CN108133316B - 一种供电厂电力设备家族性缺陷的检测方法 - Google Patents
一种供电厂电力设备家族性缺陷的检测方法 Download PDFInfo
- Publication number
- CN108133316B CN108133316B CN201711378439.8A CN201711378439A CN108133316B CN 108133316 B CN108133316 B CN 108133316B CN 201711378439 A CN201711378439 A CN 201711378439A CN 108133316 B CN108133316 B CN 108133316B
- Authority
- CN
- China
- Prior art keywords
- equipment
- defect
- supervision
- familial
- manufacturer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 164
- 238000001514 detection method Methods 0.000 title claims description 7
- 238000000034 method Methods 0.000 claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 10
- 238000010248 power generation Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000014509 gene expression Effects 0.000 claims description 17
- 238000012423 maintenance Methods 0.000 claims description 16
- 230000002950 deficient Effects 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 description 62
- 238000012360 testing method Methods 0.000 description 53
- 238000007726 management method Methods 0.000 description 32
- 238000012544 monitoring process Methods 0.000 description 27
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 230000000737 periodic effect Effects 0.000 description 14
- 230000003449 preventive effect Effects 0.000 description 13
- 238000012113 quantitative test Methods 0.000 description 13
- 230000004048 modification Effects 0.000 description 11
- 238000012986 modification Methods 0.000 description 11
- 239000003607 modifier Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000006477 desulfuration reaction Methods 0.000 description 8
- 230000023556 desulfurization Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 238000009529 body temperature measurement Methods 0.000 description 5
- 238000009413 insulation Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000003556 assay Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 239000003921 oil Substances 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000011049 filling Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000010687 lubricating oil Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000010705 motor oil Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 239000000112 cooling gas Substances 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 239000010723 turbine oil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及一种供电厂电力设备家族性缺陷的检测方法,其包括以下步骤:S1、对发电系统中的设备分别赋予KKS码,在数据库中获取发电系统中的设备的历史缺陷记录;S2、根据数据库中的设备的历史缺陷记录,计算设备的缺陷率阈值d0;S3、根据设备的序号、型号及生产厂家得到设备的分类矩阵;S4:比较d1,d2,....,dM的大小,将数值大于缺陷率阈值d0的设备生产厂家定义为具有家族性缺陷;S5:计算具有家族性缺陷的设备生产厂家与设备的缺陷率之间的相关系数r,当r大于临界值r0时,确定该设备生产厂家确实具有家族性缺陷,S6:将相关性高于所述家族性缺陷判断阈值的所述缺陷所对应的所述设备KKS码作为具有家族性缺陷的设备KKS码,计算具有家族性缺陷的设备生产厂家的缺陷率df。
Description
技术领域
本发明属于发电技术领域,具体涉及一种供电厂电力设备家族性缺陷的检测方法
背景技术
电力生产是一项庞大、复杂的系统工程,其生产设施分散、地域分布广阔、生产环节多、技术性能强,又具有产、供、销同时完成的特点。传统的技术监督管理模式只是单方向开放式的管理,组织效能不高、信息不畅、管理机械,没有形成系统化、网络化的闭环管理,存在技术监督管理工作信息不畅,监管时效长等问题,监督管理始终处于被动状态。并且,设备管理往往局限于设备相关参数的采集,采集数据利用率很低,往往认为设备管理的工作就是采集设备参数数据,其实发电设备是一个复杂的系统,具有大量状态参数,且状态参数变化各异,因此设备管理更关键的是对设备参数数据进行分析,以便进一步改善设备管理方案。这本质上是一个闭环系统,需要管理与控制的合理结合,根据设备当前数据,对其进行统计,并与历史数据和同类设备进行对标分析,进而完善设备管理,有效的实现技术监督与反措。
能源集团包括多个电厂,每个电厂中都包括多台设备,而每台设备中包括多个零部件。从能源集团的观点出发,获取这些设备及其零部件在长期使用过程中产生的大数据,宏观统计分析这些设备及其零部件的使用缺陷,得到这些设备及其零部件的家族性缺陷,对于能源集团在应对安全生产方面意义巨大。而实时监测技术到目前为已经成熟,但是如何充分活用这些实时监测到的数据,来完成家族性缺陷的分析。在传统的缺陷数据统计分析中,存在着只能统计分析某一种设备在每个时间段中的大量频发的缺陷,不能寻找到统计出的大量频发的缺陷与设备自身的其他属性的相互关联以及与其他设备之间的相互关联,这样就不能寻找出该缺陷大量频发的真正原因。
