核电汽轮机系统故障预警方法及系统技术方案

本发明专利技术涉及了一种核电汽轮机系统故障预警方法及系统，该核电汽轮机系统故障预警方法包括：获取实时采集的汽轮机的多个监测参数的信号数据，并分别对每个监测参数的信号数据进行处理，且根据处理后的多个监测参数的信号数据生成多维矩阵数据；将所述多维矩阵数据送入预先建立的状态预测模型，并根据所述状态预测模型的输出获取汽轮机下一时刻的参数预测信息；根据所述参数预测信息，实时输出状态预测结果；根据所述状态预测结果判断汽轮机是否出现异常，并在异常时生成故障预警信息。实施本发明专利技术的技术方案，可提前对汽轮机系统的劣化状态进行预警，而且，预测精度高、可靠性强。

【技术实现步骤摘要】
核电汽轮机系统故障预警方法及系统
本专利技术涉及核电领域，尤其涉及一种核电汽轮机系统故障预警方法及系统。
技术介绍
汽轮机是将蒸汽的热能转换成机械能的蜗轮式机械，是核电厂重要设备之一，其运行状态直接影响电厂的经济性和安全性，对汽轮机系统的状态监测和故障预警一直被高度关注。如何提高汽轮机运行的稳定性和安全性，提升故障预测水平，是亟需解决和研究的问题。汽轮机是高速旋转设备，它的转子和定子间隙很小，是既庞大又精密的设备。为保证汽轮机安全运行，核电站汽轮机系统均配有一套自动保护系统，以便在异常情况下发出警报，在危急情况下自动关闭主汽阀，使之停运。汽轮机保护系统由汽轮机仪表监视系统(TSI)、汽轮机危急遮断系统(ETS)和机械超速保护系统共同组成。其中，TSI负责对有关参数如振动、胀差、轴向位移等进行监测；ETS系统对监测参数或设备状态进行逻辑判断，发出跳闸指令；机械超速保护系统仅对转速形成保护。目前，针对核电站汽轮机系统的故障报警系统只有实时的参数监测功能，或者简单的在线故障诊断功能，未发现真正提供故障预警、诊断和预测一体化，且具有通用性的智能监测服务。上述技术方案的缺陷主要包括以下两点：1)采取基于实时数据的简单的在线超阈值故障报警，在故障发生时或发生后发生报警，无法实现设备劣化状态的提前预警，导致只能采用事后维修方式和计划性检修结合，效率低、成本高且比较被动。2)汽轮机结构复杂，属于多参数耦合复杂系统，现有的监测系统大多基于单一振动信号进行故障监测诊断，并不能很好地涵盖设备运行诸多类型的非振动故障，且建立的模型结构较简单，预测的可靠性、精度较差，很难反应设备的真实运行状态。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术存在的上述缺陷，提供一种核电汽轮机系统故障预警方法及系统。本专利技术解决其技术问题所采用的技术方案是：构造一种核电汽轮机系统故障预警方法，包括：数据处理步骤：获取实时采集的汽轮机的多个监测参数的信号数据，并分别对每个监测参数的信号数据进行处理，且根据处理后的多个监测参数的信号数据生成多维矩阵数据；模型预测步骤：将所述多维矩阵数据送入预先建立的状态预测模型，并根据所述状态预测模型的输出获取汽轮机下一时刻的参数预测信息；状态输出步骤：根据所述参数预测信息，实时输出状态预测结果；异常判断步骤：根据所述状态预测结果判断汽轮机是否出现异常，并在异常时生成故障预警信息。优选地，所述状态预测模型通过以下方式建立：在训练时，对汽轮机的多个监测参数的信号数据分别进行处理，并根据处理后的多个监测参数的信号数据生成多维矩阵数据；将所述多维矩阵数据作为样本数据，并将样本数据按预设比例拆分成训练样本数据、验证样本数据和测试样本数据；构造径向基神经网络模型，并以径向基函数作为神经网络激活函数，及采用模糊C均值聚类算法确定各个神经元中心；利用所述训练样本数据构造输入输出向量，并使用自然梯度下降法对所述径向基神经网络模型进行训练，以获取所述径向基神经网络模型的最优参数，而且，根据所述最优参数确定状态预测模型；利用所述验证样本数据对所确定的状态预测模型进行精度验证，并判断是否符合预设精度要求，若不符合预设精度要求，则继续训练直至符合预设精度要求；利用测试样本数据对验证后的状态预测模型进行测试，并采用贝叶斯检验法计算其置信度。优选地，对每个监测参数的信号数据进行处理，包括：对每个监测参数的信号数据进行异常值过滤处理；对每个监测参数的信号数据进行缺失填充处理；对每个监测参数的信号数据进行降噪处理；对每个监测参数的信号数据进行中心化处理。优选地，对每个监测参数的信号数据进行异常值过滤处理，包括：采用箱型图法对每个监测参数的信号数据进行处理，以筛掉异常值。优选地，对每个监测参数的信号数据进行降噪处理，包括：采用小波包阈值去噪法对每个监测参数的信号数据进行降噪处理。优选地，在生成多维矩阵数据之后，还包括：根据概率主成分分析法，对数据处理后的多维矩阵数据进行降维处理。优选地，所述状态预测模型的嵌入维数为5。优选地，利用所述训练样本数据构造输入输出向量，包括：在所述训练样本数据中，将每个时间节点及其后面的四个时间节点的数据归为一组，并将其作为输入向量，以及，将每组最后一个时间节点的下一节点的数据作为输出向量。本专利技术还构造一种核电汽轮机系统故障预警系统，包括：数据处理模块，用于获取实时采集的汽轮机的多个监测参数的信号数据，并分别对每个监测参数的信号数据进行处理，且根据处理后的多个监测参数的信号数据生成多维矩阵数据；模型预测模块，用于将所述多维矩阵数据送入预先建立的状态预测模型，并根据所述状态预测模型的输出获取汽轮机下一时刻的参数预测信息；状态输出模块，用于根据所述参数预测信息，实时输出状态预测结果；异常判断模块，用于根据所述状态预测结果判断汽轮机是否出现异常，并在异常时生成故障预警信息。优选地，还包括：模型构建模块，用于在训练时，根据汽轮机的多个监测参数的信号数据构建状态预测模型，并对所构建的状态预测模型进行验证及测试。本专利技术所提供的技术方案，利用预先构建的状态预测模型来预测汽轮机下一时刻的状态，并判断是否出现异常，从而达到预警的效果。而且，由于是基于多维度的监测参数信号进行预测的，所以能涵盖设备运行诸多类型的非振动故障，具有预测精度高、可靠性强等特点。附图说明为了更清楚地说明本专利技术实施例，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：图1是本专利技术核电汽轮机系统故障预警方法实施例一的流程图；图2是本专利技术状态预测模型建立步骤实施例一的流程图；图3是本专利技术核电汽轮机系统故障预警系统实施例一的逻辑结构图；图4是本专利技术核电汽轮机系统故障预警系统实施例二的逻辑结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。针对现有技术无法实现核电汽轮机系统劣化状态的提前预警，及不能很好地涵盖设备运行诸多类型的非振动故障，本专利技术构造一种核电汽轮机系统故障预警方法，利用多维度信号数据分析处理技术，在各种运行工况下持续监测汽轮机运行状态，在到达临界点之前发现那些蠕变的缺陷。同时还可实现对汽轮机故障的诊断分析，以及汽轮机失效时间的预测，从而为运行和维修人员提供有效的指导。图1是本专利技术核电汽轮机系统故障预警方法实施例一的本文档来自技高网...

