一种汽轮机组性能健康状态评价方法

技术领域

本发明涉及汽轮机监测领域，尤其涉及一种汽轮机组性能健康状态评价方法。

背景技术

汽轮发电机组对于现在我们国家所需的电力生产占据比例依旧很大，是电力生产的重要设备，针对其运行状态需进行深入地研究工作。早在上世纪80年代，我国就针对汽轮机组的诊断工作进行了研究，以前主要研究的是汽轮机组的振动类故障，对于其他类型的故障研究比较少。除了需要研究引起机组故障的原因，我们还需对可以提高机组效率的因素进行研究。以前，我们依赖于运行人员的专业知识和其长期的工作经验，对机组的运行优化进行调整，当机组的运行参数发生变化但并未超出其限定值，工作人员并不能及时地发现机组的异常情况，导致机组的设备性能劣化，使得机组耗煤量增加，其机组的能源利用率降低，并且提高了机组的能耗。

因此，为了提高机组的运行效率，发明一种火电机组能效评价方法很有必要，实现对机组设备的运行状态性能化在线监测，对其效能水平进行实时评估，以便电厂运行人员针对评估及时进行机组调整，降低机组能耗水平，进而实现对能源的节约。

CN202210778796公开了一种基于多源异构SCADA数据的风电机组状态监测方法，包括以下步骤：计算风场中所有风电机组的监测量的概率分布，筛选出能表征整个风场的一个风电机组；进行监测数据清洗；进行特征降维，筛选出与监测量关联度高的数个敏感特征参数；对筛选出的敏感特征参数进行归一化，然后建立样本集，利用样本集训练长短时记忆神经网络模型；计算当前时刻的监测量真实值与预测值的均方根误差，构建风电机组的健康监测状态指标；并通过设计滑窗进行滑动平均；在对筛选出的风电机组进行监测时，当其健康监测状态指标超过预警阈值时，发出报警。本发明实现风电机组状态监测与故障预警。该监测方法通过使用敏感特征参数通过长短时记忆神经网络模型得出平均齿轮箱油温的预测值进行比较，能够实时监测设备情况，但是最终依靠单一参数进行评价，精度相对较低。而本发明通过结合修正信息熵权法和把数据进行工况划分后聚类，可以考虑到多种参数变化以及工况变化造成的能效状态优劣情况，从而实现对机组的实时设备性能优劣评价，及时地针对评价进行合适的机组的诊断措施，实现机组降低能耗的目标。

本发明需要解决的技术问题是：如何在考虑多种参数变化以及工况变化造成的能效状态优劣情况，实现对机组的实时设备性能优劣评价，提高评价的准确度。

发明内容

本发明的主要目的是提供一种汽轮机组性能健康状态评价方法，使用工况划分参数进行确定聚类个数，通过聚类算法获取能效状态指标数据中目标类的数据，从而实现了考虑多种参数变化以及工况变化情况，通过结合修正信息熵权法和多元状态评估模型，得出每个能效状态的预测值，从而实现多参数监测评价和预警，提高评价的准确度。

为实现上述目的，本申请所采用的技术方案：

一种汽轮机组性能健康状态评价方法，包括以下步骤：

步骤1：获取历史运行数据，选取部分监测项目为能效状态指标；把历史运行数据中选取的监测数据作为能效状态指标数据，把历史运行数据中的环境数据作为工况划分参数；

步骤2：进行监测数据的稳态筛选，剔除监测数据中的无效数据，得到稳定工况的能效状态指标数据；

步骤3：使用工况划分参数进行工况划分，确定聚类个数；采用FCM聚类算法，对稳定工况的能效状态指标数据进行聚类，并获取目标类的数据；

步骤4：把目标类的数据建立样本集，利用样本集训练多元状态评估模型，样本集分别为测试集和训练集；

步骤5：把测试集输入到已经完成训练的多元状态评估模型，得到当前时刻的汽轮机组的能效状态指标预测值；通过修正信息熵权法确定每个能效状态指标的熵权重值；结合熵权重值和当前时刻的能效状态指标预测值，计算当前时刻的能效状态指标预测值与能效状态指标真实值的偏离程度；构建汽轮机组的能效状态指数SI。

优选地，所述汽轮机组性能健康状态评价方法还包括步骤6：设置评价阈值，分别为评优阈值和评良阈值；

当前时刻的能效状态指数SI小于评优阈值时，汽轮机组的健康度为优；

当前时刻的能效状态指数SI大于评优阈值并小于评良阈值时，汽轮机组的健康度为良；

当前时刻的能效状态指数SI大于评良阈值时，汽轮机组的健康度为中；

当汽轮机组的健康度为良时，发出维护警报；

当汽轮机组的健康度为中时，发出维修警报。

优选地，所述能效状态指标为主汽压力、主汽温度、再热蒸汽温度以及给水流量；所述工况划分参数为负载、环境温度、环境压力；所述目标类为煤耗率最低的类。

优选地，步骤2中，稳态筛选包括以下步骤：

步骤A1：对监测数据进行数据滑窗，根据一段时间内监测数据之间的差值小于稳定阈值，筛选出稳定工况的监测数据；

步骤A2：对稳定工况的监测数据进行数据处理，去除重复数据、启停数据，补充缺失数据，筛选出稳定工况的能效状态指标数据。

优选地，所述聚类算法如下：

其中，c为聚类个数，u

优选地，所述多元状态评估模型的超参数包括：

输入能效状态指标数量、聚类个数、学习率、迭代次数、输出能效状态指标数量。

优选地，所述修正信息熵权法如下：

其中，

优选地，所述能效状态指数SI如下：

其中，x

优选地，所述评优阈值为置信度为75％的函数值；所述评良阈值为置信度为95％的函数值；

所述置信度计算公式如下：

其中，x

与现有技术相比，本方案具有以下有益效果：

1.可以考虑到多种参数变化以及工况变化造成的能效状态优劣情况，从而实现对机组的实时设备性能优劣评价，及时地针对评价进行合适的机组的诊断措施，实现机组降低能耗的目标。

