CN108644752B - 用于分析锅炉四管泄露的方法、装置和机器可读存储介质 - Google Patents
用于分析锅炉四管泄露的方法、装置和机器可读存储介质 Download PDFInfo
- Publication number
- CN108644752B CN108644752B CN201810450724.4A CN201810450724A CN108644752B CN 108644752 B CN108644752 B CN 108644752B CN 201810450724 A CN201810450724 A CN 201810450724A CN 108644752 B CN108644752 B CN 108644752B
- Authority
- CN
- China
- Prior art keywords
- factor
- value
- early warning
- sample data
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000009826 distribution Methods 0.000 claims description 66
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 34
- 238000001816 cooling Methods 0.000 claims description 13
- 239000000779 smoke Substances 0.000 claims description 7
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 239000007789 gas Substances 0.000 description 33
- 238000004364 calculation method Methods 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003303 reheating Methods 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
- F22B35/18—Applications of computers to steam boiler control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B37/00—Component parts or details of steam boilers
- F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
- F22B37/38—Determining or indicating operating conditions in steam boilers, e.g. monitoring direction or rate of water flow through water tubes
Abstract
本发明实施例提供一种用于分析锅炉四管泄露的方法、装置和机器可读存储介质,属于电厂技术领域。所述方法包括:采集第一预设时间段内预先确定的用于分析四管泄露的至少一个因子的样本数据和第二预设时间段内每个所述因子的即时数据;计算每个因子的所述样本数据的算术平均值以作为该因子的常规值;计算每个因子的所述即时数据的算术平均值以作为该因子的当前值;计算每个因子的所述当前值相对于对应的所述常规值的偏差百分比;以及基于每个因子的所述偏差百分比进行预警分析。通过本发明上述技术方案,能够对四管泄露自动进行有效的预警分析,减少运行人员的工作量,实现对四管泄露的有效预警。
Description
技术领域
本发明涉及电厂技术领域,具体地涉及一种用于锅炉四管泄露分析的方法、装置和机器可读存储介质。
背景技术
锅炉的四管包括水冷壁、过热器、再热器、省煤器,该四管是燃煤火电厂发电机组设备的重要组成部分,针对锅炉四管的保养维护与修理是火电厂的重要管理方面,并直接影响着电厂的发电情况和生产进度。锅炉“四管”爆漏占火力发电机组各类非计划停运原因之首。锅炉一旦发生“四管”爆漏,将会增加非计划停运损失,增大检修工作量,有时还可能酿成事故,严重影响火力发电厂安全、经济运行。如何避免四管泄露及预测四管的运行状态是电厂都在研究的科研重点。
目前,传统判断锅炉四管泄露的主要方法是现场就地巡回检查四管设备,并记录数据,再通过现场监测仪表进行数据分析,并主要通过技术人员的工作经验判断四管泄露与否。因此,传统方法中处理故障以及发现故障主要依赖于操作人员的技术和知识,而无法持续跟踪和分析相关设备信息,缺少故障发生前的提前预警。
发明内容
为了至少部分地解决现有技术中存在的上述问题,本发明实施例的目的是提供一种用于分析锅炉四管泄露的方法、装置和机器可读存储介质。
为了实现上述目的,本发明实施例提供一种用于分析火电厂锅炉四管泄露的方法,所述四管包括水冷壁、过热器、再热器和省煤器,所述方法包括:采集第一预设时间段内预先确定的用于分析四管泄露的至少一个因子的样本数据和第二预设时间段内每个所述因子的即时数据;计算每个因子的所述样本数据的算术平均值以作为该因子的常规值;计算每个因子的所述即时数据的算术平均值以作为该因子的当前值;计算每个因子的所述当前值相对于对应的所述常规值的偏差百分比;以及基于每个因子的所述偏差百分比进行预警分析;其中,所述第一预设时间段早于所述第二预设时间段。
可选地,所述计算每个因子的所述样本数据的算术平均值以作为该因子的常规值包括:根据所述样本数据计算每个因子的一个正态分布的参数μ和σ;以及计算每个因子在其所述正态分布下第一预设概率区间内的样本数据的算术平均值,并将该算术平均值作为对应因子的所述常规值。
可选地,所述因子包括以下至少一者:锅炉给水流量、总减温水流量、引风机电流、炉膛压力、排烟温度、两侧排烟温差、主蒸汽流量、主蒸汽压力、主蒸汽温度、再热蒸汽流量、再热蒸汽压力、再热蒸汽温度、水冷壁管壁温度、过热器管壁温度、再热器管壁温度以及省煤器管壁温度。
