[发明专利]一种高压加热器状态数据分析方法

说明书

本发明公开了一种高压加热器状态数据分析方法，包括：高压加热器状态原始数据经过处理后得到高压加热器状态监测模型的训练样本，根据最佳聚类个数，利用基于遗传模拟退火算法的FCM聚类方法对高压加热器状态监测模型的训练样本进行聚类，得到隶属度矩阵，根据隶属度矩阵和训练样本得到高压加热器状态监测模型；本申请首先对原始数据进行处理，得到检测模型的训练样本，利用基于遗传模拟退火算法的FCM聚类方法对高压加热器状态监测模型的训练样本进行聚类，得到隶属度矩阵，基于遗传模拟退火算法的FCM聚类方法能够克服容易陷入局部最优解的缺点，加强全局搜索能力，能够有效处理设备监测中数据的不确定性与不精确性，从而良好的反映设备真实情况。

技术领域

本发明涉及数据统计技术领域，特别涉及一种高压加热器状态数据分析方法。

背景技术

高压加热器是火电机组的发电主要辅助设备之一。长期在高温高压状态下的高压加热器系统，旁路切换、给水泵故障、机组负荷突变等因素都会对其有较大影响，导致高压加热器系统故障频繁发生。目前，高压加热器系统故障已成为仅次于锅炉爆管的，影响机组满发稳发的主要原因之一。高压加热器发生故障就可能引起汽轮机水冲击、降低锅炉的安全性、降低热循环效率减少经济性和造成人员伤亡。

发电企业要考虑提高机组可靠性和发电小时数，降低检测成本减少维修时间，对高压加热器状态预警方面的需要日益增加。因此在高压加热器的过程中，如何在高压加热器发生异常或故障之前进行准确及时的预警，提前发现可能的故障并加以预防和排除非常重要。准确及时的设备预警能够为现场高压加热器维护人员提出判断高压加热器状态的依据，并提醒维护人员是否应该对高压加热器的监测力度加强，能够及时地将高压加热器的隐藏故障发现，同时采取相对应的措施，避免出现人员伤亡与高压加热器损坏的重大后果。传统的基于幅值超限的状态预警方法灵敏度低，一旦报警可能故障已经发生；一些基于设备机理的故障预警方法，由于设备老化等等问题使得机理模型难以精确建立，且有时候机理模型的建立非常复杂却未必能够反应设备的真实情况。此外，一些基于智能算法如人工神经网络等，在数据量较大时收敛性又较差，且不能有效处理设备监测中数据的不确定性与不精确性问题。

发明内容

本申请提供一种高压加热器状态数据分析方法，以解决现有技术中的高压加热器的状态数据分析方法难以处理设备监测中数据的不确定性与不精确性导致不能够反映设备的真实情况的问题。

为解决上述技术问题本发明提供如下技术方案：

一种高压加热器状态数据分析方法，所述方法包括以下步骤：

获取高压加热器状态原始数据；

对所述高压加热器状态原始数据进行预处理得到预处理高压加热器状态数据；

选取高压加热器状态测点；

根据所述高压加热器状态测点，对所述预处理高压加热器状态数据进行简化处理，得到高压加热器状态数据；

将所述高压加热器状态数据进行归一化处理，得到高压加热器状态监测模型的训练样本；

获取所述高压加热器状态数据的最佳聚类个数；

根据所述最佳聚类个数，利用基于遗传模拟退火算法的FCM聚类方法对所述高压加热器状态监测模型的训练样本进行聚类，得到隶属度矩阵；

根据所述隶属度矩阵和所述高压加热器状态监测模型训练样本得到高压加热器状态监测模型。

优选的，所述对所述高压加热器状态原始数据进行预处理得到预处理高压加热器状态数据包括：

对所述高压加热器状态原始数据中的过失误差和随机误差进行处理。

优选的，所述高压加热器状态原始数据包括：主给水流量、抽汽温度、抽汽压力、高压加热器的出口水温、进口水温、水位以及疏水温度。