基于风机运行状态评估的一次风机智能预警方法与流程

摘要: 本发明涉及风机运行状态评估,具体涉及基于风机运行状态评估的一次风机智能预警方法。背景技术:1、一次风机作为火力发电机组锅炉侧的核心辅机设备,其运行可靠性直接关系...
基于风机运行状态评估的一次风机智能预警方法与流程

本发明涉及风机运行状态评估,具体涉及基于风机运行状态评估的一次风机智能预警方法。

背景技术:

1、一次风机作为火力发电机组锅炉侧的核心辅机设备,其运行可靠性直接关系到机组的安全稳定运行。传统的一次风机状态监测主要依赖于运行人员对轴承温度、振动幅值、电机电流等单一参数的定期巡检和阈值比对,当某一参数超过预设的报警定值时触发报警。这种基于单一参数阈值判断的预警方式存在明显不足:

2、一方面,单一参数难以全面反映设备的整体健康状态,容易出现漏报;另一方面,固定阈值无法适应风机在不同工况下的运行特性差异,在变负荷运行时误报率较高。

3、近年来,部分现有技术尝试将多源监测数据引入风机状态评估中,通过数据融合和模型分析实现故障预警。然而,这些方法大多未充分考虑一次风机在不同运行工况下的参数基准差异,也未建立从多参数偏差评估到综合健康度量化、再到趋势预警的完整技术链条,导致预警的准确性和时效性仍有较大提升空间。

技术实现思路

1、为此,本发明提供基于风机运行状态评估的一次风机智能预警方法,以解决现有技术中未充分考虑一次风机在不同运行工况下的参数基准差异,也未建立从多参数偏差评估到综合健康度量化、再到趋势预警的完整技术链条,导致预警的准确性和时效性仍有较大提升空间的问题。

2、为了实现上述目的,本发明提供如下技术方案:

3、基于风机运行状态评估的一次风机智能预警方法,包括以下步骤:

4、数据采集步骤;以预设采样周期获取一次风机在运行过程中的多源监测数据,所述多源监测数据包括轴承振动幅值、轴承温度、电机电流、风机入口压力以及风机出口压力;

5、数据预处理步骤;对所述多源监测数据进行异常值剔除与缺失值填补处理,获得预处理后的监测数据序列;

6、工况识别步骤;根据所述电机电流和所述风机入口压力,识别一次风机当前所处的运行工况,所述运行工况包括启动工况、稳定运行工况和变负荷工况;

7、特征参数提取步骤;针对所述运行工况,从所述预处理后的监测数据序列中提取与当前运行工况对应的特征参数,所述特征参数包括振动特征值、温度特征值、电流特征值和压力特征值;

8、基准值确定步骤;根据一次风机在历史正常运行状态下与当前运行工况对应的历史监测数据,确定各所述特征参数在所述运行工况下的基准值和基准波动范围;

9、偏差计算步骤;计算各所述特征参数的实时测量值与对应所述基准值之间的偏差量,并根据各所述特征参数的所述基准波动范围,分别确定各所述特征参数的偏差等级;

10、状态评估步骤;根据各所述特征参数的所述偏差等级,按照以下公式计算一次风机的综合健康度:

11、h=100-∑(ωi×li)

12、其中,h表示所述综合健康度,ωi表示第i个特征参数的权重系数,li表示第i个特征参数的所述偏差等级所对应的扣分值,∑表示对所有特征参数的加权扣分值求和;

13、趋势分析步骤;将当前采样时刻及前n个采样时刻的所述综合健康度构成健康度时间序列,对所述健康度时间序列进行线性回归分析,计算健康度变化斜率;

14、预警判定步骤;当所述综合健康度低于第一健康度阈值且所述健康度变化斜率为负值时,发出初级预警信号;当所述综合健康度低于第二健康度阈值时,发出高级预警信号,所述第二健康度阈值小于所述第一健康度阈值;

15、预警输出步骤;将所述初级预警信号或所述高级预警信号输出至监控终端,并同步记录预警时刻的所述多源监测数据与所述综合健康度。

16、优选地,所述数据预处理步骤中,所述异常值剔除采用拉依达准则进行,将超出均值±3倍标准差范围的监测数据判定为异常值并予以剔除;所述缺失值填补采用线性插值法,利用缺失时刻前后相邻时刻的监测数据进行填补。