可选地,所述基于每个因子的所述偏差百分比进行预警分析包括:将每个因子的所述偏差百分比乘以对应于该因子的预设的权重系数后求和,以获得全部因子的偏差百分比的加权平均值;将该加权平均值与预设的预警区间进行对比;以及在所述加权平均值超出所述预警区间时,进行报警提醒。
可选地,所述预警区间基于以下方法确定:根据每个因子的所述样本数据计算该因子的一个正态分布的参数μ和σ;以每个因子的所述正态分布下第二预设概率区间的边界值作为常规最大值和常规最小值;分别计算每个因子的所述常规最大值和所述常规最小值相对于所述常规值的最大偏差百分比和最小偏差百分比;将每个因子的所述最大偏差百分比乘以其对应的所述权重系数后求和,以获得最大预警值;将每个因子的所述最小偏差百分比乘以其对应的所述权重系数后求和,以获得最小预警值;以及基于所述最大预警值和所述最小预警值限定所述预警区间。
可选地,所述方法还包括:记录每个因子的所述样本数据和所述即时数据所对应的机组负荷;根据所述机组负荷对每个因子的所述样本数据进行分组,并基于所述分组计算每个因子在不同的机组负荷下所对应的常规值;根据每个因子的所述即时数据所对应的机组负荷确定所述当前值所对应的机组负荷;以及计算每个因子的所述当前值相对于对应于该因子的并且与该因子的所述当前值属于相同机组负荷下的所述常规值的同负荷偏差百分比,并基于所述同负荷偏差百分比进行预警分析。
另一方面,本发明实施例还提供一种用于分析火电厂锅炉四管泄露的装置,所述四管包括水冷壁、过热器、再热器和省煤器,所述装置包括:采集模块,用于采集第一预设时间段内预先确定的用于分析四管泄露的至少一个因子的样本数据和第二预设时间段内每个所述因子的即时数据;第一计算模块,用于计算每个因子的所述样本数据的算术平均值以作为该因子的常规值,并计算每个因子的所述即时数据的算术平均值以作为该因子的当前值;第二计算模块,用于计算每个因子的所述当前值相对于对应的所述常规值的偏差百分比;以及分析模块,用于基于每个因子的所述偏差百分比进行预警分析;其中,所述第一预设时间段早于所述第二预设时间段。
可选地,所述第一计算模块计算每个因子的所述样本数据的算术平均值以作为该因子的常规值包括:根据所述样本数据计算每个因子的一个正态分布的参数μ和σ;以及计算每个因子在其所述正态分布下第一预设概率区间内的样本数据的算术平均值,并将该算术平均值作为对应因子的所述常规值。
可选地,所述因子包括以下至少一者:锅炉给水流量、总减温水流量、引风机电流、炉膛压力、排烟温度、两侧排烟温差、主蒸汽流量、主蒸汽压力、主蒸汽温度、再热蒸汽流量、再热蒸汽压力、再热蒸汽温度、水冷壁管壁温度、过热器管壁温度、再热器管壁温度以及省煤器管壁温度。
可选地,所述分析模块基于每个因子的所述偏差百分比进行预警分析包括:将每个因子的所述偏差百分比乘以对应于该因子的预设的权重系数后求和,以获得全部因子的偏差百分比的加权平均值;将该加权平均值与预设的预警区间进行对比;以及在所述加权平均值超出所述预警区间时,进行报警提醒。
可选地,所述第一计算模块基于以下方法确定所述预警区间:根据每个因子的所述样本数据计算该因子的一个正态分布的参数μ和σ;以每个因子的所述正态分布下第二预设概率区间的边界值作为常规最大值和常规最小值;分别计算每个因子的所述常规最大值和所述常规最小值相对于所述常规值的最大偏差百分比和最小偏差百分比;将每个因子的所述最大偏差百分比乘以其对应的所述权重系数后求和,以获得最大预警值;将每个因子的所述最小偏差百分比乘以其对应的所述权重系数后求和,以获得最小预警值;以及基于所述最大预警值和所述最小预警值限定所述预警区间。
可选地,所述采集模块还用于记录每个因子的所述样本数据和所述即时数据所对应的机组负荷;所述第一计算模块还用于根据所述机组负荷对每个因子的所述样本数据进行分组,并基于所述分组计算每个因子在不同的机组负荷下所对应的常规值;所述第二计算模块还用于根据每个因子的所述即时数据所对应的机组负荷确定所述当前值所对应的机组负荷,并计算每个因子的所述当前值相对于对应于该因子的并且与该因子的所述当前值属于相同机组负荷下的所述常规值的同负荷偏差百分比;以及所述分析模块还用于基于所述同负荷偏差百分比进行预警分析。
另一方面,本发明实施例还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述的方法。
通过本发明上述技术方案,能够通过测量每个因子在第一和第二预设时间段的值,来确定每个因子的变化趋势,从而对四管泄露自动进行有效的预警分析,减少运行人员的工作量,实现对四管泄露的有效预警。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是本发明一种实施方式提供的用于分析火电厂锅炉四管泄露的方法的流程图;以及
图2是本发明一种实施方式提供的用于分析火电厂锅炉四管泄露的装置的框图。
附图标记说明
10 采集模块 20 第一计算模块
30 第二计算模块 40 分析模块
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
图1是本发明一种实施方式提供的用于分析火电厂锅炉四管泄露的方法的流程图。如图1所示,本发明实施方式提供一种用于分析火电厂锅炉四管泄露的方法,所述四管包括水冷壁、过热器、再热器和省煤器,所述方法包括:
步骤S101,采集第一预设时间段内预先确定的用于分析四管泄露的至少一个因子的样本数据和第二预设时间段内每个因子的即时数据。
步骤S102,计算每个因子的样本数据的算术平均值以作为该因子的常规值。
步骤S103,计算每个因子的即时数据的算术平均值以作为该因子的当前值。
步骤S104,计算每个因子的当前值相对于对应的常规值的偏差百分比。
步骤S105,基于每个因子的偏差百分比进行预警分析。
其中,第一预设时间段也即采样时间段,该第一预设时间段早于第二预设时间段,并且该第一预设时间段用于采集每个因子的样本数据,该样本数据是用作样本来计算常规值的,该常规值可以为每个因子的样本数据的均值,并且该常规值可以作为第二预设时间段采集的即时数据的参考。可选地,该第一预设时间段可以例如为一年。
