基于多源异构参数融合的电厂供水泵闭环故障诊断方法及系统与流程
本发明涉及火电厂供水泵故障诊断、旋转机械预测性维护、电厂工控单向自动控制,尤其涉及一种基于多源异构参数融合的电厂供水泵闭环故障诊断方法及系统,适用于电厂配套水库供水泵、循环水泵无人值守运维场景。
背景技术:
1、现有水泵故障诊断方案存在如下关键缺陷,且均未结合水库进水水情作为核心研判变量:
2、(1)诊断数据源单一,易产生大量误报:传统方案仅采集泵的振动、温度类参数,完全忽略水库水位、水体浊度对泵运行工况的决定性影响。例如水库低水位造成气蚀、振动飙升,系统会误判轴承损坏;高泥沙水体长期冲刷导致振动缓慢上升,仅瞬时阈值无法区分是短期故障还是长期泥沙磨损。运维人员需额外人工核对库区水情,排查效率极低。
3、(2)无分层时序故障溯源能力:现有诊断仅做单点瞬时阈值告警,不分析连续多天水位、浊度、泵参数联动时序变化,无法识别类似“水位下降-流量不足-电机过载-轴承高温”这类传导式故障链,只能给出表层故障,无法定位上游水库进水根因。
4、(3)诊断与泵组控制系统物理隔离:现有诊断系统仅输出文字告警,无法联动电厂sis下发备用泵切换、停机指令;出现低水位气蚀、重度轴承过热等高危工况,必须人员到场操作,存在全厂断水风险。
5、(4)无结合水质的定量寿命预测:轴承、密封件磨损速度与水体泥沙浊度强相关,同等振动增幅下高泥沙环境设备老化速度提升一倍。现有算法仅用振动单变量拟合衰减曲线,寿命预测偏差极大,无法精准输出预维护周期。
6、综上,亟需一种融合水库水位及浊度多源异构参数、分层故障溯源、分级自动调控、结合水质预测易损件寿命的独立闭环诊断方法。
技术实现思路
1、本发明旨在解决单一泵参数无法区分水库水位/泥沙工况干扰与设备本体故障、误报率高的问题,提供一种基于多源异构参数融合的电厂供水泵闭环故障诊断方法及系统,将水源水情参数作为前置诱因变量,形成一套能够区分水源工况干扰与设备本体故障、自动溯源故障根因、闭环联动泵组调控、结合水质定量预测易损件寿命的供水泵闭环故障诊断方法,适配电厂水库少人/无人值守场景。
2、本发明第一方面提供了一种基于多源异构参数融合的电厂供水泵闭环故障诊断方法,包括:
3、获取至少包含泵本体运行参数和水源水情参数的多源异构运行参数,对所述多源异构运行参数进行预处理,生成多维联合故障特征向量;
4、将所述联合故障特征向量输入分层故障诊断模型,通过所述分层故障诊断模型识别故障关系并溯源故障原因;
5、根据所述分层故障诊断模型的诊断结果确定故障风险等级,按分级处置策略生成调控指令,通过单向隔离通道下发至监控信息系统执行,形成诊断调控闭环;
6、基于所述泵本体运行参数中的振动数据与水源水情参数的时序数据构建易损件寿命衰减模型,预测易损件剩余使用寿命,当剩余使用寿命低于预设阈值时生成预防性维护工单。
7、作为优选的,所述对所述多源异构运行参数进行预处理包括:
8、采集供水泵的振动参数、温度参数、流体参数和电气参数作为泵本体运行参数,采集水位参数和浊度参数作为水源水情参数;
9、根据各参数对应的正常运行下限值和正常运行上限值,采用最大最小值归一化方式将参数值映射至预设数值区间;
10、对水位参数和浊度参数分别设置多个工况分段区间,根据参数所属的工况分段区间,采用对应的归一化系数或特征权重对归一化结果进行修正;
11、将修正后的各参数进行拼接,形成所述联合故障特征向量。
12、作为优选的,所述通过所述分层故障诊断模型识别故障关系并溯源故障原因包括:
13、调用所述分层故障诊断模型,所述分层故障诊断模型包含一级故障判定规则和二级时序连锁分析规则;
14、采用一级故障判定规则,将当前时刻的所述联合故障特征向量中的参数值与对应的预设阈值进行比对,当任一参数超出对应的预设阈值时,生成瞬时异常判定结果;
15、利用二级时序连锁分析规则,基于预设时序窗口获取所述水源水情参数的时序变化趋势,将所述水源水情参数作为前置诱因变量,关联匹配所述联合故障特征向量的时序变化趋势;
16、将关联匹配结果与预设的故障传导链进行比对,定位与所述水源水情参数关联的故障前置诱因,追溯故障根本原因。
17、作为优选的,所述根据所述分层故障诊断模型的诊断结果确定故障风险等级包括:
18、根据所述分层故障诊断模型的诊断结果,至少结合故障类型、参数偏离程度和异常持续时长中的一项或多项,确定故障风险等级;
19、按照所述故障风险等级匹配对应的分级处置策略,生成对应的调控指令;
20、通过所述单向隔离通道将所述调控指令下发至监控信息系统,由所述监控信息系统执行对应的设备调控操作,形成故障诊断与设备调控之间的闭环联动。
