基于数据驱动与多变量状态估计的汽动引风机故障预警

汽动引风机是新建电厂的重要设备之一,对其采用数据驱动的故障预警时,存在监测参数多、设备故障试验代价高、运行数据少的问题。为此,本文采用多变量状态估计(MSET)方法对汽动引风机相关测点进行状态监测,构造合理的记忆矩阵,使用奇异值分解法计算广义逆矩阵,从而提高计算效率;并以江苏某电厂为研究对象,提取现场包含喘振故障的数据,采用本文方案对实时数据进行状态预警。结果表明,该方案能够合理反映设备的运行状态,对喘振故障能够提前约5 h预警。     

基于视频处理的引风机静叶故障自动监控技术

锅炉引风机是火电厂的重要辅机设备,其运行工况对锅炉的热力循环及电厂的安全稳定运行具有重要影响。引风机工作于锅炉烟道中,环境相对比较恶劣,是电厂故障率比较高的设备之一。在视频处理的基础上,引入目标跟踪及状态补偿等前沿算法,提出了一种能够应用于电厂的引风机静叶故障自动监控技术。该技术能够替代人工巡检,主动对静叶进行监控,能够有效避免因引风机静叶拉杆断裂等故障发现不及时导致的电厂运行工况的失衡。     

火电机组汽动引风机改造控制策略研究

针对某电厂600 MW超临界机组汽动引风机改造过程中设备和系统的特点,设计了汽动引风机改造的控制策略。通过对改造后相关设备和系统的调试,汽动引风机投入正常运行,设计的控制策略满足机组各种工况的运行需求,对设计同类型机组的汽动引风机改造控制策略可提供参考。     

600MW机组静叶可调汽动引风机振动故障诊断与处理

汽动引风机因其调节灵活,能耗低而受到关注。某600 MW电厂静叶可调汽动引风机改造后出现振动故障,机组负荷为500 MW时,汽动引风机齿轮箱振动数值达到168μm,超过报警值,导致机组无法高负荷运行。通过对汽动引风机对轮找中心找正、基础紧固、现场动平衡等一系列技术手段,成功消除了汽动引风机齿轮箱振动故障。     

600MW超临界机组引风机增容改造分析

介绍了某电厂600 MW机组汽动引风机增容改造的情况,通过对小汽轮机、引风机和烟道的优化设计改造方案分析,选择较优方案进行改造,解决了脱硫、脱硝系统提效改造后存在的问题,提高了汽动引风机运行的可靠性。     

基于余弦相似性的在线监测系统智能预警方法

针对当前发电厂在线监测系统设备报警即故障的问题,提出一种基于余弦相似性的电力设备智能预警方法。基于发电厂远程诊断平台提供的设备监测数据驱动,根据设备特征参量,利用余弦相似性计算设备测点数据之间的相关性,得到状态矩阵,进而构建针对特定设备测点数据的预警模型,以实现设备的早期预警。工程应用案例表明,本文所提方法可实现智能预警,解决了在线监测系统设备报警即故障的问题,减少了电厂设备故障的发生,提升了巡检人员的工作效率。     

燃煤机组辅机设备运行健康状态在线评估方法及应用

加强辅机设备健康状态实时评估与预警对宽负荷调峰火电机组的安全运行具有重要意义。基于火电机组主要辅机设备如送、引风机以及汽动给水泵的运行特性分析,提出设备运行健康状态在线评估方法。采用参数异常变化监控法对独立影响设备的参数进行趋势预判,采用特征向量类比分析法从系统的角度实时评估设备各运行参数是否失配,进而综合评价设备健康状态。在某630MW机组上的应用结果显示,参数异常变化监控法成功识别了送风机轴承温度大幅度跳变的工况,并预警相关人员采取防御措施,避免了设备跳闸。采用该机组某次深调工况下引风机失速的历史数据进行的测试结果显示,特征向量类比分析法可以在设备运行异常的瞬间发出参数失配预警,为操盘人员在事故工况下赢得黄金抢救时间,避免事故恶化。     

基于稳健状态估计的设备状态预警研究

针对发电机组设备的状态监测问题,采用改进的自联想回归（AAKR）算法建立设备的状态预警模型。将稳健距离算子代替马氏距离算子,提高自回归模型的稳健性和抗污染能力。将聚类思想应用于距离划分,提出一种基于聚类的变间隔状态矩阵提取方法,并给出具体的实施步骤。采用四重交叉验证学习机制,在训练过程中对模型参数进行优化,获得最优的状态监测模型。以某600 MW机组一次风机为例建立状态参数估计模型,DCS实际运行数据和仿真计算结果表明,改进后的稳健状态估计方法在维持较高准确性的前提下,能够大幅提高模型的稳健性,具有较强的抗污染能力。这样在设备故障早期就能给出相关预警信号,为设备的状态检修提供理论依据。     

基于实时动态基线的运行设备多元状态估计方法

针对稳定运行的设备状态监测问题,本文提出基于实时动态基线的运行设备多元状态估计方法。该方法通过对运行设备监测所得大数据的学习和训练,构造稳定运行工况下的设备健康矩阵;然后针对设备当前运行观测值,计算实时偏差;根据偏差构建实时动态基线,实现对设备运行状态的判断,通过及时反馈故障成因的贡献率定位异常测点。将该方法应用于某机组风烟系统,结果表明:该方法能在早期准确发现设备异常状态并进行故障诊断,有效解决设备异常状态固定阈值判断的不确定性和滞后性,降低设备故障误判概率。     

风电机组齿轮箱温度趋势状态监测及分析方法

风电机组状态监测对于风电场特别是海上风电场降低维护成本,提高运行水平具有重要的实用价值。采用温度趋势分析的方法对风电机组齿轮箱的运行状态进行监测。利用非线性状态估计（nonlinear state estimate technology,NSET）方法建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。通过合理构造过程记忆矩阵,使模型覆盖齿轮箱的正常工作空间。当齿轮箱工作异常时,其动态特性偏离正常工作空间,NSET温度模型预测残差的分布特性发生改变。采用滑动窗口方法实时计算残差的统计分布特性,当残差的均值或标准差的置信区间超出预先设定的阈值时,发出报警信息,提示运行人员检查设备状态。为模拟齿轮箱的故障情况,在机组数据采集与监视控制系统（supervisory control anddata acquisition,SCADA）数据中加入人为温度偏移。通过对该模拟故障的分析,新的状态监测方法能够及时发现齿轮箱的异常状态,达到实时在线状态监测的目的。