第二预设时间段也即需要进行预警分析的时间段,通过对该第二预设时间段内的即时数据进行分析来进行涉及四管泄漏的预警。在其他实施方式中,对于任意因子,可以将第二预设时间段内的即时数据与常规值进行比较,然后计算即时数据相对于常规值的偏差百分比,通过偏差百分比是否超过某个阈值范围来判断是否需要进行报警。然而,由于可能会受到干扰等原因,通过单一的即时数据来进行判断显然是不准确的,因此本发明实施方式通过对第二预设时间段内的每个因子的即时数据求算术平均值,以作为在第二预设时间段内的当前值,再通过该当前值与对应的常规值进行比较,计算该当前值相对于对应常规值的偏差百分比,能够更准确地对确定每个因子的变化趋势,从而判断是否需要进行报警。可选地,该第二预设时间段可以例如为一个小时、一天、一个月或者一年。
所述的偏差百分比是指当前值减去常规值的差值相对于常规值的百分比,例如常规值为C、当前值为D时,则偏差百分比为(D-C)/C。
通过本发明上述技术方案,能够通过测量每个因子在第一和第二预设时间段的值,来确定每个因子的变化趋势,从而对四管泄露自动进行有效的预警分析,减少运行人员的工作量,实现对四管泄露的有效预警。
在本发明一种可选实施方式中,所述因子可以包括:锅炉给水流量、总减温水流量、引风机电流、炉膛压力、排烟温度、两侧排烟温差、主蒸汽流量、主蒸汽压力、主蒸汽温度、再热蒸汽流量、再热蒸汽压力、再热蒸汽温度、水冷壁管壁温度、过热器管壁温度、再热器管壁温度以及省煤器管壁温度等。在具体实施时,可以采集上述全部因子的样本数据和即时数据,也可以选取上述因子中的一部分来采集样本数据和即时数据。
在本发明一种可选方式中,计算每个因子的所述样本数据的算术平均值以作为该因子的常规值具体包括:根据样本数据计算每个因子的一个正态分布的参数μ和σ,计算每个因子在其正态分布下第一预设概率区间内的样本数据的算术平均值,并将该算术平均值作为对应因子的所述常规值。
其中,第一预设概率区间可以例如为正态分布下概率大于68.2%的区间,即正态分布的横轴区间(μ-σ,μ+σ)内的部分。通过设定该第一预设概率区间,可以对样本数据进行过滤,过滤掉一部分明显异常的样本数据,从而使得最终计算得到的常规值更符合实际情况。另外,基于样本数据来计算正态分布的参数μ和σ的方法属于现有技术,例如最大似然估计和贝叶斯推断等,因此于此不再赘述。
在本发明一种可选实施方式中,基于每个因子的所述偏差百分比进行预警分析包括:将每个因子的偏差百分比乘以对应于该因子的预设的权重系数后求和,以获得全部因子的偏差百分比的加权平均值;将该加权平均值与预设的预警区间进行对比;在所述加权平均值超出所述预警区间时,进行报警提醒。
具体地,对于每个因子,可以根据其重要程度设定相应的权重系数,全部因子的权重系数之和等于1。在计算得到每个因子的偏差百分比后,将每个因子的偏差百分比乘以该因子的权重系数后进行求和,从而得到全部因子的偏差百分比的加权平均值。通过将该加权平均值与预警区间进行对比,即可判断是否需要进行报警。其中,预警区间可以根据具体情况进行预先设定。
在本发明一种优选实施方式中,预警区间可以基于以下方法确定:根据每个因子的样本数据计算该因子的一个正态分布的参数μ和σ;以每个因子的正态分布下第二预设概率区间的边界值作为常规最大值和常规最小值;分别计算每个因子的常规最大值和常规最小值相对于常规值的最大偏差百分比和最小偏差百分比;将每个因子的最大偏差百分比乘以其对应的权重系数后求和,以获得最大预警值;将每个因子的最小偏差百分比乘以其对应的权重系数后求和,以获得最小预警值;以及基于最大预警值和最小预警值限定预警区间。
其中,第二预设概率区间可以例如为正态分布下概率大于95.4%的区间,即正态分布的横轴区间(μ-1.96σ,μ+1.96σ)内的部分。
在本发明一种优选实施方式中,在对各个因子的样本数据和即时数据进行采集的过程中,还可以对这些样本数据和即时数据所对应的火电厂的机组负荷进行采集,并根据不同的机组负荷对样本数据和即时数据进行区分,以实现更加精细的预警。
具体地,可以记录每个因子的样本数据和即时数据所对应的机组负荷;然后根据机组负荷对每个因子的样本数据进行分组,并基于不同负荷的分组计算每个因子在不同的机组负荷下所对应的常规值。之后根据每个因子的即时数据所对应的机组负荷确定当前值所对应的机组负荷。随后计算每个因子的当前值相对于对应于该因子的、并且与该因子的当前值属于相同机组负荷下的常规值的同负荷偏差百分比,并基于该同负荷偏差百分比进行预警分析。
其中,根据每个因子的即时数据所对应的机组负荷确定当前值所对应的机组负荷具体包括:当每个因子的即时数据所对应的机组负荷均相同时,则该机组负荷即为当前值的机组负荷,当每个因子的即时数据所对应的机组负荷不相同时,则根据机组负荷来对即时数据进行分组,并分别求出不同机组负荷下的当前值,计算每个因子的不同负荷下的当前值相对于对应于该因子的、并且与该因子的该当前值属于相同机组负荷下的常规值的同负荷偏差百分比,随后基于该同负荷偏差百分比进行预警分析。
在本发明一种可选实施方式中,对于上述每个因子,可以按照以下方法进行样本数据的采集和常规值、常规最大值和常规最小值的计算。
1)锅炉给水流量
采集1年的锅炉给水流量数据和其对应的机组负荷数据以作为样本数据;
找出某一机组负荷下的全部锅炉给水流量的样本数据;
计算这一负荷下锅炉给水流量的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的锅炉给水流量的常规值;
定义这一机组负荷下的锅炉给水流量的常规最大值为μ+1.96σ,锅炉给水流量的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷下的锅炉给水流量的常规值、常规最大值和常规最小值。
2)总减温水流量
采集1年的机组负荷和总减温水流量数据以作为样本数据;其中,总减温水流量为过热器右侧I级减温器减温水流量、过热器右侧II级减温器减温水流量、过热器左侧I级减温器减温水流量、过热器左侧II级减温器减温水流量、再热器右侧微量喷水减温器减温水流量和再热器左侧微量喷水减温器减温水流量之和。因此在分别采集上述6个减温水流量数据后,将6个减温水流量数据求和,作为总减温水流量;
找出某一机组负荷下的全部总减温水流量的样本数据;
计算这一负荷下总减温水流量的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的总减温水流量的常规值;
