基于DPC-MND和多元状态估计的磨煤机故障预警研究

火电机组磨煤机存在运行条件恶劣、故障频发等问题,对磨煤机进行故障预警,可以有效防止一些常见故障的发生,从而保证火电机组的安全运行。为此,提出一种基于相互邻近度的密度峰值聚类和多元状态估计的磨煤机故障预警方法。首先,采用核主元分析选取磨煤机的主要状态参数,同时采用集合经验模态分解对历史运行数据进行去噪,进一步优化数据质量;然后,采用基于相互邻近度的密度峰值聚类(density peaks clustering based on mutual neighborhood degrees,DPC-MND)方法构建动态记忆矩阵,利用多元状态估计技术(multivariate state estimation techniques,MSET)对磨煤机正常运行工况下的历史数据进行建模,并确定磨煤机的运行状态。最后,以安徽某电厂ZGM113G型中速磨煤机为例进行验证,结果表明该方法可以实现对磨煤机故障的有效预警。

基于多元状态估计及模糊综合评价分析的汽轮机故障预警

汽轮机的故障模式、故障特征具有多样性。当前的故障预警方法大多针对单一故障模式,无法用于全面评估汽轮机整体的健康状态。为此,将模糊综合评价与多元状态估计结合,构建了更加全面的汽轮机故障预警模型。首先,基于汽轮机的典型故障模式构建故障特征集;然后,通过多元状态估计算法获得估计向量,并用滑动窗口法对结果进行平滑处理,计算得到汽轮机各个故障模式的实时偏离度;最后,基于模糊综合评价综合分析多种故障的偏离程度以确定汽轮机整体的健康状态。使用某电厂汽轮机的故障数据进行模拟仿真验证,结果表明利用该方法能够提前捕捉到汽轮机的异常状态、实现故障的预警。

基于暂态录波与多元状态估计的阀冷系统故障预警及识别

阀冷系统是直流输电工程的重要设备之一,提高其故障预警及识别水平具有重要实用价值。利用主泵周期切换触发的双频暂态录波数据,提取系统在切泵扰动下的特征量,从而提高运算效率;提出基于聚类算法和切换工况相结合的动态过程记忆矩阵构建方法,根据多元状态估计得出估计向量,计算估计向量与观测向量的余弦相似度,采用3σ离群检测值作为预警阈值,然后根据预警观测向量与切换工况的耦合程度,以及3种故障类型对误差的贡献率实现故障识别。最后,通过案例分析验证了所提方法的有效性。

基于多元状态估计法的大型引风机动力设备异常预警

利用数据预处理和多元状态估计法(MSET)对引风机进行健康监测和故障预警的高效方法。采用小波去噪处理历史运行数据中的噪声,并利用滑动窗口残差统计分析数据状态,提出了一种监测引风机正常运行状态的模型。该模型使用构建的训练矩阵和记忆矩阵,通过计算新的观测数据向量序列与预测序列之间的相似度,实现了对引风机潜在故障的早期预警。实验结果表明,不仅能够及时检测出设备的异常状态,而且在故障发生前40min成功发出了预警信号,为引风机动力设备的故障处理提供了宝贵的时间窗口。

基于多元状态估计-层次分析法的磨煤机故障预警

针对当前火电机组频繁进行深度调峰、灵活性运行、节能降耗等背景下发电设备故障频发的现象,提出了多元状态估计-层次分析法的磨煤机故障预警方法。首先基于斯皮尔曼相关性分析对磨煤机特征参数进行降维,采用等距抽样方法从大量磨煤机历史数据中抽取部分样本归一化后形成记忆矩阵;随后利用多元状态估计算法根据记忆矩阵和观测向量计算出对应的估计向量,采用层次分析法对特征参数赋予不同的权重,并计算观测向量和估计向量之间的融合相似度,基于自适应阈值的方法对磨煤机故障进行预警;最后以某辊式中速磨煤机实际故障数据为例,验证了该方法的有效性。结果表明,该方法对磨煤机故障预警具有较少的漏报率和误报率,可以在一定程度上减少磨煤机实际发生故障的概率。

