CN104154531A - 一种循环流化床机组能效优化方法及系统 - Google Patents

Abstract

本发明公开了一种循环流化床机组能效优化方法及系统，该方法包括：从运行机组安全仪表系统采集机组参数的实时运行数据；计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率；根据机组参数运行特性曲线，获取不同负荷下机组参数的基准值；根据实时运行数据以及不同负荷下机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，同时计算该时刻的机组参数对机组供电煤耗率的影响参数，输出并显示规则匹配的结论、对应的优化决策以及对机组供电煤耗率的影响参数。本发明可对循环流化床机组进行能效优化，准确率高，而且实现方式简单，优化功能全面，可广泛应用于循环流化床机组行业中。

Description

一种循环流化床机组能效优化方法及系统

技术领域

本发明涉及循环流化床机组领域，特别是涉及一种循环流化床机组能效优化方法及系统。

背景技术

目前循环机组运行优化技术仍然在不断发展中，还没有形成相对统一、完善的技术规范和评价体系，而且过去十多年中各电站基本都是自主进行循环机组的运行优化系统的招标和实施，形成了现在电力行业中运行优化系统种类繁多的局面。由于目前各种优化系统的机理模型和技术方案不同，导致针对同样的机组运行工况往往会得出不一致的结论，在一定程度上削弱了目前的循环机组运行优化系统在电站运行管理人员中的权威性和可信度。

在国外，循环机组的运行优化系统发展稍微成熟，但是引进国外的运行优化系统虽然具有在多年应用过程中不断升级和完善所具备一定的技术优势，以及在国外机组广泛应用的效果验证的优势，但是也具有价格普遍较高，倾向于在成熟软件体系下进行局部修改，不重视针对国内机组的软件客户化工作，对于核心模型和专有技术严格保密等劣势，这些劣势影响了电站运行管理人员对运行优化系统的理解和使用，也严重限制了其功能的发挥。相对国外产品而言，目前国内自主开发的机组运行优化系统无论在模型的可信度、软件的成熟度、功能的模块化、系统的鲁棒性和可移植性上均存在一定差距，出现了明显的同质化倾向，缺乏能够体现产品竞争力的核心技术，总而言之，目前国内还未出现较为成熟的用于循环机组的运行优化系统或方法。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种循环流化床机组能效优化方法，本发明的另一目的是提供一种循环流化床机组能效优化系统。

本发明解决其技术问题所采用的技术方案是：

一种循环流化床机组能效优化方法，包括：

S1、从运行机组安全仪表系统采集机组参数的实时运行数据；

S2、根据采集的实时运行数据，计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率；

S3、根据机组参数运行特性曲线，获取不同负荷下机组参数的基准值；

所述机组参数运行特性曲线是通过采集机组参数的大量的实时运行数据后与机组参数的设计值进行拟合而得到的机组参数负荷-基准值关系式；

S4、根据采集的实时运行数据以及不同负荷下机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，同时计算该时刻的机组参数对机组供电煤耗率的影响参数，进而输出并显示规则匹配的结论、对应的优化决策以及对机组供电煤耗率的影响参数。

进一步，还包括以下步骤：

S5、判断是否接收到代表运行人员采纳对应的优化决策的信号，若是，则根据该优化决策，模拟生成优化后的运行工况，进而获取该模拟生成的运行工况的实时运行数据后，计算该模拟生成的运行工况下的循环流化床的机组热耗率、锅炉效率以及机组供电煤耗率并与步骤S2中的相应计算结果生成柱形对比图并输出显示；

S6、存储并更新机组的实时运行数据，同时根据生成的故障事实集合更新故障事实库。

进一步，所述步骤S4中所述根据采集的实时运行数据以及对应的机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，包括：

S41、将采集的实时运行数据分别与其对应的基准值相减，进而将得到的所有差值与故障事实库进行匹配后建立故障事实集合；

S42、从故障规则库中获取一个故障规则，并判断该故障规则的条件部分是否与故障事实集合相匹配，若是，则继续执行步骤S43，否则重新执行本步骤；

S43、计算故障事实集合的每个事实的置信度后，判断是否满足以下条件，若满足，则获取该规则的结论部分，并分别执行步骤S44和S45，否则，判断故障规则库是否为空，若是，则输出规则结论后结束，反之返回执行步骤S42；

Max{0，C1-C1’}+Max{0，C2-C2’}+…+Max{0，Cn-Cn’}<＝λ

上式中，C1、C2、C3……Cn分别表示与故障事实集合相匹配的故障规则的每个事实的置信度，C1’、C2’、C3’……Cn’分别表示故障事实集合的每个事实的置信度，λ为预设专家阈值；

S44、判断该规则结论是否已经存在故障事实库中，若否，则将该结论添加到故障事实库中，并返回步骤S42，否则，直接返回步骤S42；

S45、从故障对策库中获取一个故障对策，并判断该故障对策的条件部分是否与规则结论相匹配，若是，则继续执行步骤S46，否则，结束；

S46、根据下式计算规则结论的置信度后，判断获得的规则结论的置信度是否大于预设专家阈值λ，若是，则输出故障对策的优化决策，否则，结束：

b’＝(1-Max{0，C1-C1’})*(1-Max{0，C2-C2’})*…*(1-Max{0，Cn-Cn’})

上式中，b’表示规则结论的置信度；

其中，所述故障事实库包括多个实时运行数据与其对应的基准值的差值符号以及每个差值符号所对应的故障事实，所述故障规则库包括多个故障规则，每个故障规则包括由多个故障事实构成的条件部分以及由规则结论构成的结论部分，所述故障对策库包括多个故障对策，每个故障对策包括由规则结论构成的条件部分以及由优化决策构成的对策部分。

本方法中，事实的置信度是通过以下公式计算获得的：

情况1：该事实对应的实时运行数据仅存在上限参数：

情况2：该事实对应的实时运行数据仅存在下限参数：

情况3：该事实对应的实时运行数据存在上限参数及下限参数：

其中，C(X)表示事实的置信度，X_C表示该事实对应的实时运行数据的基准值，X表示该事实对应的实时运行数据，X_SR表示该事实对应的实时运行数据的上限参数，X_XL表示该事实对应的实时运行数据的下限参数。

