CN109916357B - 基于多传感器融合的电站锅炉空气预热器间隙检测方法 - Google Patents
基于多传感器融合的电站锅炉空气预热器间隙检测方法 Download PDFInfo
- Publication number
- CN109916357B CN109916357B CN201910130207.3A CN201910130207A CN109916357B CN 109916357 B CN109916357 B CN 109916357B CN 201910130207 A CN201910130207 A CN 201910130207A CN 109916357 B CN109916357 B CN 109916357B
- Authority
- CN
- China
- Prior art keywords
- gap
- sensor
- displacement sensor
- value
- laser displacement
- 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
Images
Landscapes
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)
Abstract
本发明公开了一种基于多传感器融合的电站锅炉空气预热器间隙检测方法，首先在空气预热器中分别安装电涡流传感器、激光位移传感器、绝对位移传感器，同时从DCS控制器中获取根据温度计算的热变形量，然后将三路传感器的输出以及DCS控制器中获取的数据接入到融合中心处理器中；采集电涡流传感器、激光位移传感器、绝对位移传感器和DCS控制器中获取根据温度计算的热变形量的数据，并对采集的数据进行处理，判断相应传感器的数据是否存在奇异；最后根据贝叶斯估计理论，计算最终估计值输出，本发明解决了现有技术中存在的大型电站锅炉测量系统中测量误差较大或传感器发生故障时系统可靠率降低的问题。
Description
技术领域
本发明属于电站锅炉回转式空气预热器转子变形量测量技术领域，具体涉及一种基于多传感器融合的电站锅炉空气预热器间隙检测方法。
背景技术
在大型电站锅炉回转式空气预热器中，为了提高发电机组的热效率，需要对空预器中存在的漏风进行有效控制。对漏风实现有效控制的首要前提就是需要对在高温环境中由转子受热变形而产生的漏风间隙进行精确测量。目前，间隙检测方法主要有探杆式、电涡流和激光检测方法，但这些方法都是仅用一个传感器去检测，一旦传感器测量产生较大误差或发生故障，由于现场环境处于高温、密闭状态而无法及时更换传感器，使得间隙控制系统就会出现瘫痪，大大降低了系统的可靠性和运行效率。因此，如果提高间隙检测系统的精度和可靠性，是电站锅炉漏风控制系统的一个关键问题。
发明内容
本发明的目的是提供一种基于多传感器融合的电站锅炉空气预热器间隙检测方法，解决了现有技术中存在的大型电站锅炉测量系统中测量误差较大或传感器发生故障时系统可靠率降低的问题。
本发明所采用的技术方案是，基于多传感器融合的电站锅炉空气预热器间隙检测方法，具体按照以下步骤实施：
步骤1、在空气预热器中分别安装电涡流传感器、激光位移传感器、绝对位移传感器，同时从DCS控制器中获取根据温度计算的热变形量，然后将三路传感器的输出以及DCS控制器中获取的数据接入到融合中心处理器中；
步骤2、采集电涡流传感器、激光位移传感器、绝对位移传感器和DCS控制器中获取根据温度计算的热变形量的数据，并对采集的数据进行处理；
步骤3、判断步骤2得到的相应传感器的数据是否存在奇异，如果存在，发出该传感器的故障警报，并且将其屏蔽，如果不存在，则将该奇异点存储；
步骤4、根据贝叶斯估计理论，计算最终估计值输出。
本发明的特点还在于，
步骤1中电涡流传感器安装于空气预热器转子上部的扇形板上，激光位移传感器安装于炉壁上，绝对位移传感器安装于扇形板提升机构上，DCS控制器位于空气预热器所在主控室中。
步骤2中激光位移传感器最终测量的位移等于激光位移传感器的测量值减去绝对位移传感器的测量值，即激光位移传感器的测量结果指原激光位移传感器减去绝对位移传感器的值。
