[发明专利]基于数字孪生及BP神经网络的磨煤机诊断方法及系统

说明书

本发明属于磨煤机故障检测技术领域，公开了基于数字孪生及BP神经网络的磨煤机诊断方法及系统。所述方法包括：构建与磨煤机相映射的孪生模型；依据孪生模型与磨煤机的数据交互得到孪生模型的输出量，对比孪生模型各第一参数的值与自磨煤机采集的各第一参数的值以优化得到目标孪生模型；基于目标孪生模型仿真获取若干训练样本，以训练BP神经网络预测模型得到目标预测模型；使目标孪生模型获取磨煤机实时参数以得到各输出量，并对比目标孪生模型各第一参数的值与磨煤机输出的各第一参数的值以确认两者运行一致时，将所有输出量输入目标预测模型以预测磨煤机故障。本发明实现了磨煤机的故障预测，从而减少了故障发生频率，降低了火电厂发电成本。

技术领域

本发明涉及磨煤机故障检测技术领域，具体涉及基于数字孪生及BP神经网络的磨煤机诊断方法及系统。

背景技术

火电厂是一种由锅炉机组、汽轮机及发电机等设备组成，以将燃料燃烧时的化学能依次转换为热能、机械能，进而转换为电能的发电厂。实际发电过程中，所述燃料多为煤，相应的锅炉机组则为燃煤锅炉机组。此时，为了提高火电厂的燃煤效率，还在燃煤锅炉机组前增加了磨煤机以将原煤磨成煤粉并输送给燃煤锅炉。

基于降低火电厂发电成本考虑，需要尽量减少相应设备故障，并避免故障下的设备宕机。其中，对于燃煤锅炉机组的故障统计分析表明，磨煤机的少煤、堵煤或断煤是导致燃煤锅炉机组异常的主要原因。但受磨煤机运行环境复杂性影响，磨煤机的运行状态往往具有较大的不确定性，因此在实际生成中并无法基于第一参数变化对其进行运行状态进行有效监测。此时，只有当燃煤锅炉故障发生进行排查维修时，才可对确认相应的磨煤机故障；而此时相应的成本损失已然造成。

发明内容

本发明目的在于提供基于数字孪生及BP神经网络的磨煤机诊断方法及系统，以改善现有技术中无法对磨煤机运行状态有效监控从而无法有效避免相应成本损失的技术问题。

为达成上述目的，本发明提出如下技术方案：

基于数字孪生及BP神经网络的磨煤机诊断方法，包括：

构建与磨煤机相映射的孪生模型；其中，控制方程包括：一次风温度动态微分方程、一次风流量动态微分方程、出口风粉混合物温度动态微分方程、原煤动态微分方程、煤粉动态微分方程及磨煤机电流方程；所述孪生模型的输入量包括：各所述控制方程中作为自变量的物理参数，输出量包括与磨煤机运行相应的第一参数，及由孪生模型仿真的第二参数；其中，所述第一参数包括：电流、一次风流量、一次风温度、给煤量及出口温度；所述第二参数包括：内部空气温度平均值、内部空气温度标准差、内部空气温度最大值及内部空气温度最小值；

依据所述孪生模型与所述磨煤机间的数据交互得到所述孪生模型的各所述输出量，并对比孪生模型输出的各所述第一参数的值与自磨煤机采集的各所述第一参数的值以迭代优化所述孪生模型，进而得到目标孪生模型；

基于所述目标孪生模型仿真获取若干训练样本，并以预测准确率大于预设阈值为目标对BP神经网络预测模型进行迭代训练，进而得到目标预测模型；

使所述目标孪生模型获取磨煤机的实时参数作为输入量以输出各所述输出量，并基于所述目标孪生模型输出的各所述第一参数的值与磨煤机输出的各所述第一参数的值的对比以确认所述目标孪生模型与磨煤机运行一致时，将所有所述输出量输入至所述目标预测模型以对磨煤机进行故障预测。

进一步的，所述构建与磨煤机相映射的孪生模型，包括：

基于磨煤机的结构参数、材料参数及尺寸参数构建几何模型；

为所述几何模型添加物理接口及各所述控制方程以构建物理模型；其中，所述物理接口用于进行输入量的输入，各所述输入量由与磨煤机的数据交互获取，或由仿真获取；

为所述物理模型添加约束规则以构建所述孪生模型；其中，所述约束规则包括：一次风流量约束、一次风温度约束、磨煤机出口温度范围约束、存煤量约束、出口煤粉细度约束。