一种基于自更新MSET的高压加热器泄漏诊断方法技术

本发明专利技术公开了一种基于自更新MSET的高压加热器泄漏诊断方法，涉及高压加热器多工况状态监测技术领域，解决了高压加热器发生微量泄漏时高压加热器监测参数变化不明显导致泄漏不易发现的技术问题，其技术方案要点是选取高压加热器的主要监测参数，并以机组功率为依据将高压加热器状态均等划分为不同类别，分别建立了相应工况的高压加热器过程记忆矩阵，进一步提高了过程记忆矩阵对高压加热器不同状态下的表征能力；通过计算观测向量与估计向量之间的组合距离来表征设备的运行状态，并基于区间统计思想提出动态预警阈值，当相似度低于动态预警阈值时发出泄漏故障预警，具有敏性强的优点，可以为电厂运行人员提供高压加热器状态监测依据。监测依据。监测依据。

【技术实现步骤摘要】
一种基于自更新MSET的高压加热器泄漏诊断方法


[0001]本申请涉及高压加热器多工况状态监测
，尤其涉及一种基于自更新MSET的高压加热器泄漏诊断方法。

技术介绍

[0002]随着新能源发电的快速发展，大规模的新能源并网给电网的安全稳定带来了不容忽视的冲击，为提高电网消纳新能源的能力，燃煤机组需要频繁升降负荷来参与电网的深度调峰任务。高压加热器是燃煤机组回热系统的重要组成部分，它利用从汽轮机来的抽汽加热给水，进而提高给水温度，减小锅炉受热面的温差，节约燃料并提高火力发电厂的热效率。高压加热器作为燃煤电站重要的辅机设备，对提高电站运行的安全性和经济性具有重要意义。
[0003]由于高压加热器长期承受较大温差与压差，工作环境恶劣，容易发生故障，其中高压加热器内部管束泄漏是高压加热器本体最为常见且严重的一种故障。高压加热器泄漏故障的发生通常具有突发性，泄漏发生后为避免故障加剧，高压加热器的被迫非计划停运会给火电厂经济性造成巨大损失。同时，传统的监测方法是通过DCS系统或者高压加热器机理模型进行监测，但是当泄漏量较小时反映在高压加热器监测参数上的变化就不明显，因此采取新的状态监测方法对泄漏故障的监测与泄漏故障预警就具有重要意义。

