一种适用于电厂的关键机组故障诊断系统

技术领域

本发明涉及电厂关键机组故障诊断技术领域,更具体的说是涉及一种适用于电厂的关键机组故障诊断系统。

背景技术

在电厂中关键机组包括发电机、汽轮机、燃气轮机、锅炉等。在电能生成、能源转换效率、运行控制、调峰能力、故障保护与安全以及维护与保养等方面发挥着重要作用，对电厂的正常运行和电力供应起着关键作用。

每个关机机组的运行方式和监测数据各不相同；在现有技术中通过对历史数据进行分析，对每个关键机组的判断阈值进行确定；或通过工作人员的经验对判断阈值进行设置。但是在机组运行过程中，会出现各种故障对就的运行产生影响，单一的设置判断阈值，使判断的精度较差。

因此如何提高电厂关键机组故障的诊断精准度是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种适用于电厂的关键机组故障诊断系统，基于历史数据对判断阈值进行设置；通过对关键机组生命周期的监测和调整，根据生命周期对关键机组的判断阈值进行调整，提高了判断阈值的精准度，进而提高了关键机组故障诊断的精准度。

为实现上述目的，本发明提供如下技术方案：

优选的，在上述一种适用于电厂的关键机组故障诊断系统，包括：

数据采集模块，用于实时采集并处理关键机组的传感器数据；

特征提取模块，用于根据关键机组的运行特性，在传感器数据中提取特征数据；

诊断模型模块，用于根据历史数据，使用机器学习算法生成关键机组的故障诊断模型；

故障诊断模块，用于所述特征数据输入到所述故障诊断模型，对关键机组的实时运行状况进行监控；

故障报警模块，用于发现关键机组故障时，发出报警信息并提供相应的故障解决参考方案。

优选的，在上述一种适用于电厂的关键机组故障诊断系统，所述数据采集模块，包括：

传感器单元，用于根据关键机组的工作参数和监测需求，对关键机组进行传感器配置；

实时采集单元，用于实时采集关键机组上各传感器的信号，并将传感器信息进行数字化处理；

预处理单元，用于去除实时采集数据中的噪点数据和异常数据，并对缺失值进行补齐；

数据存储单元，用于对预处理后的数据进行存储和管理；

数据处理单元，用于对所述数据存储单元中的数据进行可视化处理和汇总统计。

优选的，在上述一种适用于电厂的关键机组故障诊断系统，所述特征提取单元，包括：

方法选择单元，用于根据关键机组的特点和故障诊断需求，对特征数据的提取方法进行确定；

数据提取单元，用于使用确定的提取方法对传感器数据进行特征提取；

特征选择单元，用于根据传感器数据特征的区分度和相关度对特征进行选择；

特征处理单元，用于对选择的特征进行缩放、组合、降维处理，得到特征数据。

优选的，在上述一种适用于电厂的关键机组故障诊断系统，所述诊断模型模块，包括：

故障数据单元，用于建立故障数据库，存储历史数据中的故障数据，对故障的类型、模式、原因和处理方案进行存储；

故障模型单元，用于根据故障数据单元中的历史数据，对关键机组进行故障建模，定义故障的类型、模式和原因；进行训练和修正后得到关键机组的故障诊断模型。

优选的，在上述一种适用于电厂的关键机组故障诊断系统，所述故障诊断模块，包括：

数据阈值单元，用于使用故障诊断模型生成关键机组特征数据的数据阈值；

阈值调节单元，用于根据关键机组的生命周期对关键机组特征数据的数据阈值进行调整；

实时诊断单元，用于使用故障诊断模型根据调整后的所述数据阈值，对关键机组的运行状态进行监测，当关键机组的实时特征数据超过调整后的所述数据阈值时，发出报警信息。

优选的，在上述一种适用于电厂的关键机组故障诊断系统，在所述阈值调节单元中，关键机组的运行时长S根据关键机组的故障次数N进行调整；

在所述故障数据单元中，获取关键机组的故障次数N；

预设故障次数矩阵N0，设定N0(N1，N2，N3，N4)，其中，N1为第一预设故障次数，N2为第二预设故障次数，N3为第三预设故障次数，N4为第四预设故障次数，且N1＜N2＜N3＜N4；

