[发明专利]一种用于火电机组主辅设备动态报警的方法及系统

权利要求书

1.一种用于火电机组主辅设备动态报警的方法，其特征在于，所述方法包括：

步骤S1，获取火电机组主辅设备的输入变量和待监测变量，构建样本集；

样本集中包括火电机组主辅设备正常运行状态下的所有监测参数动态变化值、火电机组主辅设备各个典型负荷状态下的监测参数变化过程；

样本集中的参数为表征系统正常运行状态的参数，选取参数为与加热器端差有关的变量，包括机组功率、抽汽压力、抽汽温度、疏水温度、进口水温，以及待监测变量的上端差；

步骤S2，将样本集进行归一化处理，构建证据库；

步骤S3，通过证据库，计算得到火电机组主辅设备的动态上下限值；

步骤S4，通过证据库，获取结构参数，计算得到火电机组主辅设备的实时动态上下限值；

步骤S5，判断实时动态上下限值是否落入动态上下限值的范围内，如果实时动态上下限值落入动态上下限值的范围内，则不报警，反之，则报警。

2.如权利要求1所述的方法，其特征在于，所述获取火电机组主辅设备的输入变量和待监测变量，构建样本集包括：

步骤S11，获取火电机组主辅设备的待监测变量和与待监测变量相关的输入变量；

步骤S12，根据预处理技术，校验待监测变量和输入变量，将待监测变量和输入变量中的缺失值筛除，得到预处理数据；

步骤S13，根据方差筛选法，对预处理数据进行稳态提取，得到预处理稳态数据；

步骤S14，将预处理稳态数据构建成样本集。

3.如权利要求1所述的方法，其特征在于，所述通过证据库，计算得到火电机组主辅设备的动态上下限值包括：

步骤S31，通过证据库，根据距离度量准则，将证据库中的证据折现，得到预处理证据库；

步骤S32，通过预处理证据库，根据KNN近邻原则和证据融合，得到待监测变量的密度概率分布；

步骤S33，通过待监测变量的密度概率分布，计算得到火电机组主辅设备的动态上下限值。

4.如权利要求1所述的方法，其特征在于，所述通过证据库，获取结构参数，计算得到火电机组主辅设备的实时动态上下限值包括：

步骤S41，通过证据库，获取结构参数；

步骤S41，根据留一法，筛选出结构参数的最优值；

步骤S42，通过结构参数的最优值，根据证据回归法，计算得到火电机组主辅设备的实时动态上下限值。

5.一种用于火电机组主辅设备动态报警的系统，其特征在于，所述系统包括获取模块、构建模块、第一计算模块、第二计算模块和报警模块，其中，

所述获取模块、所述构建模块、所述第一计算模块、所述第二计算模块和所述报警模块依次连接；

所述获取模块，用于获取火电机组主辅设备的输入变量和待监测变量，将输入变量和待监测变量构建成样本集，样本集中包括火电机组主辅设备正常运行状态下的所有监测参数动态变化值、火电机组主辅设备各个典型负荷状态下的监测参数变化过程，样本集中的参数为表征系统正常运行状态的参数，选取参数为与加热器端差有关的变量，包括机组功率、抽汽压力、抽汽温度、疏水温度、进口水温，以及待监测变量的上端差；

所述构建模块，用于将样本集构建成证据库；

所述第一计算模块，用于计算火电机组主辅设备的动态上下限值；

所述第二计算模块，用于计算火电机组主辅设备的实时上下限值；

所述报警模块，用于判断实时动态上下限值是否落入动态上下限值的范围内，如果实时动态上下限值落入动态上下限值的范围内，则不报警，反之，则报警。

6.如权利要求5所述的系统，其特征在于，所述获取模块包括获取单元、校验单元、筛选单元和构建单元，其中，

所述获取单元、所述校验单元、所述筛选单元和所述构建单元依次连接；

所述获取单元，用于获取火电机组主辅设备的待监测变量和与待监测变量相关的输入变量；

所述校验单元，用于校验待监测变量和输入变量；

所述筛选单元，用于筛选预处理数据；

所述构建单元，用于将预处理稳态数据构建成样本集。