一种磨煤机故障监测系统技术方案

本发明专利技术公开了一种磨煤机故障监测系统，包括：历史数据选取模块、数据处理模块、模型构建模块、实际数据获取模块和故障预测模块；历史数据选取模块，选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据；数据处理模块，获得训练样本数据集；模型构建模块，将训练样本数据集输入Transformer预测模型进行样本优化，获得状态监测模型；实际数据获取模块，采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息；故障预测模块，判断磨煤机是否出现故障。本发明专利技术通过建立运行数据与故障之间的状态监测模型，实现了磨煤机运行状态的实时监测和预警，及时进行故障报警和处理，提高生产的安全性。提高生产的安全性。提高生产的安全性。

【技术实现步骤摘要】
一种磨煤机故障监测系统


[0001]本专利技术属于工业监测
，更具体的说是涉及一种磨煤机故障监测系统。

技术介绍

[0002]在现在大型火电机组中，磨煤机属于故障频率最高的重要设备，磨煤机的故障状况直接影响机组运行的稳定性、安全性。目前大都是依靠电厂运维人员通过磨煤机运行的关键参数判断磨煤机是否存在故障以及具体故障类型，由于磨煤机数量庞大、运行参数非常多，采用这种判断磨煤机故障的方式效率极低，且故障类型较多，无法全面、准确地判断磨煤机的故障类型，因此很难确定磨煤机故障的具体因素。
[0003]因此，提供一种磨煤机故障监测系统是本领域技术人员急需解决的技术问题。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种磨煤机故障监测系统，通过建立运行数据与故障之间的状态监测模型，有效实现了磨煤机运行状态的实时监测和预警，及时进行故障报警和处理，提高生产的安全性，且预警精度高。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]一种磨煤机故障监测系统，包括：历史数据选取模块、数据处理模块、模型构建模块、实际数据获取模块和故障预测模块；其中，
[0007]所述历史数据选取模块，用于选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据；
[0008]所述数据处理模块，对原始历史运行数据进行预处理，获得训练样本数据集；
[0009]所述模型构建模块，将训练样本数据集输入Transformer预测模型进行样本优化，获得状态监测模型；<br/>[0010]所述实际数据获取模块，用于采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息；
[0011]所述故障预测模块，基于磨煤机的实时状态信息判断磨煤机是否出现故障。
[0012]进一步的，正常运行状态下的运行参数包括：磨煤机进出口差压、给煤机给煤量、热风门开度、冷风门开度、磨入口一次风量、磨煤机电流、磨煤机出口风粉温度、磨煤机出口风粉压力、磨煤机出口风速、齿轮箱输入轴承温度、前轴温度、电机绕组温度、后轴轴承温度、旋转分离器电机电流以及磨煤机磨碗差压。
[0013]进一步的，对原始历史运行数据进行预处理的方法为：对数据原始历史运行数据W
n
进行标准差处理，公式如下：
[0014][0015][0016]其中，N表示磨煤机存在的故障类型数量，V
n
表示正常运行状态下的运行参数的组数，m表示第m组运行参数，n表示第n中故障类型，表示某一样本数据，r表示V
n
个样本数据中第r个运行参数，R表示V
n
个样本数据中运行参数的数量，为V
n
个样本数据中第r个运行参数的平均数，为V
n
个样本数据中第r个运行参数的标准差。
[0017]进一步的，通过皮尔逊系数对标准差处理后得到的原始历史运行数据进行数据降维，并选取与目标参数相关性大的参数。
[0018]进一步的，通过皮尔逊系数计算公式如下：
[0019][0020]其中，Q
r
为第r个运行参数的自适应动态阈值，为自适应动态阈值的平均值。
[0021]进一步的，Q
r
的获取方法如下：将正常运行状态下的运行参数进行聚类中心处理，对采集到的原始历史运行数据W
n
进行适当缩放，消除量纲的影响，并根据样本数据的残差均值ξ与残差方差χ计算自适应动态阈值：
[0022]Q
r
＝ξ
±
zχ#(8)
[0023]其中，z表示超参数正整数。
[0024]进一步的，获得状态监测模型的方法如下：
[0025]构建包含Transformer网络、激活函数和初始化权重的Transformer预测模型；对Transformer预测模型进行编译，确定优化算法、学习目标以及评价指标；将训练样本数据集来训练Transformer预测模型，并设置训练批次为512、训练轮次为200进行超参数调节。
