[发明专利]一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法

说明书

本发明公开了一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法。首先，用典型变量分析(CVA)来提取变量中时序相关的部分，然后对时序相关的部分进行慢特征分析(SFA)，分别提取稳态特征和时变特征。所提取的时变特征和稳态特征能充分反映汽轮机轴承的闭环控制系统中变量的时序相关性及变化速度。最后，将提取出来的特征输入连续隐马尔可夫模型(CHMM)中预测故障退化状态。该方法同时考虑了故障发生时，闭环控制系统动态调节过程中变量的时序相关性和变化速度，能够更加准确地预测智能电厂汽轮机轴承的闭环控制系统故障的退化状态。

技术领域

本发明属于闭环控制系统故障退化状态预测领域，特别是针对一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法。

背景技术

电力行业是我国国民经济中的支柱型产业，随着我国经济的飞速发展，社会对电力的需求不断提高。在我国的电源结构中，火力发电是主力电源。近年来，为了电力的可持续发展，火力发电行业积极展开结构调整，“上大压小”，以大容量、高参数、低能耗的大型火力发电机组取代高能耗小火电机组。随着信息化和工业化的深度融合，应对互联网、大数据、云计算等信息领域新技术发展，推进火电行业，特别是大型火力发电机组的智能转型升级，是加快构建高效、清洁、低碳、可持续的电力工业体系的必然选择。随着智能电网建设的启动，传统的发电厂已不能适应智能电网的发展需要。智能电厂是在信息化与工业化深度融合的背景下提出的，旨在应对互联网、大数据、云计算等信息领域新技术发展，提升电力行业的智能化水平。大型火力发电过程中包含大量闭环控制系统，闭环控制系统性能的好坏对火电机组是否能安全运行有着至关重要的作用。因此，对大型火力发电机组闭环控制系统性能的评估是电厂智能化中不可或缺的一步。

前人对闭环控制系统性能的评估做出了相应的研究。目前，最常用的方法就是比较闭环控制系统的实时性能和基准性能，从而实时判断闭环控制回路的健康状况。但是这种方法只能判断闭环控制回路的性能是否退化，很难确定其退化状态。此外，在闭环控制系统中，由于反馈的存在，当变量偏离设定值时，控制器会发挥调节作用，减少变量的偏差。此时，变量的值与其过去一段时间的测量值以及控制器的调节作用有关。由此可见，闭环控制系统的动态过程主要体现在两方面：变量的时序相关性和变化速度。前人在对闭环控制系统进行分析时，很少综合考虑这两方面，因此，无法区分在闭环控制系统作用下，过程变量的时序相关性未变，变化速度改变等情况。

发明内容

本发明的目的在于提供一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法。

本发明的目的是通过以下技术方案实现的：一种智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法，包括以下步骤：

(1)获取整个故障退化过程的数据：设汽轮机轴承的闭环控制系统中包含 J个过程变量，每次采样可以得到一个1×J的向量，采样M次后得到一个故障退化过程下的二维矩阵X(M×J)；

(2)使用CVA提取时序相关的特征Z。CVA具体包括以下子步骤：

(2.1)为了考虑数据的时序相关性，在每个时间点t，按如下方式构造过去向量x_p(t)和未来向量x_f(t)：

x_p(t)＝[x_t-1^T,x_t-2^T,…,x_t-h^T]^T∈R^Jh (1)

x_f(t)＝[x_t^T,x_t+1^T,…,x_t+l-1^T]^T∈R^Jl (2)