进一步，所述步骤S2，其具体为：

根据采集的实时运行数据，按照以下公式计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率：

$\left\{\begin{array}{c}{q}_{\mathrm{cp}}=\frac{Q_{\mathrm{cp}}}{P_e}=\frac{q_b}{{\mathrm{\&eta;}}_b}=\frac{q_0}{{\mathrm{\&eta;}}_b{\mathrm{\&eta;}}_p}=\frac{3600}{{\mathrm{\&eta;}}_b{\mathrm{\&eta;}}_p{\mathrm{\&eta;}}_e}\mathrm{kJ}/(\mathrm{kW}\&CenterDot;h)\\ {\mathrm{\&eta;}}_b=\frac{Q_b}{Q_{\mathrm{cp}}}=\frac{Q_b}{{\mathrm{Bq}}_1}=\frac{D_b(h_b-h_{\mathrm{fw}})+D_{\mathrm{rh}}{q}_{\mathrm{rh}\left(b\right)}+D_{\mathrm{bl}}(h_{\mathrm{bl}}^{\&prime;}-h_{\mathrm{fw}})}{{\mathrm{Bq}}_1}\\ b_{\mathrm{cp}}^n=\frac{0.123}{{\mathrm{\&eta;}}_{\mathrm{cp}}^n}=\frac{0.123}{{\mathrm{\&eta;}}_{\mathrm{cp}}(1-{\mathrm{\&xi;}}_{\mathrm{ap}})}\mathrm{kg}/(\mathrm{kW}\&CenterDot;h)\end{array}\right.$

其中，q_cp表示机组热效率，η_b表示锅炉效率，表示机组供电煤耗率，Q_cp表示整个系统的热耗量且Q_cp＝Bq₁，B表示整个系统的总标准煤耗，q₁表示低位发热量，P_e表示汽轮机输出功率，Q₀表示汽轮机的热耗，η_p表示管道热效率，η_e表示汽轮机发电机组绝对电效率，Q_b表示锅炉热负荷，D_b、D_rh、D_bl分别表示锅炉产汽量、再热蒸汽量和排污量，h_b、h′_bl、h_fw分别表示锅炉过热器出口蒸汽比焓、汽包排污水比焓和给水焓，q_rh(b)表示1kg再热蒸汽在锅炉中的吸热量，ξ_ap＝P_ap/P_e，P_ap表示整个系统的用电量，其中ξ_ap表示整个系统的用电率，η_cp表示整个系统的热效率。

进一步，所述步骤S3中所述机组参数负荷-基准值关系式为：

y_i＝a_ix²+b_ix+c_i

上式中，x表示机组参数的实时运行数据，y表示机组参数的基准值，a、b、c均为常数，y、a、b、c的下标i用于区别不同的机组参数所对应的基准值及常数。

本发明解决其技术问题所采用的另一技术方案是：

一种循环流化床机组能效优化系统，包括：

数据采集模块，用于从运行机组安全仪表系统采集机组参数的实时运行数据；

能耗计算模块，用于根据采集的实时运行数据，计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率；

基准值计算模块，用于根据机组参数运行特性曲线，获取不同负荷下机组参数的基准值；所述机组参数运行特性曲线是通过采集机组参数的大量的实时运行数据后与机组参数的设计值进行拟合而得到的机组参数负荷-基准值关系式；

控制模块，用于根据采集的实时运行数据以及不同负荷下机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，同时计算该时刻的机组参数对机组供电煤耗率的影响参数，进而输出并显示规则匹配的结论、对应的优化决策以及对机组供电煤耗率的影响参数。

进一步，还包括：

优化结果对比模块，用于判断是否接收到代表运行人员采纳对应的优化决策的信号，若是，则根据该优化决策，模拟生成优化后的运行工况，进而获取该模拟生成的运行工况的实时运行数据后，计算该模拟生成的运行工况下的循环流化床的机组热耗率、锅炉效率以及机组供电煤耗率并与能耗计算模块中的相应计算结果生成柱形对比图并输出显示；

数据存储服务器，用于存储并更新机组的实时运行数据，同时根据生成的故障事实集合更新故障事实库。

进一步，所述控制模块包括：

第一子模块，用于将采集的实时运行数据分别与其对应的基准值相减，进而将得到的所有差值与故障事实库进行匹配后建立故障事实集合；

第二子模块，用于从故障规则库中获取一个故障规则，并判断该故障规则的条件部分是否与故障事实集合相匹配，若是，则继续执行第三子模块，否则重新执行本模块；

第三子模块，用于计算故障事实集合的每个事实的置信度后，判断是否满足以下条件，若满足，则获取该规则的结论部分，并分别执行第四子模块和第五子模块否则，判断故障规则库是否为空，若是，则输出规则结论后结束，反之返回执行第二子模块；

Max{0，C1-C1’}+Max{0，C2-C2’}+…+Max{0，Cn-Cn’}<＝λ

上式中，C1、C2、C3……Cn分别表示与故障事实集合相匹配的故障规则的每个事实的置信度，C1’、C2’、C3’……Cn’分别表示故障事实集合的每个事实的置信度，λ为预设专家阈值；

第四子模块，用于判断该规则结论是否已经存在故障事实库中，若否，则将该结论添加到故障事实库中，并返回第二子模块，否则，直接返回第二子模块；

第五子模块，用于从故障对策库中获取一个故障对策，并判断该故障对策的条件部分是否与规则结论相匹配，若是，则继续执行第六子模块，否则，结束；

第六子模块，用于根据下式计算规则结论的置信度后，判断获得的规则结论的置信度是否大于预设专家阈值λ，若是，则输出故障对策的优化决策，否则，结束：

b’＝(1-Max{0，C1-C1’})*(1-Max{0，C2-C2’})*…*(1-Max{0，Cn-Cn’})

上式中，b’表示规则结论的置信度；

其中，所述故障事实库包括多个实时运行数据与其对应的基准值的差值符号以及每个差值符号所对应的故障事实，所述故障规则库包括多个故障规则，每个故障规则包括由多个故障事实构成的条件部分以及由规则结论构成的结论部分，所述故障对策库包括多个故障对策，每个故障对策包括由规则结论构成的条件部分以及由优化决策构成的对策部分。