预设运行时长S的调节系数矩阵C0，设定C0(C1，C2，C3)，其中，C1为第一预设调节系数，C2为第二预设调节系数，C3为第三预设调节系数，且1＜C1＜C2＜C3＜1.2；

根据关键机组的故障次数N与各预设故障次数之间的关系，确定运行时长S的调节系数：

当N＜N1时，不对关键机组的运行时长进行调整；

当N1≤N＜N2时，选定所述第一预设调节系数C1作为关键机组运行时长S的调节系数，调节后S＝S*C1；

当N2≤N＜N3时，选定所述第二预设调节系数C2作为关键机组运行时长S的调节系数，调节后S＝S*C2；

当N3≤N＜N4时，选定所述第三预设调节系数C3作为关键机组运行时长S的调节系数，调节后S＝S*C3。

优选的，在上述一种适用于电厂的关键机组故障诊断系统，在所述阈值调节单元中，关键机组的生命周期L根据调整后的运行时长S*Ci进行确定，i＝1,2,3,；

预设运行时长矩阵S0，设定S0(S1，S2，S3，S4)，其中，S1为第一预设运行时长，S2为第二预设运行时长，S3为第三预设运行时长，S4为第四预设运行时长，且S1＜S2＜S3＜S4；

预设生命阶段矩阵L0，设定L0(L1，L2，L3，L4，L5)，其中，L1为第一预设生命阶段，L2为第二预设生命阶段，L3为第三预设生命阶段，L4为第四预设生命阶段，L5为第五预设生命阶段，关键机组的生命周期L为L1-L2-L3-L4-L5；

根据关键机组调整后的运行时长S*Ci与各预设运行时长之间的关系，确定关键机组的生命阶段：

当S*C i＜S1时，选定第一预设生命阶段L1，为关键机组的生命周期；

当S1≤S*Ci＜S2时，选定第二预设生命阶段L2，为关键机组的生命周期；

当S2≤S*Ci＜S3时，选定第三预设生命阶段L3，为关键机组的生命周期；

当S3≤S*Ci＜S4时，选定第四预设生命阶段L4，为关键机组的生命周期；

当S4≤S*Ci时，选定第五预设生命阶段L5，为关键机组的生命周期。

优选的，在上述一种适用于电厂的关键机组故障诊断系统，在所述阈值调节单元中，根据关键机组的生命周期Li,对关键机组特征数据的数据阈值H进行调整；

预设数据阈值H的调节系数矩阵D0，设定D0(D1，D2，D3，D4)，其中，D1为第一预设调节系数，D2为第二预设调节系数，D3为第三预设调节系数，D4为第四预设调节系数，且1＞D1＞D2＞D3＞D4＞0.8；

当关键机组的生命周期为L1时，不用对关键机组特征数据的数据阈值H进行调整；

当关键机组的生命周期为L2时，使用第一预设调节系数D1,对对关键机组特征数据的数据阈值H进行调整，调整后数据阈值H＝H*D1；

当关键机组的生命周期为L3时，使用第二预设调节系数D2,对对关键机组特征数据的数据阈值H进行调整，调整后数据阈值H＝H*D2；

当关键机组的生命周期为L4时，使用第三预设调节系数D3,对对关键机组特征数据的数据阈值H进行调整，调整后数据阈值H＝H*D3；

当关键机组的生命周期为L5时，使用第四预设调节系数D4,对对关键机组特征数据的数据阈值H进行调整，调整后数据阈值H＝H*D4。

优选的，在上述一种适用于电厂的关键机组故障诊断系统，在所述实时诊断单元中，根据调整后的数据阈值H*Di与实时数据的差值J，确定关键机组的报警等级K，i＝1,2,3,4；

预设差值矩阵J0，设定J0(J1，J2，J3，J4)，其中，J1为第一预设差值，J2为第二预设差值，J3为第三预设差值，J4为第四预设差值，且J1＜J2＜J3＜J4；

