[发明专利]基于闭环信息分析的电厂前置泵故障退化状态预测方法

说明书

本发明公开了一种基于闭环信息分析的大型燃煤发电机组前置泵故障退化状态预测方法。本发明针对智能电厂大型火力发电机组前置泵，采用典型变量分析(CVA)和慢特征分析(SFA)的方法提取特征，并使用所提取的特征来训练连续隐马尔可夫模型(CHMM)，从而预测闭环控制系统故障退化状态。该方法同时考虑了大型火力发电机组前置泵发生故障时，其闭环控制系统动态调节过程中变量的时序相关性和变化速度，能够更加准确地预测智能电厂大型火力发电机组前置泵的闭环控制系统故障退化状态，有助于现场工程师提前采取防范措施，从而保证了大型火力发电机组的安全可靠运行并提高了生产效益。

技术领域

本发明属于闭环控制系统故障退化状态预测领域，特别是针对一种基于闭环信息分析的大型燃煤发电机组前置泵故障退化状态预测方法。

背景技术

为了实现电力的可持续发展，火力发电行业积极展开结构调整，以大容量、高参数、低能耗的大型火力发电机组取代高能耗小火力发电机组，基本形成了以大型火力发电机组为主体的电力能源结构。随着信息化和工业化的深度融合，推进大型火力发电机组的智能转型升级，是加快构建高效、清洁、低碳、可持续的电力工业体系的必然选择。随着智能电网建设的启动，传统的发电厂已不能适应智能电网的发展需要。智能电厂是在信息化与工业化深度融合的背景下提出的，旨在应对互联网、大数据、云计算等信息领域新技术发展，提升电力行业的智能化水平。

大型火力发电机组中的前置泵不仅能够提高除氧器在滑压运行时的经济性，还能够确保给水泵的运行安全，前置泵的故障可能会引发连锁反应导致机组非停。当前置泵发生故障时，其闭环控制系统会进行动态调节，此时故障可能在闭环控制作用的调节下恢复到正常状态，也有可能超出闭环控制系统的调节范围，继续劣化。因此，对前置泵闭环控制系统故障退化状态进行预测可以掌握前置泵在机组运行过程中的健康状态，有助于提前给出故障处理的对策和建议，从而消除安全隐患，降低发电机组非停风险，最大限度保障大型火力发电机组的安全可靠运行。

前人对闭环控制系统做出了相应的研究与探讨，概括来说，主要包括基于机理模型的方法和基于数据驱动的方法。对于火电机组这样的复杂非线性系统，其结构复杂、动态时变以及强耦合性严重，使得难以建立精确的闭环控制系统机理模型进行研究。而随着技术的发展，电厂生产过程中可以获得越来越多的数据，基于数据驱动的闭环控制系统研究方法越来越受到研究人员和现场工程师的青睐。基于数据驱动的方法主要包括多元统计方法和人工智能方法。其中，主成分分析、动态主成分分析、慢特征分析等方法作为多元统计分析方法的典型代表，受到了大家的关注。目前所提出的基于多元统计分析的闭环控制系统研究方法基本都认为闭环控制系统的过程状态与开环系统一致，却没有考虑在闭环控制系统中，由于反馈的存在，当变量偏离设定值时，控制器会发挥调节作用，减少变量的偏差。此时，变量的值与其过去一段时间的测量值以及控制器的调节作用有关。因此，无法区分在闭环控制系统作用下，过程变量的时序相关性未变，变化速度改变等区别于开环控制系统的情况。

发明内容

本发明的目的在于提供一种基于闭环信息分析的大型燃煤发电机组前置泵故障退化状态预测方法。

本发明的目的是通过以下技术方案实现的：一种基于闭环信息分析的大型燃煤发电机组前置泵故障退化状态预测方法，所述前置泵转子的横向推力主要由泵的双吸结构来平衡，剩余不平衡力由自由端的轴承来承担。传动端的圆柱支持轴承只承受径向载荷，不承受轴向推力。自由端的圆锥滚子轴承既承受泵的径向力又承受轴向推力。轴承采用汽轮机油润滑，润滑油通过轴承自带的铸管冷却器，由闭式水进行冷却，该方法包括以下步骤：

(1)获取过程分析数据：设前置泵的闭环控制系统中包含J个过程变量，每次采样可以得到一个1×J的向量，采样M次后得到一个故障退化过程下的二维矩阵X(M×J)，所述过程变量包括前置泵出口流量、入口温度、电机径向轴承温度、线圈温度、电流、滤网压差等；

(2)提取能够反映前置泵发生故障时其闭环控制系统动态调节过程的特征。所述故障包括轴承润滑油冷却水管路不畅、润滑油变质、滤网脏堵等。使用以下子步骤来提取特征：