设备缺陷自身包括的数据信息内容丰富,以生产管理系统中的一条缺陷数据为例,数据内容包括:缺陷设备、设备类型、缺陷设备生产厂家、投运日期、出厂日期、所属战线、电压等级、所属部门、缺陷部件、缺陷描述、缺陷严重等级、缺陷类别、缺陷来源、缺陷状态、发现时间、发现人员、消缺人员、计划消缺时间、实际消缺时间、是否停电、缺陷原因、处理措施、处理结果和验收时间等。针对如此多的数据内容,如何准确地洗练出各个缺陷之间的关联,各个缺陷与所属设备之间的关联以及各个缺陷与所述设备的关联设备之间的关联,这至关重要,如果能够找出这些关联,那么就可以找出家族设备之间缺陷,进行有针对性的预测,同时精准到对缺陷原因进行定位,从而最小程度地干预正在运行中的设备而能够最大可能性地排除潜在的缺陷。
发明内容
为了克服现有技术的缺陷,本发明的目的在于提供一种供电厂电力设备家族性缺陷的检测方法及预警方法,其能够对电力设备的家族性缺陷进行分类、检测并获得家族性缺陷的风险度,基于该风险度查询该家族设备,寻找到设备缺陷大量频发的真正原因,避免电力设备发生危险。
具体地,本发明提供一种供电厂电力设备家族性缺陷的检测方法,其包括以下步骤:
S1、利用预先设计的KKS码集对发电系统中的设备分别赋予KKS码,在数据库中获取所述发电系统中的设备的历史缺陷记录,并使该历史缺陷记录与上述KKS码分别建立对应关系;
S2、根据设备的序号、型号以及历史缺陷进行分类,得到设备的分类矩阵,具体分类矩阵如下:
A=(X1,X2,…,Xm);
Xi=(Bi,Si,Di)
其中,A为分类矩阵,Bi为某一设备序号,Si为某一设备型号,Di为所对应的历史缺陷数量;
S3、根据数据库中的设备的历史缺陷记录,计算设备的缺陷率阈值d0,计算公式如下所示:
S4、计算某一给定生产厂家的设备缺陷率,将数值大于给定值d0的设备生产厂家定义为具有家族性缺陷;
S5、计算具有家族性缺陷的设备生产厂家与设备的缺陷率之间的相关系数r,当r大于临界值r0时,确定该设备生产厂家确实具有家族性缺陷,具有家族性缺陷的设备生产厂家与设备的缺陷率之间的相关系数r的公式具体如下:
S6、将所述相关系数高于临界值的具有家族性缺陷的设备生成厂家所对应的所述设备KKS码作为具有家族性缺陷的设备KKS码;
计算具有家族性缺陷的设备生产厂家的缺陷率df,计算公式如下:
优选地,供电厂电力设备家族性缺陷的检测方法,其特征在于:还包括S7:对具有家族性缺陷的设备生产厂家进行建模,所述模型包括具有家族性缺陷的设备生产厂家名称、设备名称、设备三维模型以及具有家族性缺陷的设备生产厂家的缺陷率,
表达式如下:
Y={具有家族性缺陷的设备生产厂家名称,具有家族性缺陷的设备名称,具有家族性缺陷的设备生产厂家的缺陷率}={y1,y2,y3},其中yi∈Y。
优选地,所述KKS码至少包括设备KKS编号、设备名称、规格型号、设备分类、所属专业以及所属班组这些字段;
具体表达式如下:
C={设备KKS编号、设备名称、规格型号、设备分类、所属专业、所属班组…}={c1,c2,…,c6,…},其中ci∈C。
优选地,还包括S8:
根据S6建立的模型绘制具有家族性缺陷的设备生产厂家缺陷图层,即
S=Y×C={s11,s12,…,s16,…,s21,…,s26,…,s31,…,s36,…},其中sij=(yi,ci)。
优选地,所述KKS码还包括维修策略、质量等级、安全等级、安装单位、投运日期、出厂年月、出厂编号、制造商以及表示地理位置标识的安装码中的一个或者多个。
优选地,所述家族性缺陷判断阈值根据所述KKS码所对应的设备在过去发生故障的频率来设定。
优选地,临界值r0为0.2。
与现有技术相比,本发明具有以下有益效果:本发明能够基于数据库中存储的电力系统的设备的历史缺陷记录,并赋予设备KKS码,使该历史缺陷记录与上述KKS码分别建立对应关系,计算电力系统的设备的家族性缺陷,对具有家族性缺陷的生产厂商的产品进行标记以及三维建模,并且绘制具有家族性缺陷的生产厂商的产品的图层,使工作人员更直观的查看哪些设备具有家族性缺陷,为以后的采购及维修提供依据,减少设备的维修事故发生率。
附图说明
图1是本发明电力设备家族性缺陷检测方法的工作流程示意图;
图2是本发明电厂性能指标评价方法的流程示意图;
图3是本发明策略库生成方法的流程示意图;
图4是本发明策略库生成模型的结构和原理示意图;
图5是本发明定期工作生成方法的流程示意图;
图6是本发明问题库生成方法的原理示意图;
图7是本发明问题库生成方法的流程示意图;以及
图8是本发明问题整改方法的示意图。
具体实施方式
以下将参考附图详细说明本发明的示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
下面,按照系统的各个功能模块,来详细地进行说明。
本发明提供一种电力设备家族性缺陷(“家族性缺陷”亦简称“家族缺陷”)的检测方法,如图1所示,其包括以下步骤:
S1、利用预先设计的KKS码集对发电系统中的设备分别赋予KKS码,在数据库中获取所述发电系统中的设备的历史缺陷记录,并使该历史缺陷记录与上述KKS码分别建立对应关系;
S2、根据设备的序号、型号以及历史缺陷进行分类,得到设备的分类矩阵,具体分类矩阵如下:
A=(X1,X2,…,Xm);
Xi=(Bi,Si,Di)
其中,A为分类矩阵,Bi为某一设备序号,Si为某一设备型号,Di为所对应的历史缺陷数量;
S3、根据数据库中的设备的历史缺陷记录,计算设备的缺陷率阈值d0,计算公式如下所示:
S4:计算某一给定生产厂家的设备缺陷率,将数值大于给定值d0的设备生产厂家定义为具有家族性缺陷;
S5:计算具有家族性缺陷的设备生产厂家与设备的缺陷率之间的相关系数r,当r大于临界值r0时,确定该设备生产厂家确实具有家族性缺陷,具有家族性缺陷的设备生产厂家与设备的缺陷率之间的相关系数r的公式具体如下:
优选地,临界值r0为0.2。当具有家族性缺陷的设备生产厂家与设备的缺陷率之间的相关系数r大于临界值时,确定获取的具有家族性缺陷的设备生产厂家确实具有家族性缺陷。此步骤可以对相关数据进行修正,避免出现差错。
S6:将所述相关系数高于临界值的具有家族性缺陷的设备生成厂家所对应的所述设备KKS码作为具有家族性缺陷的设备KKS码;
计算具有家族性缺陷的设备生产厂家的缺陷率df,计算公式如下:
优选地,供电厂电力设备家族性缺陷的检测方法,其特征在于:还包括S7:对具有家族性缺陷的设备生产厂家进行建模,所述模型包括具有家族性缺陷的设备生产厂家名称、设备名称、设备三维模型以及具有家族性缺陷的设备生产厂家的缺陷率,
表达式如下:
Y={具有家族性缺陷的设备生产厂家名称,具有家族性缺陷的设备名称,具有家族性缺陷的设备生产厂家的缺陷率}={y1,y2,y3},其中yi∈Y。
优选地,所述KKS码至少包括设备KKS编号、设备名称、规格型号、设备分类、所属专业以及所属班组这些字段;
具体表达式如下:
C={设备KKS编号、设备名称、规格型号、设备分类、所属专业、所属班组…}={c1,c2,…,c6,…},其中ci∈C。
优选地,还包括S8:
根据S6建立的模型绘制具有家族性缺陷的设备生产厂家缺陷图层,即
S=Y×C={s11,s12,…,s16,…,s21,…,s26,…,s31,…,s36,…},其中sij=(yi,ci)。
优选地,所述KKS码还包括维修策略、质量等级、安全等级、安装单位、投运日期、出厂年月、出厂编号、制造商以及表示地理位置标识的安装码中的一个或者多个。
优选地,所述家族性缺陷判断阈值根据所述KKS码所对应的设备在过去发生故障的频率来设定。
家族性缺陷检测方法中采集的数据均来自电厂策略库工作执行过程产生的数据。
本发明还提供一种基于策略库的电厂性能指标评价方法,如图2所示,包括如下步骤:
S1策略库生成步骤,根据技术监督标准和反措标准建立策略库生成模型,将电厂的实际情况(例如各电厂的设备情况,包括设备保有情况和运行状态等,包括各个机组和设备的名称及数量等情况)输入所述策略库生成模型,自动生成所述电厂的多条监督策略,对所述监督策略进行分类生成策略库,所述策略库包括定期工作监督策略库、指标定期监督策略库和实时监督策略库;
S2工作计划生产步骤,包括:
定期工作生成步骤,根据所述定期工作监督策略库自动生成定期工作计划;
指标定期监督生成步骤,根据所述指标定期监督工作策略库自动生成指标定期监督计划;
实时监督生成步骤,根据所述实时监督策略库自动生成实时监督计划;
S3问题库生成步骤,监督所述定期工作计划、指标定期监督计划和实时监督计划的执行情况,获得执行结果,根据所述执行结果按照预先设定的问题生成规则自动生成问题,并对所述问题进行分类,生成问题库;
S4问题整改步骤,基于所述问题库中的问题,依据预先设定的分配规则,自动生成问题整改工作计划,记录问题整改情况;以及
S5大数据库生成步骤,将所述策略库、定期工作计划、指标定期监督计划和实时监督计划、执行情况、执行结果、问题和问题整改工作计划及问题整改情况汇总形成大数据库。
