基于ANN状态预测模型的空预器故障诊断方法及装置
本发明涉及空预器状态监测与故障诊断,尤其是一种基于ann状态预测模型的空预器故障诊断方法及装置。
背景技术:
1、空气预热器作为火电机组锅炉的重要受热面设备,通过回收锅炉排烟余热对空气进行预热,可显著提高锅炉效率、降低排烟温度。空预器一旦发生堵塞、漏风、传热恶化或转子卡涩等故障,不仅会导致机组经济性下降,还可能引发尾部受热面腐蚀、二次燃烧等安全问题。
2、在实际工程中,电厂对空预器运行状态的监测主要通过布置在进出口处的温度、压力、含氧量及轴承温度、电机电流等测点实现,运行维护人员通常基于固定阈值分析测点的趋势变化并结合经验来判断空预器是否存在堵塞、漏风等异常工况。由于传统固定阈值监测未考虑变工况下参数的动态耦合关系,同时,不同故障工况下的征兆具有一定相似性,例如堵塞和换热恶化均可导致排烟温度升高,轴承故障与转子碰磨均可能引起电机电流异常波动,容易造成误判。因此现有技术难以在有限测点条件下对故障类型、位置及严重程度进行准确定量识别与分层预警。
技术实现思路
1、针对现有技术的不足,本发明提供一种基于ann状态预测模型的空预器故障诊断方法,解决了现有基于空预器状态固定阈值监测方法难以区分传感器故障与设备真实故障导致变负荷工况下误报漏报率高、以及针对复合故障无法准确识别的技术问题。
2、本发明采用的技术方案如下:
3、本发明提供一种基于ann状态预测模型的空预器故障诊断方法,包括:
4、实时采集空预器的运行数据,预处理后将运行数据划分为作为模型输入的模型驱动变量和作为模型输出的状态监测变量,构建数据集;
5、用所述数据集训练人工神经网络,获得空预器全工况状态预测模型,其以所述模型驱动变量为输入,学习空预器在不同工况下的非线性热力特性,在实时监测中输出各状态监测变量的理论重构值,作为动态监测基准;
6、根据待监测的典型故障从所述状态监测变量中筛选征兆变量,基于空预器历史运行数据的统计特征,设定各征兆变量的征兆触发阈值,进而构建包含征兆逻辑层和故障逻辑层的诊断逻辑模块;
7、所述征兆逻辑层基于单一征兆变量异常或多种关联征兆变量组合异常与故障征兆的逻辑映射关系,根据所述征兆触发阈值进行征兆初筛;所述故障逻辑层在征兆初筛的基础上,基于单一征兆变量异常或多种关联征兆变量组合异常与具体故障类型的逻辑映射关系,对故障进行确诊;
8、计算采集的状态监测变量与相应所述理论重构值的实时残差,将实时状态监测变量值、实时残差及其统计特征输入所述诊断逻辑模块,依次执行征兆初筛与故障确诊的分层判断,输出诊断结果。
9、作为优选的技术方案:
10、所述基于空预器历史运行数据的统计特征,设定各征兆变量的征兆触发阈值,包括:
11、对空预器历史健康状态下的状态监测变量数据进行残差分布统计,确定各状态监测变量的正常波动范围,设定各征兆变量的征兆触发阈值及持续时间窗内的超限占比阈值;
12、所述征兆触发阈值包括历史上限值、残差阈值、残差统计特征阈值中的至少一种。
13、所述征兆逻辑层基于单一征兆变量异常或多种关联征兆变量组合异常与故障征兆的逻辑映射关系,根据所述征兆触发阈值进行征兆初筛,包括:
14、将实时残差或其统计特征与所述征兆触发阈值进行比对;
15、若未超过征兆触发阈值,则判定设备运行正常,系统不进入后续故障确诊层;
16、若超过征兆触发阈值,则触发异常征兆标志位,并启动故障逻辑层。
17、所述故障逻辑层基于单一征兆变量异常或多种关联征兆变量组合异常与具体故障类型的逻辑映射关系,对故障进行确诊,包括:
18、根据征兆持续时间、多参数逻辑门、残差偏离程度中的一种或多种构建多维确诊逻辑;