定义这一机组负荷下的总减温水流量的常规最大值为μ+1.96σ,总减温水流量的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷下的总减温水流量的常规值、常规最大值和常规最小值。
3)引风机电流
采集1年的机组负荷和引风机电流数据以作为样本数据;
找出某一机组负荷下的全部引风机电流数据的样本数据;
计算这一负荷下引风机电流的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的锅炉给水流量的常规值;
定义这一机组负荷下的引风机电流的常规最大值为μ+1.96σ,引风机电流的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷下的引风机电流的常规值、常规最大值和常规最小值。
4)炉膛压力
采集1年的机组负荷和炉膛压力数据以作为样本数据;
找出某一机组负荷下的全部炉膛压力的样本数据;
计算这一负荷下炉膛压力的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的炉膛压力的常规值;
定义这一机组负荷下的炉膛压力的常规最大值为μ+1.96σ,炉膛压力的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷下的常规炉膛压力的常规值、常规最大值和常规最小值。
5)排烟温度
采集1年的机组负荷和排出的烟气温度数据以作为样本数据;
找出某一机组负荷下的全部排烟温度的样本数据;
计算这一负荷下排烟温度的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的排烟温度的常规值;
定义这一机组负荷下的排烟温度的常规最大值为μ+1.96σ,烟气温度的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷下的排烟温度数据的常规值、常规最大值和常规最小值。
6)两侧排烟温度差(即锅炉排烟系统的AB侧的排烟温度差)
采集1年的机组负荷和AB两侧的低温省煤器出口烟气温度数据以分别作为A侧排烟温度和B侧排烟温度的样本数据;
分别找出某一机组负荷下的全部A侧排烟温度和B侧排烟温度的样本数据;
分别计算这一负荷下A侧排烟温度和B侧排烟温度的样本数据的正态分布,求得μ和σ值;
分别将上述两个正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的A侧排烟温度的常规值和B侧排烟温度的常规值;
分别定义这一机组负荷下的A侧排烟温度和B侧排烟温度的常规最大值为μ+1.96σ,A侧排烟温度的常规最小值为μ-1.96σ。可以理解的是,当计算A侧排烟温度的常规最大值和常规最小值时,前述的μ和σ为A侧排烟温度对应的正态分布的μ和σ;当计算B侧排烟温度的常规最大值和常规最小值时,前述的μ和σ为B侧排烟温度对应的正态分布的μ和σ。
其中,A侧温度的常规值-B侧温度的常规值=两侧排烟温度差的常规值;A侧温度的常规最大值-B侧温度的常规最大值=两侧排烟温度差的常规最大值;A侧温度的常规最小值-B侧温度的常规最小值=两侧排烟温度差的常规最小值。
依此类推,计算全部机组负荷的排烟温度的常规值、常规最大值和常规最小值。
7)主蒸汽压力
采集1年的机组负荷和主蒸汽压力数据以作为样本数据;
找出某一机组负荷下的全部主蒸汽压力的样本数据;
计算这一负荷下主蒸汽压力的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的主蒸汽压力的常规值;
定义这一机组负荷下的主蒸汽压力的常规最大值为μ+1.96σ,主蒸汽压力的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷的主蒸汽压力数据的常规值、常规最大值和常规最小值。
8)主蒸汽流量
采集1年的机组负荷和主蒸汽流量数据以作为样本数据;
找出某一机组负荷下的全部主蒸汽流量的样本数据;
计算这一负荷下主蒸汽流量的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的主蒸汽流量的常规值;
定义这一机组负荷下的主蒸汽流量的常规最大值为μ+1.96σ,主蒸汽流量的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷的主蒸汽流量数据的常规值、常规最大值和常规最小值。
9)主蒸汽温度
采集1年的机组负荷和主蒸汽温度数据以作为样本数据;其中,对进入气缸两侧的主蒸汽温度求算术平均值,将此作为以下计算的主蒸汽温度值;
找出某一机组负荷下的全部主蒸汽温度的样本数据;
计算这一负荷下主蒸汽温度的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的主蒸汽温度的常规值;
定义这一机组负荷下的主蒸汽温度的常规最大值为μ+1.96σ,主蒸汽温度的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷的主蒸汽温度的常规值、常规最大值和常规最小值。
10)再热蒸汽压力
采集1年的机组负荷和再热蒸汽压力数据以作为样本数据;
找出某一机组负荷下的全部再热蒸汽压力的样本数据;
计算这一负荷下再热蒸汽压力的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的再热蒸汽压力的常规值;
定义这一机组负荷下的再热蒸汽压力的常规最大值为μ+1.96σ,再热蒸汽压力的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷的再热蒸汽压力的常规值、常规最大值和常规最小值。
11)再热蒸汽流量
采集1年的机组负荷和再热蒸汽流量数据以作为样本数据;
找出某一机组负荷下的全部再热蒸汽流量的样本数据;
计算这一负荷下再热蒸汽流量的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的再热蒸汽流量的常规值;
定义这一机组负荷下的再热蒸汽流量的常规最大值为μ+1.96σ,再热蒸汽流量的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷下的再热蒸汽流量的常规值、常规最大值和常规最小值。
