基于人工智能的蒸汽发生器系统可靠性评估方法及系统与流程

本发明涉及设备运行数据分析，更具体地说，本发明涉及基于人工智能的蒸汽发生器系统可靠性评估方法及系统。

背景技术：

1、蒸汽发生器是一种通过电能、燃气、燃油等热源加热水体，从而持续产生高温蒸汽的设备。它结构紧凑、启动快速、运行安全，广泛应用于工业生产、医疗消毒、采暖供热、食品加工等场景，为各类工艺与日常需求提供稳定的热能支持。随着设备使用时间的延长，换热管结垢、阀门性能衰退等退化现象不可避免地累积，对设备可靠性的持续评估因此具有重要的工程价值。

2、现有蒸汽发生器可靠性评估方法主要依赖稳态运行参数的阈值监测或基于固定退化模型的寿命预测。稳态运行参数反映的是设备在热平衡状态下的运行水平，对换热性能、响应速度等动态特性的早期退化不敏感；且不同启动工况下采集的稳态数据直接比较存在工况噪声干扰，难以准确反映设备自身的退化状态变化。阈值监测方法仅能在参数越限后触发报警，缺乏对早期渐进退化趋势的感知能力；固定退化模型依赖预先假定的退化路径，难以适应实际退化过程中因工况变化、多机理耦合导致的轨迹偏离，且在设备整个服役周期内无法随积累数据自适应修正预测结果。上述局限导致现有方法难以在设备发生明显性能劣化之前提供有效的可靠性预警，不能满足设备全寿命周期健康管理的实际需求。

技术实现思路

1、为了克服现有技术的上述问题，本发明提出了基于人工智能的蒸汽发生器系统可靠性评估方法及系统，用于解决上述问题。

2、本发明提供如下技术方案：

3、基于人工智能的蒸汽发生器系统可靠性评估方法，包括：

4、在蒸汽发生器每次启动时，基于启动工况数据采集启动特性曲线，并进行工况标准化处理，得到标准化启动特性曲线；

5、基于所述标准化启动特性曲线进行形态特征提取，得到本次启动对应的形态特征向量；

6、获取历次启动对应形态特征向量，进行退化流形学习，得到历次启动对应的退化流形坐标；基于历次启动对应的退化流形坐标，构建退化相空间状态向量序列；

7、基于所述退化相空间状态向量序列建立退化状态空间模型，在每次启动后基于退化状态空间模型执行贝叶斯后验更新并外推，得到退化轨迹联合概率分布；

8、基于所述退化轨迹联合概率分布计算退化加速趋势指标，基于退化加速趋势指标输出可靠性评估结果。

9、优选的，所述启动工况数据包括给水入口温度和蒸汽侧目标压力；

10、所述基于启动工况数据采集启动特性曲线包括：

11、在控制系统发出启动指令时，以预设采样频率采集蒸汽侧出口温度、蒸汽侧压力和给水流量，直至蒸汽侧压力达到蒸汽侧目标压力时停止采集，得到由蒸汽侧出口温度曲线、蒸汽侧压力曲线和给水流量曲线组成的启动特性曲线。

12、优选的，所述工况标准化处理的方法包括：

13、对启动特性曲线进行幅度标准化处理，将幅度标准化处理后的启动特性曲线，重采样至预设的固定点数，以固定点数对应的预设时间轴为统一时间坐标，分别得到标准化蒸汽侧出口温度曲线、标准化蒸汽侧压力曲线和标准化给水流量曲线，共同构成标准化启动特性曲线。

14、优选的，所述对启动特性曲线进行幅度标准化处理包括：

15、对于蒸汽侧出口温度曲线标准化方法包括：以蒸汽侧目标压力对应饱和温度与给水入口温度之差为温度幅度标准化基准，将蒸汽侧出口温度曲线各采样点减去给水入口温度后除以温度幅度标准化基准；

16、对于蒸汽侧压力曲线标准化方法包括：将蒸汽侧压力曲线各采样点除以蒸汽侧目标压力；

17、对于给水流量曲线标准化方法包括：将给水流量曲线各采样点除以给水额定流量。

18、优选的，所述形态特征提取的方法包括：

19、从标准化蒸汽侧出口温度曲线提取标准化时间轴上的曲线斜率最大值、曲线首次进入终值正负百分之五范围内的标准化时刻，得到温度响应形态特征；

20、从标准化蒸汽侧压力曲线提取标准化时间轴上的曲线斜率最大值及曲线首次进入终值正负百分之五范围内的标准化时刻，得到压力响应形态特征；

21、计算标准化蒸汽侧压力曲线与标准化蒸汽侧出口温度曲线的互相关函数绝对值最大处对应的标准化时延，得到压力温度响应耦合特征；

22、从标准化给水流量曲线提取标准化时间轴上的曲线斜率最大值及曲线首次进入终值正负百分之五范围内的标准化时刻，得到流量响应形态特征；

23、将本次启动特性曲线实际采集时长除以所述预设时间轴对应的时长得到标准化启动时长，作为启动时长特征；

24、将温度响应形态特征、压力响应形态特征、压力温度响应耦合特征、流量响应形态特征和启动时长特征依次拼接，得到形态特征向量。

25、优选的，所述退化流形学习的方法包括：

26、对历次启动对应的形态特征向量按各维度进行零均值单位方差标准化，得到标准化形态特征向量序列；

27、对所述标准化形态特征向量序列进行局部线性嵌入计算，将历次启动对应的标准化形态特征向量投影至预设维度的低维退化流形坐标系，得到历次启动对应的退化流形坐标。

28、优选的，所述退化相空间状态向量序列的构建方法包括：

29、对于第k次启动，计算第k次与第k-1次启动退化流形坐标之差的欧氏范数，作为第k次启动的退化移动速度；

30、将第k次启动的退化流形坐标与退化移动速度依次拼接，得到第k次启动对应的退化相空间状态向量；

31、按启动次序排列各次启动对应的退化相空间状态向量，得到退化相空间状态向量序列。

32、优选的，所述退化状态空间模型的建立方法包括：

33、所述退化状态空间模型的状态演化由漂移项和扩散项叠加构成；漂移项以线性状态转移矩阵联合描述退化相空间状态向量中位置分量和速度分量的趋势性演化；扩散项以完整协方差矩阵刻画位置分量与速度分量间的随机相关性；各模型参数的先验分布基于设备预期退化轨迹确定；

34、所述贝叶斯后验更新并外推的方法包括：

35、每次新启动后，以全量历史退化相空间状态向量序列为条件执行贝叶斯后验更新，基于更新后的模型参数后验分布进行蒙特卡罗采样并向前递推，在各预测步取退化相空间状态向量的经验联合分布，得到退化轨迹联合概率分布。

36、优选的，所述退化加速趋势指标的计算方法包括：

37、基于所述退化轨迹联合概率分布，计算各预测步退化移动速度分量的概率分布，从中提取各预测步退化移动速度的期望值；

38、计算各预测步退化移动速度期望值相对于历史退化移动速度均值的标准化偏离量；

39、取预设预测步长范围内所有预测步标准化偏离量的均值，作为退化加速趋势指标。

40、本发明还提供基于人工智能的蒸汽发生器系统可靠性评估系统，用于实现基于人工智能的蒸汽发生器系统可靠性评估方法，包括：

41、数据采集与标准化模块，用于在蒸汽发生器每次启动时，基于启动工况数据采集启动特性曲线，并进行工况标准化处理，得到标准化启动特性曲线；

42、形态特征提取模块，用于基于所述标准化启动特性曲线进行形态特征提取，得到本次启动对应的形态特征向量；

43、退化相空间构建模块，用于获取历次启动对应形态特征向量，进行退化流形学习，得到历次启动对应的退化流形坐标；基于历次启动对应的退化流形坐标，构建退化相空间状态向量序列；

44、退化轨迹预测模块，用于基于所述退化相空间状态向量序列建立退化状态空间模型，在每次启动后基于退化状态空间模型执行贝叶斯后验更新并外推，得到退化轨迹联合概率分布；

45、可靠性评估输出模块，用于基于所述退化轨迹联合概率分布计算退化加速趋势指标，基于退化加速趋势指标输出可靠性评估结果。

46、本发明提供了基于人工智能的蒸汽发生器系统可靠性评估方法及系统，具备以下有益效果：

47、通过以启动段瞬态响应曲线作为退化分析对象，通过基于给水入口温度和蒸汽侧目标压力的工况标准化处理消除不同启动工况对曲线幅度和时间尺度的影响，使历次启动数据在统一坐标系下具有直接可比性，进而提取能够反映热工动态响应特性变化的形态特征向量，相较于稳态运行参数对换热性能衰退、响应速度下降等早期退化效应具有更高的灵敏度，解决了现有方法早期退化感知能力不足以及不同工况下数据不可直接比较的问题。

48、通过退化流形学习将历次启动的形态特征向量映射至低维退化流形坐标系，构建同时包含退化位置与退化速度的退化相空间状态向量序列，并基于退化状态空间模型结合贝叶斯后验更新机制在每次新启动后持续修正退化轨迹预测，自适应捕捉设备个体的实际退化轨迹结构而无需预先假定退化路径，随数据积累不断提升预测精度，解决了固定退化模型依赖预设退化路径且无法在服役周期内自适应修正的问题，实现了蒸汽发生器渐进退化趋势的早期预警与全寿命周期自适应可靠性评估。