[发明专利]一种基于遗传算法的汽轮机流量特性及阀门故障检测方法

说明书

一种基于遗传算法的汽轮机流量特性及阀门故障检测方法，属于汽轮机故障检测技术领域，具体方案包括如下步骤：步骤一、采集机组正常运行工况下调节阀门相关历史数据；步骤二、根据定义的故障特征参数计算方式，基于采集的历史数据获取阀门流量特性曲线及各阀门开启特性，确定故障特征参数的正常值及其变化范围；步骤三、基于实际采集到的实时数据，对故障特征参数进行计算；步骤四、利用实时数据的故障特征参数与正常工况下的故障特征参数进行对比，判断阀门是否出现故障、出现了哪种故障以及故障出现的位置；本发明相比于传统方法可以实现实时准确监测，消除了传统方法只能针对阀门进行专门的开启、关闭试验的弊端。

技术领域

本发明属于汽轮机故障检测技术领域，具体涉及一种基于遗传算法的汽轮机流量特性及阀门故障检测方法。

背景技术

汽轮机调节阀门工作于高温高压环境中，调峰调频工况下工况的频繁调整导致调节阀组动作频繁而磨损加剧，将不可避免地导致阀门部件材料磨损、涂层脱落、阀杆填料剥落、阀芯偏移等问题，进而导致阀门出现硬件问题，长此以往容易发展成为故障并最终影响汽轮机组的安全稳定高效运行。因此，对汽轮机调节阀门进行故障检测的方法对于提升火电机组运行可靠性具有重要意义。

以往的阀门故障早期预警方法均是基于对其进行的专门试验数据进行的。而面向未来深度调峰调频场景，机组需要保证持续运行以避免出现电网负荷波动问题，因此原有的静态实验方法已经不再适用。根据上述分析，现阶段亟需一种能够利用实时数据进行准确的性能评估和性能退化故障早期预警方法。

对于调节阀组来说，其能够采集的测点信息较为全面，包括阀门前后蒸汽状态、阀门开度指令与反馈等，众多的参数中蕴含着较为丰富的信息。而调峰调频导致的工况频繁变化导致测量的参数中存在一定的干扰。如何从众多含有干扰的参数中提取能够表征阀门工作状态的参数，并且以表征参数为基础进行故障检测和定位是研究中的主要难点。

发明内容

为了解决现有的利用专门试验进行阀门故障检测和定位的方法不能全部适用火电机组频繁调峰调频的运行状态的背景，导致无法实时准确判断阀门故障类型并针对故障进行预警的问题，本发明提供一种基于遗传算法的汽轮机流量特性及阀门故障检测方法。

为了实现上述目的，本发明采取以下技术方案：

一种基于遗传算法的汽轮机流量特性及阀门故障检测方法，包括以下步骤：

步骤一、采集机组正常运行工况下调节阀门相关历史数据；

步骤二、根据定义的故障特征参数计算方式，基于采集的历史数据获取阀门流量特性曲线及各阀门开启特性曲线，确定故障特征参数的正常值及其变化范围；所述故障特征参数包括流量特性线性度、流量特性离散度以及阀门开启特性离散度；采用流量特性曲线折线某点与上一提取点的差值作为流量特性线性度指标；采用均方误差对实际数据相比于流量特性曲线的离散度评价流量特性离散度；采用均方误差对实际数据相比于阀门开启特性曲线的离散度评价阀门开启特性离散度；

步骤三、基于实际采集到的实时数据，对故障特征参数按照步骤二的计算方式进行计算；

步骤四、利用实时数据的故障特征参数与正常工况下的故障特征参数进行对比，判断阀门是否出现故障、出现了哪种故障以及故障出现的位置；

其中，步骤二中，基于采集的历史数据，分别绘制综合流量指令与实际通过阀门的流量散点图和综合流量指令与各阀门开度反馈值的散点图；利用遗传算法对综合流量指令与实际通过阀门的流量的关系进行提取，以实际数据与遗传算法提取后的流量特性曲线的误差平方和SSE指标最小为优化目标进行优化，获取阀门流量特性曲线；利用遗传算法对综合流量指令和各阀门开度反馈值的关系进行提取，以实际数据与遗传算法提取后的阀门开启特性曲线的误差平方和SSE指标最小为优化目标进行优化，以获取各阀门开启特性曲线。

进一步的，步骤一中，采集的相关历史数据包括主蒸汽压力、调节级压力、各阀门开度反馈值和综合流量指令。