[发明专利]一种基于自编码器的发电设备状态评估方法

说明书

本发明属于发电设备监测与状态检修相关技术领域，其公开了一种基于自编码器的发电设备状态评估方法，该方法包括以下步骤：(1)选取能状态特征参数，并基于SIS系统定时采集所选状态特征参数的实时运行数据及历史运行数据；(2)建立状态特征参数模型，同时确定该参数模型的结构及相应的激活函数；(3)采用该历史运行数据来训练该参数模型，直至得到的训练误差和训练时间均最小为止；(4)统计该参数模型得到的当前各状态特征参数的残差的分布特征，进而确定各状态特征参数的隶属函数关系；(5)将步骤(4)得到的残差输入到模糊状态评估模型中以进行发电设备运行状态的实时评估。本发明提高了评估准确性，降低了费用，适用性较强。

技术领域

本发明属于发电设备监测与状态检修相关技术领域，更具体地，涉及一种基于自编码器的发电设备状态评估方法。

背景技术

电厂设备的使用状况直接关系到机组运行的可靠性与经济性，只有在设备处于最佳状态下才能发挥出优良的使用性能，也才能达到最佳的节能降耗效果。然而实际中，由于生产的需要，电厂设备长期处于高温高压、单机、满负荷和连续运行等工作状态，这对设备的可靠性提出了苛刻的要求。与此同时，为追求电厂经济效益最大化，客观上要求进一步合理安排检修周期与检修内容，压缩检修费用。自推行电力工业体制的改革以后，电力企业越来越关注于自己的成本控制和生产管理，开始主动积极地推行基于设备状态评价的状态检修工作，以期获得更强的竞争力，因此设备状态评估技术就成为优化检修技术发展方面的主要研究重点。

当前很多研究使用模糊理论方法来评估不同领域系统设备的工作状态与可靠性情况，模糊集理论已经被广泛应用于状态评估这一研究领域，其中合适的隶属函数和模糊规则的定义对分析的结果有重大影响，因此有必要为不同的应用领域或者系统定义选择和定义隶属函数的指导原则。然而，多数研究虽然实现了设备整体运行状态的评估，但各策略中的状态特征参数仍然采用固定阈值，没有考虑到运行工况变化对各参数阈值以及评估结果的影响。相应地，本领域存在着发展一种准确性较好的基于自编码器的发电设备状态评估方法的技术需求。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于自编码器的发电设备状态评估方法，其基于现有发电设备的状态评估特点，研究及设计了一种准确性较好的基于自编码器的发电设备状态评估方法。所述状态评估方法结合了自编码器网络模型及模糊状态评估，且充分利用SIS系统的历史运行数据与实时运行数据，选取关键状态特征参数以建立状态特征参数间交叉拟合的神经网络模型(即自编码器网络模型，采用自编码器作为网络模型)，以设备历史运行数据训练该神经网络模型，并统计各状态特征参数估计残差的分布特征，结合模糊状态评估实时确定各工况的隶属度，从而避开状态特征参数阈值设置的不确定性，以实现较为精确的状态评估，依据评估结果判断设备运行趋势，合理调整运行与维护策略，对提高发电设备运行安全性与可靠性，降低运维与检修费用具有重要意义。

为实现上述目的，按照本发明的一个方面，提供了一种基于自编码器的发电设备状态评估方法，该状态评估方法包括以下步骤：

(1)选取能反应待评估发电设备负荷和运行状态的状态特征参数，并基于SIS系统定时采集所选状态特征参数的实时运行数据及历史运行数据；

(2)依据所述历史运行数据来建立待评估发电设备的状态特征参数模型，同时确定所述参数模型的结构及相应的激活函数，其中，该参数模型为自编码器模型；

(3)采用所述历史运行数据来训练所述参数模型，且在训练过程中不断调整所述参数模型的隐藏层层数及各层神经元个数，直至得到的训练误差和训练时间均最小为止；

(4)将所述实时运行数据输入到所述参数模型，并统计该参数模型得到的当前各状态特征参数的残差的分布特征，进而确定各状态特征参数的隶属函数关系，同时还对各状态特征参数进行权重分配；

(5)将步骤(4)得到的当前各状态特征参数的残差输入到模糊状态评估模型中以进行发电设备运行状态的实时评估。