步骤2具体如下：
步骤2.1、定义t时刻的电涡流传感器、激光位移传感器、和DCS中获取根据温度计算的热变形量的测量结果分别为Gap_A(t)、Gap_B(t)和Gap_C(t)，对三个测量结果进行降序排列，得到序列Gap(i),i＝1,2,3,同时获得序列中i与三个传感器的对应关系，然后得到t时刻测量结果的最大值Gap_Max和测量结果的最小值Gap_Min，定义中位数为
步骤2.2、由中位数将区间[Gap_Min,Gap_Max]分为上分位区间[Gap_M,Gap_Max]和下分位区间[Gap_Min,Gap_M]，然后根据下式分别计算上分位区间和下分位区间的中位数Gap_Fu和Gap_Fl：
步骤2.3、根据下式定义分位数离散度：
dF＝Gap_Fu-Gap_Fl (4)。
步骤3具体如下：
步骤3.1、利用式(5)判断Gap_A(t)、Gap_B(t)和Gap_C(t)中是否有数据存在奇异，其中式(5)具体如下：
ξ-Gap_M|＞αdF (5)
式中，ξ表示Gap_A(t)、Gap_B(t)和Gap_C(t)三者中的其中一个，α为常数，根据系统的测量误差要求而定，通常情况下α＝0.5、1.0、2.0，如果三个传感器中存在使得式(5)成立的值，则将其剔除，并且，设当前时刻为t，检查该传感器过去32个时刻，即从t-31一直到t的32个时刻的值是否连续存在奇异点，如果存在，发出该传感器的故障警报，并且将其屏蔽，当t≤31时，不执行该操作；如果不存在，则将该奇异点存储，并从Gap(i),i＝1,2,3中将其剔除，得到新的测量数据集合Gap_New(i),i＝1,...,m，m为测量数据集合中元素个数，并且m≤3；
步骤3.2、如果三个传感器中不存在奇异点，则Gap_New(i),i＝1,...,m直接等于Gap(i),i＝1,2,3。
步骤3.1中α＝1.0。
步骤4具体如下：
步骤4.1、根据贝叶斯估计理论，假设最终的间隙估计值为μ，测量集合为Gap_New(i),i＝1,...,m，则
若参数μ服从
且Gap_New(i)服从
令
T是与μ无关的常数，因此
由式(7)看出p[μ|Gap_New(1),...,Gap_New(m)]仍为正态分布，假设服从
即
步骤4.2、比较式(7)和式(8)得：
式中，μ0为间隙值的真实值，在实际系统中无法直接获取，用Gap_New的平均值进行代替，
为方差，
因此，μ的贝叶斯估计值为
步骤4.3、将μN作为t时刻的最终估计值输出。
本发明的有益效果是，基于多传感器融合的电站锅炉空气预热器间隙检测方法，根据电涡流传感器、激光位移传感器、绝对位移传感器三个传感器的数据对每个传感器进行故障判断，剔除有故障的数据，然后对剩下的数据用贝叶斯融合方法进行融合，得到最终的间隙测量值，从而降低发生故障的传感器对测量结果的影响，提高测量精度，同时也摆脱了当传感器发生故障时控制系统陷入瘫痪的状态，大大提高了系统的可靠性。
附图说明
图1是本发明基于多传感器融合的电站锅炉空气预热器间隙检测方法中空气预热器中各个传感器安装位置示意图。
图中，1.电涡流传感器，2.激光位移传感器，3.绝对位移传感器，4.DCS控制器，5.扇形板，6.炉壁，7.扇形板提升机构，8.空气预热器转子，9.融合中心处理器。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明基于多传感器融合的电站锅炉空气预热器间隙检测方法，具体按照以下步骤实施：
步骤1、如图1所示，在空气预热器中分别安装电涡流传感器1、激光位移传感器2、绝对位移传感器3，同时从DCS控制器4中获取根据温度计算的热变形量，然后将三路传感器的输出以及DCS控制器4中获取的数据接入到融合中心处理器9中；
步骤2、采集电涡流传感器1、激光位移传感器2、绝对位移传感器3和DCS控制器4中获取根据温度计算的热变形量的数据，并对采集的数据进行处理；
步骤3、判断步骤2得到的相应传感器的数据是否存在奇异，如果存在，发出该传感器的故障警报，并且将其屏蔽，如果不存在，则将该奇异点存储；
步骤4、根据贝叶斯估计理论，计算最终估计值输出。
