一种基于统计控制技术的火电机组部件性能变化判定方法与流程

一种基于统计控制技术的火电机组部件性能变化判定方法，属于火电机组故障诊断技术领域。

背景技术：

目前我国火电机组仍在我国的电力生产中占据主导地位，火电机组的在线性能监测技术作为一种能够有效提高机组运行效率、保证机组安全运行的手段被广泛研究与应用。目前国内对火电机组系统和设备进行在线的性能监测手段主要运用两种方法：第一种方法为基于数据驱动的方法，利用大量过程数据，建立设备、系统的模型进行性能监测及诊断；第二种方法是依据物理机理建立模型，从而计算监测变量的应达值，并将其与实测数据对比，实现对部件和系统的性能监测。

一方面，基于数据驱动的方法对热力系统设备进行性能监测的思路是通过测量变量直接构造统计监控指标，并给定对应监控指标的正常变化范围，实现性能变化的监控，但该方法存在的不足之处在于由于不考虑设备的运行机理，单从海量的测量变量着手，因此所构造的统计监控指标往往并不能够很好地表征设备的性能变化情况，更进一步建立起的监控指标正常波动范围也存在着较大的不确定度，由此将带来目前该领域普遍存在着的较高的故障误、虚报警率。另一方面，通过建立物理模型来计算监测变量应达值并与实测数据对比的性能监测方法，缺少有效的故障识别手段。

因此，能够有效识别火电机组部件在实际运行中的突变性故障及渐变性性能劣变且降低误、虚报警率的方法显得尤为重要。统计过程控制利用数理统计方法对过程进行统计控制，通过运用统计数学理论分析给定样本的统计数字特征，得到反映过程特性的样本信息，从而判断过程所处的状态，常用于制造过程质量控制。将统计控制的方法用于电厂领域，由于电站系统中需要监控的变量很多，变量之间存在着很高的相关性，因此需要针对火电机组特点，结合火电机组关键部件物理模型，进一步研究提高故障判别准确性的方法。

技术实现要素：

本发明的目的是提供一种基于统计控制技术的火电机组部件性能变化判定方法，将之运用于火电机组关键部件的在线性能监测中，解决火电机组关键部件性能变化判别不准确的问题，提高关键部件在线性能监测的效果。

本发明的技术方案是：

一种基于统计控制技术的火电机组部件性能变化判定方法，其特征是该方法包括如下步骤：

1)建立火电机组关键部件的全工况模型，计算监测变量偏差：

a.利用主导因素方法得到火电机组各个关键部件的特性参数及其主导因素，利用数据协调后的电厂数据计算拟合得到各个关键部件特性参数的特性曲线，建立关键部件主导因素模型如下式所示；

k＝f(D₁，D₂，…D_i，…D_m)

其中，k为关键部件的特性参数，D_i为该特性参数的主导因素，m为主导因素的个数；

b.从火电机组实时信息监控与管理系统中获取关键部件的监测变量实际测量值；

c.在相同边界条件下，由关键部件的全工况模型计算得到监测变量健康应达值，监测变量健康应达值与监测变量实际测量值之间的差值为监测变量偏差；

2)突变性故障和渐变性性能劣化统计控制图设计及故障判别：

采用一段时间的监测变量偏差组成的偏差序列，利用时间序列分解的方法将偏差序列分解为各个组成部分，挑选适合用于制作统计控制图的偏差序列；

计算得到用于制作统计控制图的偏差序列均值，即并根据公式计算偏差序列的标准差；其中为偏差序列的均值，x_i为偏差序列中各个监测变量偏差，N为偏差序列的监测变量偏差的总个数，σ为偏差序列的标准差；

火电机组发生突变性故障和渐变性性能劣化分别设计统计控制图，实施方法如下：

i.当火电机组性能变化为突变性故障时，统计控制图设计的实施办法为：

利用下式计算统计控制图的初始控制线：

${\mathrm{UCL}}_0={\stackrel{\‾}{x}}_0+3\mathrm{\σ},{\mathrm{CL}}_0={\stackrel{\‾}{x}}_0,{\mathrm{LCL}}_0={\stackrel{\‾}{x}}_0-3\mathrm{\σ}$

其中，为0时刻的监测变量偏差序列的均值，UCL₀为初始上控制线，CL₀为初始中心线，LCL₀为初始下控制线；

将实时测量变量偏差在统计控制图上进行打点，一段时间之后，按下式实时更新统计控制图的上下控制线：

其中，下标t表示时刻；xt为t时刻的监测变量实际测量值；为t时刻的监测变量偏差序列的均值；为权重因子，取值范围是0-1；CL_t为t时刻的中心线，UCL_t为t时刻的上控制线，LCL_t为t时刻的下控制线；

