[发明专利]一种面向智能电厂大型燃煤发电机组制粉系统的分布式动静协同综合监测方法

说明书

本发明公开了一种面向智能电厂大型燃煤发电机组制粉系统的分布式动静协同综合监测方法。本发明对上层制粉系统过程划分成各类下层子设备。对下层子设备，利用慢特征分析提取子设备的动静态信息及子设备内部变量的线性相关性，实现对各个子设备的独立监测；在上层系统，利用核慢特征分析，提取整个制粉系统的动静态信息及不同子设备变量组间的非线性相关性，实现对整个制粉系统过程全局状态的监测。本方法不仅能对制粉系统中单个子设备运行状态进行监测，同时可以协同各个子设备，综合分析整个制粉系统运行的动静态特性，改善了监测性能并能有效地区分系统及子设备的正常的工况切换和过程故障，大大提高了工业大规模系统状态监测和故障检测的性能。

技术领域

本发明属于工业系统过程监测领域，特别是针对大规模智能电厂燃煤发电机组制粉系统的状态监测方法。

背景技术

电力工业是我国国民经济中的支柱型产业，随着我国经济与科技的飞速发展，社会对电力的需求不断提高。在我国的电源结构中，火力发电一直是中国的主力电源。现代工业系统的规模和复杂程度都在日益提高，火力发电过程日趋复杂化、大型化发展，一旦出现异常，都可能带来重大的财产损失和人员伤亡。同时电厂锅炉制粉系统是火电厂机组的一个重要组成部分，它的经济调整直接影响整个火电发电厂运行的经济效益。因此，为了保证制粉系统在运行的安全性与可靠性，提高火电机组经济效益，及时发现系统运行中的异常情况并进行处理，减少生产中的安全隐患，提高设备使用周期，十分有必要采用有效手段对制粉系统进行实时监测和故障检测。

火力发电机组是由多个设备、多个子系统组成的复杂的大范围连续生产系统。各子系统之间存在着高维非线性的关联关系，并且故障类型多，机理各不相同，具有典型的分布式特点。所以针对火力发电机组系统的状态监测与故障检测必须适应火力发电机组的特点，才能在实现迅速、准确的诊断，为运行管理人员及时提供可靠的信息。

随着传感技术的发展，在工业现场获得数据变得越来越容易，过程数据中蕴含了大量的过程信息，基于数据的状态监测和故障监测逐渐成为研究的热点。在过去的几十年时间里，过程监测和故障检测技术得到了广泛研究和发展，大量研究成果得到发表，前人对基于数据的故障检测和故障诊断作出了相应的研究。主成分分析(PCA)，偏最小二乘(PLS)和费舍尔判别分析(FDA)等多元统计分析方法已经被广泛应用于基于数据的过程监测领域。然而，这些方法仅仅分析了过程的静态特性，而忽视了过程的动态信息。在实际工业过程中，由于工况切换、产品变更等原因，过程往往存在着较强的动态特性，这些动态特性亦包含了有利于过程监测的关键信息。具体地说，静态特性反映了过程在稳定工况的工作模式，而动态特性则反映了过程的受控情况(实际工业过程中往往存在着闭环控制系统)。因而，为了确保过程安全生产和提高产品性能，同时提取和分析过程动静态特性进行过程监测是十分必要的。前人提出了一系列的基于动态特性分析的过程监测方法，在实际应用中卓有成效。其中，尚超等人将慢特征分析(Slow Feature Analysis，SFA)应用于工业过程监测，分别提取过程的动静态特性，并建立不同的统计指标用于衡量不同的过程特性的变化，取得了较好的监测性能。然而，这些方法将所有变量当作一个整体进行分析建模，难以揭示大规模过程中复杂多样的变量相关性。