[发明专利]一种基于LSTM的凝汽器换热性能恶化监测方法及系统

权利要求书

1.一种基于LSTM的凝汽器换热性能恶化监测方法，其特征在于，包括：

构建凝汽器换热性能模型，包括采集若干组机组大修后全工况运行的历史工况数据，利用所述历史工况数据，并基于LSTM构建凝汽器换热性能模型，同时确定机组正常运行状态下，机组故障特征参数的正常值的变化范围，其中，所述故障特征参数为所述凝汽器换热性能模型输出的第一凝汽器压力值与输入所述凝汽器换热性能模型的第二凝汽器压力值的差值；

故障特征参数的实时值获取，包括采集机组实时工况数据，输入所述凝汽器换热性能模型，并获取所述故障特征参数的实时值；

凝汽器换热性能判断，包括判断所述实时值是否在所述正常值的变化范围内，若是，则凝汽器换热性能未发生故障，若否，则凝汽器换热性能发生故障，和/或，对所述实时值的演变趋势进行预测，并预测凝气器发生故障的时间点。

2.根据权利要求1所述的一种基于LSTM的凝汽器换热性能恶化监测方法，其特征在于，所述历史工况数据、所述实时工况数据均包括第七抽汽点压力、第七抽汽点温度、第八抽汽点压力、循环水泵转速、凝汽器凝结水温度、循环水入口温度、循环水出口温度以及所述第二凝汽器压力；

其中，所述凝汽器换热性能模型的输入为获取的所述第七抽汽点压力、第七抽汽点温度、第八抽汽点压力、循环水泵转速、凝汽器凝结水温度、循环水入口温度、循环水出口温度以及所述第二凝汽器压力，输出为所述第一凝汽器压力。

3.根据权利要求1所述的一种基于LSTM的凝汽器换热性能恶化监测方法，其特征在于，所述确定机组正常运行状态下，机组故障特征参数的正常值的变化范围，包括：

根据若干组所述历史工况数据获取若干个所述故障特征参数的正常值；

通过若干个所述正常值计算标准差σ；

根据所述标准差σ确定退化监测阈值^[-3σ,3σ]为所述正常值的变化范围。

4.根据权利要求1所述的一种基于LSTM的凝汽器换热性能恶化监测方法，其特征在于，对所述实时值的演变趋势进行预测，并预测凝气器发生故障的时间点，包括：

利用所述实时值进行时间序列分析，并获取所述实时值的变化曲线，所述变化曲线包括所述故障特征参数的预测值以及所述预测值对应的时间点；

判断所述预测值是否在所述正常值的变化范围内，若是，则不会发生退化故障，若不是，则获取对应的所述时间点作为检修时间点。

5.根据权利要求4所述的一种基于LSTM的凝汽器换热性能恶化监测方法，其特征在于，所述利用所述实时值进行时间序列分析，并获取所述实时值的变化曲线，包括：

获取所述实时值时间序列动态数据；

利用ARMA模型对所述动态数据进行曲线拟合，并生成所述变化曲线。

6.根据权利要求1所述的一种基于LSTM的凝汽器换热性能恶化监测方法，其特征在于，还包括构建性能恶化程度判断标准，具体包括：

构建恶化程度计算公式；

其中，Acc_abnormal为指定时间区间内若干组所述实时工况数据下的凝汽器恶化程度指示参数；n_abn代表在指定时间内所述故障特征参数的实时值处于所述故障特征参数的正常值的变化范围外的个数；N_abn代表在指定时间内所述故障特征参数的总个数；

判断Acc_abnormal数值大小，若Acc_abnormal小于1％则判断为未发生故障，若Acc_abnormal在1％-50％之间则判断为小概率发生换热性能恶化，若Acc_abnormal在50％-100％之间则判断为大概率发生换热性能恶化，若Acc_abnormal为100％则判断为发生换热性能恶化。