上述以及下文中出现的“计划”一词,如无特殊说明,均指的是“计划及其相关信息”,其既包括计划本身还包括该计划所涉及的各方面信息,例如:定期工作计划、指标定期监督计划、实时监督计划和问题整改工作计划分别代表了定期工作计划以及定期工作计划所涉及的各方面信息、指标定期监督计划以及指标定期监督计划所涉及的各方面信息、实时监督计划以及实时监督计划所涉及的各方面信息和问题整改工作计划以及问题整改工作计划所涉及的各方面信息。
S1策略库生成步骤
策略库用于电厂技术监督以及电厂性能指标评价方法,如图3-4所示,策略库是指根据技术监督标准和反措标准等技术标准或管理标准N构建的符合各个电厂P1,P2,…Pk的实际情况的策略库PL1,PL2,…PLk,其中,
所述技术监督标准包括:技术监督专业、检查项目和检查方法,
技术监督专业包括:绝缘、化学、金属和压力容器、电测、热工、环保、继电保护、汽轮机和辅机振动、节能、电能质量和励磁,
优选的,随着技术监督标准的修改,以上技术监督专业也可以进行修改调整,或者,可以根据电厂的实际情况来选择需要的技术监督专业,或者,采用其他技术监督标准中的相关技术监督专业。
根据以上各个技术监督专业所涉及的被监督对象和监督内容设定检查项目,检查项目包括设备检查、指标检查以及参数检查等,根据不同的检查项目,设定相应的检查方法,包括:现场巡视、检查、试验、化验、检修或校验等,还包括非现场的查阅运行记录、查看检修报告、试验报告或统计报表等。
例如:根据技术监督标准,在“绝缘”监督专业中,包括设备检查项目“红外测温检查开关设备的接头部、断路器本体、隔离开关的导电部分的温度,测温周期不超过半年,发现问题及时采取措施”,采用的检查方法为“检查测试记录和分析报告”。
所述反措标准包括:防止电厂事故的各项反措内容。根据具体的反措内容设定相应的检查项目和检查方法。
例如:为防止锅炉尾部再次燃烧的事故,其检查项目包括“检查相关设备,防止回转式空气预热器转子蓄热元件发生再次燃烧事故,防止脱硝装置的催化元件部位、除尘器及其干除灰系统以及锅炉底部干除渣系统的再次燃烧事故”,其检查方法为实时检查。
优选的,除了技术监督标准和反措标准之外,还可以根据电厂实际情况来选择根据其他适合的技术监督或管理标准来构建策略库。
具体的,如图3-4所示,采用如下步骤生成电厂技术监督策略库:
S11、监督项目生成步骤:对管理标准N(包括但不限于:技术监督标准和反措标准)进行分解,建立策略库生成模型M1,将各个电厂(P1、P2…Pk)的实际情况(例如各电厂的设备情况)输入策略库生成模型,自动生成该电厂的多个监督项目,进而形成适于各个电厂的技术监督策略库(PL1、PL2…PLk),S1包括如下子步骤:
S111、建立策略库生成模型M1,以被监督对象为单位将监督标准N(技术监督标准和反措标准)中的检查项目逐级分解到被监督对象上,形成针对被监督对象的监督项目模板,被监督对象设定为电厂中可能用到的各类仪器、电厂中可能涉及的所有机组和以及机组中可能包括的各类设备或其零部件...,例如:电厂中的监测仪、试验设备、报警仪、氧量仪、1号机组、2号机组、3号机组、机组的凝汽器、制粉系统、灰渣处理系统、空气预热器和静电除尘器等这些都可以作为被监督对象;
S112、自动生成监督项目,将电厂中需要监督的所有机组、设备和相关仪器的名称和数量等实际情况输入策略库生成模型M1,策略库生成模型根据被监督对象的实际情况自动将被监督对象涉及到的所有检查项目以被监督对象为单位逐级分解,即把E1,E2...En输入监督项目模板以形成针对被监督对象的监督项目E11,E12…E1i,E21,E22…E2j,En1,En2…Enl,每个被监督对象都对应一项或多项监督项目。
优选的,策略库生成模型以电厂中需要监督的具体设备为单位对其涉及的检查项目进行分解形成监督项目,每台具体设备都对应至少一项监督项目,
例如:将“某某电厂”“1号机组”的“凝汽器系统”设备输入到策略库生成模型中,策略库生成模型以该凝汽器系统为单位对其涉及的检查项目进行分解后,形成三项监督项目,分别是:①来自技术监督标准中的“锅炉炉膛压力、全炉膛灭火、汽包水位和汽轮机超速、轴向位移、振动、润滑油压低、EH油压低、真空低保护装置在机组运行中严禁退出;暂时退出的,须在24h内恢复,否则应立即停机、停炉处理”、②来自技术监督标准中的“机组真空严密性试验”,以及③来自反措标准中的“机组主、辅设备的保护装置必须正常投入,已有振动监测保护装置的机组,振动超限跳机保护应投入运行;机组正常运行瓦振、轴振应达到有关标准的范围,并注意监视变化趋势”。
优选的,策略库生成模型将检查项目分解到电厂或机组,即以电厂或机组为单位进行检查项目的分解以形成相应的监督项目,
例如,技术监督标准中的“锅炉腐蚀情况”这一检查项目,其为某某电厂全厂公用的检查项目,将该检查项目分解到机组即可,生成针对机组的监督项目。
S12、监督策略形成步骤:策略库生成模型根据监督项目形成相应的监督策略,具体的,
策略库生成模型中每个监督项目都对应一条具体的监督策略S,策略库生成模型根据监督项目所对应的被监督对象的具体情况,自动生成监督策略的具体内容,监督策略的内容包括:被监督对象信息、监督项目、技术监督专业、执行周期、指标名称、测点信息、告警策略、监督工作信息和标准试验报告模板等,其中:
被监督对象信息包括:电厂名称、机组名称、设备名称和设备编码,优选的,设备编码为设备KKS码;
测点信息包括:测点名称、测点描述和测点表达式;
告警策略包括:告警名称、告警描述、告警规则、告警限值、告警表达式和告警等级;
监督工作信息包括:监督工作名称、监督工作类型、监督工作编号、监督工作等级;
标准试验报告模板包括:试验检验报告、定性或定量的试验结果值和统计数据。
例如,某条监督策略的内容包括:电厂名称“某某供电厂”、机组名称“#3机组”、设备名称“汽轮机轴承系统”、设备编码“30MAD10”、监督项目“轴承瓦温”、技术监督专业“汽轮机和辅机振动”、执行周期“实时”、测点名称“W3.ZC_UNIT3.C0969”、测点描述“3号汽轮机轴承系统”、测点表达式“{{W3.ZC_UNIT3.C0969}}”、告警名称“超上限告警”、
告警描述“3号汽轮机轴承系统温度大于95”、
告警表达式“({{W3.ZC_UNIT3.H0193}}>95)&&({{W3.CALC.ZC_UNIT3_CALC}}==0)”和告警等级“三级”。
优选的,可以手动对策略库生成模型自动生成的监督策略的内容进行修改,
例如,在以上例子中,需要调整3号汽轮机轴承系统温度大于90摄氏度报警时,只需修改告警表达式“({{W3.ZC_UNIT3.H0193}}>95)”这部分,将95改成90即可。
当然,为方便后续该电厂对“轴承瓦温”的监督管理,也可以在策略库生成模型中对告警表达式进行修改,这样,策略库生成模型生成的新监督项目及监督策略,就统一改为90摄氏度,无需一一修改。
S13、策略库的生成步骤,策略库生成模型能够自动对上一步骤中形成的监督策略(S11,S12…S1i,S21,S22…S2j,Sn1,Sn2…Snl,)进行分类C操作,进而生成策略库,具体的:
S131、对监督策略所对应的监督项目进行分类,根据监督项目的具体情况可以分为如下三类:
第一类监督项目,其需要在执行周期内完成监督并且需要监督执行过程,第一类监督项目主要依靠人工巡检来完成,因此需要监督是否执行了监督项目,并获得执行结果,包括试验检验报告、定性或定量的试验结果值和统计数据等;
第二类监督项目,其需要在执行周期内完成监督但是不需要监督执行过程,第二类监督项目主要为了获得设备的指标值,因此,根据电厂的实际情况,可以采用人工巡检、实时采集或二者相结合的形式,只需监督获得的执行结果即指标值即可;以及
第三类监督项目,其需要实时监督并获取测点值,即通过实时状态监测装置,例如传感器等来获取设备测点的测点值;
S132、对监督策略进行分类,根据S131中监督项目的分类结果对相应的监督策略进行分类得到定期工作监督策略库DQ、指标定期监督策略库ZB和实时监督策略库SS,其中:
定期工作监督策略库是通过选择第一类监督项目所对应的监督策略而形成的策略库;
指标定期监督策略库是通过选择第二类监督项目所对应的监督策略而形成的策略库;
实时监督策略库是通过选择第三类监督项目所对应的监督策略而形成的策略库;
S133、自动生成策略库的具体内容,包括生成定期工作监督策略库的内容、指标定期监督策略库的内容和实时监督策略库的内容,其中,