12)再热蒸汽温度
采集1年的机组负荷和再热蒸汽温度数据以作为样本数据;其中,可以对进入气缸两侧的再热蒸汽温度求算术平均值,将此作为以下计算的再热蒸汽温度值;
找出某一机组负荷下的全部再热蒸汽温度的样本数据;
计算这一负荷下再热蒸汽温度数据的样本数据的正态分布,求得μ和σ值;
将上述正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的再热蒸汽温度的常规值;
定义这一机组负荷下的再热蒸汽温度的常规最大值为μ+1.96σ,再热蒸汽温度的常规最小值为μ-1.96σ;
以此类推,计算全部机组负荷下的再热蒸汽温度的常规值、常规最大值和常规最小值。
13)水冷壁管壁温度
采集1年的机组负荷和水冷壁管壁温度数据以作为样本数据;其中,所述水冷壁管壁温度可以包括单管管壁温度、管排管壁温度和整体管壁温度,即分别对单管、管排、整体的不同测点的温度求算术平均值,将此作为以下计算的水冷壁单管、管排、整体的管壁温度;
找出某一机组负荷下的全部水冷壁单管、管排、整体的管壁温度的样本数据;
分别计算这一负荷下水冷壁单管、管排、整体的管壁温度的样本数据的正态分布,求得μ和σ值;
分别将各自的正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的水冷壁单管、管排、整体的管壁温度的常规值;
分别定义这一机组负荷下的水冷壁单管、管排、整体管壁温度的常规最大值为μ+1.96σ,水冷壁单管、管排、整体管壁温度的常规最小值为μ-1.96σ;其中,上述公式中的μ和σ值分别为三者各自正态分布的μ和σ值。
以此类推,计算全部机组负荷的水冷壁单管、管排、整体管壁温度的常规值、常规最大值和常规最小值。
14)过热器管壁温度
采集1年的机组负荷和过热器管壁温度数据以作为样本数据;其中,所述过热器管壁温度可以包括单管管壁温度、管排管壁温度、整体管壁温度,即分别对单管、管排、整体的不同测点的温度求算术平均值,将此作为以下计算的过热器单管、管排、整体管壁温度;
找出某一机组负荷下的全部过热器单管、管排、整体的管壁温度的样本数据;
分别计算这一负荷下过热器单管、管排、整体的管壁温度的样本数据的正态分布,求得μ和σ值;
分别将各自的正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的过热器单管、管排、整体的管壁温度的常规值;
分别定义这一机组负荷下的过热器单管、管排、整体管壁温度的常规最大值为μ+1.96σ,过热器单管、管排、整体管壁温度的常规最小值为μ-1.96σ;其中,上述公式中的μ和σ值分别为三者各自正态分布的μ和σ值。
以此类推,计算全部机组负荷的过热器单管、管排、整体的管壁温度的常规值、常规最大值和常规最小值;
15)再热器管壁温度
采集1年的机组负荷和再热器管壁温度数据以作为样本数据;其中,所述再热器管壁温度可以包括单管管壁温度、管排管壁温度、整体管壁温度,即分别对单管、管排、整体的不同测点的温度求算术平均值,将此作为以下计算的再热器单管、管排、整体的管壁温度;
找出某一机组负荷下的全部再热器单管、管排、整体的管壁温度的样本数据;
分别计算这一负荷下再热器单管、管排、整体的管壁温度的样本数据的正态分布,求得μ和σ值;
分别将各自正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的再热器单管、管排、整体的管壁温度的常规值;
分别定义这一机组负荷下的再热器单管、管排、整体的管壁温度的常规最大值=μ+1.96σ,再热器单管、管排、整体的管壁温度的常规最小值=μ-1.96σ;其中,上述公式中的μ和σ值分别为三者各自正态分布的μ和σ值。
以此类推,计算全部机组负荷的再热器单管、管排、整体的管壁温度的常规值、常规最大值和常规最小值;
16)省煤器管壁温度
采集1年的机组负荷和省煤器管壁温度数据以作为样本数据;其中,所述省煤器管壁温度可以包括省煤器单管管壁温度、管排管壁温度、整体管壁温度,即分别对单管、管排、整体的不同测点的温度求算术平均值,将此作为以下计算的省煤器单管、管排、整体的管壁温度值;
找出某一机组负荷下的全部省煤器单管、管排、整体的管壁温度的样本数据;
分别计算这一负荷下省煤器单管、管排、整体的管壁温度的样本数据的正态分布,求得μ和σ值;
分别将各自正态分布下概率大于68.2%区间内的样本数据的算术平均值定义为这一机组负荷下的省煤器单管、管排、整体的管壁温度的常规值;
分别定义这一机组负荷下的常规省煤器单管、管排、整体的管壁温度的常规最大值为μ+1.96σ,省煤器管壁温度的常规最小值为μ-1.96σ;其中,上述公式中的μ和σ值分别为三者各自正态分布的μ和σ值。
以此类推,计算全部机组负荷的省煤器单管、管排、整体的管壁温度的常规值、常规最大值和常规最小值。
通过上述方法,即可实现对各个因子的样本数据的采集以及常规值、常规最大值和常规最小值的计算。
在完成各个因子的样本数据的采集以及常规值、常规最大值和常规最小值的计算后,可以开始采集第二预设时间段内的各个因子的即时数据,并按照一定的分析周期与各个因子对应的常规值进行连续的比较,由此掌握锅炉四管的连续状态,并可建立模型和绘制偏差曲线图来进行各因子的趋势分析,当模型参数有裂化趋势时,也即逐渐明显偏离常规值时,可发出预警信号。其中,分析周期可以为一天、一个月、一年等。趋势分析采用比例的方式,显示模型因子的变化趋势。具体地,以第二预设时间段作为单位时间计算各个因子在第二预设时间段内的当前值与常规值的偏差百分比;在分析周期内,基于每个单位时间内的偏差百分比绘制中长期偏差趋势图,以进行各个因子的变化趋势的分析。其中,当分析周期为一天时,第二预设时间段可以例如为一小时,当所述分析周期为一个月时,所述第二预设时间段可以例如为一天,当分析周期为一年时,所述第二预设时间段可以例如为一个月。
在本发明一种可选实施方式中,所述用于分析火电厂锅炉四管泄露的方法可以包括以下步骤:
S201:通过实时数据采集系统对各个燃煤火电厂的各个因子进行数据采集和存储。其中,全部采集的数据需要经过时钟服务器进行时间统一化处理,并经过数据采集系统,全部存储在数据库中。
S202:对已存储的采集数据,进行定时的批量预处理,以每个因子的预设的合理数据值范围为基础,过滤掉明显的错误数据和不准确数据。
