基于Bootstrap的均值标准差阈值预警方法

基于bootstrap的均值标准差阈值预警方法
技术领域
1.本发明涉及三轴燃气轮机性能仿真、故障预警以及统计领域，特别涉及一种预警阈值的获取方法。


背景技术：

2.正确有效的故障预警对于燃气轮机的健康高效工作至关重要，而故障预警的准确性来源于对燃气轮机实测数据的分析处理。
3.如果能够获得大量的燃气轮机实际工作中出现重大故障的实测数据，并凭借这些大量的故障数据直接制定预警阈值是最理想的。然而在燃气轮机的实际工作过程中出现重大故障的情况少之又少，又由于燃气轮机是昂贵的机械，其实验费用常人也难以承担，因此对于故障预警的研究人员来说，故障数据往往十分难得且珍贵。


技术实现要素：

4.针对燃气轮机这类故障数据难以获得的机械，本公开提供了基于bootstrap的均值标准差阈值预警方法，基于燃机正常数据来获取其预警阈值，实现良好的预警效果。
5.具体包括：
6.根据实测数据定义一个统计量作为预警指标，若现场工作过程中实测到的这一统计量超出预警阈值，则表明燃气轮机出现故障，现场应当发生预警；
7.基于典型工况下的o组实测数据(m组0.8工况数据和n组1.0工况数据)进行计算，得到o组预警指标数据的样本；
8.采用bootstrap方法(置信度取99.7％)对o组预警指标数据样本进行扩充；
9.对扩充得到的每组预警指标数据样本进行计算，得到其均值和标准差值；
10.对这些均值和标准差值从小到大排列并依次划分区间，统计各区间内均值样本出现的频次以及标准差值出现的频次；
11.对各区间按照均值标准差阈值法的阈值公式进行整合，得到各区间对应的预警指标阈值的单值；
12.再根据实测预警指标数据的分布情况，从单值集合中选取合适的值作为预警阈值。
13.进一步地，根据实测数据定义了一个统计量——气路参数波动比r作为所述预警指标，它表明燃机理论仿真值与实测值之间的差异度，其意义是：仿真数据与同一时刻实际数据的差与环境条件波动影响下仿真值上下限之差的比值。相较于传统预警方法中的固定阈值，由于气路参数波动比中的分母是随着工况和初始环境条件变化而变化的，因此相较于传统预警方法中的固定阈值更加“灵活”，克服了固定预警阈值的缺陷，并且r值是一个无量纲的数，便于不同参数之间r值的比较，具有很好的统一性。
14.具体计算式如下：
[0015][0016]
式中：
[0017]
pm为燃气轮机任一主要部件的一项气路参数在某工况下的现场实测数据；
[0018]
ps为某工况下经过仿真得到的该参数数据；
[0019]
pmax为某工况环境温度、气压为上限值时由仿真得到的该参数仿真值；
[0020]
pmin为某工况环境温度、气压为下限值时由仿真得到的该参数仿真值；
[0021]
其中，三轴燃气轮机的主要部件包括低压压气机、高压压气机、燃烧室、高压涡轮、低压涡轮以及动力涡轮，气路参数指这些主要部件的进出口温度和压强等。参数仿真值的获取优选采用matlab/simulink仿真方法。
[0022]
进一步地，所述典型工况包括0.8工况和1.0工况。
[0023]
进一步地，所述采用bootstrap方法进行所述预警指标数据样本的扩充，具体包括：
[0024]
采用bootstrap方法，置信度取99.7％，对o组预警指标数据，包括m组0.8工况数据和n组1.0工况数据，进行有放回的随机抽样，每次抽样实验都从o组数据中抽取o次，形成一个新的由o组数据组成的数据集；
[0025]
重复进行若干次抽样实验，以实现从理论上基于原始数据对燃机各种运行状态的模拟。
[0026]
进一步地，所述对各区间的均值和标准差值按照均值标准差阈值法进行整合，得到预警阈值的单值集合的步骤，具体方法包括：
[0027]
选取各区间的均值中值作为该区间的均值；
[0028]
按式(2)计算各区间的标准差值，其中，分子为该区间中标准差值的分布频次，分母为该区间中均值分布频次与标准差值的分布频次之和，乘以该区间的标准差值距离再加上区间的标准差下限：
[0029][0030]
将取得的均值μ和标准差值σ带入式(3)，得到各区间整合后的预警阈值ts：
[0031]
ts＝μ+3σ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)。
[0032]
进一步地，该方法还包括以下步骤：
[0033]
用故障数据验证预警阈值是否正确。
[0034]
本公开提供的方法，对仅有单次启停的燃机实测数据样本进行预警指标计算，得到预警指标的初始数据样本；用bootstrap方法扩充预警指标的数据样本，并得到一系列均值数据和标准差数据；对其划分区间，按均值标准差阈值法的阈值公式整合成预警阈值单值集合，最后根据实测数据得到的预警指标的分布选取合适的预警阈值。
