滤波进行数据同化，获得估计结果的步骤包括：首先，初始化滤波算法，对状态量、参数值、噪声协方差矩阵以及模型系数矩阵x0、t0、u0、P0、Q
k
、G
k
、R
k+1
、A、B和C进行初始值的设定；其次，时间更新过程计算步骤为：计算方差平方根S
k
和容积点[X
j,k T
j,k
]
T
，表达式分别为：S
k
＝chol{P
k
}式中，chol为矩阵的Cholesky分解，n为状态量维数，P
k
为滤波协方差，和分别为k时刻状态与参数滤波值，ξ
j
为基本容积点，表达式为：式中，[I]代表对单位向量进行全排列和改变元素符号产生的点集，为完整全对称点集；[I]
j
代表点集中的第j个点；计算通过非线性状态空间模型传播的容积点表达式为：式中，f(
·
)为非线性状态空间模型；根据传播容积点计算状态与参数一步预测值及一步预测协方差P
k+1|k
，表达式为：
式中，ω
j
为容积点对应的权值，表达式为：最后，量测更新过程计算步骤为：根据一步预测值及一步预测协方差计算预测方差平方根S
k+1|k
与预测值容积点[X
j,k+1 T
j,k+1
]
T
，表达式为：S
k+1|k
＝chol{P
k+1|k
}计算通过非线性量测方程模型传播的容积点Z
j,k+1
，表达式为：计算量测预测值量测误差协方差P
zz,k+1
与互协方差P
xz,k+1
，表达式为：计算卡尔曼增益K
k+1
、状态与参数估计值及协方差P
k+1
，表达式为：式中，和分别为状态与参数的估计结果，用于锅炉系统的状态监控与健康评估。4.根据权利要求3所述的一种基于锅炉数字孪生模型的状态监控与健康评估方法，其特征在于，所述基于所述估计结果，实现火电机组锅炉设备的状态监控与健康评估的步骤具体包括：将水冷壁传热系数退化程度ζ
sl
表示为：式中，代表炉内未结渣时，额定负荷下的水冷壁传热系数；K
sl
为额定负荷下水冷壁
的实际传热系数，表示评估结果；根据运行情况，得到基于传热系数退化程度的炉内结渣特性评估标准，表示为：式中，S
l
和S
h
为预先标定的阈值。5.一种基于...

【专利技术属性】
技术研发人员：蔡远利，赵彦博，姜浩楠，胡怀中，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：