所述定期工作监督策略库的内容包括:被监督对象信息、第一类监督项目、技术监督专业、执行周期、指标名称、告警策略、监督工作信息和标准试验报告模板;
所述指标定期监督策略库的内容包括:被监督对象信息、第二类监督项目、技术监督专业、执行周期、指标名称、告警策略和标准试验报告模板;
所述实时监督策略库的内容包括:被监督对象信息、第三类监督项目、技术监督专业、测点信息、告警策略。
S131对监督策略所对应的监督项目进行分类,其具体包括如下子步骤:
S1311设定分类指标(xn)及分类指标的权重(ηn),将每个所述监督项目对应的技术监督专业、反措内容、执行周期、被监督对象、检查项目和检查方法分别设定为分类指标(x1,x2,x3,x4,x5,x6),设定技术监督专业、反措内容、执行周期、被监督对象、检查项目和检查方法等这些分类指标的权重分别为:0.21,0.24,0.23,0.14,0.1,0.08,优选的,通过历史运行数据来设定权重,并且,根据实际运行数据的统计,不断调整权重,以提高对监督项目分类评价的准确性,优选的,还可以选择与监督项目有关的其他内容作为分类指标对监督项目进行分类;
S1312定义评价分级(s):对所述分类指标的评价得分进行分级,根据电厂技术监督的历史运行情况,定义评价分级s=3,即将监督项目分为第一类(评价得分70分以上)、第二类(评价得分80分以上)和第三类(评价得分90分以上)共三类;
S1313根据各个分类指标的评价得分值,计算权函数,权函数计算公式如下:
其中:
k=1,…,s,λ为分级边界值;
S1314计算各个分类指标的聚类系数:
根据上述分类规则对“脱硝效率”这一监督项目进行了分类评价,具体如下:
首先,对监督项目涉及的各个分类指标进行评价,给出得分值,对于“脱硝效率”给出技术监督专业(x1)和反措内容(x2)的得分值分别为:83和89,“脱硝效率”的执行周期(x3)得分值为93,被监督对象(x4)为脱硝设备,其得分值为78,检查项目(x5)得分值为74,检查方法(x6)得分值为63,
然后,根据上述评分值,计算权函数:
优选的,为提高计算精准度,该权函数也可以向相反方向延拓:
再接着计算各个分类指标的聚类系数,计算结果如表1所示,
表1
类别 | x1 | x2 | x3 | x4 | x5 | x6 | x |
第三类 | 0.3 | 0.9 | 0.9 | 0 | 0 | 0 | 0.496 |
第二类 | 0.7 | 0.1 | 0 | 0.8 | 0.4 | 0 | 0.323 |
第一类 | 0 | 0 | 0 | 0.2 | 0.6 | 0.3 | 0.112 |
通过计算结果可以看出,“脱硝效率”属于第三类监督项目类别,从分类指标看,这一结果主要是由技术监督专业、反措内容和执行周期决定的。该技术结果及其影响因素符合“脱硝效率”监督项目的实际情况。
S2工作计划生成步骤
根据上述电厂技术监督策略库,自动生成三类工作及工作计划,包括:生成定期工作计划、指标定期监督计划和生成实时监督计划,
其中,定期工作及工作计划的生成方法包括如下步骤:
S211、定期工作监督项目生成步骤,如图5所示,对技术监督标准和反措标准进行分解,建立定期工作策略生成模型M2,将电厂实际情况(包括各个机组和设备的名称及数量等情况)输入定期工作策略生成模型M2,自动生成所述电厂的多个定期工作监督项目;
S212、定期工作监督策略形成步骤:所述定期工作策略生成模型根据所述定期工作监督项目自动形成相应的定期工作监督策略,每个定期工作监督项目对应一条定期工作监督策略;
S213、定期工作计划生成步骤,根据所述定期工作监督策略,自动生成定期工作计划并发送至定期工作执行人。
所述技术监督标准包括:技术监督专业、检查项目,所述技术监督专业包括:绝缘、化学、金属和压力容器、电测、热工、环保、继电保护、汽轮机和辅机振动、节能、电能质量和励磁;根据所述技术监督专业所涉及的被监督对象和监督内容设定检查项目,所述检查项目包括定期设备检查、指标检查以及参数检查;
所述反措标准包括:防止电厂事故的各项反措内容。根据具体的反措内容设定相应的检查项目和检查方法。
根据所述技术监督标准和反措标准,所述定期工作监督项目需要在指定的执行周期内完成监督并且需要监督定期工作的执行过程,
所述定期工作策略库生成模型根据定期工作监督项目所对应的被监督对象的具体情况自动生成定期工作监督策略的内容,所述定期工作监督策略的内容包括:被监督对象信息、定期工作监督项目、技术监督专业、执行周期、指标名称、告警策略、监督工作信息和标准试验报告模板。
所述被监督对象信息包括:电厂名称、机组名称、仪器设备名称和设备编码;
所述告警策略包括:告警名称、告警描述、告警规则、告警限值、告警表达式和告警等级;
所述监督工作信息包括:监督工作名称、监督工作类型、监督工作编号、监督工作等级;
所述标准试验报告模板包括:试验检验报告、定性或定量的试验结果值和统计数据。
根据所述定期工作监督策略的内容自动生成定期工作计划,所述定期工作计划包括:工作名称、工作类型、被监督对象信息、定期工作监督项目、执行周期和标准试验报告模板,根据所述定期工作计划,使定期工作执行人按照执行周期定期对被监督对象执行定期工作监督项目,记录执行情况,填写和上报标准试验报告模板。
如图5所示,S211定期工作监督项目生成步骤包括子步骤:
S2111、建立定期工作策略库生成模型M2,以被监督对象为单位将技术监督标准和反措标准中的检查项目逐级分解到被监督对象上,形成针对所述被监督对象的监督项目模板,所述被监督对象包括电厂、电厂中的各类仪器、电厂中的各个机组和以及机组包括的各类设备;
S2112、自动生成定期工作监督项目,将电厂(P1,P2…Pk)中的机组、设备和仪器等(包括各个机组、设备和仪器的名称及数量等情况)(E1,E2...En)输入所述定期工作策略库生成模型,定期工作策略库生成模型自动将电厂、机组、设备和仪器所涉及到的检查项目逐级分解,并输入至所述监督项目模板,形成针对所述电厂、机组、设备和仪器的定期工作监督项目。
优选的,所述定期工作策略库生成模型以电厂中需要监督的设备为单位对其涉及的检查项目进行分解,形成定期工作监督项目。
例如:将“某某电厂”“1号机组”的“凝汽器系统”设备输入到定期工作策略库生成模型中,模型自动以该凝汽器系统为单位对其涉及的检查项目进行分解,形成三项监督项目,分别是:①来自技术监督标准中的“锅炉炉膛压力、全炉膛灭火、汽包水位和汽轮机超速、轴向位移、振动、润滑油压低、EH油压低、真空低保护装置在机组运行中严禁退出;暂时退出的,须在24h内恢复,否则应立即停机、停炉处理”、②来自技术监督标准中的“机组真空严密性试验”,以及③来自反措标准中的“机组主、辅设备的保护装置必须正常投入,已有振动监测保护装置的机组,振动超限跳机保护应投入运行;机组正常运行瓦振、轴振应达到有关标准的范围,并注意监视变化趋势”。
优选的,根据定期工作的执行周期和监督工作信息,将所述定期工作计划分为:定期运行工作D1、预防性维护工作D2和定期检查工作D3。
定期工作的生成方法实现了技术监督工作自动生成、系统化管理,规范了工作的内容、标准,实现了系统自动判断工作是否合格。
采用同样方法,根据策略库生成指标定期监督计划和实时监督计划,不再赘述。
S3问题库生成步骤
提供一种电厂技术监督问题库自动生成方法,如图6-7所示,包括如下步骤:
S31、获得技术监督的执行结果,所述技术监督包括对定期工作计划10、指标定期监督计划11和实时监督计划12执行情况的监督;
S32、根据上述S31中获得的执行结果和预先设定的问题生成规则自动生成问题,优选的,根据相应的告警策略自动生成问题,告警策略包括:告警名称、告警描述、告警规则、告警限值、告警表达式和告警等级;
S33、对上述S2中自动生成的问题进行分类,形成问题库20。
定期工作计划10由指定的第一执行人执行,定期工作计划10包括定期运行工作101、预防性维护工作102和定期检查工作103;
所述定期运行工作计划按照第一执行人的工作班次进行分配、排列并定期执行,其包括:工作名称、工作内容和工作周期,使第一执行人按照工作周期对被监督对象进行巡视、检查、试验、化验、检修或校验,接收第一执行人填写的标准试验报告并形成记录;
例如,在工作名称为“10号机调速汽门活动试验”的定期运行工作计划中,其工作内容包括:
电厂名称为“某某供电厂”、
设备名称为“10号机组”、
技术监督专业为“汽轮机和辅机振动”以及
监督项目为“主汽门、调速汽门以及抽汽逆止门活动试验(包括供热机组的抽汽蝶阀或旋转隔板活动试验)”,