[0035]
与现有技术相比，本公开的有益效果是：(1)是在均值标准差阈值法的基础上加以延伸，有足够的理论基础；(2)基于扩充数据样本得到的大量实验数据，提高了预警的可信度；(3)基于数据充分扩充得到预警阈值单值集合，相当于该台燃机的一种固有属性，该属性囊括了该燃机的各种运行情况，后续只需要根据实测数据的r值直方图，从固有属性—单值图中选取相应的预警阈值即可，大大减少了后续的工作量。
附图说明
[0036]
通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例方式中，相同的参考标号通常代表相同部件。
[0037]
图1为应用本公开预警方法的总体流程图；
[0038]
图2为基于bootstrap的均值标准差阈值预警方法流程图；
[0039]
图3为气路参数波动比r的计算流程图；
[0040]
图4为参数t6的r值直方图；
[0041]
图5为参数t6的均值直方图；
[0042]
图6为参数t6的标准差直方图；
[0043]
图7为参数t6的预警阈值单值图；
[0044]
图8三轴燃机正常状态下参数t6的预警结果图；
[0045]
图9三轴燃机故障状态下参数t6的预警结果图。
具体实施方式
[0046]
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0047]
本公开针对燃气轮机这类现场实测数据不足的机械，提出了一种可扩充样本数据并得到预警阈值单值图这一燃机固有属性的故障预警方法，如附图1、2所示。
[0048]
下面以三轴燃气轮机的低压涡轮出口温度t6为数据样本，对本发明的均值标准差阈值预警方法作进一步介绍。
[0049]
1、以一台燃机的实际数据为样本进行气路参数波动比r值计算
[0050]
在某台三轴燃气轮机单次启停的数据中，选取三轴燃气轮机最具研究意义的0.8工况数据及1.0工况数据作为数据样本进行研究，数据样本中，0.8工况数据为90组，1.0工况数据为681组，共计数据为771组。将这771组t6数据带入气路参数波动比r的计算公式，见式(1)，r的计算流程图如附图3所示。结果绘制成直方图如附图4所示，横坐标为气路参数波动比r值。纵坐标为r值的频次。
[0051]
2、bootstrap方法扩充数据样本
[0052]
用bootstrap方法在771组的原数据样本中进行抽样实验以扩充数据样本，在每次抽取实验中，对771组的原数据样本进行771次有放回的随机抽取，每次抽取完成后计算出气路参数波动比r值，因此每次实验都能获得一组共771个r值样本。本实施例中进行1万次抽取实验后完成数据样本的扩充工作。
[0053]
3、阈值整合
[0054]
对1万次实验获得的r值，计算每组的均值以及标准差值，并绘制成直方图，如图5、图6，图中横坐标为气路参数波动比r的均值、标准差值，纵坐标为频次。
[0055]
将获得的r的均值以及标准差值进行区间划分，这里将两者均设为18个区间，如附表1。
[0056]
表1参数t6阈值整合的均值和标准差值的区间划分及频次表
[0057][0058][0059]
对各区间的均值及标准差值进行整合。整合后得到的预警阈值单值如表1所示，对应的预警单值图如附图7所示，在绘制预警阈值单值图时，以各区间的均值频次为个数，以各区间的预警阈值为数值绘制。
[0060]
每个整合后的预警阈值代表了这台燃机的各种运行情况，而实测数据的r值直方图中每个区间则表明这台燃机本次实验中的各个运行状态。将得到的整合阈值从小到大依次排列，这时整合阈值与实测数据r值的区间划分也就是燃机的运行状态是从小到大一一对应的，每个整合阈值都对应着一个r值的区间，也就是对应着一种燃机的运行状态。
[0061]
进一步结合图5与图6，选取分布频次最高的编号为10的均值区间对应的4.1400作为预警阈值。
[0062]
为验证预警阈值的准确性，将故障数据与正常数据与之比对，验证结果如图8、图9，图中结果表明，该方法得到的预警阈值在三轴燃机正常工作时不会报警，在三轴燃机发生故障时则会报警，证明了该预警阈值有效。
[0063]
总之，本发明能够在三轴燃机正常运行时不发生误警并且在发生故障时不出现漏警，准确实现了预警功能，具有良好的预警效果，为缺乏样本数据的三轴燃机提供了一种故障预警的新方法思路。
[0064]
上述技术方案只是本发明的示例性实施例，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施例所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。