用户名:
密  码:
资讯查询

基于数据驱动的发电设备在线预警研究

发布日期:2017-08-30    来源:《上海设备管理》      点击数:52467

       随着信息技术的高速发展和计算机硬件水平的快速上升,大数据技术、智能电厂、工业4.0 等相关概念逐渐被提出。国内许多发电集团都已经逐步开始新一代智能电厂的建设,这其中就包括了发电设备的在线预警部分。我国发电技术经过几十年的发展,电厂数字化、信息化水平大幅提高,积累了大量的运行数据,这为发电设备的大数据分析研究奠定了基础。
       针对发电设备故障频发的情况,目前对发电设备的状态与故障的研究已经逐渐从设备的监测诊断过渡到设备在线的故障预测。近年来大数据分析和人工智能方法(AI)在预测与分类等方面存在优势,可用于非线性复杂系统的故障预警研究。
       本文将基于数据驱动的发电设备在线预警研究通过对设备的运行数据挖掘分析,来帮助用户实现设备状态的在线管理。基于设备的历史运行数据,对关键设备建立健康数据模型,在故障早期发现设备的状态异常,并帮助分析人员分析设备的实时状态,从而大幅提高设备运行的安全水平和效率,减少因设备故障引起的非计划停机与安全事故,达到降低运行维护成本,为企业创造更多经济效益的目的。
       一、在线预警系统的设备建模
       在线预警是以现场实时数据为基础,对所采集的数据进行处理、分析、预测,然后基于所有采集与分析预测的数据来判断设备的运行状态并帮助运行人员确认设备是否需要进行检修。事实上,多数机组设备都不会突然停机并停止工作,更多的情况是经过几周或几个月的劣化过程而变得失效。在这个劣化过程中设备还会给出许多报警信息,这些早期的警告信息如温度、振动或声音等都可以通过在线预警技术发现,如图1 所示。虽然在线预警技术本身比较复杂,但是在设备失效前,在线预警能够给出足够的时间让运行维护人员来计划、安排与维修,避免机组非计划停机而造成的影响。
       图1 设备失效模式图
       
       非线性状态估计(NSET)方法,是由Singer 等人提出的一种基于数据的非参数建模方法。该方法目前在传感器校验、状态检测、故障预警等领域取得了一定的成果。
       假设一个设备在其运行过程中,代表其运行状态有n个相互关联的测点,那么在某一时刻t观测到的n个数据即为这一时刻描述该设备的状态向量Xobs,即:
       
       经过模型计算的预测向量为Xest,代表模型在这一个时刻给出的设备状态预估值。对输入到模型的任意一组状态向量Xobs,模型都能对应生成一个m维的权值向量W
      
       式中,D为历史状态矩阵。历史状态矩阵中每一列状态向量都代表设备在过去某一时刻的正常状态,经过合理选择历史状态矩阵就能够描述出该设备在不同工况、不同环境下正常运行的状态过程。所以构造历史状态矩阵的本质就是用正常数据来描述设备的运行特性。其形式为:
       
       权值向量W通过计算确定。ε为模型输入与输出的残差,最小化该残差:
       
       式中,X obsi)为该向量的第i 个元素。
       将S (w) 分别对权值向量W 求偏导 ,并令其等于0,得:
       
       将式(7)化简得:
       
       将式中的m个方程组写成矩阵形式,即:
       
       如果只需要对状态向量中某一个变量进行计算,那么只需取历史状态矩阵的对应行数据与权值向量进行相乘,即:
       
       由式(12)可知,状态向量中任一变量的预测值是将历史状态矩阵中该变量的m个历史状态变量值乘以相似度权值累加而来。在权值W的计算过程中,为方便计算相似性程度将DTD和DTXobs点乘更换为欧式距离运算。
       模型输入的状态向量是在机组设备运行过程状态下得到的,而历史状态矩阵涵盖了机组设备在所有工况下的正常状态。所以输入向量会与历史状态矩阵中一些历史状态向量类似,而这些类似的状态向量经过上述计算处理就可以给出精确度较高的输出预测值。
       二、基于PI数据库的数据采集
       随着信息化技术和自动控制技术的不断发展,为实现电厂实时状态监测、性能分析、优化运行提供可能。基于数据驱动的发电机组在线预警系统正是以海量数据为依托,实时分析预测机组设备的状态运行数据,评估机组设备的运行状态。所以,实时数据采集系统是在线预警的基础。
       现场监测机组设备运行的传感器和信号采集装置等组成了以PI数据库为核心的实时数据采集系统。如图2所示,信号采集装置将分布在机组设备的各个传感器采集的实时数据集中起来,然后传输给PI接口机,通过TCP/IP协议将数据发送给PI服务器进行存储。设备在线预警系统通过访问P I服务器进行取数。在这个过程中