火电机组除氧器故障分析方法技术

本申请公开了一种火电机组除氧器故障分析方法

【技术实现步骤摘要】
火电机组除氧器故障分析方法、系统、设备及介质


[0001]本申请涉及火力发电和机器学习
，尤其涉及一种火电机组除氧器故障分析方法
、
系统
、
设备及介质
。

技术介绍

[0002]除氧器是锅炉及供热系统关键设备之一，如除氧器除氧能力差，将对锅炉给水管道
、
省煤器和其他附属设备的腐蚀造成严重损失
。
[0003]目前火电机组中的自动化控制系统，已经开始引入相关监测或告警机制对除氧器进行检测和告警提醒，在各个检测参数的检测值发生劣化且还未达到报警值之前发出告警，并且，电力企业广泛使用的
DCS(Distributed Control System
，分布式控制系统
)、PLC(Programmable Logical Controller
，可编程逻辑控制器
)
以及实时数据库和
SIS
系统
(Safety Instrumented System
，安全仪表系统
)
，在保障企业安全
、
平稳的生产中发挥了重要作用
。
借此为检维修或运行干预调整争取更多的窗口时间
。
[0004]然而，这些自动化控制系统或相关告警装置，普遍存在无法与实时工况场景相结合
、
无法动态的关联工艺
、
特定运行控制方式及除氧器机理相融合而开展具体
、
科学的分析，比较机械且滞后
。
并且，
DCS、PLC
等监控系统存在很大的局限性
。
这些系统只停留在对观测点实时超限报警的水平，难以对生产除氧器的整体运行状态的扰动进行前瞻性预判，从而采取措施消除缺陷，造成经济效益的损害
。
[0005]因此，上述技术问题亟待解决
。