S203:计算每个因子的常规值。
S204:计算每个因子的当前值。
S205:计算每个因子的当前值与常规值的偏差百分比。
S206:为每个因子的赋予权重系数,权重总数为1。
S207:对所有因子的偏差百分比进行汇总统计,根据不同因子的权重值,计算全部因子的偏差百分比的加权平均值以作为最终偏差百分比。
例如,当所述因子包括锅炉给水流量、总减温水流量和引风机电流三者时,设其各自的偏差百分比为A1、A2、A3,其各自的权重分别为a1、a2、a3,则最终的偏差百分比为A1×a1+A2×a2+A2×a2。
S208:将最终的偏差百分比与预警区间进行对比,如果最终偏差百分比高于预警区间,则进行预警提示。
此外,还可以以每个因子的常规值为坐标零轴,绘制所有因子的偏差趋势图,并在监测系统进行页面显示,以供电厂设备分析人员进行人工分析参考。
图2是本发明一种实施方式提供的用于分析火电厂锅炉四管泄露的装置的框图。如图2所示,本发明实施方式还提供一种用于分析火电厂锅炉四管泄露的装置,所述装置包括:采集模块10,用于采集第一预设时间段内预先确定的用于分析四管泄露的至少一个因子的样本数据和第二预设时间段内每个所述因子的即时数据。第一计算模块20,用于计算每个因子的样本数据的算术平均值以作为该因子的常规值,并计算每个因子的即时数据的算术平均值以作为该因子的当前值。第二计算模块30,用于计算每个因子的当前值相对于对应的常规值的偏差百分比。分析模块40,用于基于每个因子的所述偏差百分比进行预警分析。其中,第一预设时间段早于第二预设时间段。
在本发明一种可选实施方式中,第一计算模块20可以通过以下方式计算每个因子的样本数据的算术平均值以作为该因子的常规值:根据样本数据计算每个因子的一个正态分布的参数μ和σ;以及计算每个因子在其正态分布下第一预设概率区间内的样本数据的算术平均值,并将该算术平均值作为对应因子的常规值。
在本发明一种可选实施方式中,所述因子包括以下至少一者:锅炉给水流量、总减温水流量、引风机电流、炉膛压力、排烟温度、两侧排烟温差、主蒸汽流量、主蒸汽压力、主蒸汽温度、再热蒸汽流量、再热蒸汽压力、再热蒸汽温度、水冷壁管壁温度、过热器管壁温度、再热器管壁温度以及省煤器管壁温度。
在本发明一种可选实施方式中,分析模块40基于每个因子的偏差百分比进行预警分析包括:将每个因子的偏差百分比乘以对应于该因子的预设的权重系数后求和,以获得全部因子的偏差百分比的加权平均值;将该加权平均值与预设的预警区间进行对比;以及在加权平均值超出预警区间时,进行报警提醒。
在本发明一种可选实施方式中,第一计算模块20基于以下方法确定所述预警区间:根据每个因子的样本数据计算该因子的一个正态分布的参数μ和σ;以每个因子的正态分布下第二预设概率区间的边界值作为常规最大值和常规最小值;分别计算每个因子的常规最大值和常规最小值相对于常规值的最大偏差百分比和最小偏差百分比;将每个因子的最大偏差百分比乘以其对应的权重系数后求和,以获得最大预警值;将每个因子的最小偏差百分比乘以其对应的权重系数后求和,以获得最小预警值;以及基于最大预警值和最小预警值限定所述预警区间。
在本发明一种可选实施方式中,采集模块10还用于记录每个因子的样本数据和即时数据所对应的机组负荷;第一计算模块20还用于根据机组负荷对每个因子的样本数据进行分组,并基于分组计算每个因子在不同的机组负荷下所对应的常规值;第二计算模块30还用于根据每个因子的即时数据所对应的机组负荷确定当前值所对应的机组负荷,并计算每个因子的当前值相对于对应于该因子的并且与该因子的当前值属于相同机组负荷下的常规值的同负荷偏差百分比;分析模块40还用于基于同负荷偏差百分比进行预警分析。
这里,关于本发明实施方式的用于分析锅炉四管泄露的装置的具体实施细节可以参考上述关于用于分析锅炉四管泄露的方法的实施方式,于此不再赘述。
本发明实施方式还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述的方法。
通过本发明技术方案,能够对电厂各个数据采集点自动采集所需因子的数据并进行计算,并且能够对计算的结果进行防误判断和分析。进一步地,还可以基于计算结果,生成报文、绘制偏差趋势曲线等以便于运行人员的参考和分析。因而,本发明技术方案能够有效实现锅炉四管泄露预警和报警,减少运行人员的工作量,节约人力成本。
此外,本发明技术方案通过运用大数据计算进行设备故障诊断和预警报警,可丰富现有的监测手段,以进一步实现远程诊断和设备监控,支持设备维修技术队伍的集中化管理和机动化使用,支持电厂设备管理模式创新。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (9)
1.一种用于分析火电厂锅炉四管泄露的方法,所述四管包括水冷壁、过热器、再热器和省煤器,其特征在于,所述方法包括:
采集第一预设时间段内预先确定的用于分析四管泄露的至少一个因子的样本数据和第二预设时间段内每个所述因子的即时数据;
计算每个因子的所述样本数据的算术平均值以作为该因子的常规值;
计算每个因子的所述即时数据的算术平均值以作为该因子的当前值;
计算每个因子的所述当前值相对于对应的所述常规值的偏差百分比;以及
基于每个因子的所述偏差百分比进行预警分析;
其中,所述第一预设时间段早于所述第二预设时间段;
所述基于每个因子的所述偏差百分比进行预警分析包括:将每个因子的所述偏差百分比乘以对应于该因子的预设的权重系数后求和,以获得全部因子的偏差百分比的加权平均值;将该加权平均值与预设的预警区间进行对比;以及在所述加权平均值超出所述预警区间时,进行报警提醒;
其中,所述预警区间基于以下方法确定:根据每个因子的所述样本数据计算该因子的一个正态分布的参数μ和σ;以每个因子的所述正态分布下第二预设概率区间的边界值作为常规最大值和常规最小值;分别计算每个因子的所述常规最大值和所述常规最小值相对于所述常规值的最大偏差百分比和最小偏差百分比;将每个因子的所述最大偏差百分比乘以其对应的所述权重系数后求和,以获得最大预警值;将每个因子的所述最小偏差百分比乘以其对应的所述权重系数后求和,以获得最小预警值;以及基于所述最大预警值和所述最小预警值限定所述预警区间。
2.根据权利要求1所述的方法,其特征在于,所述计算每个因子的所述样本数据的算术平均值以作为该因子的常规值包括:
