一种基于历史数据挖掘分析的汽机运行工况寻优方法

技术领域

本发明属于核电机组设备可靠性监测技术领域，具体涉及一种基于历史数据挖掘分析的汽机运行工况寻优方法。

背景技术

核电机组汽轮机组系统是将热能转变为电能的动力转换系统。蒸汽发生器产生的蒸汽输送到汽轮机做功，将蒸汽的热能转变为机械能；汽轮机带动发电机，使机械能转变为电能。做功后的蒸汽排入凝汽器，由循环水冷凝成凝结水。凝结水经回热加热、除氧，由给水泵升压送回蒸汽发生器，如此构成封闭的热力循环。由此可见整个汽轮机组系统的主要热力性能的优劣直接影响了发电厂的发电功率，影响电厂的效益。当前各电厂仅有定期试验对汽机运行工况进行整体性的监测，缺乏在线监督的手段。现有技术不能及时发现汽机偏离最佳运行工况，也不能对偏离最佳运行工况进行预警。

发明内容

本发明的目的在于提供一种基于历史数据挖掘分析的汽机运行工况寻优方法，实现机组历史最优值工况的挖掘，然后与当前数据相互关联和分析，找出差距。本方法通过监测关键性能参数的实时值与系统自动计算出符合当前工况的历史最优值的对比偏差，以此来评估当前状态是否出现偏离。偏差分解到具体性能优化参数，以单位百分比进行量化偏离程度。并长期持续的为机组运行后的故障诊断提供详实的基础数据。

本发明的技术方案如下：一种基于历史数据挖掘分析的汽机运行工况寻优方法，包括如下步骤：

步骤1：根据核电厂运行设备的状态特点，选取关键参数，并对这些关键参数历史在正常运行的时间范围进行确定，完成关键参数建模时间段的配置；

步骤2：提取训练数据T当中的工况识别参数数据WP，并用基于概率分布相似性聚类方法对工况识别数据WP的每个测点分别进行聚类操作WPi；

步骤3：训练数据T的所有数据进行工况类型标注；

步骤4：总偏差计算；

步骤5：计算测点偏差分解值。

所述的步骤1针对选出的需要监测的关键参数，在历年的运行状态数据中，观察测点数据曲线，截取最近两年的数据作为建模数据；读取机组选定的各个测点的训练数据T。

所述的步骤2包括，

对WPi训练数据进行箱线图算法判断，将数据分成3种：

a)位于箱线图以内的数据DATAin；

b)位于箱线图上端以外的数DATAupper；

c)位于箱线图下端以外的数据DATAlower。

所述的步骤2包括，

位于箱线图以内的数据DATAin利用数山头的方式进行聚类分析：

a)计算DATAin的核密度曲线；

b)并斜率法找出曲线的波谷与波峰，作为数值分割点；

c)合并间隔距离小的数值分割点；

d)最后根据数值分割点之间的数据占比进行2次分割，获取最值分割点。

所述的步骤2包括，位于箱线图以外的数据DATAupper、DATAlower以及利用等数值间隔的方式进行聚类分析；合并上述两个步骤的聚类结果。

所述的步骤3对训练数据T的所有数据进行工况类型标注，根据每个工况识别测点的类型情况，对每条训练数据进行工况分类，确定每类工况的工况识别参数数据WP的上下限值WPmaxmin；根据目标参数TP最优判定规则的情况，对每类工况数据进行最优工况的优化参数OPbest的确定；目标参数TP最优判定规则有如下3种：1是数值越大越优；2是数值越小越优；3是数值越趋近于某值越优。

所述的步骤4读取机组各个测点的实时数据R，依据工况识别参数实时数据WP的情况，判断实时工况类型；对比该工况类型的最佳目标参数TPbest，判断实时目标参数RTP是否优于TPbest，是否需要更新最优工况；计算实时工况的优化参数OPrt跟对应工况下的最优优化参数OPbest的偏差距离ROPD；计算实时优化参数偏差距离ROPD归一化数值NROPD；NROPD＝(ROPD–min(ROPD))/(max(ROPD)–min(ROPD))计算实时工况数据的历史总偏差值TRhis；TRhis＝NROPD1+NROPD2+NROPD3+…+NROPDn。