其工作周期为“一周一次”,
根据该定期运行工作计划,使第一执行人每周对10号机组的调速汽门进行一次活动试验,以了解10号机组的振动情况,填写并上传调速汽门活动试验检验报告。
所述预防性维护工作指的是需要按一定工作周期运行的预防性维护工作,预防性维护工作计划按照被监督对象所需的维护频次定期执行,预防性维护工作计划包括:工作名称、工作内容和工作周期(执行周期)。使第一执行人按照指定的工作周期对被监督对象进行检测、检修、检查、试验、化验及校验等工作,并填写标准试验报告,形成并上传工作完结记录,标准试验报告模板包括:试验检验报告、定性或定量的试验结果值和统计数据。其中,工作内容包括:被监督对象信息(如:电厂名称、机组名称、设备名称)、技术监督专业和监督项目等。
例如:在工作名称为“变电一次设备红外测温”的预防性维护工作计划中,其工作内容包括:
电厂名称为“某某供电厂”、
设备名称为“1号机组”、
技术监督专业为“绝缘”、以及
监督项目为“红外测温检查开关设备的接头部、断路器本体、隔离开关的导电部分的温度,发现问题及时采取措施”,
其工作周期即测温周期为“每月一次”,
根据该预防性维护工作计划,使第一执行人每月对1号机组的开关设备的接头部、断路器本体、隔离开关的导电部分进行一次红外测温检查,以了解1号机组开关设备的绝缘状况,得出并上传定性或定量的试验结果值。
定期检查工作,指除了定期运行工作101和预防性维护工作102之外的需要以定期检查的形式进行的工作,定期检查工作计划包括:工作名称、工作内容和工作周期。根据定期检查工作计划使第一执行人按照指定的工作周期对被监督对象进行检测、检查、检修、测试、核实、试验、化验及校验等工作,并填写标准试验报告,形成记录,标准试验报告模板包括:试验检验报告、定性或定量的试验结果值和统计数据。其中,工作内容包括:被监督对象信息(如:电厂名称、设备名称)、技术监督专业和监督项目等。
实时监督计划12指的是自动执行的工作计划,即自动实时地监督被监督对象和测点的数据即测点值,实时监督计划包括:被监督对象信息(如:电厂名称、设备名称)、技术监督专业、监督项目以及测点信息等,其中,测点信息包括测点名称、测点描述以及测点表达等,根据实时监督计划,自动对被监督对象的测点值进行实时采集和记录。
指标定期监督计划11的执行人即第二执行人,使第二执行人根据指标定期监督计划的要求,定期对被监督对象执行监督项目,获得执行结果,指标定期监督计划包括:被监督对象信息(如:电厂名称、设备名称)、监督专业、监督项目、执行周期以及监督指标等。
优选的,指标定期监督计划包括第二执行人人工执行的监督项目和上报的监督指标,此外,还包括与上述实时监督计划相同的监督项目,此类监督项目无需第二执行人人工执行监督,可以直接从实时监督计划的实时数据中获得测点信息和测点值作为指标定期监督计划的监督指标及监督指标值。具体的,自动关联此类监督指标与实时监督计划中的实时数据,自动采集和计算相应的指标值,能够实现指标定期监督自动完成,无需人工填报。
例如:指标定期监督计划中,监督项目为“脱硝效率指标能达到设计要求”,监督指标为“脱硝效率”、执行周期为“每月一次”,“脱硝效率指标”根据氮氧化物(N0X)的值来计算,而在实时监督计划中的实时采集的测点值就包括了“1号锅炉脱硝A侧出口N0X折算值、1号机组脱硝B侧出口N0X折算值”,因此,可以自动将“脱硝效率指标”与“1号锅炉脱硝A侧出口N0X折算值、1号机组脱硝B侧出口N0X折算值”进行关联并计算出该指标值,该指标就无需第二执行人人工上报了。
监督执行情况获得的执行结果包括:
第一执行人是否执行了定期工作计划,即是否按工作周期或在执行时限内执行了相应的工作内容、第一执行人执行定期工作计划时填写的试验检验报告、定性或定量的试验结果值和统计数据、第二执行人执行指标定期监督计划时获得的监督指标值、指标定期监督计划中与实时数据相关联的能够自动采集和计算的指标值以及实时监督计划中获得的测点值。
在S32中,根据上一步获得的执行结果和预先设定的问题生成规则自动生成问题,优选的,根据相应的告警策略自动生成问题,告警策略包括:告警名称、告警描述、告警规则、告警限值、告警表达式和告警等级;S32包括如下:
S321、根据第一执行人执行定期工作计划的记录,自动判定是否执行定期工作计划,如果第一执行人未执行或者未按执行周期执行定期运行工作计划、预防性维护工作计划或者定期检查工作计划,则上述定期工作计划作为问题自动输入到问题库,优选的,并根据告警策略进行报警;
S322、根据第一执行人填写上传的试验检验报告、定性或定量的试验结果值和统计数据,以及填写上传的时间,自动判定第一执行人是否执行以及是否按执行周期执行定期工作计划,并且自动判定试验检验报告、定性或定量的试验结果值或统计数据中任一项是否超出定期工作监督策略库中相应指标的阈值范围,超出的,自动将定期工作计划及相应的试验检验报告、定性或定量的试验结果值或统计数据作为问题输入到问题库,优选的,并根据告警策略进行报警;
例如:在监督工作名称为“除氧器安全阀、辅助蒸汽母管安全阀、高加安全阀、加热联箱安全阀定期检修校验”的定期检查工作计划中,其工作内容包括:
电厂名称为“某某供电厂”、
设备名称为“2号汽轮机5号低加汽侧安全门”、
技术监督专业为“金属和压力容器”、
监督项目为“安全阀校验”,
其工作周期为“一年一次”,
对应上述定期检查工作计划,在定期工作监督策略库中,安全阀校验时相应的“启回座压力”阈值范围为:启座压力大于20.15回座压力小于19.14,
根据该定期检查工作计划,使第一执行人每年一次定期的对供电厂2号汽轮机5号低加汽侧安全门进行安全阀校验,当启回座压力超出“启座压力大于20.15回座压力小于19.14”这一阈值范围时,进行告警,告警规则为:
[不定期_启回座压力]>20.15||[不定期_启回座压力]<19.14,
告警的同时,将启回座压力的实际值以及相关的设备名称等信息以定性或定量的试验结果值报告的形式进行上报,自动将试验结果值报告上传输入到问题库。
S323、根据第二执行人上传或上报的执行指标定期监督计划时获得的监督指标值以及相应的告警策略进行自动判定,如果该指标的值超出指标定期监督策略库中相应指标的阈值范围,则自动将该监督指标的名称及其值输入到问题库,优选的,并根据告警策略进行报警;
S324、根据定期从实时数据中获得的指标定期监督计划中监督指标相应的测点值来计算指标值,并结合相应的告警策略进行自动判定,如果该指标的计算值超出指标定期监督策略库中相应指标的阈值范围,则自动将该监督指标的名称及其计算值输入到问题库,优选的,并根据告警策略进行报警;
例如:某电厂的指标定期监督计划包括:
电厂名称为“某某供电厂”、
设备名称为“3号机组”、
监督专业为“环保”以及
监督项目为“脱硫效率指标能达到设计要求”,
执行周期为“一月一次”,
监督指标的名称为“脱硫效率”,
对应上述指标定期监督计划,在指标定期监督策略库中,“脱硫效率”指标的阈值范围为:脱硫效率小于95%,
根据该指标定期监督计划,使第二执行人每月一次定期监督并上报某某供电厂3号机组的脱硫效率指标,或者从实时监督计划的实时数据中自动采集相应的测点值并计算该脱硫效率指标值,以判断3号机组是否环保达标,当脱硫效率小于95%时,进行告警,并将脱硫效率及其实际值输入到问题库。
S325、根据实时监督工作中自动获得的测点值及相应的告警策略进行自动判定,如果该测点值超出实时监督策略库中相应指标的阈值范围,则自动将该测点值及其对应的测点名称等信息作为问题输入到问题库,优选的,并根据告警策略进行报警。
例如:某电厂的实时监督计划包括:
电厂名称为“某某供电厂”、
设备名称为“2号机组”、
监督专业为“绝缘”以及
监督项目为“运行温度(包括:绕组层间、绕组出水、铁心、集电环、冷却气体、冷却器冷却水)是否在规定的范围内”,
测点名称为“W3.UNIT2.1MKA02CT812”,测点描述为“2号发电机集电环温度”,
测点表达为“{{W3.UNIT2.1MKA02CT812}}”,
对应上述实时监督计划,在实时监督策略库中,对于“发电机集电环温度”的阈值范围规定如下:集电环温度限值“70℃”以及持续超限时间为“5分钟”,即2号发电机集电环的温度持续超过70℃达到5分钟以上时,进行告警,
其告警表达式为:“{{W3.UNIT2.1MKA02CT812}}>70&&{{W3.CALC.KK_UNIT2_CALC}}==1”,
其告警描述为“2号发电机集电环温度超上限告警”,