技术实现思路

[0006]本申请实施例提供一种火电机组除氧器故障分析方法
、
系统
、
设备及介质，以解决或部分解决难以对生产除氧器的整体运行状态的扰动进行前瞻性预判，从而采取措施消除缺陷，造成经济效益损害的问题
。
[0007]一种火电机组除氧器故障分析方法，包括：
[0008]获取火电机组的测量数据；
[0009]提取测量数据对应的过程数据；
[0010]基于过程数据和火电机组的规则分析机制，获取各火电机组之间的关系规律；
[0011]通过机器学习算法对关系规律进行学习和训练，获得火电机组的智能监测故障模型，用于基于智能监测故障模型对火电机组除氧器进行故障分析
。
[0012]本申请在一较佳示例中可以进一步配置为：测量数据包括历史正常数据和实际测量值；
[0013]在通过机器学习算法对关系规律进行学习和训练，获得火电机组的智能监测故障模型之后，包括：
[0014]通过智能监测故障模型对历史正常数据进行学习，获得智能预测值；
[0015]将智能预测值与实际测量值进行数据分析，获得数据分析结果，用于基于数据分
析结果对火电机组除氧器进行故障分析
。
[0016]本申请在一较佳示例中可以进一步配置为：将智能预测值与实际测量值进行数据分析，获得数据分析结果，包括：
[0017]获取比对时间间隔；
[0018]基于比对时间间隔，将实际测量值和智能预测值进行动态实时比较，获得数据分析结果
。
[0019]本申请在一较佳示例中可以进一步配置为：在获得火电机组的智能监测故障模型之后，包括：
[0020]获取配置参数过滤策略
、
模式场景数据和训练样本数据；
[0021]基于配置参数过滤策略
、
模式场景数据和训练样本数据，对智能监测故障模型进行优化
。
[0022]本申请在一较佳示例中可以进一步配置为：测量数据包括当前运行数据；
[0023]在通过机器学习算法对关系规律进行学习和训练，获得火电机组的智能监测故障模型之后，包括：
[0024]通过智能监测故障模型对当前运行数据进行深度预警和
/
或辅助诊断，获得故障分析报告；
[0025]向用户端发送故障分析报告，以使用户端基于故障分析报告对故障测点进行检修
。
[0026]本申请在一较佳示例中可以进一步配置为：提取测量数据对应的过程数据，包括：
[0027]获取输入侧和输出侧的过程数据之间的对应关系，并确定火电机组的数据范围；
[0028]基于对应关系和数据范围，获得最佳数据测点，用于获得过程数据
。
[0029]本申请在一较佳示例中可以进一步配置为：获取火电机组的测量数据，包括：
[0030]通过编译过程分析对测量数据进行分析，用于获得火电机组的规则分析机制
。
[0031]本申请目的二是提供一种火电机组除氧器故障分析系统
。
[0032]本申请的上述申请目的二是通过以下技术方案得以实现的：
[0033]一种火电机组除氧器故障分析系统，包括：
[0034]测量数据获取模块，用于获取火电机组的测量数据；
[0035]过程数据提取模块，用于提取测量数据对应的过程数据；
[0036]火电机组之间的关系规律获取模块，用于基于过程数据和火电机组的规则分析机制，获取各火电机组之间的关系规律；
[0037]火电机组除氧器故障分析模块，用于通过机器学习算法对关系规律进行学习和训练，获得火电机组的智能监测故障模型，用于基于智能监测故障模型对火电机组除氧器进行故障分析
。
[0038]本申请目的三是提供一种电子设备
。
[0039]本申请的上述申请目的三是通过以下技术方案得以实现的：
[0040]一种电子设备，包括存储器
、
处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述火电机组除氧器故障分析方法
。
[0041]一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述火电机组除氧器故障分析方法
。
[0042]综上，本申请包括以下有益技术效果：
[0043]上述火电机组除氧器故障分析方法，通过通信接口获取火电机组的测量数据，然后根据过程数据和火电机组的规则分析机制，获取各火电机组之间的关系规律，再通过机器学习算法对该关系规律进行学习和训练，进而得到智能监测故障模型，使得在故障发生前能够及早发现相关测量数据的异常情况并进行告警
。
在故障发生的过程中，利用智能监测故障模型可有效发现控制调节装置存在的隐患，并能够结合工况和工艺机理进行综合监测，有效验证了故障过程关联参数的状态特征，提高了故障预警的及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种火电机组除氧器故障分析方法，其特征在于，包括：获取火电机组的测量数据；提取所述测量数据对应的过程数据；基于所述过程数据和所述火电机组的规则分析机制，获取各所述火电机组之间的关系规律；通过机器学习算法对所述关系规律进行学习和训练，获得所述火电机组的智能监测故障模型，用于基于所述智能监测故障模型对火电机组除氧器进行故障分析
。2.
根据权利要求1所述的一种火电机组除氧器故障分析方法，其特征在于，所述测量数据包括历史正常数据和实际测量值；在所述通过机器学习算法对所述关系规律进行学习和训练，获得所述火电机组的智能监测故障模型之后，包括：通过所述智能监测故障模型对所述历史正常数据进行学习，获得智能预测值；将所述智能预测值与所述实际测量值进行数据分析，获得数据分析结果，用于基于所述数据分析结果对所述火电机组除氧器进行故障分析
。3.
根据权利要求2所述的一种火电机组除氧器故障分析方法，其特征在于，所述将所述智能预测值与所述实际测量值进行数据分析，获得数据分析结果，包括：获取比对时间间隔；基于所述比对时间间隔，将所述实际测量值和所述智能预测值进行动态实时比较，获得所述数据分析结果
。4.
根据权利要求1所述的一种火电机组除氧器故障分析方法，其特征在于，在所述获得所述火电机组的智能监测故障模型之后，包括：获取配置参数过滤策略
、
模式场景数据和训练样本数据；基于所述配置参数过滤策略
、
所述模式场景数据和所述训练样本数据，对所述智能监测故障模型进行优化
。5.
根据权利要求1所述的一种火电机组除氧器故障分析方法，其特征在于，所述测量数据包括当前运行数据；在所述通过机器学习算法对所述关系规律进行学习和训练，获得所述火电机组的智能监测故障模型之后，包括：通过所述智能...

【专利技术属性】
技术研发人员：李恩鹏，艾鑫，吉海龙，张贺，姚智林，周乾，张军，
申请(专利权)人：深能河源电力有限公司，
类型：发明
国别省市：