所述的步骤5当总偏差值超过阈值后，系统将总偏差值分解至各实时监督参数与最优值的差值，显示出哪个测点的偏差较大。

本发明的有益效果在于：本发明通过监测关键性能参数的实时值，系统自动建模计算出符合当前工况的历史最优值，以此来评估当前状态是否出现偏离，并对这种偏离以偏差的方式进行展示。

附图说明

图1为计算DATAin的核密度曲线；

图2为并斜率法找出曲线的波谷与波峰，作为数值分割点；

图3为合并间隔距离小的数值分割点；

图4为根据数值分割点之间的数据占比进行2次分割，获取最值分割点。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

本发明通过核电机组汽轮机组运行状态历史数据的挖掘，实现机组历史最优值工况的挖掘，然后与当前数据相互关联和分析，找出差距。本方法通过监测关键性能参数的实时值与系统自动计算出符合当前工况的历史最优值的对比偏差，以此来评估当前状态是否出现偏离，并将偏差分解到具体性能优化参数。

一种基于历史数据挖掘分析的汽机运行工况寻优方法，具体包括如下步骤：

步骤1：根据核电厂运行设备的状态特点，选取关键参数海水温度、发电机功率，并对这些关键参数历史在正常运行的时间范围进行确定，完成关键参数建模时间段的配置；

针对选出的需要监测的关键参数，在历年的运行状态数据中，观察测点数据曲线，由于近两年的历史数据包含反应堆一个运行周期内全部工况的状态参数，具有典型性，故截取最近两年的数据作为建模数据；读取机组选定的各个测点的训练数据T。

步骤2：提取训练数据T当中的工况识别参数数据WP，并用基于概率分布相似性聚类方法对工况识别数据WP的每个测点分别进行聚类操作WPi；

对WPi训练数据进行箱线图算法判断，将数据分成3种：

a)位于箱线图以内的数据DATAin；

b)位于箱线图上端以外的数DATAupper；

c)位于箱线图下端以外的数据DATAlower；

位于箱线图以内的数据DATAin利用数山头的方式进行聚类分析：

a)计算DATAin的核密度曲线；

b)并斜率法找出曲线的波谷与波峰，作为数值分割点；

c)合并间隔距离小的数值分割点；

d)最后根据数值分割点之间的数据占比进行2次分割，获取最值分割点。

位于箱线图以外的数据DATAupper、DATAlower以及利用等数值间隔的方式进行聚类分析；合并上述两个步骤的聚类结果。

步骤3：训练数据T的所有数据进行工况类型标注；

对训练数据T的所有数据进行工况类型标注，根据每个工况识别测点的类型情况，对每条训练数据进行工况分类,确定每类工况的工况识别参数数据WP的上下限值WPmaxmin；根据目标参数TP最优判定规则的情况，对每类工况数据进行最优工况的优化参数OPbest的确定；目标参数TP最优判定规则有如下3种：1是数值越大越优；2是数值越小越优；3是数值越趋近于某值越优。

步骤4：总偏差计算

读取机组各个测点的实时数据R；依据工况识别参数实时数据WP的情况，判断实时工况类型；对比该工况类型的最佳目标参数TPbest，判断实时目标参数RTP是否优于TPbest，是否需要更新最优工况；计算实时工况的优化参数OPrt跟对应工况下的最优优化参数OPbest的偏差距离ROPD；计算实时优化参数偏差距离ROPD归一化数值NROPD；NROPD＝(ROPD–min(ROPD))/(max(ROPD)–min(ROPD))计算实时工况数据的历史总偏差值TRhis；TRhis＝NROPD1+NROPD2+NROPD3+…+NROPDn。

步骤5：计算测点偏差分解值

当总偏差值超过阈值后，系统将总偏差值分解至各实时监督参数与最优值(目标值)的差值，直观的显示出哪个测点的偏差较大。

本方法通过关键参数当前监测值与历史最优值进行对比实现故障预警及机组性能监测分析，可以及时发现隐性异常。针对异常可分解到具体参数，指明具体参数异常值与历史最优值之间的差距。使得方家山核电热力系统性能运行趋势变化一目了然。