本发明的有益效果是：本发明的一种循环流化床机组能效优化方法，通过采集机组参数的实时运行数据并获取不同负荷下机组参数的基准值，进而生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，从而输出规则匹配的结论以及对应的优化决策，从而可以对循环流化床机组进行能效优化。本方法可以全面地获取循环流化床机组的机组参数后，通过各种计算来进行能效优化，准确率高，而且实现方式简单，优化功能全面，适合用于对各种循环流化床机组进行能效优化。

而且通过计算优化前后循环流化床机组的机组热耗率、锅炉效率以及机组供电煤耗率等能耗指标并进行对比，可以直观地体现能效优化效果。

本发明的另一有益效果是：本发明的一种循环流化床机组能效优化系统，可用于采集机组参数的实时运行数据并获取不同负荷下机组参数的基准值，进而生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，从而输出规则匹配的结论以及对应的优化决策，从而可以对循环流化床机组进行能效优化。本系统可以全面地获取循环流化床机组的机组参数后，通过控制模块的各种计算来进行能效优化，准确率高，而且实现方式简单，优化功能全面，适合用于对各种循环流化床机组进行能效优化。

而且本系统还可以计算优化前后循环流化床机组的机组热耗率、锅炉效率以及机组供电煤耗率等能耗指标并进行对比，可以直观地体现能效优化效果。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明的一种循环流化床机组能效优化方法进行规则匹配并输出优化对策的流程示意图。

具体实施方式

本发明提供了一种循环流化床机组能效优化方法，包括：

S1、从运行机组安全仪表系统采集机组参数的实时运行数据；

S2、根据采集的实时运行数据，计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率；

S3、根据机组参数运行特性曲线，获取不同负荷下机组参数的基准值；

所述机组参数运行特性曲线是通过采集机组参数的大量的实时运行数据后与机组参数的设计值进行拟合而得到的机组参数负荷-基准值关系式；

S4、根据采集的实时运行数据以及不同负荷下机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，同时计算该时刻的机组参数对机组供电煤耗率的影响参数，进而输出并显示规则匹配的结论、对应的优化决策以及对机组供电煤耗率的影响参数。

进一步作为优选的实施方式，还包括以下步骤：

S5、判断是否接收到代表运行人员采纳对应的优化决策的信号，若是，则根据该优化决策，模拟生成优化后的运行工况，进而获取该模拟生成的运行工况的实时运行数据后，计算该模拟生成的运行工况下的循环流化床的机组热耗率、锅炉效率以及机组供电煤耗率并与步骤S2中的相应计算结果生成柱形对比图并输出显示；

S6、存储并更新机组的实时运行数据，同时根据生成的故障事实集合更新故障事实库。

进一步作为优选的实施方式，参照图1，所述步骤S4中所述根据采集的实时运行数据以及对应的机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，包括：

S41、将采集的实时运行数据分别与其对应的基准值相减，进而将得到的所有差值与故障事实库进行匹配后建立故障事实集合；

S42、从故障规则库中获取一个故障规则，并判断该故障规则的条件部分是否与故障事实集合相匹配，若是，则继续执行步骤S43，否则重新执行本步骤；

S43、计算故障事实集合的每个事实的置信度后，判断是否满足以下条件，若满足，则获取该规则的结论部分，并分别执行步骤S44和S45，否则，判断故障规则库是否为空，若是，则输出规则结论后结束，反之返回执行步骤S42；

Max{0，C1-C1’}+Max{0，C2-C2’}+…+Max{0，Cn-Cn’}<＝λ

上式中，C1、C2、C3……Cn分别表示与故障事实集合相匹配的故障规则的每个事实的置信度，C1’、C2’、C3’……Cn’分别表示故障事实集合的每个事实的置信度，λ为预设专家阈值；

S44、判断该规则结论是否已经存在故障事实库中，若否，则将该结论添加到故障事实库中，并返回步骤S42，否则，直接返回步骤S42；

S45、从故障对策库中获取一个故障对策，并判断该故障对策的条件部分是否与规则结论相匹配，若是，则继续执行步骤S46，否则，结束；

S46、根据下式计算规则结论的置信度后，判断获得的规则结论的置信度是否大于预设专家阈值λ，若是，则输出故障对策的优化决策，否则，结束：

b’＝(1-Max{0，C1-C1’})*(1-Max{0，C2-C2’})*…*(1-Max{0，Cn-Cn’})

上式中，b’表示规则结论的置信度；

其中，所述故障事实库包括多个实时运行数据与其对应的基准值的差值符号以及每个差值符号所对应的故障事实，所述故障规则库包括多个故障规则，每个故障规则包括由多个故障事实构成的条件部分以及由规则结论构成的结论部分，所述故障对策库包括多个故障对策，每个故障对策包括由规则结论构成的条件部分以及由优化决策构成的对策部分。

进一步作为优选的实施方式，该方法中，事实的置信度是通过以下公式计算获得的：

情况1：该事实对应的实时运行数据仅存在上限参数：

情况2：该事实对应的实时运行数据仅存在下限参数：

情况3：该事实对应的实时运行数据存在上限参数及下限参数：

其中，C(X)表示事实的置信度，X_C表示该事实对应的实时运行数据的基准值，X表示该事实对应的实时运行数据，X_SR表示该事实对应的实时运行数据的上限参数，X_XL表示该事实对应的实时运行数据的下限参数。