【技术保护点】
1.一种核电汽轮机系统故障预警方法，其特征在于，包括：/n数据处理步骤：获取实时采集的汽轮机的多个监测参数的信号数据，并分别对每个监测参数的信号数据进行处理，且根据处理后的多个监测参数的信号数据生成多维矩阵数据；/n模型预测步骤：将所述多维矩阵数据送入预先建立的状态预测模型，并根据所述状态预测模型的输出获取汽轮机下一时刻的参数预测信息；/n状态输出步骤：根据所述参数预测信息，实时输出状态预测结果；/n异常判断步骤：根据所述状态预测结果判断汽轮机是否出现异常，并在异常时生成故障预警信息。/n

【技术特征摘要】
1.一种核电汽轮机系统故障预警方法，其特征在于，包括：
数据处理步骤：获取实时采集的汽轮机的多个监测参数的信号数据，并分别对每个监测参数的信号数据进行处理，且根据处理后的多个监测参数的信号数据生成多维矩阵数据；
模型预测步骤：将所述多维矩阵数据送入预先建立的状态预测模型，并根据所述状态预测模型的输出获取汽轮机下一时刻的参数预测信息；
状态输出步骤：根据所述参数预测信息，实时输出状态预测结果；
异常判断步骤：根据所述状态预测结果判断汽轮机是否出现异常，并在异常时生成故障预警信息。


2.根据权利要求1所述的核电汽轮机系统故障预警方法，其特征在于，所述状态预测模型通过以下方式建立：
在训练时，对汽轮机的多个监测参数的信号数据分别进行处理，并根据处理后的多个监测参数的信号数据生成多维矩阵数据；
将所述多维矩阵数据作为样本数据，并将样本数据按预设比例拆分成训练样本数据、验证样本数据和测试样本数据；
构造径向基神经网络模型，并以径向基函数作为神经网络激活函数，及采用模糊C均值聚类算法确定各个神经元中心；
利用所述训练样本数据构造输入输出向量，并使用自然梯度下降法对所述径向基神经网络模型进行训练，以获取所述径向基神经网络模型的最优参数，而且，根据所述最优参数确定状态预测模型；
利用所述验证样本数据对所确定的状态预测模型进行精度验证，并判断是否符合预设精度要求，若不符合预设精度要求，则继续训练直至符合预设精度要求；
利用测试样本数据对验证后的状态预测模型进行测试，并采用贝叶斯检验法计算其置信度。


3.根据权利要求1或2所述的核电汽轮机系统故障预警方法，其特征在于，对每个监测参数的信号数据进行处理，包括：
对每个监测参数的信号数据进行异常值过滤处理；
对每个监测参数的信号数据进行缺失填充处理；
对每个监测参数的信号数据进行降噪处理；
对每个监测参数的信号数据进行中心化处理。


4.根据权利...

【专利技术属性】
技术研发人员：毛万朝，刘高俊，谢红云，张黎明，卢超，王春冰，平嘉临，范一鹏，张超，段奇志，
申请(专利权)人：中广核工程有限公司，深圳中广核工程设计有限公司，中国广核集团有限公司，中国广核电力股份有限公司，
类型：发明
国别省市：广东;44