预设报警等级矩阵K0，设定K0(K1，K2，K3，K4)，其中，K1为第一报警等级，K2为第二报警等级，K3为第三报警等级，K4为第四报警等级，且根据重要性排序K1＜K2＜K3＜K4；

当J＜J1时，关键机组的报警等级为第一报警等级K1；

当J1≤J＜J2时，关键机组的报警等级为第二报警等级K2；

当J2≤J＜J3时，关键机组的报警等级为第三报警等级K3；

当J3≤J＜J4时，关键机组的报警等级为第四报警等级K4。

优选的，在上述一种适用于电厂的关键机组故障诊断系统，所述故障报警模块，包括：

声光报警单元，用于关键机组发生故障时，进行声光报警；

方案匹配单元，用于根据报警信息在所述故障数据单元进行故障匹配，提取相应的故障处理方案；

移动报警单元，用于发送报警信息和故障相应的处理方案到移动端；

处理时间单元，用于根据不同的报警等级设置故障的处理时间。

经由上述的技术方案可知，与现有技术相比，本发明的有益效果为：

1.通过对关键机组生命周期的监测和调整，根据生命周期对关键机组的判断阈值进行调整，提高了判断阈值的精准度，进而提高了关键机组故障诊断的精准度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明系统的功能流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明中，术语“第一”、“第二”、“第三”仅用于描述的目的，而不能理解为指示或暗示相对重要性；术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

本发明的描述中，需要理解的是，术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明的限制。

在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

实施例1

如图1所示，本发明实施例公开了一种适用于电厂的关键机组故障诊断系统，包括：

数据采集模块，用于实时采集并处理关键机组的传感器数据；

特征提取模块，用于根据关键机组的运行特性，在传感器数据中提取特征数据；

诊断模型模块，用于根据历史数据，使用机器学习算法生成关键机组的故障诊断模型；

故障诊断模块，用于特征数据输入到故障诊断模型，对关键机组的实时运行状况进行监控；

故障报警模块，用于发现关键机组故障时，发出报警信息并提供相应的故障解决参考方案。

在上述实施例中，可以理解为在关键机组设置相应的传感器进行数据采集，将采集的数据信息传输到电厂的服务中进行数据处理和判断，并控制报警装置进行报警。

在上述实施例中，可以理解为特征提取模块、诊断模型模块、故障诊断模块都为服务器中设置的数据处理程序。通过服务器的计算能力对数据进行处理。

在上述实施例中，机器学习算法可以包括决策树、支持向量机、神经网络等，通过训练和学习从特征数据中推断故障；为现有技术。

上述实施例的有益效果为：通过对关键机组生命周期的监测和调整，根据生命周期对关键机组的判断阈值进行调整，提高了判断阈值的精准度，进而提高了关键机组故障诊断的精准度。

实施例2

在一个实施例中，一种适用于电厂的关键机组故障诊断系统，数据采集模块，包括：

传感器单元，用于根据关键机组的工作参数和监测需求，对关键机组进行传感器配置；

实时采集单元，用于实时采集关键机组上各传感器的信号，并将传感器信息进行数字化处理；

预处理单元，用于去除实时采集数据中的噪点数据和异常数据，并对缺失值进行补齐；

数据存储单元，用于对预处理后的数据进行存储和管理；

数据处理单元，用于对数据存储单元中的数据进行可视化处理和汇总统计。

在上述实施例中，传感器包括温度传感器、压力传感器、振动传感器、流量传感器等；实时数据采集通过数据转换装置和无线信号发生装置，与传感器和服务器连接，使服务器实时获取传感器采集的数据信息。数据转换装置也通过有线方式与服务器连接。上述所有设备都为现有技术。

在上述实施例中，对数据进行预处理和可视化，都为现有技术。通过对数据可视化生成图表、曲线等形式展示，方便操作人员实时监测关键参数的变化。同时，数据处理单元还可以生成报告，汇总和分析关键参数数据，为故障诊断和决策提供支持。