步骤1中电涡流传感器1安装于空气预热器转子8上部的扇形板5上，激光位移传感器2安装于炉壁6上，绝对位移传感器3安装于扇形板提升机构7上，DCS控制器4位于空气预热器所在主控室中。
步骤2中激光位移传感器最终测量的位移等于激光位移传感器的测量值减去绝对位移传感器的测量值，即激光位移传感器的测量结果指原激光位移传感器减去绝对位移传感器的值。
步骤2具体如下：
步骤2.1、定义t时刻的电涡流传感器、激光位移传感器、和DCS中获取根据温度计算的热变形量的测量结果分别为Gap_A(t)、Gap_B(t)和Gap_C(t)，对三个测量结果进行降序排列，得到序列Gap(i),i＝1,2,3,同时获得序列中i与三个传感器的对应关系，然后得到t时刻测量结果的最大值Gap_Max和测量结果的最小值Gap_Min，定义中位数为
步骤2.2、由中位数将区间[Gap_Min,Gap_Max]分为上分位区间[Gap_M,Gap_Max]和下分位区间[Gap_Min,Gap_M]，然后根据下式分别计算上分位区间和下分位区间的中位数Gap_Fu和Gap_Fl：
步骤2.3、根据下式定义分位数离散度：
dF＝Gap_Fu-Gap_Fl (4)。
步骤3具体如下：
步骤3.1、利用式(5)判断Gap_A(t)、Gap_B(t)和Gap_C(t)中是否有数据存在奇异，其中式(5)具体如下：
ξ-Gap_M|＞αdF (5)
式中，ξ表示Gap_A(t)、Gap_B(t)和Gap_C(t)三者中的其中一个，α为常数，根据系统的测量误差要求而定，通常情况下α＝0.5、1.0、2.0，如果三个传感器中存在使得式(5)成立的值，则将其剔除，并且，设当前时刻为t，检查该传感器过去32个时刻，即从t-31一直到t的32个时刻的值是否连续存在奇异点，如果存在，发出该传感器的故障警报，并且将其屏蔽，当t≤31时，不执行该操作；如果不存在，则将该奇异点存储，并从Gap(i),i＝1,2,3中将其剔除，得到新的测量数据集合Gap_New(i),i＝1,...,m，m为测量数据集合中元素个数，并且m≤3；
步骤3.2、如果三个传感器中不存在奇异点，则Gap_New(i),i＝1,...,m直接等于Gap(i),i＝1,2,3。
步骤3.1中α＝1.0。
步骤4具体如下：
步骤4.1、根据贝叶斯估计理论，假设最终的间隙估计值为μ，测量集合为Gap_New(i),i＝1,...,m，则
若参数μ服从
且Gap_New(i)服从
令
T是与μ无关的常数，因此
由式(7)看出p[μ|Gap_New(1),...,Gap_New(m)]仍为正态分布，假设服从
即
步骤4.2、比较式(7)和式(8)得：
式中，μ0为间隙值的真实值，在实际系统中无法直接获取，用Gap_New的平均值进行代替，
为方差，
因此，μ的贝叶斯估计值为
步骤4.3、将μN作为t时刻的最终估计值输出。
本发明基于多传感器融合的电站锅炉空气预热器间隙检测方法，实验验证如下：
实验1：
对真实值为6.3mm的间隙值进行测量测试，电涡流传感器、激光位移传感器和DCS中获取根据温度计算的热变形量三个量依次测得的间隙值分别为6.30mm，6.27mm，6.29mm，方差依次为0.02,0.03,0.05。
首先，根据式(1)～(4)计算分位数离散度dF＝0.015，然后根据式(5)判断，并得出：三个测量数据不存在奇异点，所以3组数据都不进行剔除；
定义μ0＝6.3mm，然后用剔除后的数据求得方差
同时代入式(9)进行计算得μN＝6.2996mm；
因此，间隙的最终测量值为6.2996mm，与真实值相差0.0004mm，具有较高的精度，满足漏风控制系统的要求。
实验2：
本实验对空气预热器的3组扇形板的间隙值进行测量：
第一组记为A1：电涡流传感器、激光位移传感器和DCS中获取根据温度计算的热变形量三个数据依次测得的间隙值分别为8.2mm，8.18mm，8.19mm，方差依次为0.05，0.02，0.06；
第二组记为A2：电涡流传感器、激光位移传感器和热电偶三个数据依次测得的间隙值分别为8.21mm，8.22mm，8.20mm，方差依次为0.05，0.02，0.06；
第三组记为A3：电涡流传感器、激光位移传感器和热电偶三个数据依次测得的间隙值分别为8.17mm，8.21mm，8.20mm，方差依次为0.02，0.01，0.06。