19、若仅触发异常征兆标志位但未满足确诊逻辑,仅输出设备状态预警信号;
20、若满足确诊逻辑,判定发生了具体故障,根据故障类型输出相应的故障报警信号。
21、所述模型驱动变量至少包括机组负荷,总燃料量,空预器一二次风入口温度及压力、入口烟气温度及压力,环境温度;
22、所述状态监测变量至少包括空预器烟气侧、一次风侧及二次风侧的进出口压差,出口一二次风温及风压,出口排烟温度以及主电机电流。
23、所述典型故障包括机械传动故障、热工性能故障及安全隐患故障。
24、所述人工神经网络采用多层前馈神经网络,其通过误差反向传播算法进行训练。
25、本发明还提供一种基于ann状态预测模型的空预器故障诊断装置,用于所述的方法,所述装置包括:
26、数据集构建模块,用于实时采集空预器的运行数据,预处理后将运行数据划分为作为模型输入的模型驱动变量和作为模型输出的状态监测变量,构建数据集;
27、预测模型构建模块,利用所述数据集训练人工神经网络,获得空预器全工况状态预测模型,其以所述模型驱动变量为输入,学习空预器在不同工况下的非线性热力特性,在实时监测中输出各状态监测变量的理论重构值,作为动态监测基准;
28、诊断逻辑模块,用于根据待监测的典型故障从所述状态监测变量中筛选征兆变量,基于空预器历史运行数据的统计特征,设定各征兆变量的征兆触发阈值,进而构建包含征兆逻辑层和故障逻辑层的诊断逻辑模块;
29、所述征兆逻辑层基于单一征兆变量异常或多种关联征兆变量组合异常与故障征兆的逻辑映射关系,根据所述征兆触发阈值进行征兆初筛;所述故障逻辑层在征兆初筛的基础上,基于单一征兆变量异常或多种关联征兆变量组合异常与具体故障类型的逻辑映射关系,对故障进行确诊;
30、在线监测与诊断模块,用于计算采集的状态监测变量与相应所述理论重构值的实时残差,将实时状态监测变量值、实时残差及其统计特征输入所述诊断逻辑模块,依次执行征兆初筛与故障确诊的分层判断,输出诊断结果。
31、本发明还提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的方法的步骤。
32、本发明还提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述的方法的步骤。
33、本发明的技术方案能够达到下述有益效果中的至少部分:
34、本发明利用ann对空预器多变量非线性特性的强大拟合能力,构建了随工况动态变化的监测基准,通过分析实际测量值与模型重构值之间的残差,消除机组负荷变动及环境因素对监测结果的干扰,有效解决了传统固定阈值监测方法在低负荷或变工况下容易误报或漏报的技术难题,实现了全工况下的精准监测。同时,本发明结合历史运行大数据的统计特征,构建了涵盖机械传动、热工性能及安全隐患的多维诊断逻辑库,通过具体的量化判据捕捉如轴承温升、微弱漏风等早期故障征兆,实现了设备状态的早期预警;采用多参数融合与逻辑互锁机制,例如在二次燃烧诊断中同时结合温度残差突增与氧量骤降特征,避免了单一传感器故障导致的误报警,显著提高了空预器在线故障诊断的可靠性与准确率。
35、本发明通过征兆初筛与故障确诊的双层架构诊断逻辑模块,可有效针对复合故障进行准确归因与识别。当多个独立故障的征兆组合同时触发时,系统可并行输出多个故障诊断结果,避免单一故障判定逻辑覆盖复合故障场景。提高了对如机械与热工等复合故障系统化诊断的准确性和可靠性。
36、本发明的其它特征和优点将在随后的说明书中阐述,或者通过实施本发明而了解。
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