一种用于火电厂的设备状态监视方法及设备技术

一种用于火电厂的设备状态监视方法及设备，该方法通过获取多组运行状态数据，每组运行状态数据包括对应于一个设备的多个运行状态值，每个运动状态值由设置在设备上的不同类型的传感器

【技术实现步骤摘要】
一种用于火电厂的设备状态监视方法及设备


[0001]本专利技术涉及火电厂设备状态监视
，具体涉及一种用于火电厂的设备状态监视方法及设备
。

技术介绍

[0002]在火电厂生产过程中的任何设备故障不仅会影响电能产量和电能质量，还会造成设备损毁和人身事故，因此，如何更好地实现设备运行状态的实时监视，对于火电厂设备的安全稳定运行来说非常重要
。
[0003]在火电厂设备状态监视领域，已有一些相关技术和实现方案，现有的设备状态监视方法主要基于二维图形和表格展示，通过显示设备各项指标的数值以及相应的报警信息来反映设备的运行状况，然而这些方法存在一些缺点：信息呈现不全面导致对设备状态的理解有限；对故障的诊断往往只能依靠运维人员的经验判断，缺乏自动化的故障诊断能力，无法实时发现和预警设备故障
。

技术实现思路

[0004]本专利技术提供的方法可以提高设备故障的预警与诊断能力，并可以全面呈现设备状态
。
[0005]第一方面，一种用于火电厂的设备状态监视方法
,
所述火电厂中的多个位置设置有不同的设备，所述设备状态监视方法包括：获取多组运行状态数据，每组所述运行状态数据包括对应于一个设备的多个运行状态值，每个运动状态值由设置在所述设备上的不同类型的传感器
/
监测仪器采集；采用多源数据融合方式对一组所述运行状态数据进行融合，以得到一个运行状态融合值，所述运行状态融合值用于表征所述设备的健康
/
非健康状态；将所述运行状态融合值和所述运行状态数据进行可视化展示
。
[0006]一些实施例中，采用卡尔曼滤波方式分别对每组所述运行状态数据中的每个所述运行状态值进行处理，以得到多个运行状态估计值，所述运行状态估计值与所述运行状态值的数量相同且一一对应；对多个所述运行状态估计值进行处理，得到一个设备的运行状态估计平均值；根据所述运行状态值和所述运行状态估计平均值，得到与所述运行状态值对应的运行状态修正值；对所有所述运行状态修正值进行处理，得到一个运行状态融合值
。
[0007]一些实施例中，采用加权平均方式对多个所述运行状态估计值进行处理；
[0008]所述加权平均方式可通过以下方式表示：
[0009]Y
＝
(Q1*S1+Q2*S2+...+Q
i
*S
i
)/(Q1+Q2+...+Q
i
)
[0010]其中，
Y
为运行状态估计平均值，
S
i
为第
i
个运行状态估计值，
Q
i
为第
i
个运行状态估计值的权重
。
[0011]一些实施例中，所述卡尔曼滤波方式包括：进行滤波系统的初始化；基于所述滤波系统对每组所述运行状态数据中的每个所述运行状态值进行状态预测，以得到多个状态预测值，所述状态预测值与所述运行状态值数量相同且一一对应；根据对应的所述状态预测
值和所述运行状态值，得到一个运行状态估计值，将多个所述运行状态估计值进行处理后可对所述运行状态值进行修正
。
[0012]一些实施例中，所述滤波系统的初始化包括设置运行状态估计值
、
协方差矩阵
、
过程噪声协方差矩阵和测量噪声协方差的初始值；
[0013]所述状态预测值可通过以下方式表示：
[0014]Z
K
＝
A
×
Z
K
‑1+B
×
C+Q
[0015]其中，
Z
K
为
k
时刻的状态预测值，
Z
K
‑1为
k
‑1时刻的状态预测值，
A
为预设的状态转移矩阵，
B
为预设的控制输入矩阵，
C
为预设的或实时输入的控制输入值，
Q
为过程噪声协方差矩阵
。
[0016]一些实施例中，所述运行状态估计值可通过以下方式计算：
[0017]运行状态估计值＝状态预测值
+
卡尔曼增益
*(
运行状态值
‑
状态预测值
)
[0018]其中，预测协方差是预测误差的协方差矩阵，测量噪声协方差是实时测量的噪声协方差矩阵；
[0019]所述卡尔曼增益可通过以下方式计算：
[0020]卡尔曼增益＝预测协方差
*(
预测协方差
+
测量噪声协方差
)^
‑1[0021]其中，所述预测协方差可通过以下方式计算：
[0022]P
K
＝
A
