System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及脱硫塔浆液循环泵在线监测系统,尤其涉及一种基于lstm算法的脱硫塔浆液循环泵在线监测系统及方法,属于在线监测。
技术介绍
1、脱硫系统的核心设备是脱硫浆液循环泵,主要工作任务是让塔内的浆液循环起来,将吸收的石灰石浆液通过喷嘴形成雾化的形状,使烟气达到饱和状态,也使进入吸收塔内部的烟气温度降低到60℃以下,以保护吸收塔内部的玻璃鳞片和玻璃钢等防腐材料不被高温烟气损坏。由于浆液循环泵叶轮长期处于浆液的腐蚀、氧化空气的气蚀中,在这样恶劣工况下运行一段时间后,叶轮都会出现不同程度的磨损。除此之外,浆液循环泵还常常存在轴承振动大、泵壳密封不严以及机械密封渗漏的问题,这给浆液循环泵的长期可靠运行带来较大影响,甚至会严重影响整个脱硫系统的安全经济运行。
2、为减少因浆液循环泵劣化及故障所带来的经济损失,对浆液循环泵进行状态监测和故障预警是非常有必要的。目前浆液循环泵的监测和维修还采用传统的定期维修策略,当设备出现劣化或故障时,一般通过关停故障浆液循环泵来解决问题,将影响火电厂的脱硫效率。如果能够通过故障预警手段,对浆液循环泵的状态参数进行监测并提前预警,来判断设备是否存在异常,以及故障部位、劣化趋势来确定是否检修,这对燃煤电厂整体脱硫系统安全、经济运行是非常必要的。
3、随着计算机科学技术的快速发展,数据挖掘与分析技术在各行各业都取得了傲人的成绩,甚至改变了人们的生活习惯。脱硫系统生产企业的运营人员希望能够在浆液循环泵发生劣化前就能预先提示他们,不但能提前采取措施防止故障发生,避免不必要的经济损失,还能预先根
技术实现思路
1、在下文中给出了关于本专利技术的简要概述,以便提供关于本专利技术的某些方面的基本理解。应当理解,这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分,也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
2、鉴于此,为解决现有技术中存在的缺少浆液循环泵发生劣化前监测的技术问题,本专利技术提供一种基于lstm算法的脱硫塔浆液循环泵在线监测系统及方法。
3、方案一、一种基于lstm算法的脱硫塔浆液循环泵在线监测系统,包括数据采集模块、通讯模块、存储模块、预警处理模块、报警模块和展示模块;所述数据采集模块、通讯模块、存储模块、预警处理模块、报警模块和展示模块依次连接;
4、所述数据采集模块用于采集浆液循环泵预警监测数据;
5、所述通讯模块用于将数据采集模块的数据传输至存储模块;
6、所述存储模块存储通讯模块传输的数据;
7、所述预警处理模块用于对浆液循环泵数据进行训练并预测;
8、所述报警模块用于将预测值与实时监测值进行残差比对并设定残差阈值,若连续超过阈值二次以上触发预警,提醒检修;
9、所述展示模块用于展示监测参数实时数据和历史趋势曲线;
10、所述预警处理模块处理过程包括:
11、收集正常运行工况下浆液循环泵传感器参数;
12、根据relieff算法获得浆液循环泵传感器各参数特征权重,设定阈值,过滤权重小于阈值的参数,将权重大于阈值的参数作为模型训练数据;
13、选取2层降噪自编码结构建构深度神经网络模型,确定输入层维数、输入层时间步数、隐含层层数、每个隐含层的维数和输出变量维数;并以平均绝对百分比误差rmape为标准评价模型;
14、输入6个历史时刻数据至深度神经网络模型中,输出预测值。
15、方案二、一种基于lstm算法的脱硫塔浆液循环泵在线监测方法,包括以下步骤:
16、s1.采集正常运行工况下浆液循环泵传感器参数并将参数数据通过通讯模块传输至存储模块进行存储;
17、s2.根据relieff算法获得浆液循环泵传感器各参数特征权重,设定阈值,过滤权重小于阈值的参数,将权重大于阈值的参数作为模型训练数据;
18、s3.选取2层降噪自编码结构建构深度神经网络模型,确定输入层维数、输入层时间步数、隐含层层数、每个隐含层的维数和输出变量维数;并以平均绝对百分比误差rmape为标准评价模型;
19、s4.输入6个历史时刻数据至深度神经网络模型中,输出预测值;
20、s5.将预测值与实时监测值进行残差比对并设定残差阈值,若连续超过阈值二次以上触发预警,提醒检修;
21、优选的,浆液循环泵传感器参数包括流量、振动、进出口压力、前后轴承温度、电机前后轴承温度、电机定子绕组温度、电流、电压、吸收塔浆液液位和吸收塔浆液密度。
22、优选的,输入层维数为6;输入层时间步数为6;隐含层层数为2层,第一个隐层的维数为100个神经元,第二个隐含层的维数为150个神经元;输出变量维数为1。
23、本专利技术的有益效果如下:
24、1.通过增加传感器点位对设备的振动、温度等信息进行采集,弥补了工业系统传统点位的不足的缺点,可以提供更为丰富的离散数据、为后续预警分析提供数据支撑,实现多数据融合对设备进行全方位监测;
25、2.综合利用传感器物联网、大数据分析以及互联网技术,进行浆液循环泵远程监测、数据采集及分析预警,能够简便、安全和快速的进行部署,便于设备管理人员尽早措施,避免发生故障或重大事故,有效提升了脱硫系统的数字化和智能化运维水平。
本文档来自技高网...【技术保护点】
1.一种基于LSTM算法的脱硫塔浆液循环泵在线监测系统,其特征在于,包括数据采集模块、通讯模块、存储模块、预警处理模块、报警模块和展示模块;所述数据采集模块、通讯模块、存储模块、预警处理模块、报警模块和展示模块依次连接;
2.一种基于LSTM算法的脱硫塔浆液循环泵在线监测方法,其特征在于,包括以下步骤:
3.根据权利要求2所述的一种基于LSTM算法的脱硫塔浆液循环泵在线监测方法,其特征在于,浆液循环泵传感器参数包括流量、振动、进出口压力、前后轴承温度、电机前后轴承温度、电机定子绕组温度、电流、电压、吸收塔浆液液位和吸收塔浆液密度。
4.根据权利要求1所述的一种基于LSTM算法的脱硫塔浆液循环泵在线监测方法,其特征在于,输入层维数为6;输入层时间步数为6;隐含层层数为2层,第一个隐层的维数为100个神经元,第二个隐含层的维数为150个神经元;输出变量维数为1。
【技术特征摘要】
1.一种基于lstm算法的脱硫塔浆液循环泵在线监测系统,其特征在于,包括数据采集模块、通讯模块、存储模块、预警处理模块、报警模块和展示模块;所述数据采集模块、通讯模块、存储模块、预警处理模块、报警模块和展示模块依次连接;
2.一种基于lstm算法的脱硫塔浆液循环泵在线监测方法,其特征在于,包括以下步骤:
3.根据权利要求2所述的一种基于lstm算法的脱硫塔浆液循环泵在线监测方...
【专利技术属性】
技术研发人员:曲晓峰,王克剑,杨永明,苗东旭,翟俊鹏,毛静轩,王达梦,宋为平,
申请(专利权)人:哈尔滨电气科学技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。