进一步作为优选的实施方式，所述步骤S2，其具体为：

根据采集的实时运行数据，按照以下公式计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率：

$\left\{\begin{array}{c}{q}_{\mathrm{cp}}=\frac{Q_{\mathrm{cp}}}{P_e}=\frac{q_b}{{\mathrm{\&eta;}}_b}=\frac{q_0}{{\mathrm{\&eta;}}_b{\mathrm{\&eta;}}_p}=\frac{3600}{{\mathrm{\&eta;}}_b{\mathrm{\&eta;}}_p{\mathrm{\&eta;}}_e}\mathrm{kJ}/(\mathrm{kW}\&CenterDot;h)\\ {\mathrm{\&eta;}}_b=\frac{Q_b}{Q_{\mathrm{cp}}}=\frac{Q_b}{{\mathrm{Bq}}_1}=\frac{D_b(h_b-h_{\mathrm{fw}})+D_{\mathrm{rh}}{q}_{\mathrm{rh}\left(b\right)}+D_{\mathrm{bl}}(h_{\mathrm{bl}}^{\&prime;}-h_{\mathrm{fw}})}{{\mathrm{Bq}}_1}\\ b_{\mathrm{cp}}^n=\frac{0.123}{{\mathrm{\&eta;}}_{\mathrm{cp}}^n}=\frac{0.123}{{\mathrm{\&eta;}}_{\mathrm{cp}}(1-{\mathrm{\&xi;}}_{\mathrm{ap}})}\mathrm{kg}/(\mathrm{kW}\&CenterDot;h)\end{array}\right.$

其中，q_cp表示机组热效率，η_b表示锅炉效率，表示机组供电煤耗率，Q_cp表示整个系统的热耗量且Q_cp＝Bq₁，B表示整个系统的总标准煤耗，q₁表示低位发热量，P_e表示汽轮机输出功率，Q₀表示汽轮机的热耗，η_p表示管道热效率，η_e表示汽轮机发电机组绝对电效率，Q_b表示锅炉热负荷，D_b、D_rh、D_bl分别表示锅炉产汽量、再热蒸汽量和排污量，h_b、h′_bl、h_fw分别表示锅炉过热器出口蒸汽比焓、汽包排污水比焓和给水焓，q_rh(b)表示1kg再热蒸汽在锅炉中的吸热量，ξ_ap＝P_ap/P_e，P_ap表示整个系统的用电量，其中ξ_ap表示整个系统的用电率，η_cp表示整个系统的热效率。

进一步作为优选的实施方式，所述步骤S3中所述机组参数负荷-基准值关系式为：

y_i＝a_ix²+b_ix+c_i

上式中，x表示机组参数的实时运行数据，y表示机组参数的基准值，a、b、c均为常数，y、a、b、c的下标i用于区别不同的机组参数所对应的基准值及常数。

根据本发明的另一方面，本发明还提供了一种循环流化床机组能效优化系统，包括：

数据采集模块，用于从运行机组安全仪表系统采集机组参数的实时运行数据；

能耗计算模块，用于根据采集的实时运行数据，计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率；

基准值计算模块，用于根据机组参数运行特性曲线，获取不同负荷下机组参数的基准值；所述机组参数运行特性曲线是通过采集机组参数的大量的实时运行数据后与机组参数的设计值进行拟合而得到的机组参数负荷-基准值关系式；

控制模块，用于根据采集的实时运行数据以及不同负荷下机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，同时计算该时刻的机组参数对机组供电煤耗率的影响参数，进而输出并显示规则匹配的结论、对应的优化决策以及对机组供电煤耗率的影响参数。

进一步作为优选的实施方式，还包括：

优化结果对比模块，用于判断是否接收到代表运行人员采纳对应的优化决策的信号，若是，则根据该优化决策，模拟生成优化后的运行工况，进而获取该模拟生成的运行工况的实时运行数据后，计算该模拟生成的运行工况下的循环流化床的机组热耗率、锅炉效率以及机组供电煤耗率并与能耗计算模块中的相应计算结果生成柱形对比图并输出显示；

数据存储服务器，用于存储并更新机组的实时运行数据，同时根据生成的故障事实集合更新故障事实库。

进一步作为优选的实施方式，所述控制模块包括：

第一子模块，用于将采集的实时运行数据分别与其对应的基准值相减，进而将得到的所有差值与故障事实库进行匹配后建立故障事实集合；

第二子模块，用于从故障规则库中获取一个故障规则，并判断该故障规则的条件部分是否与故障事实集合相匹配，若是，则继续执行第三子模块，否则重新执行本模块；

第三子模块，用于计算故障事实集合的每个事实的置信度后，判断是否满足以下条件，若满足，则获取该规则的结论部分，并分别执行第四子模块和第五子模块否则，判断故障规则库是否为空，若是，则输出规则结论后结束，反之返回执行第二子模块；

Max{0，C1-C1’}+Max{0，C2-C2’}+…+Max{0，Cn-Cn’}<＝λ

上式中，C1、C2、C3……Cn分别表示与故障事实集合相匹配的故障规则的每个事实的置信度，C1’、C2’、C3’……Cn’分别表示故障事实集合的每个事实的置信度，λ为预设专家阈值；

第四子模块，用于判断该规则结论是否已经存在故障事实库中，若否，则将该结论添加到故障事实库中，并返回第二子模块，否则，直接返回第二子模块；

第五子模块，用于从故障对策库中获取一个故障对策，并判断该故障对策的条件部分是否与规则结论相匹配，若是，则继续执行第六子模块，否则，结束；

第六子模块，用于根据下式计算规则结论的置信度后，判断获得的规则结论的置信度是否大于预设专家阈值λ，若是，则输出故障对策的优化决策，否则，结束：

b’＝(1-Max{0，C1-C1’})*(1-Max{0，C2-C2’})*…*(1-Max{0，Cn-Cn’})

上式中，b’表示规则结论的置信度；

其中，所述故障事实库包括多个实时运行数据与其对应的基准值的差值符号以及每个差值符号所对应的故障事实，所述故障规则库包括多个故障规则，每个故障规则包括由多个故障事实构成的条件部分以及由规则结论构成的结论部分，所述故障对策库包括多个故障对策，每个故障对策包括由规则结论构成的条件部分以及由优化决策构成的对策部分。

以下结合具体实施方式对本发明做进一步说明：

实施例一

一种循环流化床机组能效优化方法，包括：

S1、从运行机组安全仪表系统采集机组参数的实时运行数据；实时运行数据包括机组燃烧系统、烟风系统、汽水系统、辅机系统等系统涵盖的所有直接可读的参数实时数据，一般来说，一共有134个实时运行数据。

