[发明专利]一种发电厂送风机状态在线评定方法

摘要

本发明提供了一种发电厂送风机状态在线评定方法，通过不同的状态量来表征送风机的状态，并在送风机上设置状态量测点，通过状态量测点获得每个状态量的检测数据。本发明结合历史数据和在线数据，利用深度学习技术，根据在线状态量数据，实时计算送风机故障部件编码值，得到风机故障部件及潜在危害度，计算得到送风机状态评定值，根据状态评定值，进行检修指导。

主权项

1.一种发电厂送风机状态在线评定方法，通过不同的状态量来表征送风机的状态，并在送风机上设置状态量测点，通过状态量测点获得每个状态量的检测数据，其特征在于，所述在线评定方法包括以下的步骤：步骤1、在发电厂送风机运行及停机检修过程中，状态量测点数据实时保存形成历史的状态量测点数据；步骤2、刷选出上一步所获得的状态量测点数据中的异常数据，对于异常数据进行插值替换处理，其中：将上一步获得的状态量X的状态量测点数据定义为{x₁，x₂，...，x_n}，状态量测点数据{x₁，x₂，...，x_n}中的异常数据定义为x_b，则有：|x_b‑μ|＞3σ，式中，μ表示状态量X的均值，x_i表示第i个状态量测点数据；σ表示状态量X的标准差，步骤3、对上一步得到的每个状态量的状态量测点数据进行归一化处理，其中：将上一步获得的状态量X的状态量测点数据定义为{x₁，x₂，...，x_n}，状态量测点数据{x₁，x₂，...，x_n}的归一化数据为{x_1e，x_2e，...，x_ne}，归一化数据{x_1e，x_2e，...，x_ne}中第i个归一化数据定义为x_ie，则有：式中，x_i表示第i个状态量测点数据；X_min表示状态量测点数据{x₁，x₂，...，x_n}中的最小值；X_max表示状态量测点数据{x₁，x₂，...，x_n}中的最大值；步骤4、利用历史中出现的故障及排查后的故障部件，在线实时计算送风机服役过程中发生故障时期的历史状态量测点数据变化趋势，得出故障部件与状态量相关性排列，得到最能反映各故障部件失效程度所对应的状态量；步骤5、利用发电厂提供的送风机故障历史数据，对各个故障部件进行编码，计算相应的历史状态量测点数据随时间和相应的故障部件的变化曲线，建立故障部件与历史状态量测点数据的分类模型；步骤6、通过状态量测点获得每个状态量的实时的状态量测点数据，利用步骤2的方法，刷选出实时的状态量测点数据中的异常数据，对于异常数据进行插值替换处理，随后利用步骤3的方法对实时的状态量测点数据进行归一化处理；步骤7、利用步骤5建立的分类模型，根据步骤6获得的状态量测点数据实时计算得到故障部件的编码值，依据编码值确定故障部件；步骤8、根据故障部件，得到送风机的状态值S，S＝max{W×L}，式中，W表示预先设定的不同的故障部件所对应的潜在危害度值W，W∈{1，2，3，4，5}，L则表示故障部件与状态量相关性排列中相关性最大的状态量的平均值的所在的失效阈值区间编号，L∈{2，4，6，8}；步骤9、根据状态值S给出检修建议：若S≤10，保持运行，密切观察；若10＜S≤20，需要制定针对性措施，适时安排检修，对在线计算结果予以修正；若20＜S≤30，需在年内安排小修，对故障部件进行详细检查，对在线计算结果予以修正；若S＞30，需立刻停止送风机，对故障部件进行处理，对在线计算结果予以修正。