[發明專利]一種基于極限學習機原理的鍋爐四管泄漏預警方法

有效

• 申請號: 202011420998.2
• 申請日: 2020-12-07
• 公開（公告）號: CN112597696B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 李剛;仇晨光;曹帥;于國強;王亞歐;陳鑫;孫彬;鄭建勇
• 申請（專利權）人: 國網江蘇省電力有限公司;江蘇方天電力技術有限公司;東南大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/28;F17D5/02;G06F119/08
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 陳月菊

本發明公開了一種基于極限學習機原理的鍋爐四管泄漏預警方法，包括：建立鍋爐四管泄漏故障參數庫；利用故障參數庫中的所有征兆參數分類創建AAELM回歸模型；創建機組仿真系統，反復調試認證至其與現場機組的動態特性近似達到1∶1的關系；根據故障類型，從機組仿真系統中采集對應的故障數據，利用創建的AAELM回歸模型對各征兆參數進行回歸估計，擬合出代表機組整體運行狀態的健康度指標計算公式；實時監測現場機組的健康度的變化趨勢，利用故障前后健康度指標趨勢給出故障預警信息。本發明能夠通過AAELM回歸模型對狀態參數進行準確地回歸估計，在故障發生的早期，采用健康度擬合指標提前給出預警信號。

技術領域

本發明涉及鍋爐四管泄漏預警技術領域，具體而言涉及一種基于極限學習機原理的鍋爐四管泄漏預警方法。

背景技術

近年來，隨著電力市場不斷的深化改革，網源雙側的聯系愈加緊密，對發電機組的各項要求也不斷提高，尤其是火電機組的深度調峰突破了以往機組的運行空間，機組運行的不確定性大幅上升。電網和發電企業都希望機組能夠保持連續穩定的運行，降低事故的發生率，據統計，鍋爐四管泄漏占據機組事故的近50％和鍋爐事故的60％以上，及時準確地診斷四管泄漏將為機組的安全穩定運行創造十分有利的條件。目前機組DCS系統的操作員畫面一般都提供定值報警和保護跳閘的功能。然而在絕大部分情況下，當機組運行出現報警時，四管泄漏故障已經出現了較為嚴重的劣化，現場一般只能采取降負荷申請緊急停機的方式處理，一方面對發電企業造成較大的損失，另外電網也受到其一定的影響。因此，在故障發生的早期，利用技術手段提前預警四管泄漏的微小劣化，成為領域研究人員關注的焦點。

運行數據是獲取機組運行狀態的唯一來源，深入挖掘數據內隱藏的狀態信息，為機組狀態預警技術的研究提供了可行有效的路徑。張維通過模糊關聯規則挖掘推斷出參考值，以此判斷流化床輔機的狀態；有學者提取出代表性數據建立了風機的預警模型，并提出衰退指標用于狀態的評估；有學者利用關聯挖掘技術建立了規則庫，用于判斷設備故障的形成過程；有學者建立了機組制粉系統的多元狀態估計預警模型，并提出了聚類的方法用于構建狀態矩陣；有學者提出了改進的模糊C均值用于熱工緩變過程的設備故障診斷；有學者基于密度聚類研究了多元狀態估計的建模方法，提出了滑動窗偏離度的方式用于越限判定；有學者提出一種基于功率分析與神經網絡的故障預警方法用于風電機組的診斷；此外還出現了其他有關預警方法的研究如相關性分析、神經網絡、高斯模型、多元回歸估計等。

相比與其他數據建模方法，極限學習機在模型可靠性和準確性方面具有獨到的優勢，然而目前尚無有效的技術方案能夠將極限學習機有效應用在發電機組鍋爐四管泄漏的監測預警中，涉及的問題包括：參數的選擇，以及如何依據選擇參數創建能夠用于預警的AAELM回歸模型等。

發明內容

本發明針對現有技術中的不足，提供一種基于極限學習機原理的鍋爐四管泄漏預警方法，合理選擇輸入參數，創建自回歸極限學習機模型，并且基于AAELM回歸模型獲取健康度擬合指標，通過AAELM回歸模型對狀態參數進行準確地回歸估計，在故障發生的早期，采用健康度擬合指標提前給出預警信號。

為實現上述目的，本發明采用以下技術方案：

一種基于極限學習機原理的鍋爐四管泄漏預警方法，所述預警方法包括以下步驟：

S1，建立鍋爐四管泄漏故障參數庫，所述四管泄漏故障參數庫中包括鍋爐四管泄漏相關故障類別與各征兆參數的變化關系；

S2，對故障參數庫中的征兆參數進行分析，利用故障參數庫中的所有征兆參數分類創建至少一個AAELM回歸模型；

S3，創建機組仿真系統，反復調試認證至其與現場機組的動態特性相似度至少達到98％；

S4，根據故障類型，從機組仿真系統中采集對應的故障數據，利用創建的AAELM回歸模型對各征兆參數進行回歸估計，擬合出代表機組整體運行狀態的健康度指標計算公式；