[0026]进一步的，采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息，基于磨煤机的实时状态信息判断磨煤机是否出现故障方法如下：采集磨煤机的实时运行数据，选取实时运行数据中与预警参数相关性最高的多组参数的实际运行数据组成预警数据集，将预警数据集输入到状态监测模型中，得到实际运行状态下的实际预警参数预测值，并利用通过滑动窗口法计算得到实际运行状态下的预警参数残差平均值，并判断预警参数残差平均值是否超过自适应动态阈值范围；当判定预警参数残差平均值超过自适应动态阈值范围时，则判断磨煤机出现故障。
[0027]进一步的，还包括故障分类模块，基于实时状态信息残差序列进行小波包故障特征提取，对提取出的故障特征采用最小二乘支持向量机分类器进行故障分类。
[0028]本专利技术的有益效果在于：
[0029]本专利技术通过历史数据选取模块选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据；数据处理模块对原始历史运行数据进行预处理，获得训练样本数据集；模型构建模块将训练样本数据集输入Transformer预测模型进行样本优化，获得状态监测模型；实际数据获取模块采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息；故障预测模块基于磨煤机的实时状态信息判断磨煤机是否出
现故障。通过建立运行数据与故障之间的状态监测模型，有效实现了磨煤机运行状态的实时监测和预警，及时进行故障报警和处理，提高生产的安全性，且预警精度高；并且获得了自适应动态阈值范围，对比预警参数残差平均值与自适应动态阈值范围区间，即可判断磨煤机是否出现故障，预警速度快，能够及时快速的给到预警提醒，并且采用自适应动态阈值能够避免经历不同变工况阶段辅机的运行状态会不同程度偏离正常状态造成的阈值区间失真。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0031]图1为本专利技术的结构框图。
具体实施方式
[0032]下面将结合本专利技术的实施例中，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]参考图1，本专利技术提供了一种磨煤机故障监测系统，包括：历史数据选取模块、数据处理模块、模型构建模块、实际数据获取模块和故障预测模块；其中，
[0034]所述历史数据选取模块，用于选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种磨煤机故障监测系统，其特征在于，包括：历史数据选取模块、数据处理模块、模型构建模块、实际数据获取模块和故障预测模块；其中，所述历史数据选取模块，用于选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据；所述数据处理模块，对原始历史运行数据进行预处理，获得训练样本数据集；所述模型构建模块，将训练样本数据集输入Transformer预测模型进行样本优化，获得状态监测模型；所述实际数据获取模块，用于采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息；所述故障预测模块，基于磨煤机的实时状态信息判断磨煤机是否出现故障。2.根据权利要求1所述的一种磨煤机故障监测系统，其特征在于，正常运行状态下的运行参数包括：磨煤机进出口差压、给煤机给煤量、热风门开度、冷风门开度、磨入口一次风量、磨煤机电流、磨煤机出口风粉温度、磨煤机出口风粉压力、磨煤机出口风速、齿轮箱输入轴承温度、前轴温度、电机绕组温度、后轴轴承温度、旋转分离器电机电流以及磨煤机磨碗差压。3.根据权利要求1所述的一种磨煤机故障监测系统，其特征在于，对原始历史运行数据进行预处理的方法为：对数据原始历史运行数据W
n
进行标准差处理，公式如下：进行标准差处理，公式如下：其中，N表示磨煤机存在的故障类型数量，V
n
表示正常运行状态下的运行参数的组数，m表示第m组运行参数，n表示第n中故障类型，表示某一样本数据，r表示V
n
个样本数据中第r个运行参数，R表示V
n
个样本数据中运行参数的数量，为V
n
个样本数据中第r个运行参数的平均数，为V
n
个样本数据中第r个运行参数的标准差。4.根据权利要求3所述的一种磨煤机故障监测系统，其特征在于，通过皮尔逊系数对标准差处理后得到的原始历史运行数据进行数据降维，并选取与目标参数相关性大的参数。5.根据权利要求4所述的一种...

【专利技术属性】
技术研发人员：张中伟，王荣昌，王传刚，张建立，孙苗青，周练达，路行超，韩炎序，张超，
申请(专利权)人：华电莱州发电有限公司，
类型：发明
国别省市：