b题：火电厂设备的健康状态监测、评价和诊断.pdfVIP

火电厂设备的健康状态监测、评价和诊断

摘要

随着我国工业现代化进程的加快，电力设备的重要性日益凸显，工业上对电

力设备可靠性、安全性也已有了更高的要求。因此，对于设备运行状态的监测至

关重要。本文通过研究火电厂设备的运行状态，研究各设备/设备群及各工序之

间的关系，旨在通过客观的数据和科学的方法，对火电厂设备的健康状态进行监

测、评价和判断。

首先，利用MATLAB软件，从海量数据中依据拉伊达准则进行数据剔除，提取

健康样本，建立健康样本库。进行前后图像分析对比，得出健康样本较原始样本

稳定性强，数据波动较小。其次，运用MATLAB曲线拟合工具箱对各参数间关

联性和独立性进行分析，基于健康样本数据与理论知识，选择某一或某些参数作

为主导因子，与其它参数进行拟合，建立参数回归方程，确定相关关系。结果表

明汽泵前置泵电机A绕组温度与汽泵前置泵电流之间相关性最强，热膨胀和第一

金属温度与汽轮机本体关联度较大，一次风机振动与风机电机电流相关性较强，

这些因素有助于改善设备监测方案，降低数据处理维度。

建立健康样本库与参数间的关系后，进一步实现对当前运行状态的评估与对

之后运行状态的预测。基于神经网络算法，建立数据学习与分析模型。该模型能

够对健康库内数据进行自主学习，快速输出样本的正常值，实现单个设备的在线

状态评估与诊断。最终结合原始数据，通过相关工具总结出现异常情况的大致条

件，并利用导数知识，准确发现各工况下设备的异常情况，及时给出报警信息。

关键词：拉伊达准则曲线拟合工具箱参数回归方程神经网络算法自主学习

一、问题重述

目前电力系统的电厂均已建立实时监控信息系统，系统设备产生大量实时监

控信息和设备正常运转时的历史数据。采用合理手段对生产运作的海量数据进行

挖掘处理，建立生产设备的实时监测模型，实现设备、设备群或系统乃至机组的

在线状态评估与诊断，同时找到改善系统、提高生产效率的方法，对于我国电力

系统的发展进步具有重要意义。附件1给出火电厂设备智能诊断系统结构流程。

附件2—4给出火电厂部分设备实施监测数据和设备正常运转时的历史数据。以

某火电厂为例，试建立数学模型求解下列问题：

1、根据附件2—4，建立从海量数据中筛选和提取设备健康样本库的算法。

2、基于健康样本数据，建立分析特征参数间关联性和独立性的算法，判断设备

检测特征是否冗余，给出相应设备的优化检测特征。

3、根据附件2—4，建立设备当前运行状态的动态综合评价模型，给出设备综合

评价指标的算法以及设备在实时/历史工况下的正常值。

4、建立多设备群构成的系统模块、多模块构成的发电机组，以及拥有多机组的

整个火电厂的实时监控模型，实现各层级的在线状态评估与诊断。

二、问题分析

2.1问题1

题目要求给出从海量数据中筛选和提取设备健康样本库的算法。通过查阅

相关资料得知汽泵前置泵正常工作时，电流与功率是相对稳定的，因此以汽泵前

置泵电流实际值为主体进行操作；对于汽轮机本体，以发电机功率为主体进行

操作；对于一次风机，以1号一次风机电机电流进行操作。基于本题附件中提供

了大量数据，采用拉依达准则利用MATLAB软件剔除异常数据。

2.2问题2

基于问题一的健康样本数据，根据汽泵前置泵、汽轮机和一次风机的工作原

理，分别选取汽泵前置泵电流、汽轮机发电功率以及1号一次风机电机电流作为

主导因子（因变量），利用MATLAB的曲线拟合工具箱，对附件2—4中的因变量

与其他因子进行相关性分析，根据分析结果判定冗余的检测数据，优化监测特征。

判定依据如下。

﹒和方差（SSE），计算公式为:

2

SSE=nωy−∧(2.1)

i=1iiy

结果越接近于0，模型选择和拟合更好。

﹒决定系数（R-square），计算公式为:

R−square=SSR/SST=(SST−SSR)/SST=1−SSR/SST