[发明专利]一种火电厂汽动给水泵组故障特征的早期识别方法

摘要

一种火电厂汽动给水泵组故障特征的早期识别方法，以大多数火电厂已配置的火电厂厂级监控信息系统(SIS)为依托，通过对SIS数据库中与汽动给水泵组相关测点的历史数据和汽动给水泵组的典型故障检修记录的衔接与处理，采用数据挖掘算法中的神经网络分类方法实现了对汽动给水泵组典型故障发生前的数据特征的分类，从而实现了当故障特征在数据中有所体现的早期，分类模型就可以将其加以识别，并及时报警，以便择时进行检验检修，进而避免了设备故障引起的事故或不安全事件的发生。本发明依托SIS系统使用方便，实用性强，为火电厂SIS系统存储的海量历史数据找到了新的价值，为汽动给水泵组乃至火电厂更多设备或系统的状态检修探索了新的方向。

主权项

一种火电厂汽动给水泵组故障特征的早期识别方法，其特征在于，包括以下步骤：1)收集统计与本火电厂汽动给水泵组相关测点在SIS数据库中存储的时间序列数据即测点的基本运行参数、轴承温度及油温参数、振动参数；2)收集统计与本火电厂汽动给水泵组相关的典型故障检修记录，包括叶片断裂、断轴、轴承损坏、给水泵芯包损坏的检修记录；3)对步骤1)中获得的基本运行参数、轴承温度及油温参数、振动参数进行数据预处理及样本划分，得到样本划分后的初级样本数据Data1；4)利用步骤2)中获得的火电厂汽动给水泵组典型故障检修记录对步骤3)中获得的样本划分后的初级样本数据Data1进行分类类别标定，得到类别数据集Label；5)对步骤3)中获得的样本划分后的初级样本数据Data1的每个参数维度的数据都进行特征提取，并在每个样本中都将提取后的特征按固定顺序排列，得到特征提取后的样本数据Data2；6)对步骤5)中获得的特征提取后的样本数据Data2进行归一化处理，将各特征维度的数据都归一化到(0，1)区间内，得到归一化后的样本数据Data3；7)使用ReliefF算法对步骤6)中获得的归一化后的样本数据Data3进行特征选择，剔除掉对分类无用的冗余特征，得到特征选择后的样本数据Data4；8)根据步骤7)中获得的特征选择后的样本数据Data4的特征数量以及步骤4)中获得的类别数据集Label确定神经网络分类模型的输入层、隐藏层及输出层的神经元数量，并确定神经网络的参数；9)根据步骤8)中获得的神经网络分类模型的输入层、隐藏层及输出层的神经元数量及参数，建立初步的神经网络分类模型，输入步骤7)中获得的特征选择后的样本数据Data4以及步骤4)中获得的类别数据集Label，得到火电厂汽动给水泵组故障特征的早期识别模型；10)根据步骤9)中获得的故障特征早期识别模型对不同故障的识别率，建立各故障的识别阈值σ1、σ2……σn，n为故障类别数量，作为火电厂汽动给水泵组故障特征早期识别的判定指标；11)将汽动给水泵组的当前实时监测数据按步骤3)、5)、6)、7)分别进行样本划分、特征提取、归一化处理、特征选择，得到预测样本，并将预测样本输入步骤9)中获得的早期识别模型进行分类预测，得到预测样本和模型中各故障的匹配度yi(i＝1,2,…n)；12)将步骤11)中得到的预测样本和模型中各故障的匹配度yi(i＝1,2,…n)与各故障的识别阈值σi(i＝1,2,…n)相比较，如果yi≥σi(i＝1,2,…n)，则表明该设备已经具有i故障的早期特征，应该择时进行检验检修，如果yi<σi(对于任意i＝1,2,…n)，则表明该设备的状态在正常范围内，安全系数较高，不需实施检验检修。