[发明专利]一种面向百万千瓦超超临界机组变工况运行的动态分布式监测方法

说明书

本发明公开了一种面向百万千瓦超超临界机组变工况运行的动态分布式监测方法。本发明针对百万千瓦超超临界机组这一典型的大规模非平稳过程，结合运用稀疏协整分析和动态特征提取方法用于故障检测和工况转变的识别。该方法可以自动的将大规模过程变量分成不同变量组，同时在每个变量组中分别提取过程静态和动态信息，并对二者进行分别建模和监测。实现深度挖掘过程信息，并有效的实现区分过程正常工况的转变和真正过程故障。该方法有效的解决了百万千瓦超超临界机组这一大规模非平稳动态系统的过程监测难问题，大大提高了过程监测的性能，有助于现场工程师准确的掌握机组运行状态，从而保证百万千瓦超超临界机组的安全性并提高了生产效益。

技术领域

本发明属于大规模非平稳过程统计监测领域，特别是针对一种面向百万千瓦超超临界机组变工况运行的动态分布式监测方法。

背景技术

电力工业是我国国民经济最重要的基础能源产业和经济发展战略的重点。我国缺油少气，煤炭资源丰富，长期以来煤电一直是我国主要电力来源。燃煤发电过程日趋复杂化、大型化发展。大型燃煤发电过程环境复杂，现场具有高温，高压，高噪声等特点。百万千瓦超超临界机组是世界上最先进的高效、大容量燃煤发电设备，具有明显的能效优势，是我国电力工业发展的代表性机组和主流方向。我国百万千瓦超超临界机组保有量世界第一，并且发展空间巨大。

百万千瓦超超临界机组具有明显的大规模，非平稳以及动态特性。为了保证百万千瓦超超临界机组的安全性并提高生产效益，必须采用有效的过程监测方法。过程监测就是监控过程运行状态，在异常出现时及时发出警报。随着技术的发展，在工业现场获得数据变得越来越容易，过程数据中蕴含了大量的过程信息，于是，基于数据的过程监测方法已成为研究的热点。

前人对基于数据的过程监测做了相应的研究。主成分分析(PCA)，偏最小二乘(PLS)等多元统计分析方法已经被广泛应用于数据过程监控领域。然而，这些方法都假设过程是平稳的，并没有考虑过程的动态特性。实际上在百万千瓦超超临界机组中由于过程扰动，设备老化等原因过程会具有明显的非平稳特性。同时由于频繁调峰过程处于动态变化之中。因此，百万千瓦超超临界机组具有明显的大规模、非平稳以及动态特性，这给过程监测带来了很大的挑战。

本发明针对百万千瓦超超临界机组这一典型大规模、动态非平稳过程提出一种结合稀疏协整分析和动态特征提取的过程监测方法。该方法将过程中的非平稳变量识别出来，利用这些非平稳变量建立稀疏协整模型并利用迭代方法将变量分为不同的变量组。提出动态特征提取的方法用于将动态信息与静态信息分别开来，并对二者分别建模和监测。该方法可以自动的将变量分成不同的变量组，同时可以有效的提取出过程动态及静态信息，有效的区分正常工作状态的改变和真正过程故障，大大提高了过程监测的性能。到目前为止，尚未见到与本发明相关的研究报道。

发明内容

本发明的目的在于针对百万千瓦超超临界机组这一典型的大规模，动态非平稳过程，提供了一种面向大型燃煤发电机组非平稳过程的故障检测方法和诊断方法。

本发明的目的是通过以下技术方案实现的：一种面向大型燃煤发电机组非平稳过程的故障检测方法，包括以下步骤：

(1)获取正常过程数据：设一个百万千瓦超超临界机组中包含J个过程变量，每次采样可以得到一个1×J的向量，采样M次后得到一个正常过程下的二维矩阵X_n(M×J)；

(2)识别非平稳变量：应用Augmented Dickey-Fuller(ADF)检验方法识别二维矩阵X_n(M×J)中的非平稳变量，得到非平稳变量数据矩阵X_ns(M×N)，N 表示非平稳变量个数；