2.可以实现机组能效实时评价，实现汽轮机组的自动化监测。

附图说明

图1为实施例1的汽轮机组性能健康状态评价方法的流程图；

图2为实施例1的汽轮机组健康度监测的示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施的组件可以以各种不同的配置来布置和设计。

实施例1

参考图1-2，一种汽轮机组性能健康状态评价方法，包括以下步骤：

步骤1：获取历史运行数据，选取部分监测项目为能效状态指标；把历史运行数据中选取的监测数据作为能效状态指标数据，把历史运行数据中的环境数据作为工况划分参数；

在本实施例中，所述能效状态指标为主汽压力、主汽温度、再热蒸汽温度以及给水流量；所述工况划分参数为负载、环境温度、环境压力。

步骤2：进行监测数据的稳态筛选，剔除监测数据中的无效数据，得到稳定工况的能效状态指标数据；

在本实施例中，通过以下步骤对监测数据进行稳态筛选，得到稳定工况的能效状态指标数据。

步骤A1：对监测数据进行数据滑窗，根据一段时间内监测数据之间的差值小于稳定阈值，筛选出稳定工况的监测数据；

在本实施例中，所述的稳定阈值为主蒸汽压力的阈值为1MPa，主汽温度以及再热蒸汽温度阈值为10℃，给水流量为50t/h,负荷阈值为10MW，滑窗长度为L(L为窗口所选的数据组数)，但是稳定阈值也可以根据实际情况设定其他值。

步骤A2：对稳定工况的监测数据进行数据处理，去除重复数据、启停数据，补充缺失数据，筛选出稳定工况的能效状态指标数据。

在本实施例中，使用均值填补法进行数据的补充，具体来说就是，某一个能效状态指标有数据缺失，通过对其余的数据求平均值，把平均值作为缺失数据的补充。

步骤3：使用工况划分参数进行工况划分，确定聚类个数；采用FCM聚类算法，对稳定工况的能效状态指标数据进行聚类，并获取目标类的数据；

在本实施例中，根据工况划分参数，当负荷的变化范围在400-910MW之间，间隔10MW进行划分，环境温度变化范围在5-35℃，间隔范围为5℃，环境压力变化范围在91.55-92.55MPa,间隔范围为0.5MPa,但是并不限于此划分个数方式，也可以根据电厂的实际情况来设定划分值。目标类为煤耗率最低的类。所述聚类算法如下：

其中，c为聚类个数，u

步骤4：把目标类的数据建立样本集，利用样本集训练多元状态评估模型，样本集分别为测试集和训练集；

在本实施例中，把煤耗率最低的类中60％的数据作为测试集，把煤耗率最低的类中40％的数据作为训练集。

所述多元状态评估模型的超参数包括输入能效状态指标数量、聚类个数、学习率、迭代次数、输出能效状态指标数量。

多元状态评估模型的结构：记忆矩阵+残差训练矩阵

输入能效状态指标数量为主汽压力、主汽温度、再热蒸汽温度以及给水流量，共4个。

输出能效状态指标数量为主汽压力、主汽温度、再热蒸汽温度以及给水流量，共4个。

步骤5：把测试集输入到已经完成训练的多元状态评估模型，得到当前时刻的汽轮机组的能效状态指标预测值；通过修正信息熵权法确定每个能效状态指标的熵权重值；结合熵权重值和当前时刻的能效状态指标预测值，计算当前时刻的能效状态指标预测值与能效状态指标真实值的偏离程度；构建汽轮机组的能效状态指数SI。

在本实施例中，所述修正信息熵权法如下：

其中，

通过修正信息熵权法求出权重系数ω。

所述能效状态指数SI如下：

其中，x

通过能效状态指数SI得出对电厂设备总体当前时刻能效状态指数的SI值。

优选地，所述汽轮机组性能健康状态评价方法还包括步骤6：设置评价阈值，分别为评优阈值和评良阈值；

当前时刻的能效状态指数SI小于评优阈值时，汽轮机组的健康度为优；

当前时刻的能效状态指数SI大于评优阈值并小于评良阈值时，汽轮机组的健康度为良；

当前时刻的能效状态指数SI大于评良阈值时，汽轮机组的健康度为中；

当汽轮机组的健康度为良时，发出维护警报；

当汽轮机组的健康度为中时，发出维修警报。

优选地，所述评优阈值为置信度为75％的函数值；所述评良阈值为置信度为95％的函数值；本实施例中的评优阈值为0.0767，评良阈值为0.1369；

所述置信度计算公式如下：

其中，x

图2为本电厂的汽轮机组性能健康状态评价方法的具体应用，通过本方法的计算，能够得到电厂设备总体当前时刻能效状态指数的健康度。而且得出的健康度评价与实际情况一致。

尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。