【技术实现步骤摘要】
本专利技术涉及核电汽轮机，尤其涉及一种汽轮机工况划分方法。
技术介绍
1、汽轮机作为一种结构复杂的旋转机械设备，可以将蒸汽的热能转换机械能，进而转换为电能。由于汽轮机具有多种工况，且不同工况下汽轮机各参数分布差异大；若不对汽轮机工况进行划分，仅在全工况下对汽轮机上不同位置处监测点的参数进行监测，难以得到准确的监测点安全区间范围。可见，工况划分是完成汽轮机状态监测的前置条件。
2、然而，目前通常是由工作人员根据监测点的热力性能参数(例如蒸汽量、转速、进汽汽温、进汽压力和排汽压力等)并结合其自身经验对汽轮机进行工况划分，并划分为低负荷工况、中等负荷工况和满负荷工况等；这种工况划分方法存在主观性强且非常依赖于工作人员的经验的问题。因此，有必要提出一种基于客观事实的汽轮机工况划分方法。
技术实现思路
1、本专利技术的目的在于提供一种汽轮机工况划分方法，采用基于数据分布规律的聚类分析方法进行汽轮机工况划分，能够得到具备数学可解释性且准确的汽轮机工况划分结果，以满足对汽轮机进行客观真实地监测的需求。
2、为了达到上述目的，本专利技术通过以下技术方案实现：
3、一种汽轮机工况划分方法，所述汽轮机上设有若干个监测点；所述汽轮机工况划分方法包括：
4、获取若干个时间点所述汽轮机的功率数据和每一所述监测点的原始特征数据；
5、根据所述功率数据，对每一所述监测点的所述原始特征数据进行权重调整，以得到每一所述监测点的调整后特征数据；
7、将所有所述样本的聚类特征及其对应的所述功率数据构成数据集，并对所述数据集进行聚类分析，以得到所述汽轮机的工况划分结果。
8、可选地，对每一所述监测点的所述原始特征数据进行权重调整的步骤包括：
9、计算每一所述监测点的所述原始特征数据和所述汽轮机的功率数据的相关系数或特征重要度，以作为每一所述监测点的所述原始特征数据的权重因子；
10、将每一所述监测点的所述原始特征数据与对应的权重因子相乘，以获取每一所述监测点的所述调整后特征数据。
11、可选地，采用皮尔逊相关系数的计算公式，计算每一所述监测点的所述原始特征数据和所述汽轮机的功率数据的相关系数；或者
12、采用随机森林算法，计算每一所述监测点的所述原始特征数据和所述汽轮机的功率数据的特征重要度。
13、可选地，计算每一所述样本的聚类特征的步骤包括：
14、计算所述样本集的样本均值；
15、采用欧氏距离计算公式或者马氏距离计算公式，计算每一所述样本与所述样本均值之间的距离，以作为对应所述样本的聚类特征。
16、可选地，所述样本均值为所述样本集中每一所述监测点的所有所述调整后特征数据的数值之和与该监测点的所述调整后特征数据的总个数的比值。
17、可选地，所述样本的聚类特征的计算公式如下：
18、ci＝dist(si,smean)
19、其中，ci表示第i个样本的聚类特征；si表示第i个样本，且si为1×m阶矩阵，m的取值为监测点的总个数；smean表示所述样本集的样本均值，且smean为1×m阶矩阵；dist(si，smean)表示第i个样本与所述样本集的样本均值的距离。
20、可选地，计算每一所述样本的聚类特征的步骤还包括：
21、将所述样本集中每一所述监测点的所述调整后特征数据按时间点先后顺序排成一个特征列；
22、计算每一所述特征列的一阶差分；
23、将同一时间点对应的一阶差分求和，以获取每一所述样本的聚类特征。
24、可选地，所述样本的聚类特征的计算公式如下：
25、
26、其中，ci表示第i个样本的聚类特征；n为特征列的总列数，n的取值为监测点的总个数；diff(fjw)i表示对第j列特征列求取一阶差分后的第i个值。
27、可选地，对所述数据集进行聚类分析，以得到所述汽轮机的工况划分结果的步骤包括：
