一种用于发电厂的DCS控制系统及控制方法与流程

一种用于发电厂的dcs控制系统及控制方法
技术领域：
1.本发明涉及一种dcs控制系统及控制方法，特别是涉及一种用于发电厂的dcs控制系统及控制方法。


背景技术：

2.当前，发电厂dcs系统受计算能力的限制，在实际运行过程中，系统或设备参数的报警值采用的是说明书或运行经验的给定值，只能超越该限值后才能报警，设备及系统运行过程中出现参数偏离正常参数但没达到限制报警的无法得出判断，只有参数数值达到限定界限时才发出报警，一些报警出现时，系统或设备的异常问题已经相当严重，只能降低负荷或者轮换设备，严重影响机组和设备安全性。实际生产过程中，发电机组运行中出现的风机跳闸、风机失速、机组跳闸等事故，极大程度上依靠运行人员手动调整，由于运行人员的技术水、工作状态、人员组合等方面存在差异，使得事故实际处理过程中无法达到完美状态，处理过程总会存在瑕疵，同时也给机组的安全稳定运行埋下了隐患，可能发生严重的不安全事件。


技术实现要素：

3.本发明的第一个目的在于提供一种能够实现提前预警、系统或设备发生故障时自动处理的用于发电厂的dcs控制系统。
4.本发明的第二个目的在于提供一种能够实现提前预警、系统或设备发生故障时自动处理的用于发电厂dcs控制系统的控制方法。
5.本发明的第一个目的由如下技术方案实施：一种用于发电厂的dcs控制系统，其包括原有dcs控制单元和智能dcs控制单元，所述原有dcs控制单元与所述智能dcs控制单元之间通过接口服务器以opc协议方式实现数据传输；所述原有dcs控制单元将采集到的现场实时数据传输给所述智能dcs控制单元用于预警和故障的分析计算；所述智能dcs控制单元将预警和故障计算结果传输给所述原有dcs控制单元用于预警和故障自愈。
6.进一步，所述智能dcs控制单元包括实时数据库服务器、历史数据库服务器、运算服务器、web发布服务器和工程师站；
7.所述实时数据库服务器用来保存从所述原有dcs控制单元获取的现场实时数据和所述计算服务器分析计算得到的计算结果；
8.所述历史数据库服务器用于保存所述运算服务器输出的历史计算结果以及现场采集的历史数据；
9.所述运算服务器用于存储适用于不同设备或系统的各数学模型、各故障诊断逻辑、各预警模型，并利用相应的数学模型、故障诊断逻辑、预警模型从所述实时数据库服务器中提取对应的实时数据进行分析计算，然后将计算结果存储至所述实时数据库服务器，并同时通过接口服务器返回至所述原有dcs控制单元，进行预警和故障处理；
10.所述web服务器可以实现所述智能dcs控制单元对外发布功能；
11.所述工程师站可以在线建立模型和修改模型。
12.进一步，所述数学模型用于调取现场实时数据，并进行分析计算获得预警参数残差值存储至所述实时数据库服务器；
13.所述故障诊断逻辑用于从所述实时数据库服务器调取相应的预警参数残差值和现场实时数据，并进行分析计算获得故障诊断结果，将所述故障诊断结果存储至所述实时数据库服务器，同时通过接口服务器返回至所述原有dcs控制单元，进行故障处理；
14.所述预警模型用于从所述实时数据库服务器调取预警参数残差值并进行分析计算得到预警计算结果，将预警计算结果存储至所述实时数据库服务器，同时通过接口服务器返回至所述原有dcs控制单元，进行预警。
15.进一步，所述原有dcs控制单元包括控制器和dcs操作员站，所述dcs操作员站接收到所述运算服务器发送的预警计算结果信息，激发dcs操作员站的预警画面信息，产生声光报警，提示监视人员；当所述控制器接收到所述运算服务器发送的故障诊断结果信息时，触发所述控制器内部对应的故障自愈逻辑，实现故障自动处理。
16.本发明的第二个目的由如下技术方案实施：一种用于发电厂dcs控制系统的监控方法，其包括如下步骤：