若实时监测变量偏差超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发生了突变性故障；若实时监测变量偏差未超出统计控制图的上、下控制线，则认为该关键部件运行正常；

ii.当火电机组性能变化为渐变性性能劣化时，统计控制图设计的实施办法为：

计算统计控制图的控制线，

其中UCL为上控制线，CL中心线，LCL为下控制线；

计算历史数据监测变量偏差的加权平均值

其中，z_t为t时刻计算得到的历史数据监测偏差变量的加权平均值；

将实时监测变量偏差的加权平均值在统计控制图上进行打点，并实时更新该加权平均值；若实时监测变量偏差的加权平均值超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发生了渐变性性能劣化故障；若实时监测变量偏差的加权平均值未超出统计控制图的上、下控制线，则认为该关键部件运行正常。

统计控制图的上、下控制线，则认为该关键部件运行正常。

上述技术方案中，其特征在于：所述的火电机组包含汽轮机子系统和锅炉子系统；汽轮机子系统包括汽轮机本体系统、加热器回热系统、给水泵组和凝结水泵组；锅炉子系统包括汽水系统、空气预热器、风烟系统和炉膛燃烧系统。

本发明所述的火电机组关键部件包含汽轮机级组、给水泵、回热系统设备、空冷岛、抽汽管道、过热器、再热器、空气预热器、省煤器、旋风分离器、一次风机和二次风

本发明具有以下优点及突出性效果：

本发明将统计过程控制技术与建立火电机组关键部件全工况模型计算监测变量健康应达值的方法结合起来，能够有效的解决基于数据驱动的方法由于脱离实际物理过程无法准确反映部件实际性能变化情况的问题，并且给出了定量的判据能够准确地判别突变性故障和渐变性性能劣化，能够有效降低误、虚报警率。本方法简单便捷，成本低，效果好。

附图说明

图1是本发明提供的基于统计控制技术的火电机组部件性能变化判定方法的流程图。

图2是实施例中火电机组关键部件高压加热器特性曲线。

图3是实施例中验证加热器给水出口温度偏差中存在长期趋势项的分析结果。

图4是实施例中验证加热器给水出口温度偏差中存在周期项所采取的给水流量。

图5是实施例中验证加热器给水出口温度偏差中存在周期项的分析结果。

图6是实施例中用鲁棒局部加权回归方法对给水出口温度偏差进行时序分解所得结果。

图7是实施例中基于统计控制技术绘制的突变性故障控制图。

图8是实施例中基于统计控制技术绘制的渐变性性能劣化控制图。

具体实施方式

下面结合附图对本发明作进一步的说明。

一种基于统计控制技术的火电机组部件性能变化判定方法，该方法包括如下步骤：

1)建立火电机组关键部件的全工况模型，利用主导因素建模方法得到2#高温加热器部件全工况模型，加热器特性参数的特性曲线如图2所示；从火电机组实时信息监控与管理系统中获取关键部件的监测变量加热器出口给水温度实际测量值，在相同边界条件下，由模型计算得到加热器出口给水温度健康应达值，加热器出口给水温度健康应达值与加热器出口给水温度实际测量值之间的差值为加热器出口给水温度偏差；

2)分析加热器出口给水温度的偏差结构组成特征，对其组成特征进行验证，图3所示为验证加热器出口给水温度偏差中长期趋势项，图5为验证加热器出口给水温度偏差中周期项；采用一段时间的加热器出口给水温度偏差组成的偏差序列，利用适当的时间序列分解的方法将偏差序列分解为各个组成部分，分析各组成部分所表征的物理含义，如图6所示为用鲁棒局部加权回归法方法(STL)对加热器出口给水温度偏差进行时序分解的结果；

a)当火电机组性能变化为突变性故障时，统计控制图设计的实施办法为：

i.计算统计控制图的初始控制线；

${\mathrm{UCL}}_0={\stackrel{\‾}{x}}_0+3\mathrm{\σ},{\mathrm{CL}}_0={\stackrel{\‾}{x}}_0,{\mathrm{LCL}}_0={\stackrel{\‾}{x}}_0-3\mathrm{\σ};$

其中，为0时刻的监测变量偏差序列的均值，UCL₀为初始上控制线，CL₀为初始中心线，LCL₀为初始下控制线；

ii.将实时测量变量偏差在统计控制图上进行打点，一段时间之后，按下式实时更新统计控制图的上下控制线：

其中，下标t表示时刻；x_t为t时刻的监测变量实际测量值；为t时刻的监测变量偏差序列的均值；为权重因子，取值范围是0-1，具体取多少应经过多次测试来确定，使得最终能够达到较好的监测效果；CL_t为t时刻的中心线，UCL_t为t时刻的上控制线，LCL_t为t时刻的下控制线；