并自动将该设备名称、告警描述、测点名称和测点值等信息作为问题输入到问题库。
在S33中,对上S32中自动生成的问题进行分类,形成问题库,具体如下:
S331、设定问题分类指标(xn)和各个分类指标的权重(ηn):将问题解决时限、问题解决复杂程度、设备的重要程度和指标影响因子设定为评价指标,并对所述各个问题分类指标的权重进行设定;
S332、定义问题分类等级(s):对所述问题分类指标的得分进行分级;
S333、计算权函数:
k=1,…,s,λ为分级边界值;
S334、计算各问题分类指标的聚类系数:
例如,利用上述问题评级规则对“发电机集电环温度超限问题”进行评级分类,具体如下:
设定问题分类指标(xn)和各个分类指标的权重(ηn):将问题解决时限、问题解决复杂程度、设备重要程度和指标影响因子分别设定为问题分类指标(x1,x2,x3和x4),并对所述各个问题分类指标的权重(η1,η2,η3和η4)进行设定,
通过对发电机集电环温度超限问题历史数据的分析或者专家调查论证的方式对该问题4个分类指标的权重(η1,η2,…,ηn)进行确定,
例如,设定η1,η2,η3和η4分别等于0.41,0.14,0.24和0.21。
定义评价等级:对所述问题分类指标x1,x2,x3和x4的得分进行分级,分为s级;
优选的,将各个指标的得分转化为百分制,例如,s=3,分级为“一级问题、二级问题、三级问题”3个类别(可根据评级需求的具体情况来定);
在本发明的一个实施例中,问题分类指标x1,x2,x3和x4的得分如表2所示:
表2问题分类指标得分表
指标名称 | x<sub>1</sub> | x<sub>2</sub> | x<sub>3</sub> | x<sub>4</sub> |
数值 | 84 | 91 | 93 | 78 |
计算权函数,公式如下
其中,(k=1,…,s),本实施例中,s=3,即k=1、2、3,λk为评价等级的分级边界值,例如,λ1=90,即以90为界划分一级问题与二级问题;
优选的,计算前对评价等级进行延拓,得到如下5个权函数,包括:
延拓前的3个权函数,
以及延拓后的2个权函数,
计算各个问题分类指标的聚类系数,公式如下
根据表1中给定的数值计算结果如表3所示:
表3
类别 | x1 | x2 | x3 | x4 | x |
一级 | 0.4 | 0.9 | 0.7 | 0 | 0.458 |
二级 | 0.6 | 0 | 0 | 0.8 | 0.414 |
三级 | 0 | 0 | 0 | 0.2 | 0.042 |
通过本实施例的计算可以得出,如表3,表征问题等级的x的最大值为0.458,位于一级问题那一行,因此该问题属于一级问题。对于所有生成的问题进行如上计算,即可给出各个问题的等级,实现对问题的分类,进而形成问题库。
通过以上问题评级规则和问题分类指标的应用,可以实现:解决问题的紧迫程度越高,所生成的问题的等级越高,涉及被监督对象的重要程度越高,所生成的问题的等级越高,指标的重要程度越高,所生成的问题的等级越高。问题的等级由高至低可以分为一级、二级和三级。问题分类后自动生成问题库,根据给出的问题的等级,可以为解决问题的优先级提供参考依据。
优选的,对于执行以上定期工作计划、指标定期监督计划和实时监督计划等工作计划之外发现的问题,也进行问题分类并输入到问题库。
S4问题整改步骤
提供一种基于数据流的问题整改方法,用于对上述电厂技术监督问题库中的问题进行整改,该问题整改方法以数据流的形式输入问题,依据预先设定的问题分配规则,自动地生成问题整改方法,如图8所示,主要包括问题的推送、整改、督办、验收和统计等步骤,具体如下:
S41、问题推送步骤:一项工作如果在规定的工作时间内没有完成或者相应的指标不合格,则会生成问题进入到问题库,进入到问题库中的问题,以数据流的形式自动推送至第一问题整改人Z1,并自动记录问题推送时间,上述数据流包括问题名称、问题等级、问题整改时限和问题整改人,优选的,将上述问题自动推送至第一问题整改人的“我的问题库”中,使第一问题整改人根据上述问题生成、保存并上传防范措施、整改措施和计划,判定已收到上传的防范措施、整改措施和计划之后,所述问题进入等待处理状态,优选的,所述防范措施自动进入应急处理库以备后用;
S42、问题整改步骤:使第一问题整改人根据上述整改措施和计划对问题开展整改工作,问题整改工作包括:执行应执行的定期工作计划,按工作周期或在执行时限内执行定期工作计划相应的工作内容,根据试验检验报告、定性或定量的试验结果值和统计数据,对超出阈值范围的指标所对应的设备、零部件或材料进行维修或更换,根据执行指标定期监督计划时获得的监督指标值、指标定期监督计划中与实时数据相关联的能够自动采集和计算的指标值以及实时监督计划中获得的测点值,对超出阈值范围的指标值或测点值所对应的设备、零部件或材料进行维修、处理或更换,完成上述问题整改工作后进入问题整改验收步骤S44;
S43、问题督办步骤:如果问题推送后未在规定时间内进行整改或未完成整改,则所述问题自动返回问题库,并生成记录,并将所述问题以数据流的形式发送至第二问题整改人Z2督办,上述规定时间以问题推送时间为起点,优选上述规定时间为24小时,即问题推送之后24小时,或者根据问题等级自动设定或进行调整,问题等级越高,规定时间越短,例如问题等级为三级时,设定规定时间为48小时,问题等级为一级时,设定规定时间为6小时;如果第二问题整改人在又一个规定时限(如24小时)之内未完成督办和整改,自动将所述问题以数据流的形式推送至第三问题整改人Z3继续督办,直至问题整改完成(第n问题整改人Zn),每次督办的时限均从问题推送时起算,例如问题推送之后24小时内。
优选的,使第二问题整改人Z2执行问题督办时,首先进入问题整改判断步骤,获得第一问题整改人Z1未在规定时间内完成整改工作的原因或理由,优选的,该原因或理由可以是第一问题整改人填写并上传的,判断该问题的整改是否需要第一问题整改人之外其他专业的人员进行配合才能完成,如果是,则需要指定下一步问题整改工作的执行人Zn。
例如,化学专业化验汽轮机油的试验,在策划问题整改工作时,当化验班人员(第一问题整改人Z1)将化验指标的数据填入实验报告并上传后,自动计算指标是否合格,若不合格,判断不合格的理由或原因,如果需要过滤或更换机油,则将过滤或更换机油工作推送至下一步问题整改工作的执行人Zn,使该执行人接到工作任务后根据要求进行滤油操作,滤油操作完成后自动跳转至化验步骤,使化验班的人员Z1进行化验,最后将化验结果填写到报告中,系统会自动判断其是否合格,不合格则继续推送给下一步问题整改工作的执行人Zn,直到合格为止。如果被指定的执行人在24小时内没有进行下一步的处理,这项工作则会进入被指定执行人的问题库。
S44、问题整改验收步骤:每一个问题整改步骤完成后均进入问题整改验收步骤,检验整改结果是否达到相应的指标要求,如果不达标,则由该问题整改验收步骤再跳回至问题整改步骤,将问题推送给问题整改人(Z1,Z2...Zn),使其继续整改问题,不断循环,直至相关指标达标。
优选的,如图4所示,对相应对指标是否达标进行计算和判断,采用指标逐级计算的方式,包括如下步骤:开始,读取指标定义信息,计算各指标的计算层级,从最末级层级开始计算,提取计算公式,加载指标实际数据,对指标实际数据进行缓存,提取计算因子,利用提取的计算因子和提取的计算公式进行指标计算,判断是否需要逐级统计,是的话,进入各维度逐级统计的步骤,否的话,直接进入上一层指标的计算。
S45、问题统计步骤:将以上步骤中涉及的问题、生成的记录以及问题的推送、整改、督办、验收等过程进行统计,对防范措施、整改措施和计划进行统计,形成问题整改统计数据,为后续问题整改提供参考。
优选的,对问题整改完成所用时间以及问题督办完成所用时间进行统计,作为问题整改人的考核依据。
优选的,在执行问题推送步骤时,根据问题整改的重要程度或紧迫度等具体情况(如问题等级、问题来源或问题解决时限要求),将重要或紧迫的问题整改工作推送至考核结果较好的问题整改人。
S5大数据库生成步骤
将上述策略库、定期工作计划、指标定期监督计划和实时监督计划、执行情况、执行结果、问题和问题整改工作计划及问题整改情况汇总形成大数据库,对大数据进行分析为电厂设备的缺陷分析和轮换工作等提供参考依据。大数据库生成步骤包括以下子步骤:
S51、根据电力设备监督管理的日常操作,实际获取电力设备监督管理中的原始数据、分析数据、管理配置数据、分析结果以及原始数据及数据之间的相互关系;