S2、根据采集的实时运行数据，按照以下公式计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率：

$\left\{\begin{array}{c}{q}_{\mathrm{cp}}=\frac{Q_{\mathrm{cp}}}{P_e}=\frac{q_b}{{\mathrm{\&eta;}}_b}=\frac{q_0}{{\mathrm{\&eta;}}_b{\mathrm{\&eta;}}_p}=\frac{3600}{{\mathrm{\&eta;}}_b{\mathrm{\&eta;}}_p{\mathrm{\&eta;}}_e}\mathrm{kJ}/(\mathrm{kW}\&CenterDot;h)\\ {\mathrm{\&eta;}}_b=\frac{Q_b}{Q_{\mathrm{cp}}}=\frac{Q_b}{{\mathrm{Bq}}_1}=\frac{D_b(h_b-h_{\mathrm{fw}})+D_{\mathrm{rh}}{q}_{\mathrm{rh}\left(b\right)}+D_{\mathrm{bl}}(h_{\mathrm{bl}}^{\&prime;}-h_{\mathrm{fw}})}{{\mathrm{Bq}}_1}\\ b_{\mathrm{cp}}^n=\frac{0.123}{{\mathrm{\&eta;}}_{\mathrm{cp}}^n}=\frac{0.123}{{\mathrm{\&eta;}}_{\mathrm{cp}}(1-{\mathrm{\&xi;}}_{\mathrm{ap}})}\mathrm{kg}/(\mathrm{kW}\&CenterDot;h)\end{array}\right.$

其中，q_cp表示机组热效率，η_b表示锅炉效率，表示机组供电煤耗率，Q_cp表示整个系统的热耗量且Q_cp＝Bq₁，单位为kJ/h，B表示整个系统的总标准煤耗，q₁表示低位发热量，P_e表示汽轮机输出功率，单位为kW，Q₀表示汽轮机的热耗，单位为kJ/h，η_p表示管道热效率，η_e表示汽轮机发电机组绝对电效率，Q_b表示锅炉热负荷，单位为kJ/h，D_b、D_rh、D_bl分别表示锅炉产汽量、再热蒸汽量和排污量，，单位为kg/h，h_b、h′_bl、h_fw分别表示锅炉过热器出口蒸汽比焓、汽包排污水比焓和给水焓，单位为kJ/kg，q_rh(b)表示1kg再热蒸汽在锅炉中的吸热量，ξ_ap＝P_ap/P_e，P_ap表示整个系统的用电量，其中ξ_ap表示整个系统的用电率，采用百分比％表示，η_cp表示整个系统的热效率。这里注意的是，Q₀、Q_b代表的是总额，上面公式中的q₀、q_b分别表示Q₀、Q_b的每一单位对应的值。

S3、根据机组参数运行特性曲线，获取不同负荷下机组参数的基准值；

机组参数运行特性曲线是通过采集机组参数的大量的实时运行数据后与机组参数的设计值进行拟合而得到的机组参数负荷-基准值关系式。实时运行数据中也包括机组的实时负荷值，因此，根据机组参数运行特性曲线，可以获得不同负荷下各个机组参数的基准值。

优选的，本实施例中机组参数负荷-基准值关系式为：

y_i＝a_ix²+b_ix+c_i

上式中，x表示机组参数的实时运行数据，y表示机组参数的基准值，a、b、c均为常数，y、a、b、c的下标i用于区别不同的机组参数所对应的基准值及常数。例如循环流化床机组总共有134个机组参数，则i的取值为1-134的自然数，用于区分该134个机组参数。

具体的，机组参数中的排烟温度参数的负荷-基准值关系式为：

y₁＝0.00093x²-0.32299x+157.37637

其中，x表示负荷，单位为mW。根据该关系式，可得知当机组负荷为300mW时，计算得到当前负荷下排烟温度基准值为144.17℃。

因为本方法是实时执行的，因此本步骤中用的是获取不同负荷下机组参数的基准值，采用本方法，在不同负荷下，均可获得机组参数的基准值，进而执行以下步骤，实现能效优化。

S4、根据采集的实时运行数据以及不同负荷下机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，同时计算该时刻的机组参数对机组供电煤耗率的影响参数，进而输出并显示规则匹配的结论、对应的优化决策以及对机组供电煤耗率的影响参数。

计算该时刻的机组参数对机组供电煤耗率的影响参数，可以有多种方式，本实施例中根据基准值计算机组供电煤耗率的基准值，从而将该时刻实时计算获取的机组供电煤耗率与机组供电煤耗率的基准值进行比较，其差值即为该时刻机组参数对机组供电煤耗率的影响参数。

其中根据采集的实时运行数据以及对应的机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策的步骤，参照图1所示，包括：

S41、将采集的实时运行数据分别与其对应的基准值相减，进而将得到的所有差值与故障事实库进行匹配后建立故障事实集合；

下表中列出了一些机组参数的实时运行数据与其对应基准值的差值符号所对应的故障事实，表中，FH表示差值符号为“+”，FL表示差值符号为“-”，FH及FL后面的阿拉伯数字用于区别不同的机组参数：

FH1	排烟氧量升高	FL1	排烟氧量降低
				FH2	排烟温度升高	FL2	排烟温度降低
FH3	再热器出口温度升高	FL3	再热器出口温度降低
				FH4	炉膛压力FP升高	FL4	炉膛压力FP降低
FH5	总风量FP升高	FL5	总风量FP降低
				FH6	一次风量升高	FL6	一次风量降低
FH7	二次风量升高	FL7	二次风量降低
				FH8	……	FL8	……
……		……

事先根据如上表所示差值符号与故障事实之间的关系建立故障事实库，当获取机组参数的实时运行数据以及相对应的所有基准值后，即可根据建立的故障事实库建立故障事实集合。

S42、从故障规则库中获取一个故障规则，并判断该故障规则的条件部分是否与故障事实集合相匹配，若是，则继续执行步骤S43，否则重新执行本步骤；

S43、计算故障事实集合的每个事实的置信度后，判断是否满足以下条件，若满足，则获取该规则的结论部分，并分别执行步骤S44和S45，否则，判断故障规则库是否为空，若是，则输出规则结论后结束，反之返回执行步骤S42；

Max{0，C1-C1’}+Max{0，C2-C2’}+…+Max{0，Cn-Cn’}<＝λ

上式中，C1、C2、C3……Cn分别表示与故障事实集合相匹配的故障规则的每个事实的置信度，C1’、C2’、C3’……Cn’分别表示故障事实集合的每个事实的置信度，λ为预设专家阈值；

