[发明专利]一种电厂发电设备的故障智能预警方法及系统

说明书

本发明提出一种电厂发电设备的故障智能预警方法及系统，解决了如何提升电厂发电设备管理水平，实现发电设备故障智能化预警的问题，首先从电厂SIS数据库抽取发电设备历史运行数据，然后进行数据清洗等数据预处理操作，提升了数据质量，可以避免嘈杂的数据量带来的各种干扰，保证后续故障预警的可靠度，接着构建并封装电厂发电设备的故障智能预警算法模型并进行优化更新，最后发电设备的实时运行数据输入至故障智能预警算法模型，故障智能预警算法模型评估发电设备的运行状态，做出预警响应，提升了电厂发电设备管理水平，实现了发电设备故障智能化预警。

技术领域

本发明涉及故障预警的技术领域，更具体地，涉及一种电厂发电设备的故障智能预警方法及系统。

背景技术

电厂生产过程的任何故障不仅直接影响电能的产量和质量，而且还可能造成设备毁坏和人身事故，若要保证发电设备能够安全、可靠、有效的运行，使其充分发挥作用，发展设备在线监控和智能预警技术是必经之路。

随着工业发展的突飞猛进，工业设备也日益发展，向智能、大型、高速、分布式的方向发展。设备结构与传统相比更加复杂，与此同时功能也更加强大，进而增加了维护的难度。设备发生故障概率比以前大幅提高，设备故障的信息数据呈现指数型增长，面对海量数据，人工已经无法完成正确、有效的故障分析。智能预警技术的基本思想是实时监测设备的运行状态，在设备故障产生初期，即设备当前运行状态刚开始偏离正常运行状态时，给出准确的、快速的预警结果，缩小故障定位范围，为检修和运行人员争取更多的故障处理时间与主动性，提高机组设备运行的可靠性，降低维修成本，减少经济损失。

2020年12月11日，中国专利(公开号：CN112067335A)中公开了一种基于多元状态估计的电厂送风机故障预警方法，选择送风机端侧轴承水平振动幅值、送风机端侧轴承垂直振动幅值、送风机端侧轴承温度、送风机腰侧轴承温度这些变量作为观测集，然后对采集的数据进行预处理，并构造记忆矩阵建立多元状态估计预警模型，通过多元状态估计预警模型输出估计向量，根据估计向量计算偏离度，最后通过确认偏离度与故障预警阈值的关系，实现电厂送风机的故障预警，但整个方案考虑的因素偏向于理想化，实际故障预警的可靠度有待考证。

发明内容

为解决如何提升电厂发电设备管理水平，实现发电设备故障智能化预警的问题，本发明提出一种电厂发电设备的故障智能预警方法及系统，提高发电设备的运行安全水平和工作效率，减少因发电设备故障引起的非计划停机与事故。

为了达到上述技术效果，本发明的技术方案如下：

一种电厂发电设备的故障智能预警方法，至少包括：

S1.初步选定发电设备测点变量，并以测点变量为基础，确定发电设备历史运行数据采集起止时间，从电厂SIS数据库抽取发电设备历史运行数据；

S2.对发电设备历史运行数据进行数据清洗操作，并进行无量纲化处理；

S3.构建并封装电厂发电设备的故障智能预警算法模型；

S4.对故障智能预警算法模型进行优化更新；

S5.采集发电设备的实时运行数据，并将发电设备的实时运行数据输入优化更新后的故障智能预警算法模型，故障智能预警算法模型评估发电设备的运行状态，做出预警响应。

优选地，步骤S1所述初步选定的发电设备测点变量包括：送风机电机电流、送风机前轴承温度、送风机后轴承温度、电机前轴承温度、第一电机U相定子绕组温度、第一电机V相定子绕组温度、第一电机W相定子绕组温度、送风机入口温度、电机后轴承温度、第二电机U相定子绕组温度、第二电机V相定子绕组温度及第二电机W相定子绕组温度、送风机前轴承振动、送风机后轴承振动、送风机轴承座振动、送风机频率反馈。

在此，测点指发电设备运行状态评估时被观测的目标点，这些点可自由选取，保证后续配置的灵活性。