S52、建立电力设备监督管理的数据模型,将S51中采集的数据按照逻辑结构组织构成完整的逻辑数据模型;
S53、根据逻辑数据模型,构建对应的物理存储结构和存取方法;
S54、根据物理存储结构和存取方法构建服务器系统平台,并选择合适的操作系统、文件系统以及数据库软件,建立数据库,并进行数据的调试及修改,构建电力设备监督管理大数据库;
S55、对电力设备监督管理大数据库进行试运行,并对运行中产生的问题进行评价、反馈、调整以及修改。
优选地,还包括S56、依据S55得到的电力设备监督管理大数据库建立电力设备监督管理的分析策略库,所述分析策略库包括技术监督标准、技术监督项目、管理监督结果分析以及处理方式及处理结果,用于实现对电力设备原始数据的有效分析及处理的规范规则化。
优选地,所述分析策略库包括对电力设备监督建立多层次立体化监督管理策略、对整个电力系统单元建立监管库以及对电力设备监督管理项建立子系统或父系统关联。
优选地,所述分析策略库包括对多个系统中的同一设备类型或同一种设备建立分析库、对同一类型、同一厂家或同一批次的设备建立数据索引、对设备监管的同类型事件建立数据索引以及对无标准处理的监管事件提供人工处理接口。
分析策略库包括对电力设备监督建立多层次立体化监督管理策略以及对整个电力系统单元建立监管库、对电力设备监督管理项建立对子系统或父系统关联,分析对电力设备发生事件的相关性、因果性的建立连接,实现对电力监管事件的溯源,摒除非本质原因的影响;
同时,对多个系统中的同一设备类型或同一种设备建立分析库,对同一类型、同一厂家、同一批次建立数据索引,对设备监管的同类型事件建立索引,利于发现同种问题,批量处理及解决问题;
对无标准处理的监管事件,提供人工处理方式,并通过各种方式提示及时处理,同时记录本次操作,为下次同类型操作提供建议,或直接设置处理方式。
优选地,所述大数据库的文件系统平台为分布式文件系统。
优选地,所述大数据库为关系型数据库,所述大数据库支持标准的SQL语言。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种供电厂电力设备家族性缺陷的检测方法,其特征在于:其包括以下步骤:
S1、利用预先设计的KKS码集对发电系统中的设备分别赋予KKS码,在数据库中获取所述发电系统中的设备的历史缺陷记录,并使该历史缺陷记录与上述KKS码分别建立对应关系;
S2、根据设备的序号、型号以及历史缺陷进行分类,得到设备的分类矩阵,具体分类矩阵如下:
A=(X1,X2,…,Xm);
Xi=(Bi,Si,Di)
其中,A为分类矩阵,Bi为某一设备序号,Si为某一设备型号,Di为所对应的历史缺陷数量;
S3、根据数据库中的设备的历史缺陷记录,计算设备的缺陷率阈值d0,计算公式如下所示:
S4、计算某一给定生产厂家的设备缺陷率,将数值大于缺陷率阈值d0的设备生产厂家定义为具有家族性缺陷;
S5、计算具有家族性缺陷的设备生产厂家与设备的缺陷率之间的相关系数r,当r大于临界值r0时,确定该设备生产厂家确实具有家族性缺陷,具有家族性缺陷的设备生产厂家与设备的缺陷率之间的相关系数r的公式具体如下:
S6、将所述相关系数高于临界值的具有家族性缺陷的设备生成厂家所对应的设备KKS码作为具有家族性缺陷的设备KKS码;
计算具有家族性缺陷的设备生产厂家的缺陷率df,计算公式如下:
2.根据权利要求1所述的供电厂电力设备家族性缺陷的检测方法,其特征在于:供电厂电力设备家族性缺陷的检测方法,其特征在于:还包括S7:对具有家族性缺陷的设备生产厂家进行建模,所述模型包括具有家族性缺陷的设备生产厂家名称、设备名称、设备三维模型以及具有家族性缺陷的设备生产厂家的缺陷率,
表达式如下:
Y={具有家族性缺陷的设备生产厂家名称,具有家族性缺陷的设备名称,具有家族性缺陷的设备生产厂家的缺陷率}={y1,y2,y3},其中yi∈Y。
3.根据权利要求2所述的供电厂电力设备家族性缺陷的检测方法,其特征在于:所述KKS码至少包括设备KKS编号、设备名称、规格型号、设备分类、所属专业以及所属班组这些字段;
具体表达式如下:
C={设备KKS编号、设备名称、规格型号、设备分类、所属专业、所属班组…}={c1,c2,…,c6,…},其中ci∈C。
4.根据权利要求3所述的供电厂电力设备家族性缺陷的检测方法,其特征在于:还包括S8:
根据S7建立的模型绘制具有家族性缺陷的设备生产厂家缺陷图层,即
S=Y×C={s11,s12,…,s16,…,s21,…,s26,…,s31,…,s36,…},其中sij=(yi,ci)。
5.根据权利要求3所述的供电厂电力设备家族性缺陷的检测方法,其特征在于:所述KKS码还包括维修策略、质量等级、安全等级、安装单位、投运日期、出厂年月、出厂编号、制造商以及表示地理位置标识的安装码中的一个或者多个。
6.根据权利要求5所述的供电厂电力设备家族性缺陷的检测方法,其特征在于:家族性缺陷判断阈值根据所述KKS码所对应的设备在过去发生故障的频率来设定。
7.根据权利要求1所述的供电厂电力设备家族性缺陷的检测方法,其特征在于:临界值r0为0.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711378439.8A CN108133316B (zh) | 2017-12-19 | 2017-12-19 | 一种供电厂电力设备家族性缺陷的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711378439.8A CN108133316B (zh) | 2017-12-19 | 2017-12-19 | 一种供电厂电力设备家族性缺陷的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108133316A CN108133316A (zh) | 2018-06-08 |
CN108133316B true CN108133316B (zh) | 2021-08-06 |
Family
ID=62390608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711378439.8A Active CN108133316B (zh) | 2017-12-19 | 2017-12-19 | 一种供电厂电力设备家族性缺陷的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133316B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598725B (zh) * | 2019-07-02 | 2022-11-04 | 武汉奥科科技发展有限公司 | 一种建筑施工用设备历史缺陷的检测方法 |
CN110443500A (zh) * | 2019-08-06 | 2019-11-12 | 国家电投集团江西电力有限公司分宜发电厂 | 一种基于发电厂基建期的工作推送方法及系统 |
CN110866695A (zh) * | 2019-11-15 | 2020-03-06 | 国网天津市电力公司 | 基于设备运行状态与检修工作相关联的辅助检修决策方法 |
CN110956447A (zh) * | 2019-11-27 | 2020-04-03 | 云南电网有限责任公司电力科学研究院 | 确定疑似家族性缺陷的方法及其系统 |
CN112100926B (zh) * | 2020-09-22 | 2023-05-26 | 贵州电网有限责任公司 | 一种变压器家族性缺陷辨识方法 |
CN112668069B (zh) * | 2021-01-11 | 2022-09-06 | 国网福建省电力有限公司 | 基于输变电工程三维设计模型与bim引擎的变电站数字化移交方法 |
CN113343643B (zh) * | 2021-08-09 | 2021-11-02 | 浙江浙能技术研究院有限公司 | 一种基于有监督的多模型编码映射推荐方法 |