S44、判断该规则结论是否已经存在故障事实库中，若否，则将该结论添加到故障事实库中，并返回步骤S42，否则，直接返回步骤S42；

S45、从故障对策库中获取一个故障对策，并判断该故障对策的条件部分是否与规则结论相匹配，若是，则继续执行步骤S46，否则，结束；

S46、根据下式计算规则结论的置信度后，判断获得的规则结论的置信度是否大于预设专家阈值λ，若是，则输出故障对策的优化决策，否则，结束：

b’＝(1-Max{0，C1-C1’})*(1-Max{0，C2-C2’})*…*(1-Max{0，Cn-Cn’})

上式中，b’表示规则结论的置信度；

其中，故障事实库包括多个实时运行数据与其对应的基准值的差值符号以及每个差值符号所对应的故障事实，故障规则库包括多个故障规则，每个故障规则包括由多个故障事实构成的条件部分以及由规则结论构成的结论部分，故障对策库包括多个故障对策，每个故障对策包括由规则结论构成的条件部分以及由优化决策构成的对策部分。

步骤S41-S46可以看作一个推理过程，其基本思想如图1所示，正向推理的基本思想为：从机组已知的初始证据(同时也指故障事实)出发正向使用故障规则，即将故障规则的条件部分(即图中的前提部分)与故障事实库中已知的故障事实相匹配，若匹配成功，则激活该故障规则，将故障规则的规则结论作为新的故障事实加入故障事实库中，重复上述过程，直到没有匹配的故障规则为止。由于本方法的初始证据是根据运行参数获得，对运行人员判断机组运行状态具有直观简洁的效果，因此每次匹配成功的规则结论均输出规则结论，同时符合条件时也输出对应的优化对策。

上述过程中，故障规则匹配所可能产生的故障规则如下：

Rule6

IF补给水流量增大

排烟温度降低

THEN管道泄漏

输出决策：管道检修，减小泄漏。

Rule10

IF出口烟温降低

蒸汽温度升高

过热器减温水量增大

凝结水补给水增大

THEN吹灰过量

输出决策：减少吹灰量

Rule11

IF排烟温度降低

空气预热器出口O₂增大

空气预热器出口CO₂减小

锅炉出口O₂正常

THEN空气预热器泄漏

决策：空气预热器泄漏检查与维护

……

其匹配过程计算方法为：

设Ai为事实，Ci为其置信度，B为结论，b为结论的置信度，i＝1，2，…，n，系统中规则表示为：

“如果A1(C1)、A2(C2)、…An(Cn)匹配成功，那么输出结论B(b)。”

S5、判断是否接收到代表运行人员采纳对应的优化决策的信号，若是，则根据该优化决策，模拟生成优化后的运行工况，进而获取该模拟生成的运行工况的实时运行数据后，计算该模拟生成的运行工况下的循环流化床的机组热耗率、锅炉效率以及机组供电煤耗率并与步骤S2中的相应计算结果生成柱形对比图并输出显示。步骤S4中输出优化决策后，若用户接受该优化决策则输入出发代表接受优化决策的信号。本步骤中在用户接受优化决策后，模拟生成优化后的运行工况，进而获取该模拟生成的运行工况的实时运行数据后，计算该模拟生成的运行工况下的循环流化床的机组热耗率、锅炉效率以及机组供电煤耗率并与步骤S2中根据实时运行数据所计算获得的机组热耗率、锅炉效率以及机组供电煤耗率生成柱形对比图并输出显示，从而用户可以直观地获知根据优化决策进行优化后的能效优化对比效果。

S6、存储并更新机组的实时运行数据，同时根据生成的故障事实集合更新故障事实库。

本实施例中，事实的置信度是通过以下公式计算获得的：

情况1：该事实对应的实时运行数据仅存在上限参数：

情况2：该事实对应的实时运行数据仅存在下限参数：

情况3：该事实对应的实时运行数据存在上限参数及下限参数：

其中，C(X)表示事实的置信度，X_C表示该事实对应的实时运行数据的基准值，X表示该事实对应的实时运行数据，X_SR表示该事实对应的实时运行数据的上限参数，X_XL表示该事实对应的实时运行数据的下限参数。

实施例二

本实施例是与实施例一的一种循环流化床机组能效优化方法一一对应的软系统，具体为：

一种循环流化床机组能效优化系统，包括：

数据采集模块，用于从运行机组安全仪表系统采集机组参数的实时运行数据；

能耗计算模块，用于根据采集的实时运行数据，计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率；

基准值计算模块，用于根据机组参数运行特性曲线，获取不同负荷下机组参数的基准值；机组参数运行特性曲线是通过采集机组参数的大量的实时运行数据后与机组参数的设计值进行拟合而得到的机组参数负荷-基准值关系式；

控制模块，用于根据采集的实时运行数据以及不同负荷下机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，同时计算该时刻的机组参数对机组供电煤耗率的影响参数，进而输出并显示规则匹配的结论、对应的优化决策以及对机组供电煤耗率的影响参数，包括：

第一子模块，用于将采集的实时运行数据分别与其对应的基准值相减，进而将得到的所有差值与故障事实库进行匹配后建立故障事实集合；

第二子模块，用于从故障规则库中获取一个故障规则，并判断该故障规则的条件部分是否与故障事实集合相匹配，若是，则继续执行第三子模块，否则重新执行本模块；

第三子模块，用于计算故障事实集合的每个事实的置信度后，判断是否满足以下条件，若满足，则获取该规则的结论部分，并分别执行第四子模块和第五子模块否则，判断故障规则库是否为空，若是，则输出规则结论后结束，反之返回执行第二子模块；

Max{0，C1-C1’}+Max{0，C2-C2’}+…+Max{0，Cn-Cn’}<＝λ

上式中，C1、C2、C3……Cn分别表示与故障事实集合相匹配的故障规则的每个事实的置信度，C1’、C2’、C3’……Cn’分别表示故障事实集合的每个事实的置信度，λ为预设专家阈值；

