[发明专利]一种电厂设备缓变故障预警方法及装置

说明书

技术领域

本发明涉及电力监测领域，尤其涉及一种电厂设备缓变故障预警方法及装置。

背景技术

火电厂中的热力设备所处的工作环境恶劣，故障的发生不仅仅降低生产过程的稳定性，还使得生产过程中的安全性无法得到保证。

当前的火电厂热力设备故障预警方法局限于当发生故障时，对故障进行示警并判断故障类型，虽然提醒了工作人员故障的发生，但是无法在故障发生前对故障进行预测。

因此，导致了当前的电厂设备故障预警方法预警滞后，无法在故障发生前进行有效预测的技术问题。

发明内容

本发明提供了一种电厂设备缓变故障预警方法及装置，解决了当前的电厂设备故障预警方法预警滞后，无法在故障发生前进行有效预测的技术问题。

本发明提供了一种电厂设备缓变故障预警方法，包括：

S1：以电厂设备的历史数据中故障起始演化时间点和故障发生时间点之间的时间段为故障演变时段，以故障起始演化时间点之前的预置时间点和故障起始演化时间点之间的时间段为正常工况时段，获取历史数据中至少一种电厂设备缓变故障的故障演变时段的故障工况数据和正常工况时段的正常工况数据，将故障工况数据和正常工况数据进行标准化处理并将标准化处理后的故障工况数据和正常工况数据拼接为建模数据；

S2：通过轮廓系数算法计算建模数据在预置簇类数搜索范围内的最佳簇类数；

S3：根据最佳簇类数建立聚类模型对建模数据进行聚类分析，分别获取正常工况数据和故障工况数据对应的簇标记向量，记录故障工况数据对应的各个簇标记向量对应的电厂设备缓变故障的故障类型和预警时间范围；

S4：获取电厂设备的实时监测数据，将实时监测数据输入聚类模型中获取实时监测数据的簇标记向量，将实时监测数据的簇标记向量与正常工况数据对应的簇标记向量进行匹配，判断实时监测数据的簇标记向量是否属于正常工况数据对应的簇标记向量，若否，则将实时监测数据的簇标记向量与故障工况数据中的各个簇标记向量进行匹配，获取实时监测数据的簇标记向量对应的电厂设备缓变故障的故障类型和预警时间范围。

优选地，步骤S3具体包括：

S31：根据最佳簇类数建立聚类模型对建模数据进行聚类分析，分别获取正常工况数据和故障工况数据对应的簇标记向量；

S32：获取并记录故障工况数据对应的各个簇标记向量对应的电厂设备缓变故障的故障类型；

S33：获取各个簇标记向量对应的故障工况数据的数据采集时间点，分别计算各个数据采集时间点与故障发生时间点之间的演化时长，根据各个簇标记向量对应的最短演化时长和最长演化时长获取并记录各个簇标记向量的预警时间范围。

优选地，步骤S4具体包括：

S41：获取电厂设备的实时监测数据，将实时监测数据输入聚类模型中获取实时监测数据的簇标记向量，将实时监测数据的簇标记向量与正常工况数据对应的簇标记向量进行匹配，判断实时监测数据的簇标记向量是否属于正常工况数据对应的簇标记向量，若是，则电厂设备运行正常，若否，则执行步骤S42；

S42：将实时监测数据的簇标记向量与故障工况数据中的各个簇标记向量进行匹配，判断实时监测数据的簇标记向量是否属于故障工况数据对应的簇标记向量，若是，则执行步骤S43，若否，则执行步骤S44；

S43：获取实时监测数据的簇标记向量对应的电厂设备缓变故障的故障类型和预警时间范围；

S44：将电厂设备的状态标记为异常。

优选地，步骤S41具体包括：获取电厂设备的实时监测数据，将实时监测数据进行标准化处理并将处理后的实时监测数据输入聚类模型中获取实时监测数据的簇标记向量，将实时监测数据的簇标记向量与正常工况数据对应的簇标记向量进行匹配，判断实时监测数据的簇标记向量是否属于正常工况数据对应的簇标记向量，若是，则电厂设备运行正常，若否，则执行步骤S42。

优选地，步骤S4之后还包括：步骤S5；

S5：在第一预置时间后返回步骤S4。

本发明提供了一种电厂设备缓变故障预警装置，其特征在于，包括：

数据获取模块，用于以电厂设备的历史数据中故障起始演化时间点和故障发生时间点之间的时间段为故障演变时段，以故障起始演化时间点之前的预置时间点和故障起始演化时间点之间的时间段为正常工况时段，获取历史数据中至少一种电厂设备缓变故障的故障演变时段的故障工况数据和正常工况时段的正常工况数据，将故障工况数据和正常工况数据进行标准化处理并将标准化处理后的故障工况数据和正常工况数据拼接为建模数据；