[发明专利]一种火电厂热力系统传感器故障诊断方法

说明书

本发明涉及一种火电厂热力系统传感器故障诊断方法，包括：对热力系统的传感器信息数据进行采样；根据传感器信息采样数据确定阶次数p；根据所述阶次数p选择自回归模型；确定自回归模型中的参数，同时确定自回归模型的表达式；利用自回归模型预测出传感器在下一时刻的输出值，通过比较传感器的预测值与实际值产生残差，获得残差序列；对获得的残差序列进行分析，当所有残差序列均表现出可能出现为某种故障类型时，则判断传感器发生该类故障。本技术方案能快速准确地实现传感器故障诊断与数据重构，特别适合于在线应用。

技术领域

本发明涉及故障诊断技术领域，特别涉及一种火电厂热力系统传感器故障诊断方法。

背景技术

传感器作为火电厂中必不可少的底层部件，对机组安全稳定运行起着重要的作用。火电机组正常运行过程中，重要的热力过程参数，如主蒸汽温度、主蒸汽压力、汽轮机转速、汽包水位等的测量使用了大量的各种类型的传感器。一旦传感器发生故障，轻则使控制系统性能下降，重则有可能导致严重的事故，造成重大经济损失。火电厂热力过程中传感器众多，分布于各种不同设备的多个部位，通过人力去检测传感器故障是非常困难的。因此，通过检测传感器的输出数据，进行传感器故障判断和分析是十分有必要的。

传感器故障诊断最为可靠的方法为硬件冗余法，即：在某一测点附近布置读个不同的传感器同时测量同一物理参数，将几个传感器的输出根据既定规则计算出的结果作为该测点的测量值。硬件冗余的优点是不需要被控对象的数学模型，鲁棒性强，缺点是设备复杂，会使系统的体积、重量和成本增加。

基于信号处理的检测方法分别从信号频率、变量间相关性、变量自身相关性三个方面进行了设计，在一定情况下会产生相应的效果，比如小波分析适合振动、压力这类波动较快的信号；偏最小二乘适合于具有强相关性变量信号集的分析；而对于具有周期性特征的信号分析，ARMA这类自相关时间序列回归预测方法会产生更加显著的效果。现有技术方案采用单一的方法，方法本身具有一定的局限性，缺乏冗余检测的验证和分析，可靠程度不高。

发明内容

为解决现有技术的问题，本发明提出一种火电厂热力系统传感器故障诊断方法，技术方案时间轴的多元回归和支持向量回归这两个维度上对测量信号进行综合分析和配合比较，其方案的泛化能力更强，应用场合更广。

为实现上述目的，本发明提供了一种火电厂热力系统传感器故障诊断方法，该方法包括：

对热力系统的传感器信息数据进行采样；

根据传感器信息采样数据确定阶次数p；

根据所述阶次数p选择自回归模型；

确定自回归模型中的参数，同时确定自回归模型的表达式；

i＝1，以t-p+i为初始时间节点，时间序列窗口长度为p，对传感器信息数据采样得到的p个实际测量数据作为自回归模型的输入，经自回归模型输出第t+1时刻的预测数据并确定预测数据与对应的实际测量数据x(t+1)之间的残差e(i)，当残差e(i)不超过阈值时，则i＝i+1，以t-p+i为初始时间节点，继续经自回归模型获得一残差e(i)，直至残差e(i)大于阈值；