17.(一)选择需要进行预警的预警参数，利用数学模型获得预警参数残差值；
18.(二)根据设备或系统实际运行情况设置好对应预警参数残差上、下限数值，形成预警模型，监测设备及系统运行状况；
19.(三)将所述预警参数残差值与预警参数残差上、下限数值进行比较，如超出预警参数残差预设范围，则发出预警至用户终端，提示监视人员；
20.(四)将所述预警参数残差值与其他参数利用运行经验进行逻辑组合，形成系统或设备的故障诊断逻辑；所述故障诊断逻辑利用预警参数残差值和现场实时采集的相关参数进行分析计算获得故障诊断结果；
21.(五)根据故障诊断结果触发故障自愈逻辑，进行故障处理，实现故障自愈。
22.进一步，所述步骤(一)利用数学模型获得预警参数残差值具体包括如下步骤：
23.(1)选取与设备或系统相关联参数的历史样本；
24.(2)对选出的历史样本进行预处理，剔除无效数据；
25.(3)对预处理后的历史样本数据利用选取的相应算法进行样本训练，分析或计算历史样本各关联参数之间的内在影响关系，建立各关联参数之间的关系式即所述数学模型；
26.(4)利用随机历史数据对所述数学模型进行验证；
27.(5)利用经验证后所述数学模型对设备或系统实时运行的各相关联参数进行计算，得到当前运行工况下的预警参数的模型值；
28.(6)将所述预警参数的模型值与对应的实时运行参数做差获得预警参数残差值。
29.进一步，对选出的历史样本进行预处理的具体方法为：对选出的历史样本进行清洗；然后对清洗后历史样本数据进行归一化处理。
30.本发明的优点：
31.本发明实现了dcs内部高级算法的应用，使得dcs内部能够应用神经网络算法等进行预警等功能，打破了原有此类应用只能在dcs外部进行，通过外部运行结果给与生产指
导，有效提升了dcs智能化水平，同时将高级算法得出的结果与实际经验结合，形成了综合故障诊断的能力，再通过综合故障诊断的结果触发先前在dcs内部组态的自愈逻辑，实现了故障自愈，这样火电生产过程就实现了系统或设备运行过程中从故障的监测和自动处理的闭环控制过程，有效提升了机组的安全性，也为后续的无人值守提供了技术支撑。
32.本发明通过设计故障自愈功能，将事故处理标准化和自动化，摆脱了人为因素的困扰，能够极大地消除人的不安全因素，更好地保障机组和设备的安全运行
附图说明：
33.图1为智能dcs系统的结构示意图。
34.图2模型搭建及故障自愈示意图。
具体实施方式：
35.实施例1：如图1所示，一种用于发电厂的dcs控制系统，其包括原有dcs控制单元和智能dcs控制单元；原有dcs控制单元与智能dcs控制单元之间通过接口服务器以opc协议方式实现数据传输；原有dcs控制单元将采集到的现场实时数据传输给智能dcs控制单元用于预警和故障的分析计算；智能dcs控制单元将预警和故障计算结果传输给原有dcs控制单元用于预警和故障自愈。
36.智能dcs控制单元包括实时数据库服务器、历史数据库服务器、运算服务器、web发布服务器和工程师站；
37.实时数据库服务器用来保存从原有dcs控制单元获取的现场实时数据和计算服务器分析计算得到的计算结果；
38.历史数据库服务器用于保存运算服务器输出的历史计算结果以及现场采集的历史数据；将历史数据和实时数据分开保存可以提升系统的计算速度。
39.运算服务器用于存储适用于不同设备或系统的各数学模型、各故障诊断逻辑、各预警模型，并利用相应的数学模型、故障诊断逻辑、预警模型从所述实时数据库服务器中提取对应的实时数据进行分析计算，然后将计算结果存储至所述实时数据库服务器，并同时通过接口服务器返回至原有dcs控制单元，进行预警和故障处理；
40.web服务器可以实现智能dcs控制单元对外发布功能；
41.工程师站可以在线建立模型和修改模型。
