[发明专利]火电机组辅机设备运行健康状态实时检测方法、系统及介质

说明书

本发明公开了一种火电机组辅机设备运行健康状态实时检测方法、系统及介质，本发明方法包括预先确定特征向量并指定搜索指针，收集目标辅机设备特征向量的样本建立健康运行状态记忆矩阵；获取目标辅机设备的实时特征向量X_a并在健康运行状态记忆矩阵内定位得到基准特征向量X_o；计算X_a、X_o间的相似度S和偏离度P并以此判断目标辅机设备是否处于健康运行状态。本发明将设备的运行参数组合起来作为表征设备运行状态的特征向量，基于设备运行的历史数据获得所有工况下的健康运行状态时的特征向量，建立健康运行状态记忆矩阵，通过实时特征向量、健康运行状态记忆矩阵比较，能准确判断设备状态，算法简单、实现方便，易于工程实施推广。

技术领域

本发明涉及火力发电机组自动控制工程技术，具体涉及一种火电机组辅机设备运行健康状态实时检测方法、系统及介质。

背景技术

截止至2019年底，我国可再生能源发电装机达到7.94亿千瓦，同比增长9％。风电、光伏发电首次“双双”突破2亿千瓦。可再生能源发电装机约占全部电力装机的39.5％，同比上升1.1个百分点，可再生能源的清洁能源替代作用日益突显。火电机组的调峰属性越来越明显，频繁变动负荷、长期维持低负荷运行将成为运行常态。低负荷工况下辅机设备的可靠性是决定调峰能否安全实现的关键因素之一。超(超)临界火电机组锅炉侧重要辅机设备包括送风机、一次风机以及引风机，汽机侧重要辅机设备包括电泵、汽动给水泵以及凝结水泵。在低负荷工况下，当上述设备中的任意一台在运行中出现不健康运行时，机组的“非异停”风险极大，发电企业面临着较大考核压力，在火电行业经营形势日益严峻的大背景下，任何考核都应该避免。同时，若辅机设备在全负荷工况下都能可靠运行，发电机组可以获得丰厚的调峰补贴，则为发电企业创造了新的利润增长点。因此，通过技术手段保障辅机设备的可靠运行，提升机组的调峰能力，对当今形势下的火力发电企业显得尤为重要。

当前，主要依靠运行人员的经验判断辅机设备是否处于健康运行状态。在低负荷工况下，尤其是超(超)临界机组转入湿态运行后，自动投入率不高，几乎所有设备的操作都依赖于运行人员手动进行，极大地增加了监盘的工作量，同时也给运行人员带来了较大的精神压力和负担。深度调峰多在后半夜进行，正是人的精神状态容易松懈的时段，安全隐患更加严重。此外，运行人员判断辅机设备是否处于健康运行状态，常常需要等到某一个参数明显偏离正常工况甚至发生报警时才能确定，无法实时的对设备运行参数的匹配程度进行评估，导致干预过晚，抢救时间不足，常发生当设备出现异常时，即使发现了也仍因时间不足而导致跳机的现象。因此，火电机组辅机设备运行健康状态实时检测技术具有迫切的市场需求。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种火电机组辅机设备运行健康状态实时检测方法、系统及介质，本发明将设备的运行参数组合起来作为表征设备运行状态的特征向量，基于设备运行的历史数据获得所有工况下的健康运行状态时的特征向量，建立健康运行状态记忆矩阵，通过实时状态的特征向量与同工况下的健康运行的特征向量进行比较，判断设备是否正常运行，算法相对简单，可在任何控制系统上实现，易于工程实施推广。

为了解决上述技术问题，本发明采用的技术方案为：

一种火电机组辅机设备运行健康状态实时检测方法，包括：

1)预先确定表征目标辅机设备运行健康状态的特征向量并指定包含的多个特征值元素之一为搜索指针，收集目标辅机设备从发电机组并网初期、到额定功率所有工况下健康运行状态下特征向量的样本，并建立健康运行状态记忆矩阵；

2)获取目标辅机设备的实时特征向量X_a，基于实时特征向量X_a的搜索指针在健康运行状态记忆矩阵内定位得到基准特征向量X_o；

3)计算实时特征向量X_a、基准特征向量X_o之间的相似度S和偏离度P；