【技术实现步骤摘要】
本申请涉及磨煤机故障诊断，具体涉及一种基于模型和数据分析的磨煤机故障诊断方法、一种基于模型和数据分析的磨煤机故障诊断装置、一种机器可读存储介质及一种处理器。
技术介绍
1、设备故障诊断技术是通过设备运行数据鉴别设备的运行状态是否正常，寻找故障的起因和故障类型，提醒电厂运行人员能在第一时间做出针对性的防范措施，从而提高电厂运行的安全可靠性，其本质是一种模式识别或分类问题，它包括信号采集、特征提取、状态识别及诊断决策等具体实施步骤。
2、磨煤机属于火电机组重要辅机设备，其运行状态的好坏直接关系到机组能否安全稳定运行。然而，电厂的磨煤机实际故障样本数量难以筛选且样本数量不足，难以支持神经网络的训练和学习，难以获得有效的故障诊断模型，从而在磨煤机发生故障的早期无法进行故障报警和故障识别。
技术实现思路
1、本申请实施例的目的是提供一种基于模型和数据分析的磨煤机故障诊断方法及装置，以实现磨煤机故障的准确识别和早期诊断。
2、为了实现上述目的，本申请第一方面提供一种基于模型和数据分析的磨煤机故障诊断方法，所述方法包括：
3、根据磨煤机运行机理和历史数据，构建磨煤机机理模型；
4、通过调整磨煤机机理模型参数来模拟磨煤机不同故障从而产生典型故障样本数据；其中，所述典型故障包括：磨断煤、磨满煤和磨自燃三种故障；
5、对所述典型故障样本数据进行降维处理，获得降维处理后的典型故障样本数据；
6、采用dbn神经网络对所述降维处理后的典
7、采用滑动窗口法将电厂中的实际数据送入训练好的神经网络故障诊断模型，实现故障诊断和故障识别。
8、在本申请实施例中，所述根据磨煤机运行机理和历史数据，构建磨煤机机理模型，包括：
9、基于能量和质量平衡建立入口一次风温度和流量的非线性动态方程；
10、考虑磨煤机内部存煤量的质量平衡，建立磨煤机内部原煤量和煤粉量的非线性方程；
11、根据磨煤机输入输出的能量平衡关系建立磨煤机出口风粉混合物温度的非线性方程。
12、在本申请实施例中，按照公式(1)-(2)，建立入口一次风温度和流量的非线性动态方程：
13、
14、
15、式中，wair为磨入口一次风流量，单位kg/s；t1为一次风流量惯性常数，单位s；为冷风门最大流量，单位kg/s；为热风门最大流量，单位kg/s；ul为冷风门开度，单位％；uh为热风门开度，单位％；θin为磨入口一次风温度，单位℃；t2为一次风温度惯性常数，单位s；cin为一次风比热容，l为冷风比热容，单位kj/kg·℃；l为冷风温度，单位℃；ch为热风比热容，单位kj/kg·℃；h为热风温度，单位℃。
16、在本申请实施例中，按照公式(3)-(5)，建立磨煤机内部原煤量和煤粉量的非线性方程：
17、mc＝wc-kconvmc (3)；
18、mpf＝kconvmc-wpf (4)；
19、i＝k1mc+k2mpf+k3 (5)；
20、式中，mc为磨内原煤质量，单位kg；wc为给煤量，单位kg/s；mpf为磨内煤粉质量，单位kg；wpf为磨出口煤粉流量，单位kg/s；kconv为单位时间磨内原煤向煤粉的转换系数；i为磨电流，用来表征磨内存煤量，作为模型参数的辨识的目标函数。
21、在本申请实施例中，按照公式(8)，建立磨煤机出口风粉混合物温度的非线性方程：
22、cmix(mc+mpf+mmetal)tout＝qin-qout (8)；
23、式中，tout为磨煤机出口风粉混合物温度(℃)，qin为单位时间内磨煤机输入总热量(kj/s)，qout为单位时间内磨煤机输入总热量(kj/s)，cmix为磨内原煤、煤粉及参与换热金属的整体比热容(kj/kg·℃)，取0.46(kj/kg·℃)。
24、在本申请实施例中，所述磨断煤通过不小于一定速度减少给煤量来模拟磨断煤故障；所述磨满煤通过增加给煤量、增大煤水分或减少一次风量来模拟磨满煤故障；所述磨自燃通过在磨煤机输入能量中加入煤粉自燃产生的热量来模拟磨自燃故障。
25、在本申请实施例中，所述采用dbn神经网络对所述降维处理后的典型故障样本数据进行训练和学习，得到训练好的神经网络故障诊断模型，包括：
26、采用dbn神经网络对磨煤机降维处理后的典型故障样本数据进行训练和学习，对典型故障样本数据加上标签作为训练的期望输出；