第四子模块，用于判断该规则结论是否已经存在故障事实库中，若否，则将该结论添加到故障事实库中，并返回第二子模块，否则，直接返回第二子模块；

第五子模块，用于从故障对策库中获取一个故障对策，并判断该故障对策的条件部分是否与规则结论相匹配，若是，则继续执行第六子模块，否则，结束；

第六子模块，用于根据下式计算规则结论的置信度后，判断获得的规则结论的置信度是否大于预设专家阈值λ，若是，则输出故障对策的优化决策，否则，结束：

b’＝(1-Max{0，C1-C1’})*(1-Max{0，C2-C2’})*…*(1-Max{0，Cn-Cn’})

上式中，b’表示规则结论的置信度；

其中，故障事实库包括多个实时运行数据与其对应的基准值的差值符号以及每个差值符号所对应的故障事实，故障规则库包括多个故障规则，每个故障规则包括由多个故障事实构成的条件部分以及由规则结论构成的结论部分，故障对策库包括多个故障对策，每个故障对策包括由规则结论构成的条件部分以及由优化决策构成的对策部分。

优化结果对比模块，用于判断是否接收到代表运行人员采纳对应的优化决策的信号，若是，则根据该优化决策，模拟生成优化后的运行工况，进而获取该模拟生成的运行工况的实时运行数据后，计算该模拟生成的运行工况下的循环流化床的机组热耗率、锅炉效率以及机组供电煤耗率并与能耗计算模块中的相应计算结果生成柱形对比图并输出显示。

数据存储服务器，用于存储并更新机组的实时运行数据，同时根据生成的故障事实集合更新故障事实库。

关于本实施例的详细说明可参照实施例一的描述，这里不一一赘述。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.一种循环流化床机组能效优化方法，其特征在于，包括：

S1、从运行机组安全仪表系统采集机组参数的实时运行数据；

S2、根据采集的实时运行数据，计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率；

S3、根据机组参数运行特性曲线，获取不同负荷下机组参数的基准值；

所述机组参数运行特性曲线是通过采集机组参数的大量的实时运行数据后与机组参数的设计值进行拟合而得到的机组参数负荷-基准值关系式；

S4、根据采集的实时运行数据以及不同负荷下机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，同时计算该时刻的机组参数对机组供电煤耗率的影响参数，进而输出并显示规则匹配的结论、对应的优化决策以及对机组供电煤耗率的影响参数。

2.根据权利要求1所述的一种循环流化床机组能效优化方法，其特征在于，还包括以下步骤：

S5、判断是否接收到代表运行人员采纳对应的优化决策的信号，若是，则根据该优化决策，模拟生成优化后的运行工况，进而获取该模拟生成的运行工况的实时运行数据后，计算该模拟生成的运行工况下的循环流化床的机组热耗率、锅炉效率以及机组供电煤耗率并与步骤S2中的相应计算结果生成柱形对比图并输出显示；

S6、存储并更新机组的实时运行数据，同时根据生成的故障事实集合更新故障事实库。

3.根据权利要求1所述的一种循环流化床机组能效优化方法，其特征在于，所述步骤S4中所述根据采集的实时运行数据以及对应的机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，包括：

S41、将采集的实时运行数据分别与其对应的基准值相减，进而将得到的所有差值与故障事实库进行匹配后建立故障事实集合；

S42、从故障规则库中获取一个故障规则，并判断该故障规则的条件部分是否与故障事实集合相匹配，若是，则继续执行步骤S43，否则重新执行本步骤；

S43、计算故障事实集合的每个事实的置信度后，判断是否满足以下条件，若满足，则获取该规则的结论部分，并分别执行步骤S44和S45，否则，判断故障规则库是否为空，若是，则输出规则结论后结束，反之返回执行步骤S42；

Max{0，C1-C1’}+Max{0，C2-C2’}+...+Max{0，Cn-Cn’}＜＝λ

上式中，C1、C2、C3……Cn分别表示与故障事实集合相匹配的故障规则的每个事实的置信度，C1’、C2’、C3’……Cn’分别表示故障事实集合的每个事实的置信度，λ为预设专家阈值；

S44、判断该规则结论是否已经存在故障事实库中，若否，则将该结论添加到故障事实库中，并返回步骤S42，否则，直接返回步骤S42；

S45、从故障对策库中获取一个故障对策，并判断该故障对策的条件部分是否与规则结论相匹配，若是，则继续执行步骤S46，否则，结束；

S46、根据下式计算规则结论的置信度后，判断获得的规则结论的置信度是否大于预设专家阈值λ，若是，则输出故障对策的优化决策，否则，结束：

b’＝(1-Max{0，C1-C1’})*(1-Max{0，C2-C2’})*...*(1-Max{0，Cn-Cn’})

上式中，b’表示规则结论的置信度；

所述故障事实库包括多个实时运行数据与其对应的基准值的差值符号以及每个差值符号所对应的故障事实；

所述故障规则库包括多个故障规则，每个故障规则包括由多个故障事实构成的条件部分以及由规则结论构成的结论部分；

所述故障对策库包括多个故障对策，每个故障对策包括由规则结论构成的条件部分以及由优化决策构成的对策部分。

4.根据权利要求3所述的一种循环流化床机组能效优化方法，其特征在于，该方法中，事实的置信度是通过以下公式计算获得的：

情况1：该事实对应的实时运行数据仅存在上限参数：

情况2：该事实对应的实时运行数据仅存在下限参数：

情况3：该事实对应的实时运行数据存在上限参数及下限参数：

其中，C(X)表示事实的置信度，X_C表示该事实对应的实时运行数据的基准值，X表示该事实对应的实时运行数据，X_SR表示该事实对应的实时运行数据的上限参数，X_XL表示该事实对应的实时运行数据的下限参数。