17、优选地,所述工况识别步骤中,根据所述电机电流和所述风机入口压力识别一次风机当前所处的运行工况,具体包括:当所述电机电流的实时值小于启动电流阈值时,判定为所述启动工况;当所述电机电流的实时值大于等于所述启动电流阈值且所述电机电流在连续m个采样周期内的变化率绝对值小于变化率阈值时,判定为所述稳定运行工况;当所述电机电流的实时值大于等于所述启动电流阈值且所述电机电流在连续m个采样周期内的变化率绝对值大于等于所述变化率阈值时,判定为所述变负荷工况。

18、优选地,所述特征参数提取步骤中,所述振动特征值取所述轴承振动幅值在预设时间窗口内的均方根值,所述温度特征值取所述轴承温度在所述预设时间窗口内的平均值,所述电流特征值取所述电机电流在所述预设时间窗口内的平均值,所述压力特征值取所述风机出口压力与所述风机入口压力之差在所述预设时间窗口内的平均值。

19、优选地,所述基准值确定步骤中,所述历史正常运行状态下的历史监测数据为一次风机在投入运行后的最初k天内、经人工确认无故障运行且处于所述运行工况下的监测数据;所述基准值为所述历史监测数据中对应特征参数的算术平均值,所述基准波动范围为所述历史监测数据中对应特征参数的平均值±2倍标准差。

20、优选地,所述偏差计算步骤中,所述偏差量按照以下方式计算:当所述特征参数的实时测量值大于所述基准值时,所述偏差量等于(实时测量值-基准值)/基准值×100%;当所述特征参数的实时测量值小于所述基准值时,所述偏差量等于(基准值-实时测量值)/基准值×100%;所述偏差等级根据所述偏差量落入的预设偏差区间确定,不同预设偏差区间对应不同的扣分值,所述扣分值随所述偏差量的增大而增大。

21、优选地,所述预设偏差区间包括第一偏差区间、第二偏差区间和第三偏差区间,所述第一偏差区间对应的偏差量范围为大于等于0且小于10%,对应的扣分值为5分;所述第二偏差区间对应的偏差量范围为大于等于10%且小于20%,对应的扣分值为15分;所述第三偏差区间对应的偏差量范围为大于等于20%,对应的扣分值为30分;各所述特征参数的实时测量值相对于所述基准值的偏差方向为正偏差或负偏差时,均按照所述偏差量的绝对值确定所落入的所述预设偏差区间。

22、优选地,所述权重系数ωi满足∑ωi=1,且所述振动特征值对应的权重系数最大,所述温度特征值对应的权重系数次之,所述电流特征值和所述压力特征值对应的权重系数按照一次风机的实际运行特性动态调整;在所述稳定运行工况下,所述振动特征值、所述温度特征值、所述电流特征值和所述压力特征值的权重系数分别为0.40、0.30、0.15和0.15;在所述变负荷工况下,所述电流特征值和所述压力特征值的权重系数增大。

23、优选地,所述趋势分析步骤中,对所述健康度时间序列进行线性回归分析,计算健康度变化斜率,具体包括:以采样时刻序号t为自变量、以对应采样时刻的综合健康度h(t)为因变量,采用最小二乘法拟合直线h(t)=a·t+b,其中a即为所述健康度变化斜率;当a<0且所述综合健康度在连续p个采样周期内持续下降时,判定健康度变化趋势为恶化趋势。

24、优选地,所述预警判定步骤中,所述第一健康度阈值为85分,所述第二健康度阈值为70分;当所述综合健康度低于85分且所述健康度变化斜率为负值时,发出所述初级预警信号;当所述综合健康度低于70分时,无论所述健康度变化斜率为何值,均发出所述高级预警信号;发出所述高级预警信号后,自动增加所述多源监测数据的采样频率,并生成包含预警类型、预警时刻、各特征参数实时值及所述综合健康度的预警报告。

25、本发明具有如下优点:本发明通过运行工况的自动识别和分工况基准值的动态确定,有效避免了固定阈值在不同工况下误报率高的问题,使预警更加精准可靠;通过多特征参数的加权综合评估,从多个维度全面反映一次风机的健康状态,克服了单一参数判断容易漏报的缺陷;通过健康度变化斜率的趋势分析,能够在综合健康度尚未降至报警阈值之前捕捉到性能劣化的早期征兆,实现超前预警;通过初级预警和高级预警的分级预警机制,为运行人员提供了差异化的处置响应时间,有助于合理安排检修计划、避免非计划停机。