根据所述样本数据计算每个因子的一个正态分布的参数μ和σ;以及
计算每个因子在其所述正态分布下第一预设概率区间内的样本数据的算术平均值,并将该算术平均值作为对应因子的所述常规值。
3.根据权利要求1所述的方法,其特征在于,所述因子包括以下至少一者:锅炉给水流量、总减温水流量、引风机电流、炉膛压力、排烟温度、两侧排烟温差、主蒸汽流量、主蒸汽压力、主蒸汽温度、再热蒸汽流量、再热蒸汽压力、再热蒸汽温度、水冷壁管壁温度、过热器管壁温度、再热器管壁温度以及省煤器管壁温度。
4.根据权利要求1至3中任意一项所述的方法,其特征在于,所述方法还包括:
记录每个因子的所述样本数据和所述即时数据所对应的机组负荷;
根据所述机组负荷对每个因子的所述样本数据进行分组,并基于所述分组计算每个因子在不同的机组负荷下所对应的常规值;
根据每个因子的所述即时数据所对应的机组负荷确定所述当前值所对应的机组负荷;以及
计算每个因子的所述当前值相对于对应于该因子的并且与该因子的所述当前值属于相同机组负荷下的所述常规值的同负荷偏差百分比,并基于所述同负荷偏差百分比进行预警分析。
5.一种用于分析火电厂锅炉四管泄露的装置,所述四管包括水冷壁、过热器、再热器和省煤器,其特征在于,所述装置包括:
采集模块,用于采集第一预设时间段内预先确定的用于分析四管泄露的至少一个因子的样本数据和第二预设时间段内每个所述因子的即时数据;
第一计算模块,用于计算每个因子的所述样本数据的算术平均值以作为该因子的常规值,并计算每个因子的所述即时数据的算术平均值以作为该因子的当前值;
第二计算模块,用于计算每个因子的所述当前值相对于对应的所述常规值的偏差百分比;以及
分析模块,用于基于每个因子的所述偏差百分比进行预警分析;
其中,所述第一预设时间段早于所述第二预设时间段;
所述分析模块基于每个因子的所述偏差百分比进行预警分析包括:将每个因子的所述偏差百分比乘以对应于该因子的预设的权重系数后求和,以获得全部因子的偏差百分比的加权平均值;将该加权平均值与预设的预警区间进行对比;以及在所述加权平均值超出所述预警区间时,进行报警提醒;
其中,所述第一计算模块基于以下方法确定所述预警区间:根据每个因子的所述样本数据计算该因子的一个正态分布的参数μ和σ;以每个因子的所述正态分布下第二预设概率区间的边界值作为常规最大值和常规最小值;分别计算每个因子的所述常规最大值和所述常规最小值相对于所述常规值的最大偏差百分比和最小偏差百分比;将每个因子的所述最大偏差百分比乘以其对应的所述权重系数后求和,以获得最大预警值;将每个因子的所述最小偏差百分比乘以其对应的所述权重系数后求和,以获得最小预警值;以及基于所述最大预警值和所述最小预警值限定所述预警区间。
6.根据权利要求5所述的装置,其特征在于,所述第一计算模块计算每个因子的所述样本数据的算术平均值以作为该因子的常规值包括:
根据所述样本数据计算每个因子的一个正态分布的参数μ和σ;以及
计算每个因子在其所述正态分布下第一预设概率区间内的样本数据的算术平均值,并将该算术平均值作为对应因子的所述常规值。
7.根据权利要求5所述的装置,其特征在于,所述因子包括以下至少一者:锅炉给水流量、总减温水流量、引风机电流、炉膛压力、排烟温度、两侧排烟温差、主蒸汽流量、主蒸汽压力、主蒸汽温度、再热蒸汽流量、再热蒸汽压力、再热蒸汽温度、水冷壁管壁温度、过热器管壁温度、再热器管壁温度以及省煤器管壁温度。
8.根据权利要求5-7中任意一项所述的装置,其特征在于,
所述采集模块还用于记录每个因子的所述样本数据和所述即时数据所对应的机组负荷;
所述第一计算模块还用于根据所述机组负荷对每个因子的所述样本数据进行分组,并基于所述分组计算每个因子在不同的机组负荷下所对应的常规值;
所述第二计算模块还用于根据每个因子的所述即时数据所对应的机组负荷确定所述当前值所对应的机组负荷,并计算每个因子的所述当前值相对于对应于该因子的并且与该因子的所述当前值属于相同机组负荷下的所述常规值的同负荷偏差百分比;以及
所述分析模块还用于基于所述同负荷偏差百分比进行预警分析。
9.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行权利要求1-4任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810450724.4A CN108644752B (zh) | 2018-05-11 | 2018-05-11 | 用于分析锅炉四管泄露的方法、装置和机器可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810450724.4A CN108644752B (zh) | 2018-05-11 | 2018-05-11 | 用于分析锅炉四管泄露的方法、装置和机器可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108644752A CN108644752A (zh) | 2018-10-12 |
CN108644752B true CN108644752B (zh) | 2019-09-13 |
Family
ID=63754768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810450724.4A Active CN108644752B (zh) | 2018-05-11 | 2018-05-11 | 用于分析锅炉四管泄露的方法、装置和机器可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108644752B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109253870B (zh) * | 2018-08-21 | 2019-09-06 | 嘉兴新嘉爱斯热电有限公司 | 生物质燃料锅炉热交换管寿命的评估装置及方法 |
CN110006484A (zh) * | 2019-03-27 | 2019-07-12 | 新奥数能科技有限公司 | 一种锅炉波动状态的监测方法及装置 |
CN111765449B (zh) * | 2020-09-03 | 2020-12-29 | 浙江省能源集团有限公司 | 一种基于长短期记忆网络的过热器爆泄预警方法 |