在上述实施例中，数据存储单元优选的为数据库位于服务器中；

实施例3

在一个实施例中，一种适用于电厂的关键机组故障诊断系统，特征提取单元，包括：

方法选择单元，用于根据关键机组的特点和故障诊断需求，对特征数据的提取方法进行确定；

数据提取单元，用于使用确定的提取方法对传感器数据进行特征提取；

特征选择单元，用于根据传感器数据特征的区分度和相关度对特征进行选择；

特征处理单元，用于对选择的特征进行缩放、组合、降维处理，得到特征数据。

在上述实施例中，根据电厂中的关机机组(发电机、汽轮机、燃气轮机、锅炉等)，诊断方向的不同，需要设置不同的提取方法(时域特征、频域特征、小波变换、能量特征等)，选择适当的方法可以提取到与故障相关的有效特征。提高数据判断的精准度。

在上述实施例中，对特征进行缩放使其具有相似的数值范围，例如将特征归一化到[0,1]或标准化为均值为0、方差为1；根据特征进行组合；对特征进行降维减少特征的数量，例如主成分分析(PCA)、线性判别分析(LDA)或特征选择算法，以减少数据的维度和复杂度。可以提高故障诊断模型的准确性、泛化能力和鲁棒性。

实施例4

在一个实施例中，一种适用于电厂的关键机组故障诊断系统，诊断模型模块，包括：

故障数据单元，用于建立故障数据库，存储历史数据中的故障数据，对故障的类型、模式、原因和处理方案进行存储；

故障模型单元，用于根据故障数据单元中的历史数据，对关键机组进行故障建模，定义故障的类型、模式和原因；进行训练和修正后得到关键机组的故障诊断模型。

在上述实施例中，故障数据单元优选的数据库，设置在服务器中。

实施例5

在一个实施例中，一种适用于电厂的关键机组故障诊断系统，故障诊断模块，包括：

数据阈值单元，用于使用故障诊断模型生成关键机组特征数据的数据阈值；

阈值调节单元，用于根据关键机组的生命周期对关键机组特征数据的数据阈值进行调整；

实时诊断单元，用于使用故障诊断模型根据调整后的数据阈值，对关键机组的运行状态进行监测，当关键机组的实时特征数据超过调整后的数据阈值时，发出报警信息。

其中，

在阈值调节单元中，关键机组的运行时长S根据关键机组的故障次数N进行调整；

在故障数据单元中，获取关键机组的故障次数N；

预设故障次数矩阵N0，设定N0(N1，N2，N3，N4)，其中，N1为第一预设故障次数，N2为第二预设故障次数，N3为第三预设故障次数，N4为第四预设故障次数，且N1＜N2＜N3＜N4；

预设运行时长S的调节系数矩阵C0，设定C0(C1，C2，C3)，其中，C1为第一预设调节系数，C2为第二预设调节系数，C3为第三预设调节系数，且1＜C1＜C2＜C3＜1.2；

根据关键机组的故障次数N与各预设故障次数之间的关系，确定运行时长S的调节系数：

当N＜N1时，不对关键机组的运行时长进行调整；

当N1≤N＜N2时，选定第一预设调节系数C1作为关键机组运行时长S的调节系数，调节后S＝S*C1；

当N2≤N＜N3时，选定第二预设调节系数C2作为关键机组运行时长S的调节系数，调节后S＝S*C2；

当N3≤N＜N4时，选定第三预设调节系数C3作为关键机组运行时长S的调节系数，调节后S＝S*C3。

其中，

在阈值调节单元中，关键机组的生命周期L根据调整后的运行时长S*Ci进行确定，i＝1,2,3,；

预设运行时长矩阵S0，设定S0(S1，S2，S3，S4)，其中，S1为第一预设运行时长，S2为第二预设运行时长，S3为第三预设运行时长，S4为第四预设运行时长，且S1＜S2＜S3＜S4；

预设生命阶段矩阵L0，设定L0(L1，L2，L3，L4，L5)，其中，L1为第一预设生命阶段，L2为第二预设生命阶段，L3为第三预设生命阶段，L4为第四预设生命阶段，L5为第五预设生命阶段，关键机组的生命周期L为L1-L2-L3-L4-L5；