技术实现思路

[0004]本申请提供了一种基于自更新MSET的高压加热器泄漏诊断方法，其技术目的是在高压加热器监测参数变化不明显的情况下，能够诊断到高压加热器发生的微量泄漏。
[0005]本申请的上述技术目的是通过以下技术方案得以实现的：
[0006]一种基于自更新MSET的高压加热器泄漏诊断方法，包括：
[0007]S1：获取与高压加热器相关的健康历史数据以及观测数据X
obs
；
[0008]S2：对健康历史数据和观测数据X
obs
进行归一化处理，得到归一化后的健康历史数据和观测数据X
obs
；
[0009]S3：基于MSET将归一化后的健康历史数据生成高压加热器的过程记忆矩阵；
[0010]S4：通过过程记忆矩阵和归一化后的观测数据Xo
bs
生成与观测数据同时刻的估计向量X
est
；
[0011]S5：对估计向量X
est
与观测数据Xo
bs
的相似度进行计算；
[0012]S6：对相似度是否小于动态预警阈值进行判断，若是则输出为异常状态点，转至步骤S7，否则为正常运行状态，转至步骤S8；
[0013]S7：对估计向量X
est
与观测数据Xo
bs
内不同参数的偏差程度进行计算，根据参数的偏差程度诊断出是否为泄漏故障；
[0014]S8：对过程记忆矩阵的评价指标进行计算，然后根据评价指标计算指标阈值；
[0015]S9：获取高压加热器的新观测数据，对新观测数据依次进行步骤S2、S3和S8的处
理，得到新观测数据的评价指标，对新观测数据的评价指标是否大于指标阈值进行判断，若是则将新观测数据加入至过程记忆矩阵，得到更新后的过程记忆矩阵，新观测数据和原观测数据共同构成观测数据，然后重复步骤S4至S9。
[0016]本申请的有益效果在于：(1)选取高压加热器的主要监测参数，并以机组功率为依据将高压加热器状态均等划分为不同类别，分别建立了相应工况的高压加热器过程记忆矩阵，进一步提高了过程记忆矩阵对高压加热器不同状态下的表征能力；(2)具有较高的状态估计准确性，为后续的状态监测与预警提供了基础；(3)通过计算观测向量与估计向量之间的组合距离来表征设备的运行状态，并基于区间统计思想提出动态预警阈值，当相似度低于动态预警阈值时发出泄漏故障预警，具有敏性强的优点，可以为电厂运行人员提供高压加热器状态监测依据。
[0017]综上，本申请能够有效适应高压加热器各种运行工况并进行状态估计，解决高压加热器发生微量泄漏故障时，现场监测参数变化不明显导致泄漏不易及时发现的问题，辅助电站运行人员及时发现高压加热器的异常状态，并根据泄漏参数变化特征诊断出故障类型为泄漏故障，实现高压加热器的泄漏故障诊断，具有精度高、灵敏性强的优点。
附图说明
[0018]图1为本申请所述基于自更新MSET的高压加热器泄漏诊断方法的流程图；
[0019]图2为构建过程记忆矩阵筛选流程示意图；
[0020]图3为机组功率概率密度分布图；
[0021]图4为相似度与动态预警阈值对比示意图；
[0022]图5高压加热器状态值变化示意图。
具体实施方式
[0023]下面将结合附图对本申请技术方案进行详细说明。
[0024]如图1所示，本申请所述的基于自更新MSET的高压加热器泄漏诊断方法，包括：
[0025]S1：获取与高压加热器相关的健康历史数据以及观测数据X
obs
。
[0026]具体地，在DCS历史数据中，选取与高压加热器相关的健康历史数据以及可能含有故障的观测数据X
obs
，健康历史数据的选取要尽可能做到涵盖高压加热器较长的时间段内，在不同工况下的运行状态以及高压加热器在不同季节的运行状态。
[0027]S2：对健康历史数据和观测数据X
obs
进行归一化处理，得到归一化后的健康历史数据和观测数据X
obs
。
[0028]具体地，归一化处理表示为：
[0029]x
*
＝(x
‑
x
min
)/(x
max
‑
x
min
)；
[0030]其中，x表示参数的实际值，x
min
表示参数的最小值，x
max
表示参数的最大值，x
*
表示参数归一化后的值。
[0031]S3：基于MSET将归一化后的健康历史数据生成高压加热器的过程记忆矩阵。
[0032]过程记忆矩阵D的构建是MSET中的关键步骤，利用已经选取的高压加热器正常状态参数(即健康历史数据)构建，因此它是判断设备是否正常运行的基准。过程记忆矩阵的每一行代表一种监测参数，每一列代表一个观测状态。假设高压加热器的监测参数有n种，
则在t
i
时刻高压加热器的观测向量为：
[0033]X(t
i
)＝[x1(t
i x2(t
i
) x3(t
i
···
x
n
(t
i
)]T
；
[0034]其中，x
n
(t
i
)表示高压加热器的测点x
n
在t
i
时刻的值。
[0035]通过采集m个高压加热器的观测向量，则过程记忆矩阵表示为：
[0036][0037]过程记忆矩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自更新MSET的高压加热器泄漏诊断方法，其特征在于，包括：S1：获取与高压加热器相关的健康历史数据以及观测数据X
obs
；S2：对健康历史数据和观测数据X
obs
进行归一化处理，得到归一化后的健康历史数据和观测数据X
obs
；S3：基于MSET将归一化后的健康历史数据生成高压加热器的过程记忆矩阵；S4：通过过程记忆矩阵和归一化后的观测数据X
obs
生成与观测数据同时刻的估计向量X
est
；S5：对估计向量X
est
与观测数据X
obs
的相似度进行计算；S6：对相似度是否小于动态预警阈值进行判断，若是则输出为异常状态点，转至步骤S7，否则为正常运行状态，转至步骤S8；S7：对估计向量X
est
与观测数据X
obs
内不同参数的偏差程度进行计算，根据参数的偏差程度诊断出是否为泄漏故障；S8：对过程记忆矩阵的评价指标进行计算，然后根据评价指标计算指标阈值；S9：获取高压加热器的新观测数据，对新观测数据依次进行步骤S2、S3和S8的处理，得到新观测数据的评价指标，对新观测数据的评价指标是否大于指标阈值进行判断，若是则将新观测数据加入至过程记忆矩阵，得到更新后的过程记忆矩阵，新观测数据和原观测数据共同构成观测数据，然后重复步骤S4至S9。2.如权利要求1所述的方法，其特征在于，所述步骤S2中，归一化处理表示为：x
*
＝(x
‑
x
min
)/(x
max
‑
x
min
)；其中，x表示参数的实际值，x
min
表示参数的最小值，x
max
表示参数的最大值，x
*
表示参数归一化后的值。3.如权利要求1所述的方法，其特征在于，所述步骤S3中，过程记忆矩阵表示为：其中，m表示高压加热器采集的观测向量的总数，x
n...

【专利技术属性】
技术研发人员：柴旭光，曹越，司风琪，
申请(专利权)人：东南大学，
类型：发明
国别省市：