一种电站风机状态预警方法、系统及其应用技术方案

一种电站风机状态预警方法、系统及其应用，包括以下步骤：采集风机正常运行信号、采集风机过程参数时间序列、采用基于小波包分解方法在采集的风机正常运行状态下的振动数据时间序列中提取并构建小波能量谱；采用基于1/3倍频程分解方法在所采集的风机正常运行状态下的噪声数据时间序列中提取并构建频带能量谱；获得预警模型；构建模型观测值和重构值之间欧氏距离和余弦距离相似度指标；采用贝叶斯最大后验概率估计方法，构造一个基于多源信息融合的风机状态预警指标，设置状态预警阈值，并根据故障预警阈值判断是否出现故障；本发明专利技术实现风机状态的在线实时预警，在故障发生前发出预警，为现场人员争取时间，减少安全与经济性损失。性损失。性损失。

【技术实现步骤摘要】
一种电站风机状态预警方法、系统及其应用


[0001]本专利技术涉及火电机组风机的状态监测
，具体涉及一种电站风机状态预警方法、系统及其应用。

技术介绍

[0002]在当前“双碳”目标的背景下，随着电力市场体制改革的不断深入，传统火电企业面临着日渐加剧的行业竞争，对机组的运行灵活性和调峰能力也提出了更高的要求，保持机组安全、经济和环保的长期稳定运行愈加重要，如何合理地安排机组检修周期，提高各主辅设备利用率成为关键的环节。然而实际中对于电站辅机的状态监测主要包括DCS的限幅报警与现场人员的点检定修，这类方法动态性与实时性较低，属于事后维护。随着运行年限的增加以及机组负荷变化的频率增加，磨损、老化程度增高，严重影响机组的经济性与安全性。
[0003]目前现有设备监控技术由于故障数据缺乏、检测手段单一等原因，容易导致误报、故障不能识别等问题；由于监控过程数据传输量通常较大，上位机处理负担较重，造成预警的实时性较差。并且深度调峰过程中，设备将出现的一系列安全性问题(由于小流量引起的风机失速、喘振、振动大)，使得现有技术的不足进一步得到放大。因此，必须开发高实时性的辅机状态定量评估技术，完成由“事后维护”到“事前预知”的转变。