首先，根据式(1)～(4)计算第一组～第三组测量数据的分位数离散度dFA1＝0.01，dFA2＝0.01，dFA3＝0.02，然后根据式(5)判断，并得出：A1、A2和A3的三个测量数据不存在奇异点，所以3组数据都不进行剔除；
由于真实值无法获得，所以三组数据的μ0均为每组数据的均值，对每组数据计算可得8.1900mm，8.2150mm，8.1935mm，同时计算方差为6.67×10-05，2.50×10-04，2.89×10-04；
将上述数据分别代入式(9)依次计算出A1-A3的μN，则A1-A3的μN分别为8.1900mm，8.2150mm，8.1935mm；
因此，间隙A1-A3的最终测量值分别为8.1900mm，8.2150mm，8.1935mm。
Claims (3)
1.基于多传感器融合的电站锅炉空气预热器间隙检测方法，其特征在于，具体按照以下步骤实施：
步骤1、在空气预热器中分别安装电涡流传感器(1)、激光位移传感器(2)、绝对位移传感器(3)，同时从DCS控制器(4)中获取根据温度计算的热变形量，然后将三路传感器的输出以及DCS控制器(4)中获取的数据接入到融合中心处理器(9)中；
步骤2、采集电涡流传感器(1)、激光位移传感器(2)、绝对位移传感器(3)和DCS控制器(4)中获取根据温度计算的热变形量的数据，并对采集的数据进行处理，激光位移传感器最终测量的位移等于激光位移传感器的测量值减去绝对位移传感器的测量值，即激光位移传感器的测量结果指原激光位移传感器减去绝对位移传感器的值，步骤2具体如下：
步骤2.1、定义t时刻的电涡流传感器、激光位移传感器的测量结果和DCS中获取根据温度计算的热变形量结果分别为Gap_A(t)、Gap_B(t)和Gap_C(t)，对三个测量结果进行降序排列，得到序列Gap(i),i＝1,2,3,同时获得序列中i与电涡流传感器、激光位移传感器的测量结果和DCS中获取根据温度计算的热变形量结果的对应关系，然后得到t时刻测量结果的最大值Gap_Max和测量结果的最小值Gap_Min，定义中位数为
步骤2.2、由中位数将区间[Gap_Min,Gap_Max]分为上分位区间[Gap_M,Gap_Max]和下分位区间[Gap_Min,Gap_M]，然后根据下式分别计算上分位区间和下分位区间的中位数Gap_Fu和Gap_Fl：
步骤2.3、根据下式定义分位数离散度：
dF＝Gap_Fu-Gap_Fl (4)；
步骤3、判断步骤2得到的电涡流传感器(1)、激光位移传感器(2)、DCS控制器(4)的数据是否存在奇异，如果存在，发出该数据对应传感器或控制器的故障警报，并且将其屏蔽，如果不存在，则将该奇异点存储，步骤3具体如下：
步骤3.1、利用式(5)判断Gap_A(t)、Gap_B(t)和Gap_C(t)中是否有数据存在奇异，其中式(5)具体如下：
|ξ-Gap_M|＞αdF (5)
式中，ξ表示Gap_A(t)、Gap_B(t)和Gap_C(t)三者中的其中一个，α为常数，根据系统的测量误差要求而定，α＝0.5、1.0、2.0，如果Gap_A(t)、Gap_B(t)和Gap_C(t)中存在使得式(5)成立的值，则将其剔除，并且，设当前时刻为t，检查该传感器过去32个时刻，即从t-31一直到t的32个时刻的值是否连续存在奇异点，如果存在，发出该传感器或者控制器的故障警报，并且将其屏蔽，当t≤31时，不执行该操作；如果不存在，则将该奇异点存储，并从Gap(i),i＝1,2,3中将其剔除，得到新的测量数据集合Gap_New(i),i＝1,...,m，m为测量数据集合中元素个数，并且m≤3；
步骤3.2、如果电涡流传感器(1)、激光位移传感器(2)、DCS控制器(4)中不存在奇异点，则Gap_New(i),i＝1,...,m直接等于Gap(i),i＝1,2,3；
步骤4、根据贝叶斯估计理论，计算最终估计值输出，步骤4具体如下：
步骤4.1、根据贝叶斯估计理论，假设最终的间隙估计值为μ，测量集合为Gap_New(i),i＝1,...,m，则
若参数μ服从
且Gap_New(i)服从
令
T是与μ无关的常数，因此
