汽轮机组振动与过程信号异常搜索分析方法技术

本发明专利技术属于汽轮机组振动监测与控制技术领域，尤其涉及一种汽轮机组振动与过程信号异常搜索分析方法。所述方法包括：将设定组数的历史数据，组成时间序列；将每组时间序列划分为时间子序列，计算时间子序列的模式特征值并进行规范化处理；将经过处理的模式特征值组成模式特征值集合；从模式特征值集合中抽取各类模式特征的极大值，按从大到小的顺序排列，形成模式特征极值序列；求取模式特征极值序列的异常特征边界；确定异常时间子序列；将超出异常特征边界的异常时间子序列存储到异动序列中；对异动序列进行基于确定系数的优选回归分析，根据预警机制规则找到匹配的预警等级。本发明专利技术提高了振动及过程参数预警精度和深度。

【技术实现步骤摘要】

本专利技术属于汽轮机组振动监测与控制
，尤其涉及一种汽轮机组振动与过 程信号异常搜索分析方法。
技术介绍
20世纪以来，汽轮机组在工业生产和科学技术的发展中，起着越来越重要的作用。 同时，汽轮机组作为大型旋转机械直接处于高温高压及持续振动的工作条件下，这使得机 组的参数信号监测分析技术成为影响发电生产安全和可靠运行的最重要因素，并成为评价 汽轮发电机组运行状况优劣的重要标志之一，更是机组设计、制造、安装、检修质量的综合 反映。当前，汽轮机组在运行及控制过程中，振动及过程信号监测已实现在线采集，并通 过简单比较监测参数的测量值与规范阈值来进行机组特性分析，进而据此指导机组的运行 控制。显然，与现代高精度数据采集技术相比，该监测分析技术相对落后，这造成大量的数 据面临“来的容易，却无从下手”的局面。同时，传统信号采集系统往往专注于对全局信号的采集分析，而缺乏对信号中隐 藏的异动数据的二次搜索及挖掘分析，而对汽轮机组这类大型高风险设备而言，与异常及 故障相关联的异动数据显然更加具有研究价值。
技术实现思路
本专利技术的目的在于，提供一种，对汽 轮机组监测的异常信号进行搜索，并通过异动分析处理对异常进行深入挖掘分析，为汽轮 机组振动预警及故障诊断提供依据。技术方案是，一种，其特征是所述方 法包括下列步骤步骤1 以汽轮机组正常状态的历史数据作为训练对象，对设定组数的历史数据， 根据采集时间的先后顺序组成设定组数的时间序列；步骤2 将每组时间序列划分为时间子序列，计算时间子序列的模式特征值并进 行规范化处理；步骤3 将经过步骤2处理的模式特征值组成模式特征值集合；步骤4:从模式特征值集合中抽取各类模式特征的极大值，按从大到小的顺序排 列，形成模式特征极值序列；步骤5 求取模式特征极值序列的异常特征边界；步骤6 确定异常时间子序列；步骤7 判断异常时间子序列是否超过异常特征边界，如果是，则将该异常时间子 序列存储到异动序列中；步骤8 对异动序列进行基于确定系数的优选回归分析，根据预警机制规则找到匹配的预警等级。所述将每组时间序列划分为时间子序列包括步骤101 设定检测窗口的大小为m，设定时间序列的维度为n，所述维度η为时间 序列的序列点的个数；步骤102:设定时间序列X= (Xai)5Xa2),... ,x(tn)}的每个序列点所对应的阀 门编码为Mixn = (0,0, ... ,0)；其中，Xai)为、时刻采集的信号记录值，1彡i彡η，η为 时间序列的维度，即时间序列的序列点个数；步骤103 当时间序列X中的序列点为其所在的检测窗口内的极大值或极小值时，则按公式权利要求1.一种，其特征是所述方法包括下列步骤步骤1 以汽轮机组正常状态的历史数据作为训练对象，对设定组数的历史数据，根据 采集时间的先后顺序组成设定组数的时间序列；步骤2 将每组时间序列划分为时间子序列，计算时间子序列的模式特征值并进行规 范化处理；步骤3 将经过步骤2处理的模式特征值组成模式特征值集合； 步骤4:从模式特征值集合中抽取各类模式特征的极大值，按从大到小的顺序排列，形 成模式特征极值序列；步骤5 求取模式特征极值序列的异常特征边界； 步骤6:确定异常时间子序列；步骤7 判断异常时间子序列是否超过异常特征边界，如果是，则将该异常时间子序列 存储到异动序列中；步骤8 对异动序列进行基于确定系数的优选回归分析，根据预警机制规则找到匹配 的预警等级。2.根据权利要求1所述的一种，其特征是 所述将每组时间序列划分为时间子序列包括步骤101 设定检测窗口的大小为m，设定时间序列的维度为n，所述维度η为时间序列 的序列点的个数；步骤102 设定时间序列X = IxU1)，x(t2)，. . .，x(tn)}的每个序列点所对应的阀门编 码为Mixn= (0,0,.. ,0)；其中，Χ(、)为、时刻采集的信号记录值，1彡i彡η，η为时间序 列的维度，即时间序列的序列点个数；步骤103 当时间序列X中的序列点为其所在的检测窗口内的极大值或极小值时，则按公式M(V) = I M(()，x(() emaxX (j)或! ~ [M(Z1), X(Z1) ^ max XJj)并且 xft.) IninJTm(j)对阀门编码进行变异操作；其中，j表示时间序列的检测窗口，1 ^ j ^ m ； max Xffl(J)表示第j个检测窗口的最大序列值序列，min Xffl(J)表示第j个检测窗口的 最小序列值序列；步骤104 将阀门编码Mixn为1的序列点设为时间序列分割点，时间序列的首尾两个序 列点也被定义为分割点，之后将时间序列X= (XU1),x(t2),...,x(tn)}划分为时间子序列 (XU1)K x(tdl)}，{x(t dl)L x(td2)}，L，{χ (tdk) L X (tn)}。3.根据权利要求2所述的一种，其特征是 所述计算时间子序列的模式特征值并进行规范化处理包括步骤201 计算时间子序列Ix (tn)，x(ti2)，...，x(tiv)}的模式特征值，所述模式特征 值包括模式高度sph、模式长度spt、模式斜率spk、模式均值ψ[和模式标准差sp σ ；其 中，ν为时间子序列的序列点的个数；计算模式高度sph利用公式sph = χα ν)-χαα)；计算模式长度spl利用公式spl = iv-il+1计算模式斜率spk利用公式4.根据权利要求1所述的一种，其特征是所述求取模式特征极值序列的异常特征边界具体是设定ε >0，选取满足不等式祁勺最小整数P，将模式特征极值序列前P位的平均值作为异常特征边界；或者直接将模式特征 极值序列的第P位的模式特征值作为异常特征边界；其中，N为时间序列的设定组数。5.根据权利要求1所述的一种，其特征是 所述确定异常时间子序列包括步骤301 将分割后的时间子序列映射到五维特征空间C、sph, spl, spk, spx, spa) 中，对C中的每一点u，分别在特征空间C和它的每一个特征值的特征子空间上求解 其k-MD (u)，并且将求解后的值规范化后分别记为:k-MD0 (u)，HDO1 (u)，k_MD02 (u)， k-MD03(u)，k-MD04(u)和k-MD05(u)；其中，k_MD(u)是指对象u的k平均模式特征距离，6.根据权利要求1所述的一种，其特征是 所述步骤8包括步骤401 按照预定分布趋势模型分别对异动序列进行回归分析拟合，得到回归分析 模型；步骤402 计算步骤401中各回归分析模型的确定系数； 步骤403 选取确定系数最大的回归分析模型作为异动参数演绎分布形式； 步骤404 以上述确定的回归分析模型作为判断条件，结合当前汽轮机组运行规程中 限定的特征参数阈值，找到相匹配的异动预警等级。全文摘要本专利技术属于汽轮机组振动监测与控制
，尤其涉及一种。所述方法包括将设定组数的历史数据，组成时间序列；将每组时间序列划分为时间子序列，计算时间子序列的模式特征值并进行规范化处理；将经过处理的模式特征值组成模式特征值集合；从模式特征值集合中抽取各类模式特征的极大值，按从大到小的顺序排列，形成模式特征极值序列；求取模式特征极值序列的异常特征边界；确定异常时间子序列；将超出异常特征边界本文档来自技高网...

【技术保护点】
１．一种汽轮机组振动与过程信号异常搜索分析方法，其特征是所述方法包括下列步骤：步骤１：以汽轮机组正常状态的历史数据作为训练对象，对设定组数的历史数据，根据采集时间的先后顺序组成设定组数的时间序列；步骤２：将每组时间序列划分为时间子序列，计算时间子序列的模式特征值并进行规范化处理；步骤３：将经过步骤２处理的模式特征值组成模式特征值集合；步骤４：从模式特征值集合中抽取各类模式特征的极大值，按从大到小的顺序排列，形成模式特征极值序列；步骤５：求取模式特征极值序列的异常特征边界；步骤６：确定异常时间子序列；步骤７：判断异常时间子序列是否超过异常特征边界，如果是，则将该异常时间子序列存储到异动序列中；步骤８：对异动序列进行基于确定系数的优选回归分析，根据预警机制规则找到匹配的预警等级。

【技术特征摘要】

【专利技术属性】
技术研发人员：顾煜炯，陈昆亮，邹丽洁，何成兵，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：11