[发明专利]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

摘要

本发明公开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。本发明针对大型燃煤发电机组这一典型非平稳过程，结合运用协整分析和稀疏变量选择方法用于故障检测和在线诊断。该方法可以直接在线实时的自动隔离出故障变量，同时不需要任何历史故障信息。该方法有效的解决了非平稳过程故障检测及在线诊断困难的问题，大大提高了非平稳过程故障检测和在线诊断的性能，有助于现场工程师准确快速地修复故障，从而保证了大型燃煤发电机组的安全性并提高了生产效益。

主权项

1.一种面向大型燃煤发电机组非平稳过程的故障诊断方法，其特征在于，该方法为：(1)获取正常过程数据：设一个大型燃煤发电机组中包含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Xn(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Xn(M×J)中的非平稳变量，得到非平稳变量数据矩阵Xns(M×N)，N表示非平稳变量个数；(3)利用(2)中得到的非平稳变量数据矩阵Xns(M×N)＝[x1,x2,…,xN]，xt＝(x1,x2,…,xN)T建立协整模型，其中xt表示在t时刻的采样值；建立协整模型具体包括以下子步骤：(3.1)对xt建立向量自回归模型xt＝Π1xt‑1+…+Πpxt‑p+a+μt   (1)其中，Πi为(N×N)系数矩阵，μt是高斯白噪声，μt～N(0,Ξ)，Ξ表示方差；μt(N×1)表示t时刻高斯白噪声的值，a为(N×1)常数向量，p为模型阶次；(3.2)在公式(1)两端减去xt‑1得到误差纠正模型其中，I_N为(N×N)的单位矩阵，Δx_t‑a为t‑a时刻的差分值；(3.3)将步骤(3.2)中的Γ分解为两个列满秩的矩阵Γ＝ΑΒT，公式(2)变为对公式(3)进行转换可以得到如下t‑1时刻的残差序列：其中，Α(N×R)，Β(N×R)；公式(4)中右侧的元素都是平稳的，所以非平稳变量xt‑1的线性组合ΒTxt‑1是平稳的，则矩阵Β为协整向量矩阵，Β中的列向量为协整向量；(3.4)通过极大似然估计方法对公式(3)中的协整向量矩阵Β进行估计，对公式(3)中Δxt建立对数似然函数其中，公式(5)中对协整向量矩阵Β的极大似然估计可以转化为特征方程求解过程其中，Θ_i及Φ_i为系数矩阵，可以通过最小二乘算法求得，λ为特征值；通过对公式(6)的求解可以得到特征向量矩阵V，协整向量包含在V中；当非平稳变量的个数N小于等于12时利用Johansen检验方法可以从V中确定协整向量的个数；当非平稳变量个数N超过12个时，利用V中的每个列向量计算残差序列，并用ADF检验判断残差的平稳性，如果残差是平稳的，对应的列向量为协整向量；应用协整向量矩阵Β建立协整模型γt＝ΒTxt   (7)(4)建立故障检测模型：根据步骤(3)中得到的协整模型计算T2统计量其中，Λ＝(Β^TX^T_ns)(Β^TX^T_ns)^T/(M‑1)；T²统计量服从F分布，依据该分布建立控制限(6)在线故障检测：对新采集到的非平稳变量样本xnew(N×1)建立协整模型γnew＝ΒTxnew计算T2统计量其中，表示对正常数据建立协整模型得到残差的均值，将T_new²与步骤(4)中得到的控制限比较，如果超出控制限，则说明发生故障，反之，则没有发生故障；(7)数据准备：检测出故障后，采集故障数据Xf(Mf×N)，其中，Mf为故障数据采样点数目；xft(N×1)表示t时刻故障数据采样值，该样本可以分解为其中，表示不包含故障的数据，U为包含故障方向的正交矩阵，e为故障信息，||e||表示故障等级；(8)建立在线故障变量选择模型其中，Ψ＝Ue，||·||1表示一范数；μ是常数；对公式(10)中的Λ‑1应用Cholesky分解Λ‑1＝ZZT得到(9)对故障变量进行选择，步骤如下：(9.1)初始化：Ψ0＝0(9.2)计算当前相关向量其中，Ψi为第i步求得的系数矩阵，cj为c中的第j个元素，Αi为第i步求得的相关向量c中绝对值最大元素对应的位置；(9.3)令sj＝sign{cj}，其中j∈Αi，sj＝±1；计算第i步等角向量μi＝Siωi   (13)其中，S_i＝(…s_jη_j…)，j∈Α_i，η_j是(ΒZ)^T＝η中的第j个元素，1_i是与Α_i长度相等的向量，其中1_i的元素都为1；(9.4)更新系数Ψi+1(ΒZ)TΨi+1＝(ΒZ)TΨi+γiμi   (14)其中，为Α_i的补集，α_j为α_i＝(ΒZ)^Tμ_i中的第j个变量；(9.5)循环迭代进行步骤(9.2)‑(9.4)直到T²统计量小于控制限此时Ψ_i中的非零元素为故障变量；(10)按照步骤(9)对所有故障样本进行故障变量选择，统计每个变量被选择的频率，当变量被选择的频率超过故障样本总量40％时，该变量即为故障变量。