由式(7)看出p[μ|Gap_New(1),...,Gap_New(m)]仍为正态分布，假设服从
即
步骤4.2、比较式(7)和式(8)得：
式中，μ0为间隙值的真实值，在实际系统中无法直接获取，用Gap_New的平均值进行代替，
为方差，
因此，μ的贝叶斯估计值为
步骤4.3、将μN作为t时刻的最终估计值输出。
2.根据权利要求1所述的基于多传感器融合的电站锅炉空气预热器间隙检测方法，其特征在于，所述步骤1中电涡流传感器(1)安装于空气预热器转子(8)上部的扇形板(5)上，激光位移传感器(2)安装于炉壁(6)上，绝对位移传感器(3)安装于扇形板提升机构(7)上，DCS控制器(4)位于空气预热器所在主控室中。
3.根据权利要求1所述的基于多传感器融合的电站锅炉空气预热器间隙检测方法，其特征在于，所述步骤3.1中α＝1.0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910130207.3A CN109916357B (zh) | 2019-02-21 | 2019-02-21 | 基于多传感器融合的电站锅炉空气预热器间隙检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910130207.3A CN109916357B (zh) | 2019-02-21 | 2019-02-21 | 基于多传感器融合的电站锅炉空气预热器间隙检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109916357A CN109916357A (zh) | 2019-06-21 |
| CN109916357B true CN109916357B (zh) | 2020-10-27 |
Family
ID=66961940
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910130207.3A Active CN109916357B (zh) | 2019-02-21 | 2019-02-21 | 基于多传感器融合的电站锅炉空气预热器间隙检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109916357B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110332899A (zh) * | 2019-08-21 | 2019-10-15 | 国家电网有限公司 | 一种发电机空气间隙测量装置及其测量方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3468722B2 (ja) * | 1999-07-15 | 2003-11-17 | 株式会社 日立インダストリイズ | リニアモータギャップ測定装置 |
| CN105258345A (zh) * | 2015-09-29 | 2016-01-20 | 江苏金源锻造股份有限公司 | 一种锅炉空气预热器的间隙控制装置 |
| CN105352535A (zh) * | 2015-09-29 | 2016-02-24 | 河海大学 | 一种基于多传感器数据融合的测量方法 |
| CN106871804A (zh) * | 2017-01-19 | 2017-06-20 | 西安理工大学 | 空气预热器漏风间隙视觉测量与可视化装置及方法 |
| CN108416372A (zh) * | 2018-02-11 | 2018-08-17 | 同济大学 | 基于多种传感器的风电场风速获取方法 |
| CN108955550A (zh) * | 2018-06-04 | 2018-12-07 | 西安理工大学 | 空气预热器弧形板与转子间隙可视化测量装置及其测量方法 |
-
2019
- 2019-02-21 CN CN201910130207.3A patent/CN109916357B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3468722B2 (ja) * | 1999-07-15 | 2003-11-17 | 株式会社 日立インダストリイズ | リニアモータギャップ測定装置 |