若实时监测变量偏差超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发生了突变性故障；若实时监测变量偏差未超出统计控制图的上、下控制线，则认为该关键部件运行正常；

b)当火电机组性能变化为渐变性性能劣化时，统计控制图设计的实施办法为：

i.计算统计控制图的控制线，

其中UCL为上控制线，CL中心线，LCL为下控制线；

ii.计算历史数据监测变量偏差的加权平均值

其中z_t为t时刻计算得到的历史数据监测偏差变量的加权平均值；

将实时监测变量偏差的加权平均值在统计控制图上进行打点，并实时更新该加权平均值；若实时监测变量偏差的加权平均值超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发生了渐变性性能劣化故障；若实时监测变量偏差的加权平均值未超出统计控制图的上、下控制线，则认为该关键部件运行正常。

实施例：对电厂回热加热换热器进行故障仿真分析。

1)以330MW火电机组关键部件#1高压加热器为例，建立的遵循质量、能量守恒，能够反映换热器的传热特性的主导因素模型，得到加热器的特性曲线如图2所示。其输入变量包括给水流量D_w1(t)、给水入口压力P_w1、给水入口温度T_w1、抽汽进口压力P_s、抽汽进口温度T_s。输出变量包括给水出口温度T_w2、疏水出口温度T_ss。结合物理模型，利用主导因素建模方法建立1#高压加热器全工况模型，计算得到1#高压加热器给水出口温度健康应达值，与给水出口温度实际测量值做差得到给水出口温度偏差。

2)由于设备老化、热力系统中不凝性气体堆积等原因导致设备性能发生渐变，并以长期趋势项的形式存在于偏差信号中；电厂长期变负荷运行，给水流量随负荷发生相应的变化，而不同给水流量导致的换热量也不同，因此给水流量的周期性变化将带来监测偏差存在周期项；而随机扰动项是随时存在的。

利用加热器仿真模型对给水出口温度偏差的结构组成进行验证：首先验证偏差存在长期增长项，假定换热器主导因素模型为kA＝2.67D_w1+90，性能渐变的形式表现为kA与D_w1线性表达式发生变化，这里假定其变化形式如下：

$kA=2.67-\frac{0.02}{2016}t*D\_w1+90-\frac{36.28}{2016}t$

其中，k为换热器的换热系数，kW/(m2·℃)，A为换热面积，m²，t为时间，5min，D_w1为给水流量，kg/s，这里取恒定值280kg/s。按照这样的性能变化，在给水流量D_w1＝280kg/s时，经过一周时间(t＝2016)发生渐变的kA为正常状态下kA的95％，由此结合换热器的传热方程kA*Δt_m＝D_w1*Cp*(T_w2-T_w1)，其中，Δt_m为换热器对数平均温差。

得到给水出口温度偏差如图3所示，偏差存在明显的增长趋势项；接着验证监测偏差存在周期项，在如上实验方案的基础之上，改变给水流量，按正弦波的形式给出，如图4所示，得到偏差如图5所示，可以看到偏差在趋势项的基础之上呈现很明显的周期性变动。加热器给水出口温度偏差的组成特征为：偏差＝长期趋势项+周期项+随机扰动项。其中，各部分组成的物理含义为：长期趋势项，由于设备老化、热力系统中不凝性气体堆积等原因导致设备性能发生渐变，并以长期趋势项的形式存在于偏差信号中；周期项，电厂长期变负荷运行，导致偏差序列存在周期项；随机项，随机扰动项是临时性、偶然性因素引起的。

从物理机理、仿真实验对给水出口温度偏差的结构组成进行验证之后，分别针对突变性故障以及渐变性性能劣化，建立基于统计控制技术的火电机组性能变化定量判定方法，用于在线监控火电机组运行过程中的性能变化情况。本例采用Matlab程序实施计算的全过程，对换热器从性能正常、发生性能渐变、发生突变以及突变、渐变相继消失的全过程进行仿真实验，测试本发明提出的基于统计控制技术的火电机组性能变化定量判定方法能否准确地捕捉到换热器全过程性能的变化情况。换热器性能变化情况如图5所示。利用鲁棒局部加权回归法方法(STL)将监测偏差进行时间序列的分解，结果如图6所示。从图中可以看到，趋势项能够很好地跟随加热器性能的变化情况。从趋势项中挑选变化比较平缓的偏差数据，建立图7所示的突变性故障控制图进行突变故障监测，图中AEWMA为自适应指数加权移动平均，建立图8所示的渐变性故障控制图进行渐变性性能劣化监测，图中EWMA为指数加权移动平均。