CN113343642B (zh) * | 2021-08-09 | 2021-11-02 | 浙江浙能技术研究院有限公司 | 基于有监督序列生成网络的集团级kks编码自动映射方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2275848C1 (ru) * | 2005-01-31 | 2006-05-10 | ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ РОСТОВСКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ МИНИСТЕРСТВА ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ (ГОУ ВПО "РостГМУ МЗ РФ) | Способ определения эндотелиальной дисфункции |
CN103001328A (zh) * | 2012-11-19 | 2013-03-27 | 山东大学 | 一种智能变电站的故障诊断与评估方法 |
CN104808516A (zh) * | 2014-01-28 | 2015-07-29 | 宁夏京能宁东发电有限责任公司 | 电气设备操作控制方法和装置 |
CN105305365A (zh) * | 2015-10-30 | 2016-02-03 | 国网福建省电力有限公司 | 电网继电保护应急管理系统 |
CN105373883A (zh) * | 2015-10-30 | 2016-03-02 | 江苏省电力公司电力科学研究院 | 基于数据挖掘的变压器家族性缺陷的预警方法 |
JP2017054488A (ja) * | 2015-07-14 | 2017-03-16 | ヨコガワ・エンジニアリング・アジア・ピーティーイー・リミテッド | プロセス環境のための制御システムを最適化するためのシステムおよび方法 |
CN106651169A (zh) * | 2016-12-19 | 2017-05-10 | 国家电网公司 | 基于模糊综合评价的配电自动化终端状态评价方法及系统 |
CN107168294A (zh) * | 2017-06-26 | 2017-09-15 | 西安热工研究院有限公司 | 一种火电水系统设备无人巡检监控方法 |
CN107368946A (zh) * | 2017-06-16 | 2017-11-21 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于多维度分析的断路器家族性缺陷辨识方法 |
-
2017
- 2017-12-19 CN CN201711378439.8A patent/CN108133316B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2275848C1 (ru) * | 2005-01-31 | 2006-05-10 | ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ РОСТОВСКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ МИНИСТЕРСТВА ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ (ГОУ ВПО "РостГМУ МЗ РФ) | Способ определения эндотелиальной дисфункции |
CN103001328A (zh) * | 2012-11-19 | 2013-03-27 | 山东大学 | 一种智能变电站的故障诊断与评估方法 |
CN104808516A (zh) * | 2014-01-28 | 2015-07-29 | 宁夏京能宁东发电有限责任公司 | 电气设备操作控制方法和装置 |
JP2017054488A (ja) * | 2015-07-14 | 2017-03-16 | ヨコガワ・エンジニアリング・アジア・ピーティーイー・リミテッド | プロセス環境のための制御システムを最適化するためのシステムおよび方法 |
CN105305365A (zh) * | 2015-10-30 | 2016-02-03 | 国网福建省电力有限公司 | 电网继电保护应急管理系统 |
CN105373883A (zh) * | 2015-10-30 | 2016-03-02 | 江苏省电力公司电力科学研究院 | 基于数据挖掘的变压器家族性缺陷的预警方法 |
CN106651169A (zh) * | 2016-12-19 | 2017-05-10 | 国家电网公司 | 基于模糊综合评价的配电自动化终端状态评价方法及系统 |
CN107368946A (zh) * | 2017-06-16 | 2017-11-21 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于多维度分析的断路器家族性缺陷辨识方法 |
CN107168294A (zh) * | 2017-06-26 | 2017-09-15 | 西安热工研究院有限公司 | 一种火电水系统设备无人巡检监控方法 |
Non-Patent Citations (2)
Title |
---|
KKS码在电厂工程项目施工管理中的应用;钟美兰;《电力建设》;20050831;全文 * |
配电开关状态监测与优化检修系统研制;黄文元;《电工电气》;20130428;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108133316A (zh) | 2018-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133316B (zh) | 一种供电厂电力设备家族性缺陷的检测方法 | |
CN108154291B (zh) | 一种基于策略库的供电厂性能指标评价方法及系统 | |
CN108596229B (zh) | 在线异常的监测诊断方法和系统 | |
WO2020211109A1 (zh) | 基于模型全生命周期管理的设备故障预警系统 | |
CN109240244B (zh) | 基于数据驱动的设备运行状态健康度分析方法及系统 | |
Hokstad et al. | Common cause failure modeling: status and trends | |
CN113705924B (zh) | 一种热控设备智能诊断方法和系统 | |
CN112179655B (zh) | 一种基于阈值分级的汽轮发电机故障预警方法 | |
CN107516174B (zh) | 电厂技术监督策略库的生成方法 | |
CN103793859B (zh) | 一种风电场运行监控及事件综合评价方法 | |
CN107480731A (zh) | 一种火电厂汽动给水泵组故障特征的早期识别方法 | |
CN107153929A (zh) | 基于深度神经网络的风电机组齿轮箱故障监测方法及系统 | |
CN115081926B (zh) | 一种适用于智能电厂的运行安全预警方法及系统 | |
CN107069960B (zh) | 一种二次运维管理系统的在线缺陷诊断方法 | |
US20120271826A1 (en) | Data collecting method for detection and on-time warning system of industrial process | |
CN110320893B (zh) | 一种基于rcm的火电机组设备检修方法 | |
CN113723726B (zh) | 化工装置运行过程风险预警与管控的方法及系统 | |
CN111476471A (zh) | 一种基于综合能源模型的综合能源故障诊断系统及方法 | |
CN113703410B (zh) | 一种智慧电厂的智慧运行平台 | |
CN113435759A (zh) | 一种基于深度学习的一次设备风险智能评估方法 | |
CN112580858A (zh) | 设备参数预测分析方法及系统 | |
CN110210722A (zh) | 一种核电厂系统监督方案的开发方法 | |
CN106599201B (zh) | 一种燃气输配设备的全生命周期管理方法 | |
CN110531742A (zh) | 一种发电机集电装置实时监控与故障诊断方法 | |
CN116205622A (zh) | 烟机设备智能故障预警与维修决策方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |