制粉系统多维度故障预警监测方法与系统技术方案

一种制粉系统多维度故障预警监测方法与系统，具体包括：获取锅炉燃烧历史数据并对其进行预处理，得到预处理后的锅炉燃烧历史数据；对预处理后的锅炉燃烧历史数据进行清洗并提取出特征值；得到清洗后的锅炉燃烧历史数据与特征值后，进行模型的搭建与训练。分别搭建了神经网络模型、故障树分析模型并融合；运行两个模型，并建立“或与”关系，神经网络模型与故障树模型输出结果冲突时，并根据包含操作指导方案与预测诊断的数据库给出操作指导方案与预测诊断。本发明专利技术提出使用神经网络模型和故障树分析模型结合方法做故障预测与诊断，能够有效提高异常检测数据精度与可解释性。有效提高异常检测数据精度与可解释性。有效提高异常检测数据精度与可解释性。

【技术实现步骤摘要】
制粉系统多维度故障预警监测方法与系统


[0001]本专利技术属于发电设备监测
，更具体地，涉及制粉系统多维度故障预警监测方法与系统。

技术介绍

[0002]制粉系统的正常运行与电厂发电量息息相关，但是相同设备在不同工况下的特征参数是有所差异的，如何根据这个差异性来正确描述制粉系统下该设备的运行情况至关重要，从而根据设备的健康状态为检修计划的制定提供理论依据。
[0003]现有技术1(CN110320894A)公开了一种能够准确划分混叠区域数据类别的火电厂制粉系统故障分类方法，通过支持向量数据描述(SVDD)多分类方法对制粉系统数据进行分类，当部分样本落入不同的超球体中，选取k来确定数据的近邻数据，通过计算样本与其所落入的不同超球体中近邻数据的密度，依据样本密度与不同超球体中近邻数据密度的相似程度计算样本对每类的归属程度。
[0004]现在制粉系统的故障预警主要采用单一模型进行构建的，而且在该模式下使用固定的限值进行预警报警，这不仅需要电厂专业人员有丰富的制粉系统运行经验，还需要熟悉电厂制粉系统的详细的运行情况，因此对运行人员的要求比较高。

技术实现思路

[0005]为解决现有技术中存在的不足，本专利技术的目的在于提供一种制粉系统多维度故障预警监测方法与系统，通过建立制粉系统运行模拟器对制粉系统进行实时监测，在准确的基础上提前进行故障预警，并结合专家知识库对故障预警做出预测诊断。
[0006]本专利技术采用如下的技术方案。
[0007]一种制粉系统多维度故障预警监测方法，包括：
[0008]步骤1，获取锅炉燃烧历史数据并对其进行预处理，得到预处理后的锅炉燃烧历史数据；
[0009]步骤2，对预处理后的锅炉燃烧历史数据进行清洗并提取出特征值；
[0010]步骤3，得到清洗后的锅炉燃烧历史数据与特征值后，进行模型的搭建与训练。分别搭建了神经网络模型、故障树分析模型并融合；
[0011]步骤4，运行两个模型，并建立“或与”关系，神经网络模型与故障树模型输出结果冲突时，并根据包含操作指导方案与预测诊断的数据库给出判断结果。
[0012]步骤S1中的预处理具体包括：
[0013]步骤1.1，以t为间隔，统一锅炉燃烧历史数据的格式，其中t表示间隔的时间，单位为秒，具体根据获取的锅炉燃烧历史数据设定；
[0014]步骤1.2，根据业务规则和安全操作规范，对于统一格式后的锅炉燃烧历史数据进行筛选，得到合乎安全操作的筛选后的数据。
[0015]优选地，步骤S1中的锅炉燃烧历史数据至少需要制粉系统动作数据、制粉系统状
态数据、燃烧系统动作数据与燃烧系统状态数据。
[0016]步骤S2中的对对预处理后的锅炉燃烧历史数据进行清洗具体包括：
[0017]预设定预处理后的锅炉燃烧历史数据对应的数据下限与数据上限，若某类数据超出了预设定的数据下限或者数据上限，去掉该数据，并使用插值法补全该数据，得到清洗后的数据。
[0018]优选地，在步骤S2中：
[0019]在提取出特征值后，最终得到某个设备下M条记录，并且每一条记录包含N个指标，每个指标皆对应一个提取出的特征值。则即每一条记录可以看作一个N维的向量，可用矩阵表示如下：
[0020][0021]步骤S3中的神经网络模型搭建，具体包括：
[0022]使用步骤S1中的锅炉燃烧历史数据作为真实数据集及步骤S2中的矩阵作为模拟数据集制定高度定制化的约束网络；
[0023]通过训练长短期记忆网络模型，搭建出制粉系统运行模拟器，包括价值网络和约束网络；
[0024]将外部输入和真实数据集输入到制粉系统运行模拟器中，得到制粉系统运行的模拟数据，再将模拟数据和真实数据集作为数据输入，进行策略网络训练，从而使策略网络得到进化，符合锅炉燃烧是制粉系统运行准则。
[0025]步骤S3中的故障树分析模型搭建的具体步骤包括：
[0026]首先通过演绎法，建立故障树；选定一个系统故障的判据作为顶事件，然后依据包含操作指导方案与预测诊断的数据库找出直接导致该事件发生的各种可能组合因素的组合，包括部件不良、人为失误、环境影响，然后再找出导致可能组合因素发生的原因，逐级向下演绎；
[0027]根据该演绎，可得到故障树的结构函数，把系统失效称为故障树的顶事件，记做T，系统各部件的失效称为底事件，对系统和部件均只考虑失效和成功两种状态，则底事件可定义为：
[0028]x
i
＝1，当第i个底事件发生时；
[0029]x
i
＝0，当第i个底事件不发生时；
[0030]用Φ来表示系统顶事件的状态，则Φ必然是底事件状态x
i
＝(i＝1,2,3,...n)的函数；
[0031]Φ＝Φ(x1，x2，
…
，x
n
)
[0032]同时
[0033]Φ＝1，当第i个底事件发生时
[0034]Φ＝0，当第i个底事件不发生时
[0035]所述φ
(x)
就是故障树的结构函数，从而建立故障树模型，经过判断后得到Φ＝Φ(x1，x2，
…
，x
n
)作为输出结果。
[0036]本专利技术的有益效果在于，与现有技术相比，本专利技术有以下优势：
[0037](1)本专利技术为火电领域的应用，故需要遵守锅炉燃烧、制粉系统运行等一系列要求与规范，所涉及运行数据的数量非常大，故通过算法与专家知识，选取了相应的特征值，进行有效的数据降维，解决了建模资源限制的问题；
[0038](2)本专利技术为磨煤机运行异常数据检测提供了新思路，搭建了神经网络模型，引入状态
‑
动作
‑
奖励真实数据集及模拟数据集的交替迭代训练机制，扩大了训练数据的数量，提高了训练数据的质量，能够有效获得海量数据并运用到模型训练中，比传统训练方法具有更好的训练效果；
[0039](3)本专利技术是基于神经网络模型和故障树分析模型的结合。如果单独用神经网络模型则可能存在解释的难题，单独使用故障树分析又会存在新状态无法识别的情况，本专利技术提出使用神经网络模型和故障树分析模型结合方法做故障预测与诊断，能够有效提高异常检测数据精度与可解释性。
附图说明
[0040]图1是一种制粉系统多维度故障预警监测方法的流程图。
具体实施方式
[0041]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部实施例。基于本专利技术精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例，都属于本专利技术的保护范围。
[0042]一种制粉系统多维度故障预警监测方法，包括如下步骤：
[0043]步骤1，获取锅炉燃烧历史数据并对其进行预处理；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种制粉系统多维度故障预警监测方法，其特征在于，包括：步骤1，获取锅炉燃烧历史数据并对其进行预处理；步骤2，对预处理后的锅炉燃烧历史数据进行清洗并提取特征值；步骤3，利用清洗后的锅炉燃烧历史数据与特征值对神经网络模型、故障树分析模型进行训练；步骤4，运行两个模型，并建立或与关系，神经网络模型与故障树模型输出结果冲突时，根据包含操作指导方案与预测诊断的数据库给出判断结果。2.根据权利要求1所述的制粉系统多维度故障预警监测方法，其特征在于，锅炉燃烧历史数据包括：制粉系统动作数据、制粉系统状态数据、燃烧系统动作数据与燃烧系统状态数据。3.根据权利要求1所述的制粉系统多维度故障预警监测方法，其特征在于，步骤1包括：以t为时间间隔，统一锅炉燃烧历史数据的格式，其中t的单位为秒；根据业务规则和安全操作规范，对于统一格式后的锅炉燃烧历史数据进行筛选，得到合乎安全操作的筛选后的数据。4.根据权利要求2所述的制粉系统多维度故障预警监测方法，其特征在于，步骤2包括：设定预处理后的锅炉燃烧历史数据对应的下限与上限，若预处理后的锅炉燃烧历史数据超出了预设定的下限或者上限，则去掉所述数据，并使用插值法补全缺失数据，得到清洗后的数据。5.根据权利要求4所述的制粉系统多维度故障预警监测方法，其特征在于，从清洗后的数据中提取特征值后，最终得到制粉系统中的任一设备的M条记录，并且每一条记录包含N个指标，每个指标皆对应一个提取出的特征值；则即每一条记录可以看作一个N维的向量。6.根据权利要求5所述的制粉系统多维度故障预警监测方法，其特征在于，使用锅炉燃烧历史数据作为真实数据集及特征值矩阵作为模拟数据集，制定约束网络；通过训练长短期记忆网络模型，搭建出制粉系统运行模拟器，包括价值网络和约束网络；将外部输入和真实数据集输入到制粉系统运行模拟器中，得到制粉系统运行的模拟数据，再将模拟数据和真实数据集作为数据输入，进行策略网络训练。7.根据权利要求1所述的制粉系统多维度故障预警监测方法，其特征在于，基于演绎法建立故障树；首先选定一个系统故障的判据作...

【专利技术属性】
技术研发人员：关胜杰，孙宇笛，
申请(专利权)人：国能信控互联技术有限公司，
类型：发明
国别省市：