27、所述dbn神经网络分为输入层，隐含层和输出层；输入层采用相同时间长度的输入参数，将故障发生的早期数据输入模型中；隐含层采用sigmoid函数进行非线性处理，每层之间随机设置初始权值和阈值，并通过反向传播算法不断调整网络的权值和阈值，使网络的误差平方和最小，网络的误差平方和为网络训练输出与期望输出误差平方和；给定隐含层层数和每层节点个数，训练神经网络使误差平方和最小，得到训练好的神经网络故障诊断模型。
28、本申请第二方面提供一种基于模型和数据分析的磨煤机故障诊断装置，所述装置包括：
29、模型构建模块，用于根据磨煤机运行机理和历史数据，构建磨煤机机理模型；
30、样本数据产生模块，用于通过调整磨煤机机理模型参数来模拟磨煤机不同故障从而产生典型故障样本数据；其中，所述典型故障包括：磨断煤、磨满煤和磨自燃三种故障；
31、降维处理模块，用于对所述典型故障样本数据进行降维处理，获得降维处理后的典型故障样本数据；
32、训练模块，用于采用dbn神经网络对所述降维处理后的典型故障样本数据进行训练和学习，得到训练好的神经网络故障诊断模型；
33、故障诊断模块，用于采用滑动窗口法将电厂中的实际数据送入训练好的神经网络故障诊断模型，实现故障诊断和故障识别。
34、本申请第三方面提供一种处理器，被配置成执行上述的基于模型和数据分析的磨煤机故障诊断方法。
35、本申请第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的基于模型和数据分析的磨煤机故障诊断方法。
36、与现有技术相比，本专利技术的上述技术方案具有如下有益效果：
37、本申请提供一种基于模型和数据分析的磨煤机故障诊断方法及装置，所述方法针对燃煤火力发电机组的磨煤机，采用机理分析和大数据建立典型设备的数学模型，结合控制系统自动模拟设备故障运行，获得各工况下海量的设备故障典型样本，通过神经网络学习故障典型样本故障早期数据特征，根据特征对电厂实际运行数据进行故障诊断，能够在故障产生的初期检测出故障和故障类型。
38、本申请实施例的本文档来自技高网...
【技术保护点】
1.一种基于模型和数据分析的磨煤机故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据磨煤机运行机理和历史数据，构建磨煤机机理模型，包括：
3.根据权利要求2所述的方法，其特征在于，按照公式(1)-(2)，建立入口一次风温度和流量的非线性动态方程：
4.根据权利要求3所述的方法，其特征在于，按照公式(3)-(5)，建立磨煤机内部原煤量和煤粉量的非线性方程：
5.根据权利要求4所述的方法，其特征在于，按照公式(8)，建立磨煤机出口风粉混合物温度的非线性方程：
6.根据权利要求5所述的方法，其特征在于，所述磨断煤通过不小于一定速度减少给煤量来模拟磨断煤故障；所述磨满煤通过增加给煤量、增大煤水分或减少一次风量来模拟磨满煤故障；所述磨自燃通过在磨煤机输入能量中加入煤粉自燃产生的热量来模拟磨自燃故障。
7.根据权利要求6所述的方法，其特征在于，所述采用DBN神经网络对所述降维处理后的典型故障样本数据进行训练和学习，得到训练好的神经网络故障诊断模型，包括：
8.一种基于
9.一种处理器，其特征在于，被配置成执行根据权利要求1至7中任一项所述的基于模型和数据分析的磨煤机故障诊断方法。
10.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至7中任一项所述的基于模型和数据分析的磨煤机故障诊断方法。
...【技术特征摘要】
1.一种基于模型和数据分析的磨煤机故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据磨煤机运行机理和历史数据，构建磨煤机机理模型，包括：
3.根据权利要求2所述的方法，其特征在于，按照公式(1)-(2)，建立入口一次风温度和流量的非线性动态方程：
4.根据权利要求3所述的方法，其特征在于，按照公式(3)-(5)，建立磨煤机内部原煤量和煤粉量的非线性方程：
5.根据权利要求4所述的方法，其特征在于，按照公式(8)，建立磨煤机出口风粉混合物温度的非线性方程：
6.根据权利要求5所述的方法，其特征在于，所述磨断煤通过不小于一定速度减少给煤量来模拟磨断煤故障；所述磨满煤通过增加给煤量、增大煤水...
【专利技术属性】
技术研发人员：李利民，何宇宁，侯欢，孙继辉，李承浩，潘晶，杜伟，王鹏飞，安凤栓，丁辉，
申请(专利权)人：国能惠州热电有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。