21、作为优选的,所述故障风险等级通过以下方式确定:
22、当所述诊断结果为水源水情参数处于异常区间,且温度参数及振动参数均未超限时,判定为第一故障等级,生成告警通知指令;
23、当所述诊断结果为水源水情参数持续偏离正常范围,且泵本体运行参数随所述水源水情参数的持续偏离呈现同步劣化趋势时,判定为第二故障等级,生成设备切换指令和/或阀门调节指令;
24、当所述诊断结果为轴承温度参数或振动参数超过停机保护阈值时,判定为第三故障等级,生成停机保护指令。
25、作为优选的,所述基于所述泵本体运行参数中的振动数据与水源水情参数的时序数据构建易损件寿命衰减模型,包括:
26、获取预设周期内所述泵本体运行参数中的振动时序数据和所述水源水情参数中的浊度时序数据;
27、对所述振动时序数据和所述浊度时序数据进行统计处理,得到周期平均振动值和周期平均浊度值;
28、采用二元多项式模型构建易损件寿命衰减模型,所述二元多项式模型的表达式为:
29、tres=a·vavg+b·ntuavg+c,
30、其中,tres为易损件剩余使用寿命,vavg为所述周期平均振动值,ntuavg为所述周期平均浊度值,a、b、c为设备出厂标定系数。
31、作为优选的,所述预测易损件剩余使用寿命,当剩余使用寿命低于预设阈值时生成预防性维护工单包括:
32、将所述周期平均振动值和所述周期平均浊度值输入所述易损件寿命衰减模型,计算易损件剩余使用寿命;
33、将所述剩余使用寿命与预设阈值进行比较;
34、当所述剩余使用寿命低于所述预设阈值时,生成预防性维护工单。
35、本发明第二方面还提供了一种基于多源异构参数融合的电厂供水泵闭环故障诊断系统,包括:
36、参数获取与特征构建模块,用于获取至少包含泵本体运行参数和水源水情参数的多源异构运行参数,对所述多源异构运行参数进行预处理,生成多维联合故障特征向量;
37、分层故障诊断模块,用于将所述联合故障特征向量输入分层故障诊断模型,通过所述分层故障诊断模型识别故障关系并溯源故障原因;
38、分级调控模块,用于根据所述分层故障诊断模型的诊断结果确定故障风险等级,按分级处置策略生成调控指令,通过单向隔离通道下发至监控信息系统执行,形成诊断调控闭环;
39、寿命预测与维护管理模块,用于基于所述泵本体运行参数中的振动数据与水源水情参数的时序数据构建易损件寿命衰减模型,预测易损件剩余使用寿命,当剩余使用寿命低于预设阈值时生成预防性维护工单。
40、本发明第三方面还提供了一种电子设备,包括:
41、存储器,所述存储器用于存储处理程序;
42、处理器,所述处理器执行所述处理程序时实现如所述的基于多源异构参数融合的电厂供水泵闭环故障诊断方法。
43、本发明第四方面还提供了一种计算机可读存储介质,可读存储介质中加载有用于实施如所述基于多源异构参数融合的电厂供水泵闭环故障诊断方法的计算机程序。
44、针对现有技术,本发明具有如下的有益效果:
45、1)本发明实现多源异构参数全域融合,消除单一参数诊断盲区。同步采集三轴振动、轴承绕组温度、管路压力流量、电机电气、水库水位浊度五类异构数据,解决传统方案仅依靠振动单参数诊断的缺陷,有效识别水位/泥沙工况干扰与设备本体故障,大幅降低误报。
46、2)建立分段归一化统一量纲体系,提升多源异构参数关联准确性。针对不同参数量纲、量程差异,采用最大最小值分段归一化算法,对水位、浊度设置工况分段区间并分配特征权重,消除量纲差异对水情变量权重的影响,确保多源参数有效融合。
47、3)采用两级分层故障诊断模型,区分工况干扰与设备本体故障,大幅降低误报警率。通过一级瞬时故障匹配库识别独立异常,二级时序连锁分析规则溯源水位、浊度时序关联的故障根因,避免瞬时阈值误判,故障识别准确率提升。
48、4)构建诊断-调控一体化闭环,实现故障自动处置与预维护。按故障风险等级划分三级处置策略,通过单向隔离通道向电厂sis下发备泵切换、联锁停机指令,结合易损件寿命预测自动生成预维护工单,形成“数据采集-故障研判-自动调控”闭环,适配水库少人值守场景。
49、5)采用单向隔离通道轻量化指令传输,满足电厂工控安全规范。调控指令为短报文轻量化信号,单向网闸仅允许基地向电厂sis上行,禁止音视频大数据反向传输,符合电厂二区、三区物理隔离安全要求。
50、6)本发明适配水库少人值守场景,具有良好的推广应用价值。仅依靠泵、水情传感器数值,不依赖机器人、定点摄像头图像采集,可单独部署,适配无智能巡检的老旧泵房改造,并可拓展应用于化工泵站、市政水库、变电站等无人值守流体动力设施运维。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com