28、将每一所述样本的聚类特征与其同一时间点对应的所述功率数据作为一个对象，且所有所述对象构成所述数据集；
29、采用k-means聚类算法对所述数据集进行聚类分组，以得到若干个聚类组；
30、将每一所述聚类组中所有所述对象按照功率数据大小进行排序；
31、将所有所述聚类组按照功率数据大小进行排序，以得到所述汽轮机的工况划分结果；且每一所述聚类组对应一种工况。
32、可选地，所述原始特征数据为抽气压力。
33、本专利技术与现有技术相比至少具有以下优点之一：
34、本专利技术提供的一种汽轮机工况划分方法，可以根据汽轮机的功率数据，对汽轮机上每一监测点的原始特征数据进行权重调整，以得到每一监测点的调整后特征数据；将所有监测点的调整后特征数据构成样本集，且样本集中同一时间点对应的所有调整后特征数据为一样本，以计算每一样本的聚类特征；以及将所有样本的聚类特征及其对应的功率数据构成数据集，并对数据集进行聚类分析，以得到汽轮机的工况划分结果。相较于传统根据经验的汽轮机工况划分方法，本专利技术创新性地使用基于数据分布规律的聚类分析方法进行汽轮机工况划分，能够得到具备数学可解释性且准确的汽轮机工况划分结果。
35、本专利技术通过对监测点的原始特征数据进行权重调整的操作，可以强化监测点的原始特征数据与功率数据之间的联系，且基于权重调整操作得到的调整特征数据，更有利于在后续进行聚类分组时将对功率数据影响程度一致的数据分为一组，从而提高汽轮机工况划分的准确性。
本文档来自技高网...【技术保护点】
1.一种汽轮机工况划分方法，所述汽轮机上设有若干个监测点；其特征在于，包括：
2.如权利要求1所述的汽轮机工况划分方法，其特征在于，对每一所述监测点的所述原始特征数据进行权重调整的步骤包括：
3.如权利要求2所述的汽轮机工况划分方法，其特征在于，
4.如权利要求1所述的汽轮机工况划分方法，其特征在于，计算每一所述样本的聚类特征的步骤包括：
5.如权利要求4所述的汽轮机工况划分方法，其特征在于，所述样本均值为所述样本集中每一所述监测点的所有所述调整后特征数据的数值之和与该监测点的所述调整后特征数据的总个数的比值。
6.如权利要求5所述的汽轮机工况划分方法，其特征在于，所述样本的聚类特征的计算公式如下：
7.如权利要求5所述的汽轮机工况划分方法，其特征在于，计算每一所述样本的聚类特征的步骤还包括：
8.如权利要求7所述的汽轮机工况划分方法，其特征在于，所述样本的聚类特征的计算公式如下：
9.如权利要求1所述的汽轮机工况划分方法，其特征在于，对所述数据集进行聚类分析，以得到所述汽轮机的工况划
10.如权利要求1～3中任意一项所述的汽轮机工况划分方法，其特征在于，所述原始特征数据为抽气压力。
...【技术特征摘要】
1.一种汽轮机工况划分方法，所述汽轮机上设有若干个监测点；其特征在于，包括：
2.如权利要求1所述的汽轮机工况划分方法，其特征在于，对每一所述监测点的所述原始特征数据进行权重调整的步骤包括：
3.如权利要求2所述的汽轮机工况划分方法，其特征在于，
4.如权利要求1所述的汽轮机工况划分方法，其特征在于，计算每一所述样本的聚类特征的步骤包括：
5.如权利要求4所述的汽轮机工况划分方法，其特征在于，所述样本均值为所述样本集中每一所述监测点的所有所述调整后特征数据的数值之和与该监测点的所述调整后特征数据的总个数的比值...
【专利技术属性】
技术研发人员：张学富，杨开宇，李大才，林明星，吕长虹，张世永，匡磊，
申请(专利权)人：广东大唐国际雷州发电有限责任公司，
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。