[发明专利]一种电厂循环水泵预测性状态评估方法及系统

说明书

本发明公开了一种电厂循环水泵预测性状态评估方法及系统，对循环水泵机组的原始运行数据进行离群点剔除和去噪，将去噪后的原始运行数据进行分类，基于分类后的原始运行数据对循泵运行状态预测模型进行训练优化，并根据优化后的循泵运行状态预测模型预测得到循环水泵机组在未来时间段内的预测运行数据，采用在线状态监测方法根据预测运行数据计算循环水泵机组在未来时间段内的期望数据，根据期望数据和预测运行数据的残差了解设备状态，实现预测性状态评估。利用数据驱动的经验模型代替传统物理模型建立困难且精度不足的问题，直观有效地实现循环水泵的状态预报，实现核电厂循环水泵的事后维修制度向预测性维修制度转换，从而提高核电设备运行的安全性和经济性。

技术领域

本发明属于电厂设备状态评估领域，特别涉及一种电厂循环水泵预测性状态评估方法及系统。

背景技术

循环水系统作为核电厂的最后热阱，称之为核电厂的血液，其设备运行状态直接影响核电厂机组能否正常运行。循环水泵是该系统的关键设备，目前国内核电厂对循环水泵的维修处于事后维修和定期检修，存在解体工期长、过度维修、费效比高，智能化水平低下等问题，急需完成预测性维修制度改革。而国内核电技术起步较晚，现有的在线状态监测评估技术(AAKR等)时效性差，远不能满足核电厂预防性维护的需求。同时，目前国内对核电厂设备预测性维护的研究极少，亟需研究一种科学有效、高精度的预测性状态评估方法。

发明内容

本发明的目的在于提供一种电厂循环水泵预测性状态评估方法及系统，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种电厂循环水泵预测性状态评估方法，包括以下步骤：

步骤1)，对循环水泵机组的原始运行数据进行离群点剔除和去噪，将去噪后的原始运行数据进行分类；

步骤2)，建立循环水泵运行状态预测模型，基于分类后的原始运行数据对循泵运行状态预测模型进行训练优化，并根据优化后的循泵运行状态预测模型预测得到循环水泵机组在未来时间段内的预测运行数据；

步骤3)，采用在线状态监测方法根据预测运行数据计算循环水泵机组在未来时间段内的期望数据；

步骤4)，计算步骤2)中的预测运行数据与步骤3)中的期望数据的残差值，如果残差值小于预警阈值，则判定循环水泵机组运行正常；如果残差值大于等于预警阈值，则进行预警。

进一步的，基于动态更新的3σ准则对循环水泵机组的原始运行数据进行离群点剔除和去噪。

进一步的，具体包括以下步骤：利用分类后的原始运行数据中前60％-65％的原始运行数据进行训练，后35％-40％的原始运行数据作为预测。

进一步的，循环水泵运行状态预测模型中损失函数采用MAE，采用Adam优化算法进行优化。

进一步的，使用长短期记忆网络(LSTM)进行循环水泵预测模型训练。对循泵数据进行划分，用前60％-65％的数据来训练循泵预测模型，最终输出后40％-35％的循环水泵预测运行数据，即未来一段时间循环水泵运行的预测运行数据。

进一步的，根据循环水泵机组的历史正常数据集，使用自联想核回归方法，对预测运行数据和正常历史数据进行回归分析，得到预测运行数据对应在未来时间段内的期望数据。

进一步的，1)、从循环水泵机组的原始运行数据中获取正常运行的历史数据样本X，计算步骤2)预测运行数据与历史数据样本X的距离矩阵d；