基于多元状态估计的电厂设备状态评估和故障预警研究

针对电厂生产环境复杂,设备故障频发且不易及时发现的特点,为了提高机组运行效率和设备健康度,提出了一种基于多元状态估计的电厂设备状态评估和故障预警方法。首先,分析设备状态监测所需的监测参数,根据参数采集历史运行数据,筛选健康运行状态数据,筛选典型运行状态数据构建记忆矩阵;然后,搭建状态评估和故障预警模型,利用健康运行状态数据对模型进行训练得到成熟模型,利用成熟模型即可对设备实时运行状态进行健康度评估和故障预警。本文以某燃气发电厂燃气轮机为对象开展研究论证,结果表明,该方法能准确地评估设备运行状态,提早发现设备故障,有效实现设备故障早期预警。

动态多元状态估计算法在火力发电设备智能预警中的应用

火力发电设备的健康状态直接影响机组的安全性、可靠性,因此对设备的状态进行实时监测显得尤为重要。基于设备的历史正常运行工况,提出将动态多元状态估计算法用于实时判断火力发电设备的运行状态,分别对某燃气蒸汽联合循环电厂的高压给水泵、某联合循环电厂的燃气轮机及660 MW超超临界燃煤机组的末级过热器建立动态多元状态估计技术(DMSET)智能预警算法。测试结果表明:当设备正常运行时,估计向量与实时观测向量之间的欧氏距离较短,预测精度较高;当设备异常时,估计向量与实时观测向量之间的欧氏距离显著大于正常状态下的值。研究表明,所建立的DMSET智能预警算法能敏锐捕捉到设备的异常信息。

基于多元状态估计的尿素水解系统预警算法研究与应用

尿素水解系统可能存在尿素溶液污染除盐水、氨气带水、伴热管道效果差、喷氨管道堵塞等故障,影响设备的环保效率。为了解决上述问题,提出一种基于多元状态估计技术的尿素水解系统预警算法。该算法采用多元状态估计对尿素水解系统进行状态监测,得到状态评估值与真实值的残差用于判别该系统是否异常。经实验验证,该算法能够实现对尿素水解系统的状态监测,实现提前预警。

基于多元状态估计和偏离度的电厂风机故障预警

为了解决风机故障预警问题,提出一种基于多元状态估计技术(MSET)和偏离度的方法.利用MSET建立风机正常运行状态下的非参数模型,对观测向量进行最优估计并得到估计向量,观测向量与估计向量之间的差异可以反映风机工作是否异常.引入偏离度定量衡量观测向量与估计向量之间的偏离程度,有利于捕捉故障发展过程,然后利用滑动窗口法确定故障预警阈值.当平均偏离度超过预警阈值时,发出报警信息提醒运行人员处理.以长春某热电厂引风机的某次故障为例进行应用研究.结果表明:该方法可以及时发现风机异常,实现风机实时故障预警.

改进“峰”方法的多元状态估计技术用于电站风机状态监测

针对风机状态监测问题,提出一种基于多元状态估计和相似性测度的方法。首先建立正常工况下各监测参数之间的关联模型,构造正常工况下的记忆矩阵;然后根据系统当前观测向量与记忆矩阵之间的相似性程度,对当前观测向量进行估计。通过对正常工况下的监测参数的聚类中心的提取,计算估计值与聚类中心的相似性测度值,确定风机工作状态。最后,以山西某电厂送风机为监测对象进行应用研究,结果表明该方法可以准确估计风机振动状况,尽早发现设备异常,实现风机状态的在线监测。

