[发明专利]一种磨煤机运行故障识别方法及应用

说明书

本发明提供了一种磨煤机运行故障识别方法，包括以下步骤：采集磨煤机运行故障的历史运行参数以及对应的故障类型；对历史运行参数进行标准化处理；针对每种故障类型对应的历史运行参数构建PCA模型及对应的T²统计量模型，并确定该故障的预警阈值；将待识别参数代入不同故障对应的T²统计量模型，如果超过预警阈值，则存在对应的故障类型。本发明还提供了应用该方法的磨煤机运行检测系统，通过实时运行参数进行计算并与预警阈值进行比较快速的确定故障和原因。本发明的优点在于：基于参数对异常原因的贡献进行分析，降低了对历史样本数据的依赖；提高识别精度；结合监测模型实现运行状态的在线实时监测和分析，提高生产安全。

技术领域

本发明涉及火力发电技术领域，尤其涉及一种磨煤机运行故障识别方法及应用。

背景技术

磨煤机是火电机组的主要设备之一，常见磨煤机故障类型有磨煤机多煤、磨煤机少煤、磨煤机堵煤等，磨煤机设备故障的发生会严重影响火电机组的安全、经济运行，甚至会造成设备严重损坏和人身伤害等事故；因此需要实现对磨煤机运行状态的实时监控。

相对于实时监控，实现对磨煤机运行故障的有效预警是更为迫切的技术问题；现有技术中大多数还是依靠电厂运行人员通过磨煤机运行的关键参数判断磨煤机是否存在故障以及具体故障类型，由于磨煤机数量多、运行参数多，采用这种方式的效率极低，且无法针对多种磨煤机故障类型进行全面地判断，难以准确地定位磨煤机故障因素。

基于粒子群算法优化核极限学习机的磨煤机故障诊断技术，建立核极限学习机模型，通过粒子群寻优，辨识出磨煤机运行参数与磨煤机故障类型之间的模型关系。这种诊断技术需要运用大量的数学模型、迭代算法，对监测系统的运行速率和计算能力要求较高，而且“灰箱”模型辨识方法，很依赖于样本数据的选取和粒子群优化算法的精度，一旦模型失配后需要重新优化辨识，因此较难在实际生产中应用。此外，还有采用智能神经网络模型或支持向量机模型辨识的方法，以磨煤机运行参数和故障类型之间的模型关系，监测磨煤机运行状态，该方法的精度同样十分依赖样本数据的选取和模型结构，通常一旦样本和模型选取不当，会严重影响系统的预测准确度。

发明内容

本发明所要解决的技术问题在于提供一种能够根据运行参数识别磨煤机是否存在故障的方法，以克服现有技术的识别方法精度不高和对样本数据的依赖性高的问题。

本发明是通过以下技术方案解决上述技术问题的：一种磨煤机运行故障识别方法，包括以下步骤：

步骤A：采集磨煤机运行故障状态下的故障类型及前后一段时间内的历史运行参数；

步骤B：对历史运行参数进行标准化处理；

步骤C：针对每种故障类型对应的历史运行参数构建PCA模型及对应的T²统计量模型，并确定该故障的预警阈值；

步骤D：对待识别参数代入不同故障对应的T²统计量模型，如果超过预警阈值，则待识别参数对应的时刻磨煤机存在或即将出现对应的故障类型。

本发明通过PCA模型和T²统计量对历史数据进行离线处理，仅需分析样本中各个参数之间的主元关系，并以此建立参数与故障之间的判断模型，模型结构简单，预警精度高，对样本和模型结构的依赖小；有效克服现有技术存在的问题。

优选的，步骤B所述的标准化处理的方法为：

如果磨煤机存在N种故障类型，表示为G＝{g_n|n∈[1,N]}，磨煤机发生g_n类型的故障时，采集故障前后一段时间内的共M_n组运行参数作为样本数据，样本数据的集合表示为Xⁿ＝{X^n,m|m∈[1,M_n]},n∈[1,N]，其中每一组样本数据中均包括I个运行参数；则标准化后的样本表示为