[发明专利]一种基于大数据算法预警火电厂锅炉四管泄漏故障的方法

说明书

本发明公开了一种基于大数据算法预警火电厂锅炉四管泄漏故障的方法，属于电厂技术领域。所述方法包括：采集第一预设时间段内预先确定的基于数据建模分析四管泄漏至少一个因子的样本数据，以及第二预设时间段内用于预警分析每个所述因子的实时数据；根据所述因子的样本数据训练构建每个因子的大数据模型；将作为所述因子大数据模型输入参数的实时数据代入对应因子的大数据模型，获取所述因子对应的模型值；计算每个因子实时数据与模型值的偏差；综合多个因子的所述偏差进行四管泄漏故障预警。通过本发明上述技术方案，能够实现对四管泄漏故障的提前预警，最大限度地减少锅炉受热面管道泄漏事故的发生。

技术领域

本发明涉及电厂技术领域，具体地涉及一种基于大数据算法预警火电厂锅炉四管泄漏故障的方法。

背景技术

锅炉的四管包括水冷壁、过热器、再热器、省煤器，是燃煤发电机组锅炉的关键受热部件。由于这些受热部件直接接触燃烧流动介质的磨损和冲刷，受热面管道会逐渐减薄，直至产生泄漏事故，直接影响发电机组的安全稳定运行。据统计，锅炉四管泄漏占火力发电机组各类非计划停运原因之首。因此需要研究切实可行的预防措施，最大限度地减少锅炉受热面管道泄漏事故的发生，降低非计划停运次数，提高经济效益和社会效益。

目前，传统判断锅炉四管泄漏主要靠仪表分析，即根据给水流量、炉膛负压、烟气温度、受热面壁温等参数的变化综合分析获得。这种方法主要依赖运行值班员的知识积累以及工作经验，缺少统一的故障判定规则以及故障发生前的提前预警。

发明内容

针对上述现有技术中存在的问题，本发明的目的在于提供一种基于大数据算法预警火电厂锅炉四管泄漏故障的方法，实现对四管泄漏故障的提前预警，最大限度地减少锅炉受热面管道泄漏事故的发生。

为了实现上述目的，本发明采用以下技术方案：

一种基于大数据算法预警火电厂锅炉四管泄漏故障的方法，所述四管包括水冷壁、过热器、再热器和省煤器，该方法包括：

步骤1，采集第一预设时间段内预先确定的基于数据建模分析四管泄漏至少一个因子的样本数据，以及第二预设时间段内用于预警分析每个所述因子的实时数据；

步骤2，根据所述因子的样本数据训练构建每个因子的大数据模型；

步骤3，将作为所述因子大数据模型输入参数的实时数据代入对应因子的大数据模型，获取所述因子对应的模型值；

步骤4，计算每个因子实时数据与模型值的偏差；

步骤5，综合多个因子的所述偏差进行四管泄漏故障预警。

本发明进一步的改进在于，步骤1中，所述第一预设时间段早于所述第二预设时间段。

本发明进一步的改进在于，步骤2中，根据所述因子的样本数据训练构建每个因子的大数据模型包括：根据对应因子样本数据特征选择合适的大数据算法；以及通过限值、包络线和人工分析方法筛除样本数据中的不良数据，而后训练构建对应因子的大数据模型。

本发明进一步的改进在于，所述因子包括以下至少一者：锅炉给水流量、总减温水流量、主蒸汽流量、主蒸汽压力、主蒸汽温度、再热蒸汽流量、再热蒸汽压力、再热蒸汽温度、炉膛负压、引风机电流、换热器进出口烟气温度、水冷壁金属壁温、过热器金属壁温、再热器金属壁温和省煤器金属壁温。

本发明进一步的改进在于，对每个因子的大数据模型进行评估，评估指标包括模型诊出率以及模型误诊率，根据评估指标结果，获取每个因子诊出率高、误诊率低的大数据模型，所述根据评估指标结果，获取每个因子诊出率高、误诊率低的大数据模型指：所述因子的大数据模型在一定故障幅值下模型诊出率大于98％，模型误诊率小于2％时认为模型诊出率高、误诊率低。