基于多元状态估计与自适应闽值的电站辅机故障预警

为了有效识别辅机运行过程中的故障,将多元状态估计技术应用于辅机的故障预警中。根据机组功率高低将辅机的历史状态矩阵分为3类,通过等距抽样选取典型状态分别建立子模型。对于输入的观测向量,模型给出相应的估计向量,两者的偏差可用相似度函数表示,并基于区间估计的思想设计了相似度的自适应阈值方法。最后利用某350 MW热电机组的中速磨煤机堵煤故障前的数据进行仿真。结果表明:模型在磨煤机跳闸前264 s做出预警,具有较高的故障检测效率;与传统的固定阈值方法相比,采用自适应阈值方法可有效降低误报率。

基于Hilbert-Huang变换和多元状态估计技术的内燃机气缸压力识别

提出了一种新的内燃机气缸压力识别方法。为了实现对内燃机运行状态的实时监测与故障诊断,通过缸盖振动信号反演内燃机气缸压力曲线是一种行之有效的重要手段;本文在对缸盖振动信号特性进行分析的基础上,应用Hilbert-Huang变换对缸盖振动信号进行模态分解,提取最能反映内燃机气缸压力变化特性的振动本征模态分量;使用多元状态估计技术(MSET)建立该振动本征模态分量的Hilbert谱与气缸压力信号之间的非线性非参数回归模型;利用所建立的模型从缸盖振动信号中重构出内燃机气缸压力曲线。试验结果表明,基于Hilbert-Huang变换和MSET的气缸压力识别方法简单有效,可满足对内燃机的实时监测需求。

基于多元状态估计的引风机故障预警

引风机作为大型机械动力设备,它的安全性和可靠性非常重要,传统的故障检测方式是对设备进行故障诊断,这是一种事后检修方式,电站设备一旦因为故障停机,会带来财产损失,甚至会有人员的伤亡。因此如何用其他的方法在故障发生前发现设备出现问题——也就是实现故障预警,就显得尤为重要。本文以引风机为例,使用主成分分析法,小波降噪法优化数据质量,再利用多元状态估计法进行建模。最后人为增加偏差进行验证,结果表明,多元状态估计法和PCA、小波去噪结合的方法可以很好的捕捉到异常,该方法可以用来作故障预警。

基于多元状态估计和向量相似度的电站磨煤机故障智能预警研究

为解决燃煤电站磨煤机故障频发的问题,提出一种基于多元状态估计(MSET)和向量相似度的故障预警方法。以某350 MW机组的中速磨煤机为研究对象,选取能表征其运行状态的关键参数,采集包含故障信息的历史数据,并划分出不同数据集。采用等间距抽样法对训练集数据建立过程记忆矩阵,将观测向量输入MSET模型得到其对应的估计向量,同时定义二者的相似度函数,利用滑动窗口法确定预警阈值。最后采用实际运行数据验证,结果表明:当磨煤机正常运行时,其输入模型数据预测平均相对误差均在1%以下;当磨煤机发生堵煤故障时,该模型可以及时发现磨煤机运行异常,在跳闸前380 s发出报警。证明该模型可以精准预测各参数的变化趋势,实现对磨煤机故障快速准确地智能预警。

基于实时动态基线的运行设备多元状态估计方法

针对稳定运行的设备状态监测问题,本文提出基于实时动态基线的运行设备多元状态估计方法。该方法通过对运行设备监测所得大数据的学习和训练,构造稳定运行工况下的设备健康矩阵;然后针对设备当前运行观测值,计算实时偏差;根据偏差构建实时动态基线,实现对设备运行状态的判断,通过及时反馈故障成因的贡献率定位异常测点。将该方法应用于某机组风烟系统,结果表明:该方法能在早期准确发现设备异常状态并进行故障诊断,有效解决设备异常状态固定阈值判断的不确定性和滞后性,降低设备故障误判概率。

多元状态估计的记忆矩阵选取及风机故障预警方法

多元状态估计技术(MSET)通过记忆矩阵中正常运行状态的数据进行相似性建模,被广泛地应用于电站设备的故障预警中。记忆矩阵所包含的数据样本特性是否完备,直接决定了MSET模型的预测精度和预警的正确性。提出了一种包含典型工况特性的记忆矩阵选取方法,考虑样本分布的空间大小、样本分布的均匀程度以及冗余程度,构造记忆矩阵的评价指标。在此基础上,从历史运行数据中选取具有较大工况特性的记忆矩阵。同时,对不同记忆矩阵样本选取方法下模型的预警效果进行了对比验证。验证结果表明,该记忆矩阵样本选取方法,能够有效地选择具有较大工况特性的样本,使建立的MSET模型具有较高的精度,并能够实现对引风机故障的准确预警。