根据关键机组调整后的运行时长S*Ci与各预设运行时长之间的关系，确定关键机组的生命阶段：

当S*C i＜S1时，选定第一预设生命阶段L1，为关键机组的生命周期；

当S1≤S*Ci＜S2时，选定第二预设生命阶段L2，为关键机组的生命周期；

当S2≤S*Ci＜S3时，选定第三预设生命阶段L3，为关键机组的生命周期；

当S3≤S*Ci＜S4时，选定第四预设生命阶段L4，为关键机组的生命周期；

当S4≤S*Ci时，选定第五预设生命阶段L5，为关键机组的生命周期。

其中，

在阈值调节单元中，根据关键机组的生命周期L i,对关键机组特征数据的数据阈值H进行调整；

预设数据阈值H的调节系数矩阵D0，设定D0(D1，D2，D3，D4)，其中，D1为第一预设调节系数，D2为第二预设调节系数，D3为第三预设调节系数，D4为第四预设调节系数，且1＞D1＞D2＞D3＞D4＞0.8；

当关键机组的生命周期为L1时，不用对关键机组特征数据的数据阈值H进行调整；

当关键机组的生命周期为L2时，使用第一预设调节系数D1,对对关键机组特征数据的数据阈值H进行调整，调整后数据阈值H＝H*D1；

当关键机组的生命周期为L3时，使用第二预设调节系数D2,对对关键机组特征数据的数据阈值H进行调整，调整后数据阈值H＝H*D2；

当关键机组的生命周期为L4时，使用第三预设调节系数D3,对对关键机组特征数据的数据阈值H进行调整，调整后数据阈值H＝H*D3；

当关键机组的生命周期为L5时，使用第四预设调节系数D4,对对关键机组特征数据的数据阈值H进行调整，调整后数据阈值H＝H*D4。

其中，

在实时诊断单元中，根据调整后的数据阈值H*Di与实时数据的差值J，确定关键机组的报警等级K，i＝1,2,3,4；

预设差值矩阵J0，设定J0(J1，J2，J3，J4)，其中，J1为第一预设差值，J2为第二预设差值，J3为第三预设差值，J4为第四预设差值，且J1＜J2＜J3＜J4；

预设报警等级矩阵K0，设定K0(K1，K2，K3，K4)，其中，K1为第一报警等级，K2为第二报警等级，K3为第三报警等级，K4为第四报警等级，且根据重要性排序K1＜K2＜K3＜K4；

当J＜J1时，关键机组的报警等级为第一报警等级K1；

当J1≤J＜J2时，关键机组的报警等级为第二报警等级K2；

当J2≤J＜J3时，关键机组的报警等级为第三报警等级K3；

当J3≤J＜J4时，关键机组的报警等级为第四报警等级K4。

在上述实施例中，可以理解为关键机组的故障会影响关键机组的生命周期，同时生命周期对关键机组的判断阈值影响较大。因此通过生命周期对判断阈值进行调节，能够提高对关键机组故障判断的精准度。

在上述实施例中，根据实时数据与数据阈值的差值，对报警等级进行设置。可以理解为在进行报警阈值设置时，会设置一个安全值。较小的差值可能不影响关键机组的正常运行。通过不同报警等级进行，可以采取不同的处理方式，能够提高了工作人员的工作效率。

实施例6

在一个实施例中，一种适用于电厂的关键机组故障诊断系统，故障报警模块，包括：

声光报警单元，用于关键机组发生故障时，进行声光报警；

方案匹配单元，用于根据报警信息在故障数据单元进行故障匹配，提取相应的故障处理方案；

移动报警单元，用于发送报警信息和故障相应的处理方案到移动端；

处理时间单元，用于根据不同的报警等级设置故障的处理时间。

在上述实施例中，移动端优选的为手机，通过移动网络与电厂内的服务器连接；通过账号密码登录手机端的APP,获取服务器发送的信息。

在上述实施例中，根据报警等级设置处理时间的长短，可以理解为在故障判断较轻时，可以根据工作人员的工作安排进行处理，提高工作人员的工作效率。同时在有多个故障时，根据等级的不同对关键机组的检修顺序进行设置，减少检修不及时的情况发生。

需要说明的是，上述实施例，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。

术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。