為提高電網和燃煤機組的可靠性,提出了廠網協調模式下的燃煤機組發(fā)電能力評測方法�；陔娏ιa工藝原理,通過聚類分析等數據挖掘算法獲取參數的動態(tài)正常值,并引入變權理論,利用余弦相似度實現了設備健康狀態(tài)評價;在此基礎上,結合參數健康度評價,利用Run Back思想實現機組發(fā)電能力的評測;以某600 MW機組隔膜閥動作引發(fā)的非停事件為例,進行了仿真分析和驗證。結果表明:正常運行工況下EH和潤滑油模型的健康度均高于預警限值,其處于良好狀態(tài);非停事件發(fā)生前20天,EH和潤滑油模型健康度就逐步下降,且在非停事件發(fā)生前5天,EH和潤滑油模型健康度直線下降,從而實現了設備早期故障識別,其為設備運行優(yōu)化調整、檢修及電網優(yōu)化調度提供了數據參考,具有一定的應用價值。 

【文章來源】：熱能動力工程. 2020,35(10)北大核心CSCD

【文章頁數】：8 頁

【部分圖文】：

廠網協調模式下的系統(tǒng)架構

設備關聯的運行參數可反映設備的健康狀態(tài),當前基本靠人工判定,存在一定的主觀性。通過數據挖掘技術,對設備正常運行歷史工況進行自動學習,可實時獲取到各工況下參數的動態(tài)正常值,借助相似度模型可直接計算設備的健康狀態(tài),從而實現人為經驗向數學模型的轉變,其提高了設備健康狀態(tài)評價的準確性,同時,可有效減輕運行人員的工作量,設備健康狀態(tài)評價流程如圖2所示。設備健康狀態(tài)評價詳細過程:

(4) 利用數據挖掘算法,對設備歷史正常運行工況下的參數進行學習,經數據清洗后,得到樣本數據集;采用K-均值聚類(K-means clustering)算法與基于期望最大(Expectation Maximum,EM)的高斯混合模型(Gaussian Mixture Model,GMM)算法相結合的聚類分析算法,對樣本數據集進行分析,建立設備健康工況狀態(tài)矩陣;最后利用最大似然相似理論求解實時狀態(tài)數據與設備健康工況狀態(tài)矩陣之間最大相似問題,運用非線性狀態(tài)回歸方程對設備狀態(tài)的正常值進行精確求解,從而得到各參數當前工況下的正常值[7]。其流程如圖3所示。(5) 運行參數劣化程度(偏離正常值的程度)不同,對設備健康的影響不同,為了體現這種特性,引入變權計算,即參數的權重隨參數的劣化度動態(tài)變化[8-9],其計算公式為:

【參考文獻】：
期刊論文
[1]基于PMI-IMSET的鍋爐輔機故障預警[J]. 張維,高明明,伯運鶴,翟海濤.  華北電力大學學報(自然科學版). 2019(06)
[2]基于綜合評價法的火電廠設備健康狀態(tài)的研究[J]. 趙海頤.  電子測試. 2019(15)
[3]基于綜合健康指數的設備狀態(tài)評估[J]. 楊春波,陶青,張健,程志友,凡遠柱.  電力系統(tǒng)保護與控制. 2019(10)
[4]基于故障預警系統(tǒng)的燃煤發(fā)電設備狀態(tài)檢修[J]. 楊勤,張震偉,楊茉,董宇鳴,張洪勝.  中國電力. 2019(03)
[5]基于多維標度的非線性模擬電路故障診斷方法[J]. 賀開放,李兵,何怡剛.  傳感器與微系統(tǒng). 2019(02)
[6]結合相似度的樸素貝葉斯半監(jiān)督自訓練方法[J]. 馬茂源,呂佳.  重慶師范大學學報(自然科學版). 2019(01)
[7]基于模糊數學和變權理論的智能變電站二次設備狀態(tài)估計[J]. 唐楚雪,陳德明.  電氣自動化. 2018(06)
[8]電廠發(fā)電設備故障診斷方法綜述[J]. 杜景琦,趙明,殷捷,顧偉.  云南電力技術. 2018(05)
[9]基于高斯混合模型的汽輪機轉軸故障診斷方法[J]. 羅嬋純,李德忠,楊柳,胡蓉,任資龍,謝小鵬,向春波.  華電技術. 2017(10)
[10]關于脫硝在線監(jiān)測的難點分析及對策[J]. 向德軍,龍建平,謝小鵬,肖靈運.  自動化技術與應用. 2014(08)

碩士論文
[1]基于風險理論的電力系統(tǒng)脆弱點評價[D]. 王博侖.山東大學 2018



本文編號：3373283