42.数学模型用于调取现场实时数据，并进行分析计算获得预警参数残差值存储至所述实时数据库服务器；
43.故障诊断逻辑用于从实时数据库服务器调取相应的预警参数残差值和现场实时数据，并进行分析计算获得故障诊断结果，将故障诊断结果存储至实时数据库服务器，同时通过接口服务器返回至原有dcs控制单元，进行故障处理；
44.预警模型用于从实时数据库服务器调取预警参数残差值并进行分析计算得到预警计算结果，将预警计算结果存储至所述实时数据库服务器，同时通过接口服务器返回至所述原有dcs控制单元，进行预警。
45.所述原有dcs控制单元包括控制器和dcs操作员站，所述dcs操作员站接收到所述运算服务器发送的预警计算结果信息，激发dcs操作员站的预警画面信息，产生声光报警，
提示监视人员；当所述控制器接收到所述运算服务器发送的故障诊断结果信息时，触发所述控制器内部对应的故障自愈逻辑，实现故障自动处理。
46.实施例2：如图2所示，利用实施例1所述一种用于发电厂的dcs控制系统，进行监控的方法，其包括如下步骤：
47.(一)选择需要进行预警的预警参数，利用数学模型获得预警参数残差值；具体包括如下步骤：
48.(1)选取与设备或系统相关联参数的历史样本；
49.数学模型建立之前需要明确设备对象以及要实现的目的，如选取磨煤机、给水泵、一次风风机等系统或设备作为建模对象；当选定建模对象后，应该依据建模对象的运行特性和运行方式进行工况划分，以区别不同工况下的模型报警边界条件，防止边界条件变化后发生模型的误报警，如区分设备运行和停运状态等；在确定了建模对象和边界条件后，就需要进行建模参数的选择，参数的选择需要选择有关联性的参数，这样通过各类算法可以挖掘出所选择的参数背后的逻辑关系，从而才能使模型具备预测的能力。
50.(2)对选出的历史样本进行预处理，剔除无效数据；从历史数据中选择一定数量的训练样本，训练样本在模型边界条件下要有足够的数量，同时样本要保证在边界条件下的均匀性和时间维度上的均匀性，如冬季和夏季样本的均匀性。对选出的历史样本进行预处理的具体方法为：对选出的历史样本进行清洗，通过该工作清洗样本中的离群点、死点和边界条件之外的数据，保证训练样本的可用性；一般采取上下限、死点或包络线等方式进行数据清洗；然后对清洗后历史样本数据进行归一化处理，归一化处理方法一般采用z
‑
score、min
‑
max方法。
51.(3)对预处理后的历史样本数据利用选取的相应算法进行样本训练，分析或计算历史样本各关联参数之间的内在影响关系，建立各关联参数之间的关系式即所述数学模型；算法的选择应以实际预测效果为准，可以选择线性回归、主元分析、神经网络和聚类等算法。
52.(4)利用随机历史数据对所述数学模型进行验证；
53.(5)利用经验证后所述数学模型对设备或系统实时运行的各相关联参数进行计算，得到当前运行工况下的预警参数的模型值；
54.(6)将所述预警参数的模型值与对应的实时运行参数做差获得预警参数残差值。
55.(二)根据设备或系统实际运行情况设置好对应预警参数残差上、下限数值，形成预警模型，监测设备及系统运行状况；
56.(三)将所述预警参数残差值与预警参数残差上、下限数值进行比较，如超出预警参数残差预设范围，则发出预警至用户终端，提示监视人员；
57.(四)将所述预警参数残差值与其他参数利用运行经验进行逻辑组合，形成系统或设备的故障诊断逻辑；所述故障诊断逻辑利用预警参数残差值和现场实时采集的相关参数进行分析计算获得故障诊断结果；如给水泵汽蚀、凝结水泵出力异常和空冷系统漏真空等故障。
58.(五)根据故障诊断结果触发故障自愈逻辑，进行故障处理，实现故障自愈。
59.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。