[发明专利]一种火电厂汽动给水泵组故障特征的早期识别方法

说明书

技术领域

本发明涉及火电厂设备状态检修、汽动给水泵组故障预测、数据挖掘在火电厂汽动给水泵组状态检修中的应用等技术领域，具体涉及一种火电厂汽动给水泵组故障特征的早期识别方法。

背景技术

检修成本及其附加造成的其他成本是火电厂中除燃料成本之外的主要支出费用之一。现行的检修模式主要有计划检修、事故检修和状态检修，状态检修相关技术发展较快，但状态检修的应用水平还不足以支持其独立作为检修策略的依据，所以目前的检修模式仍是计划检修和事故检修。大量生产实践证明，计划检修模式既消耗了大量的人力物力，降低了机组的产能，又造成部分设备产生了过维修或欠维修、设备总体故障率上升等情况。事故检修则更加严重，事故本身就可能带来破坏性的影响。随着火电厂设备状态监测及评估技术的不断发展和成熟，提高状态检修的研究及应用水平，加大状态检修在检修管理中的占比，无疑对检修成本乃至整个火电厂发电成本降低都具有现实意义。

设备的状态通常有两方面，其一是经济性方面，其二是安全性方面，前者的降低会在长时间内影响设备的性能，而后者的恶化通常会直接造成安全事故，影响较为严重。如果有实时监测指标可以反映设备典型故障的早期特征，在设备运行中对设备的安全性状态进行实时监测与状态评估，在指标显示设备可能有典型故障的早期特征时予以报警，可在一定程度上提高状态检修的应用水平。

设备的故障通常都有其从萌芽、发展、恶化直到事故发生的过程。设备的诸多参数监测指标也会随着故障的发展过程而变化，如果能将设备的参数监测指标变化与故障的类型相对应，就可以实现故障特征的早期识别。

汽动给水泵组是火电厂热力循环系统中的一个重要组成部分，小机驱动给水泵完成了给水压力的提高、凝结水到锅炉给水的转化等，是电厂热力系统的心脏。汽动给水泵组的安全经济运行与整个机组的安全性及经济性密切相关。相对于锅炉、汽轮机、发电机这些主机设备的重点监测，汽动给水泵组这种辅助设备或系统往往是火电厂设备状态监测及分析的薄弱环节。对汽动给水泵组进行故障特征的早期识别，有助于降低检修成本，提高整个电厂热力系统的经济性和安全性，并对未来火电厂其他重要设备故障特征的早期识别形成示范作用。

发明内容

本发明的目的在于提供一种能够对火电厂汽动给水泵组的典型故障特征实现早期识别，在故障引发的安全事故发生前及时报警，使电厂工作人员有足够时间调整运行并安排检修，从而降低故障发生率，提高机组整体可用时间的火电厂汽动给水泵组故障特征的早期识别方法。

为达到上述目的，本发明采用的技术方案是：

1)收集统计与本火电厂汽动给水泵组相关测点在SIS数据库中存储的时间序列数据即测点的基本运行参数、轴承温度及油温参数、振动参数；

2)收集统计与本火电厂汽动给水泵组相关的典型故障检修记录，包括叶片断裂、断轴、轴承损坏、给水泵芯包损坏的检修记录；

3)对步骤1)中获得的基本运行参数、轴承温度及油温参数、振动参数进行数据预处理及样本划分，得到样本划分后的初级样本数据Data1；

4)利用步骤2)中获得的火电厂汽动给水泵组典型故障检修记录对步骤3)中获得的样本划分后的初级样本数据Data1进行分类类别标定，得到类别数据集Label；

5)对步骤3)中获得的样本划分后的初级样本数据Data1的每个参数维度的数据都进行特征提取，并在每个样本中都将提取后的特征按固定顺序排列，得到特征提取后的样本数据Data2；

6)对步骤5)中获得的特征提取后的样本数据Data2进行归一化处理，将各特征维度的数据都归一化到(0，1)区间内，得到归一化后的样本数据Data3；

7)使用ReliefF算法对步骤6)中获得的归一化后的样本数据Data3进行特征选择，剔除掉对分类无用的冗余特征，得到特征选择后的样本数据Data4；

8)根据步骤7)中获得的特征选择后的样本数据Data4的特征数量以及步骤4)中获得的类别数据集Label确定神经网络分类模型的输入层、隐藏层及输出层的神经元数量，并确定神经网络的参数；

9)根据步骤8)中获得的神经网络分类模型的输入层、隐藏层及输出层的神经元数量及参数，建立初步的神经网络分类模型，输入步骤7)中获得的特征选择后的样本数据Data4以及步骤4)中获得的类别数据集Label，得到火电厂汽动给水泵组故障特征的早期识别模型；