基于Bagging集成策略和多元状态估计的风电机组齿轮箱状态监测

风电机组齿轮箱的故障率和维护成本相对较高,有必要对其运行状态进行实时监测。多元状态估计(multivariate state estimate technique, MSET)是一种常用的状态监测方法,但在记忆矩阵规模较大时,MSET在线计算的实时性较差。为此,提出一种基于Bagging集成策略和MSET的新方法:首先基于Bagging集成策略,对训练数据进行多次随机抽样,构造多个记忆矩阵规模较小的MSET子模型,最终将子模型的结果平均后作为集成模型的输出。以某2 MW风电机组的运行数据为算例,对集成MSET的性能进行了对比实验。结果表明:在精度相当的前提下,集成方法的计算时间仅为常规方法的60%;结合统计过程控制技术设计了预警阈值和滑动窗口异常率,并对集成MSET的故障预警能力进行验证,结果表明,集成方法能够提前约10 d预警齿轮箱的实际故障。

滚动轴承性能退化的时序多元状态估计方法

滚动轴承性能退化评估是预诊断的提前和基础,对在役滚动轴承实施在线状态监测和性能退化评估具有重要意义。针对概率相似度量评估方法存在模型复杂、容易过早饱和等现象,提出一种基于自回归时序(autoregressive model,简称AR)模型和多元状态估计(multivariate state estimation technique,简称MSET)的滚动轴承性能在线评估方法,其中AR模型用于提取轴承振动信号的状态特征,MSET模型用于重构AR模型系数。首先,提取正常运行状态下振动信号的AR模型系数构建MSET模型的历史记忆矩阵;其次,将待测信号的AR系数作为观测向量输入MSET模型中得到重构后的估计向量;最后,由原始AR系数和重构AR系数分别构造自回归模型,并各自完成对待测信号的时序建模,将两自回归模型所得残差序列的均方根值之差作为性能劣化程度指标。离散实验数据和全寿命疲劳实验数据分析结果表明,该方法能够有效检测早期故障,且具有与轴承故障发展趋势一致性更好等优点。

基于多元状态估计的燃烧室故障预警研究

为了解决电站燃气轮机燃烧室故障预警问题,采用一种基于多元状态估计技术(MSET)的方法。在提取故障特征量的基础上,首先利用MSET建立燃机燃烧室正常工作状态下的模型,对待观测值进行最优估计得到估计值,估计值和观测值之间的偏差可以反映燃烧室内部工作是否异常,引入偏离度定量衡量观测值与估计值之间的偏离程度,有利于捕获故障细微变化过程,然后采用滑动窗口法确定故障预警阈值,当偏离度超过故障预警阈值时,发出故障预警,提醒运行人员及时处理。用某燃气-蒸汽联合循环发电机组仿真平台的燃烧故障信息将上述算法进行了验证。结果表明:该方法可以及时发现燃烧室燃烧异常,实现了燃烧室实时故障预警,在提高机组可靠性和发电小时数的同时,缩短检修时间、降低检修成本。

基于多元状态估计和超椭球分析的汽轮机运行状态监测

为准确监测汽轮机运行情况,提出了基于多元状态估计(MSET)和超椭球分析(HEA)的汽轮机运行状态监测方法。以汽轮机运行过程中的多维监测数据为依据,基于MSET方法建立汽轮机健康状态的监测模型,获得多维监测数据实测值与期望值的残差向量;采用HEA模型对MSET残差向量进行分析,实时判断汽轮机运行状态。结果表明:该方法可以更有效地对汽轮机运行状态进行监测,尽早发现汽轮机运行状态的异常。