5.根据权利要求1所述的一种循环流化床机组能效优化方法，其特征在于，所述步骤S2，其具体为：

根据采集的实时运行数据，按照以下公式计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率：

$\left\{\begin{array}{c}{q}_{\mathrm{cp}}=\frac{Q_{\mathrm{cp}}}{P_e}=\frac{q_b}{{\mathrm{\&eta;}}_b}=\frac{q_0}{{\mathrm{\&eta;}}_b{\mathrm{\&eta;}}_p}=\frac{3600}{{\mathrm{\&eta;}}_b{\mathrm{\&eta;}}_p{\mathrm{\&eta;}}_e}\mathrm{kJ}/(\mathrm{kW}\&CenterDot;h)\\ {\mathrm{\&eta;}}_b=\frac{Q_b}{Q_{\mathrm{cp}}}=\frac{Q_b}{{\mathrm{Bq}}_1}=\frac{D_b(h_b-h_{\mathrm{fw}})+D_{\mathrm{rh}}{q}_{\mathrm{rh}\left(b\right)}+D_{\mathrm{bl}}(h_{\mathrm{bl}}^{\&prime;}-h_{\mathrm{fw}})}{{\mathrm{Bq}}_1}\\ b_{\mathrm{cp}}^n=\frac{0.123}{{\mathrm{\&eta;}}_{\mathrm{cp}}^n}=\frac{0.123}{{\mathrm{\&eta;}}_{\mathrm{cp}}(1-{\mathrm{\&xi;}}_{\mathrm{ap}})}\mathrm{kg}/(\mathrm{kW}\&CenterDot;h)\end{array}\right.$

其中，q_cp表示机组热效率，η_b表示锅炉效率，表示机组供电煤耗率，Q_cp表示整个系统的热耗量且Q_cp＝B_q1，B表示整个系统的总标准煤耗，q₁表示低位发热量，P_e表示汽轮机输出功率，Q₀表示汽轮机的热耗，η_p表示管道热效率，η_e表示汽轮机发电机组绝对电效率，Q_b表示锅炉热负荷，D_b、D_rh、D_bl分别表示锅炉产汽量、再热蒸汽量和排污量，h_b、h′_bl、h_fw分别表示锅炉过热器出口蒸汽比焓、汽包排污水比焓和给水焓，q_rh(b)表示1kg再热蒸汽在锅炉中的吸热量，ξ_ap＝P_ap/P_e，P_ap表示整个系统的用电量，其中ξ_ap表示整个系统的用电率，η_cp表示整个系统的热效率。

6.根据权利要求1所述的一种循环流化床机组能效优化方法，其特征在于，所述步骤S3中所述机组参数负荷-基准值关系式为：

y_i＝a_ix²+b_ix+c_i

上式中，x表示机组参数的实时运行数据，y表示机组参数的基准值，a、b、c均为常数，y、a、b、c的下标i用于区别不同的机组参数所对应的基准值及常数。

7.一种循环流化床机组能效优化系统，其特征在于，包括：

数据采集模块，用于从运行机组安全仪表系统采集机组参数的实时运行数据；

能耗计算模块，用于根据采集的实时运行数据，计算循环流化床的实时的机组热耗率、锅炉效率以及机组供电煤耗率；

基准值计算模块，用于根据机组参数运行特性曲线，获取不同负荷下机组参数的基准值；所述机组参数运行特性曲线是通过采集机组参数的大量的实时运行数据后与机组参数的设计值进行拟合而得到的机组参数负荷-基准值关系式；

控制模块，用于根据采集的实时运行数据以及不同负荷下机组参数的基准值，生成故障事实集合，进而对生成的故障事实集合进行规则匹配，获得对应的优化决策，同时计算该时刻的机组参数对机组供电煤耗率的影响参数，进而输出并显示规则匹配的结论、对应的优化决策以及对机组供电煤耗率的影响参数。

8.根据权利要求7所述的一种循环流化床机组能效优化系统，其特征在于，还包括：

优化结果对比模块，用于判断是否接收到代表运行人员采纳对应的优化决策的信号，若是，则根据该优化决策，模拟生成优化后的运行工况，进而获取该模拟生成的运行工况的实时运行数据后，计算该模拟生成的运行工况下的循环流化床的机组热耗率、锅炉效率以及机组供电煤耗率并与能耗计算模块中的相应计算结果生成柱形对比图并输出显示；

数据存储服务器，用于存储并更新机组的实时运行数据，同时根据生成的故障事实集合更新故障事实库。

9.根据权利要求7所述的一种循环流化床机组能效优化系统，其特征在于，所述控制模块包括：

第一子模块，用于将采集的实时运行数据分别与其对应的基准值相减，进而将得到的所有差值与故障事实库进行匹配后建立故障事实集合；

第二子模块，用于从故障规则库中获取一个故障规则，并判断该故障规则的条件部分是否与故障事实集合相匹配，若是，则继续执行第三子模块，否则重新执行本模块；

第三子模块，用于计算故障事实集合的每个事实的置信度后，判断是否满足以下条件，若满足，则获取该规则的结论部分，并分别执行第四子模块和第五子模块否则，判断故障规则库是否为空，若是，则输出规则结论后结束，反之返回执行第二子模块；

Max{0，C1-C1’)+Max{0，C2-C2’}+...+Max{0，Cn-Cn’}＜＝λ

上式中，C1、C2、C3……Cn分别表示与故障事实集合相匹配的故障规则的每个事实的置信度，C1’、C2’、C3’…Cn’分别表示故障事实集合的每个事实的置信度，λ为预设专家阈值；

第四子模块，用于判断该规则结论是否已经存在故障事实库中，若否，则将该结论添加到故障事实库中，并返回第二子模块，否则，直接返回第二子模块；

第五子模块，用于从故障对策库中获取一个故障对策，并判断该故障对策的条件部分是否与规则结论相匹配，若是，则继续执行第六子模块，否则，结束；

第六子模块，用于根据下式计算规则结论的置信度后，判断获得的规则结论的置信度是否大于预设专家阈值λ，若是，则输出故障对策的优化决策，否则，结束：

b’＝(1-Max{0，C1-C1’})*(1-Max{0，C2-C2’})*...*(1-Max{0，Cn-Cn’})

上式中，b’表示规则结论的置信度；

其中，所述故障事实库包括多个实时运行数据与其对应的基准值的差值符号以及每个差值符号所对应的故障事实，所述故障规则库包括多个故障规则，每个故障规则包括由多个故障事实构成的条件部分以及由规则结论构成的结论部分，所述故障对策库包括多个故障对策，每个故障对策包括由规则结论构成的条件部分以及由优化决策构成的对策部分。