×
P
K
‑1×
A
T
+Q
[0023]其中，
P
K
为
k
时刻的预测协方差矩阵，
P
K
‑1为
k
‑1时刻的预测协方差矩阵，
A
为预设的状态转移矩阵，
Q
为过程噪声协方差矩阵
。
[0024]一些实施例中，所述对所有所述运行状态修正值进行处理，包括：采用加权平均法对所有运行状态修正值进行处理，得到一个运行状态综合值；按照预设的映射关系将所述运行状态综合值转换为运行状态融合值
。
[0025]一些实施例中，还包括：当所述运行状态修正值满足预设条件时，则发出故障预警信号
。
[0026]第二方面，本专利技术另一实施例提供一种设备状态监测设备，包括：存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的方法
。
[0027]第三方面，本专利技术另一实施例提供一种计算机存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如前述的方法
。
[0028]根据上述实施例的方法，获取多组运行状态数据，每组运行状态数据包括对应于一个设备的多个运行状态值，每个运动状态值由设置在设备上的不同类型的传感器
/
监测仪器采集；采用多源数据融合方式对一组运行状态数据进行融合，以得到一个运行状态融合值，运行状态融合值用于表征设备的健康
/
非健康状态；将运行状态融合值和运行状态数据进行可视化展示，从而获得更准确的设备状态信息，有效地提高了设备故障的预警与诊断能力
。
附图说明
[0029]图1为本专利技术提供的设备状态监视方法的流程图；
[0030]图2为一种实施例的多源数据融合方式的流程图；
[0031]图3为一种实施例的卡尔曼滤波方式的流程图；
[0032]图4为一种实施例的对所有运行状本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于火电厂的设备状态监视方法
,
其特征在于，所述火电厂中的多个位置设置有不同的设备，所述设备状态监视方法包括：获取多组运行状态数据，每组所述运行状态数据包括对应于一个设备的多个运行状态值，每个运动状态值由设置在所述设备上的不同类型的传感器
/
监测仪器采集；采用多源数据融合方式对一组所述运行状态数据进行融合，以得到一个运行状态融合值，所述运行状态融合值用于表征所述设备的健康
/
非健康状态；将所述运行状态融合值和所述运行状态数据进行可视化展示
。2.
如权利要求1所述的方法，其特征在于，所述多源数据融合方式包括：采用卡尔曼滤波方式分别对每组所述运行状态数据中的每个所述运行状态值进行处理，以得到多个运行状态估计值，所述运行状态估计值与所述运行状态值的数量相同且一一对应；对多个所述运行状态估计值进行处理，得到一个设备的运行状态估计平均值；根据所述运行状态值和所述运行状态估计平均值，得到与所述运行状态值对应的运行状态修正值；对所有所述运行状态修正值进行处理，得到一个运行状态融合值
。3.
如权利要求2所述的方法，其特征在于，采用加权平均方式对多个所述运行状态估计值进行处理；所述加权平均方式可通过以下方式表示：
Y
＝
(Q1*S1+Q2*S2+...+Q
i
*S
i
)/(Q1+Q2+...+Q
i
)
其中，
Y
为运行状态估计平均值，
S
i
为第
i
个运行状态估计值，
Q
i
为第
i
个运行状态估计值的权重
。4.
如权利要求3所述的方法，其特征在于，所述卡尔曼滤波方式包括：进行滤波系统的初始化；基于所述滤波系统对每组所述运行状态数据中的每个所述运行状态值进行状态预测，以得到多个状态预测值，所述状态预测值与所述运行状态值数量相同且一一对应；根据对应的所述状态预测值和所述运行状态值，得到一个运行状态估计值，将多个所述运行状态估计值进行处理后可对所述运行状态值进行修正
。5.
如权利要求4述的方法，其特征在于，所述滤波系统的初始化包括设置运行状态估计值
、
协方差矩阵
、
过程噪声协方差矩阵和测量噪声协方差的初始值；所述状态预测值可通过以下方式表示：
Z
K
＝
A
×
Z

【专利技术属性】
技术研发人员：冯志强，魏铭毅，张暄博，张雨蓉，李磊，
申请(专利权)人：国家能源集团内蒙古上海庙发电有限公司，
类型：发明
国别省市：