CN114165777B (zh) * | 2020-09-10 | 2023-10-24 | 河北云酷科技有限公司 | 电厂锅炉四管泄漏智能识别模型 |
CN112464565B (zh) * | 2020-12-01 | 2022-10-04 | 国网江苏省电力有限公司 | 一种融合智能建模及模糊规则的设备故障预警方法 |
CN114484409B (zh) * | 2022-02-22 | 2023-04-07 | 北京博数智源人工智能科技有限公司 | 一种火电厂炉管泄漏事故的预警方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839795A (zh) * | 2010-05-10 | 2010-09-22 | 任振伟 | 锅炉承压管的泄漏诊断系统和方法 |
JP2013190228A (ja) * | 2012-03-12 | 2013-09-26 | Chugoku Electric Power Co Inc:The | チューブリーク検査装置、及びチューブリーク検査方法 |
CN106249728A (zh) * | 2016-09-28 | 2016-12-21 | 清华大学 | 一种基于部件特性的火力发电机组在线性能监测方法 |
CN107036070A (zh) * | 2017-05-22 | 2017-08-11 | 深圳钰湖电力有限公司 | 一种锅炉泄漏检测报警装置 |
-
2018
- 2018-05-11 CN CN201810450724.4A patent/CN108644752B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839795A (zh) * | 2010-05-10 | 2010-09-22 | 任振伟 | 锅炉承压管的泄漏诊断系统和方法 |
JP2013190228A (ja) * | 2012-03-12 | 2013-09-26 | Chugoku Electric Power Co Inc:The | チューブリーク検査装置、及びチューブリーク検査方法 |
CN106249728A (zh) * | 2016-09-28 | 2016-12-21 | 清华大学 | 一种基于部件特性的火力发电机组在线性能监测方法 |
CN107036070A (zh) * | 2017-05-22 | 2017-08-11 | 深圳钰湖电力有限公司 | 一种锅炉泄漏检测报警装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108644752A (zh) | 2018-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108644752B (zh) | 用于分析锅炉四管泄露的方法、装置和机器可读存储介质 | |
CN109359698A (zh) | 基于长短时记忆神经网络模型的漏损识别方法 | |
CN109491358B (zh) | 一种面向百万千瓦超超临界机组锅炉动态信息的控制性能监测方法 | |
CN106642059A (zh) | 一种电站锅炉高温受热面安全性在线监测方法 | |
CN112395744B (zh) | 一种面向火电厂的设备安全性在线评价方法及系统 | |
CN109185917B (zh) | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 | |
CN109388774A (zh) | 一种基于对比法的火电厂NOx预测模型变量特征提取方法 | |
CN105527113B (zh) | 一种核电站热能效率监测与诊断系统和方法 | |
CN111312414B (zh) | 核电厂疲劳监测和寿命评估系统的疲劳评价方法 | |
CN108319131A (zh) | 基于数据挖掘的机组调峰能力评估方法 | |
CN114484409B (zh) | 一种火电厂炉管泄漏事故的预警方法及装置 | |
CN107977527B (zh) | 一种确定火电机组标杆值数据的方法与装置 | |
CN101825869A (zh) | 基于数据驱动的过热器模型参数辨识方法 | |
CN107895194B (zh) | 一种核电厂主冷却剂系统故障诊断方法 | |
CN112489194A (zh) | 在三维场景下台账信息和锅炉四管信息的展现方法及系统 | |
Deshpande et al. | Thermal power plant analysis using artificial neural network | |
CA2536678A1 (en) | Method of diagnosing system, method of operating aggregating system for system diagnosis, and aggregating system for system diagnosis | |
CN113298133B (zh) | 超临界机组锅炉爆管故障诊断方法 | |
CN114429003A (zh) | 锅炉四管寿命预测方法的系统 | |
CN108629523A (zh) | 用于计算火电厂发电煤耗偏差量的方法、装置和存储介质 | |
CN109827993B (zh) | 一种电厂锅炉日常燃煤采样样品发热量的随机模拟方法 | |
Guo et al. | Identification and isolability of multiple gross errors in measured data for power plants | |
CN114165777B (zh) | 电厂锅炉四管泄漏智能识别模型 | |
CN115200000A (zh) | 一种基于大数据算法预警火电厂锅炉四管泄漏故障的方法 | |
CN113836821B (zh) | 一种锅炉水冷壁拉裂在线预测方法 |
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 |