技术实现思路

[0004]为克服现有技术存在的上述缺陷以满足电站风机安全可靠运行的基本需求，本专利技术提供了一种电站风机状态预警方法及系统，提高对风机状态的监测效率。首先利用传统及新型检测技术实现了电流、压力、流量、温度、振动、噪声等多维状态参数的在线检测，在前端提出了针对振动、噪声信号的特征提取方法，在终端提出了基于堆叠稀疏降噪自编码网络的故障状态评估及预警算法，并开发了基于边缘计算架构的重要辅机状态监控及预警系统，完成了辅机状态评估及预警系统的功能性验证。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]本专利技术提供了一种电站风机状态预警方法，具体包括以下步骤：
[0007]步骤1：采集风机正常运行振动、噪声信号；
[0008]步骤2：采集风机流量、电流、功率等过程参数时间序列；所述风机过程参数时间序列包括风机运行数据和所述风机运行数据对应的风机运行状态，所述风机状态包括正常运行状态和故障状态；
[0009]步骤3：采用基于小波包分解方法在所采集的风机正常运行状态下的振动数据时间序列中提取并构建小波能量谱；
[0010]步骤4：采用基于1/3倍频程分解方法在所采集的风机正常运行状态下的噪声数据时间序列中提取并构建频带能量谱；
[0011]步骤5：分别以所述过程参数、振动、噪声能量谱数据为输入，通过构建堆叠稀疏降
噪自编码网络进行模型训练，获得过程参数、风机振动、噪声预警模型；
[0012]步骤6：获取待评估时间段内的过程参数、振动、噪声能量谱数据Xobs，分别输入过程参数、风机振动、噪声预警模型，得到模型重构值Xrec；
[0013]步骤7：构建基于模型观测值X
obs
和重构值X
rec
之间欧氏距离和余弦距离的相似度指标；
[0014]步骤8：采用贝叶斯最大后验概率估计方法，对上述单一预警模型的相似度指标进行融合，构造一个基于多源信息融合的风机状态预警指标，设置状态预警阈值，并根据故障预警阈值判断是否出现故障。
[0015]本专利技术公开一种将上述的电站风机状态预警方法应用于电站风机状态预警系统。
[0016]本专利技术公开一种种火电机组风机的状态监测方法，其特征为：包括上述的电站风机状态预警方法。
[0017]有益效果：
[0018]一、本专利技术采用先进的声压传感器和加速度传感器，实现高精度的噪声和振动信号采集，弥补了当前电厂设备检测手段不足的缺点。
[0019]二、本专利技术采用了小波包分解的振动信号特征提取方法，不仅可以通过频率高低动态调整时间分辨率大小，还可以在提取低频信号的同时获取高频信号。
[0020]三、本专利技术选用了发电机功率、电机电流、电机绕组温度、驱动端轴承温度、自由端轴承温度、液压油压力、液压油温度、润滑油压力、润滑油温度、风机动叶开度、入口风温、出口风温和出口风压作为风机状态监测参数，在实际火电机组运行过程中，选择上述监测参数对风机进行监控是十分必要且有效的。
[0021]四、本专利技术采用堆叠稀疏降噪自编码网络算法，相比已有的机器学习或深度学习模型，增加了模型的鲁棒性。
[0022]五、本专利技术所采用的多源信息融合方法提升系统整体评估的可靠性。
[0023]六、本专利技术所设计的风机状态预警系统，能够实现风机状态的在线实时预警，在故障发生前发出预警信号，为现场人员争取处理时间，减少因故障引起的安全与经济性损失。
附图说明
[0024]图1风机振动原始信号及其频带能量；
[0025]其中a)风机水平振动原始信号；
[0026]b)水平振动信号特征提取结果；
[0027]c)风机垂直振动原始信号；
[0028]d)垂直振动信号特征提取结果；
[0029]图2风机噪声原始信号及1/3倍频程特征提取结果；
[0030]其中：a)为风机噪声原始信号
[0031]b)为：噪声信号特征提取结果
[0032]图3为堆叠稀疏降噪自编码网络模型训练流程图；
[0033]图4为堆叠稀疏降噪自编码网络模型训练误差
[0034]图5为风机在线状态预警流程图；
[0035]图6为风机状态预警系统结构示意图。
具体实施方式
[0036]一种电站风机状态预警方法，具体包括以下步骤：
[0037]步骤1：采集风机正常运行振动、噪声信号；
[0038]步骤2：采集风机流量、电流、功率等过程参数时间序列；所述风机过程参数时间序列包括风机运行数据和所述风机运行数据对应的风机运行状态，所述风机状态包括正常运行状态和故障状态；
[0039]步骤3：采用基于小波包分解方法在所采集的风机正常运行状态下的振动数据时间序列中提取并构建小波能量谱；
[0040]步骤4：采用基于1/3倍频程分解方法在所采集的风机正常运行状态下的噪声数据时间序列中提取并构建频带能量谱；
[0041]步骤5：分别以所述过程参数、振动、噪声能量谱数据为输入，通过构建堆叠稀疏降噪自编码网络进行模型训练，获得过程参数、风机振动、噪声预警模型；
[0042]步骤6：获取待评估时间段内的过程参数、振动、噪声能量谱数据Xobs，分别输入过程参数、风机振动、噪声预警模型，得到模型解码输出即为重构值Xrec；
[0043]步骤7：构建基于模型观测值X
obs
和重构值X
rec
之间欧氏距离和余弦距离的相似度指标；
[0044]步骤8：采用贝叶斯最大后验概率估计方法，对上述单一预警模型的相似度指标进行融合，构造一个基于多源信息融合的风机状态预警指标，设置状态预警阈值，并根据故障预警本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电站风机状态预警方法，具体包括以下步骤：步骤1：采集风机正常运行振动、噪声信号；步骤2：采集风机过程参数时间序列；所述风机过程参数时间序列包括风机运行数据和所述风机运行数据对应的风机运行状态，所述风机运行状态包括正常运行状态和故障状态；步骤3：采用基于小波包分解方法在所采集的风机正常运行状态下的振动数据时间序列中提取并构建小波能量谱；步骤4：采用基于1/3倍频程分解方法在所采集的风机正常运行状态下的噪声数据时间序列中提取并构建频带能量谱；步骤5：分别以所述过程参数、振动、噪声能量谱数据为输入，通过构建堆叠稀疏降噪自编码网络进行模型训练，获得过程参数、风机振动、噪声预警模型；步骤6：获取待评估时间段内的过程参数、振动、噪声能量谱数据X
obs
，分别输入过程参数、风机振动、噪声预警模型，得到模型重构值X
rec
；步骤7：构建基于模型观测值X
obs
和重构值X
rec
之间欧氏距离和余弦距离的相似度指标；步骤8：采用贝叶斯最大后验概率估计方法，对上述单一预警模型的相似度指标进行融合，构造一个基于多源信息融合的风机状态预警指标，设置状态预警阈值，并根据故障预警阈值判断是否出现故障。2.根据权利要求1所述的一种电站风机状态预警方法，其特征为：所述步骤3具体包括以下步骤：步骤3.1，对采集的振动信号进行频谱分析，从而确定小波包分解时划分合适的频段；步骤3.2，确定小波包分解的层数，在进行小波包分解时，分解的层数与时频域信号的分析精度有显著关联；步骤3.3，对信号进行小波包分解与重构，并求取各子带信号的能量，得到重构后的信号能量谱；步骤3.4，对重构后的信号能量谱进行划分得到相邻且相等的频段，计算出各个频段的归一化信号能量比。3.根据权利要求1所述的一种电站风机状态预警方法，其特征为：所述步骤4具体包括以下步骤：步骤4.1，对采集的噪声信号进行快速傅里叶变换；步骤4.2，根据功率相等恢复系数添加汉宁窗得到噪声的初步频谱图；步骤4.3，提取中心频率标称值和1/3倍频程范围，并对1/3倍频程运用振动振级的方法将图形转变成未计权1/3倍频程声压级频谱图；步骤4.4，经过C计权声级修正，得到噪声的C计权1/3倍频程声压级频谱图。4.根据权利要求3所述的一种电站风机状态预警方法，其特征为：所述步骤4.2中，汉宁窗窗长归一化后的时域表达式为：所述步骤4.3中，声压级的定义如下：
式中:L
p
为声压级，dB；p0＝2
×
10
－5
Pa，为基准声压，基准声压本身的声压级为0dB；p
e
为有效声压；所述步骤4.4中，C计权的计算公式为：5.根据权利要求1所述的一种电站风机状态预警方法，其特征为：所述步骤5具体包括以下步骤：步骤5.1，将历史数据作归一化处理，用以防止数据数量级的不同造成量级较大的属性占主导地位并缓解数量级的不同导致的迭代收敛速度变慢；步骤5.2，将...

【专利技术属性】
技术研发人员：张荣彬，刘勇，厉昂，牛玉广，杜鸣，汤婧婧，周振华，姜晓弢，王洪刚，
申请(专利权)人：国电电力大连庄河发电有限责任公司，
类型：发明
国别省市：