| CN105258345A (zh) * | 2015-09-29 | 2016-01-20 | 江苏金源锻造股份有限公司 | 一种锅炉空气预热器的间隙控制装置 |
| CN105352535A (zh) * | 2015-09-29 | 2016-02-24 | 河海大学 | 一种基于多传感器数据融合的测量方法 |
| CN106871804A (zh) * | 2017-01-19 | 2017-06-20 | 西安理工大学 | 空气预热器漏风间隙视觉测量与可视化装置及方法 |
| CN108416372A (zh) * | 2018-02-11 | 2018-08-17 | 同济大学 | 基于多种传感器的风电场风速获取方法 |
| CN108955550A (zh) * | 2018-06-04 | 2018-12-07 | 西安理工大学 | 空气预热器弧形板与转子间隙可视化测量装置及其测量方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109916357A (zh) | 2019-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6898554B2 (en) | Fault detection in a physical system | |
| JP5901140B2 (ja) | システムの高い可用性のためにセンサデータを補間する方法、コンピュータプログラム、システム。 | |
| TW442613B (en) | Thermocouple failure detection in power generation turbines | |
| US20130318018A1 (en) | Neural network-based turbine monitoring system | |
| CN109916357B (zh) | 基于多传感器融合的电站锅炉空气预热器间隙检测方法 | |
| CN109253870A (zh) | 生物质燃料锅炉热交换管寿命的评估装置及方法 | |
| KR101174469B1 (ko) | 배관 수명 평가 방법 | |
| JP5380219B2 (ja) | ボイラ伝熱管のメタル温度推定方法ならびに寿命推定方法 | |
| CN109332624B (zh) | 连铸钢板离线检测热电阻安装质量的判断系统及方法 | |
| KR101598298B1 (ko) | 저항 측정방식에 근거한 히터 모니터링 장치 및 그에 따른 히터 모니터링 방법 | |
| CN110472335A (zh) | 基于粒子群优化算法的传感器故障诊断阈值确定方法 | |
| CN106568535B (zh) | 一种机动车尾气排放温度传感器的精度检测系统 | |
| JP2022139266A (ja) | 工作機械の環境温度変化予測装置及び予測方法 | |
| KR20230126685A (ko) | 연료전지 열관리 시스템 고장 검출 및 부품 별 고장진단 방법 | |
| CN111537076A (zh) | 一种抑制红外设备在启动阶段温度漂移的方法及系统 | |
| CN110096029A (zh) | 热位移校正装置 | |
| CN114997273A (zh) | 一种基于视觉的高温部件在线寿命预测方法 | |
| CN105874392B (zh) | 燃气轮机运行参数检测故障的诊断方法及控制器 | |
| Coble et al. | Online sensor calibration assessment in nuclear power systems | |
| CN102997041B (zh) | 一种高温压力管道结构损伤在线监测装置 | |
| JP7142545B2 (ja) | ボイラチューブリーク診断システム及びボイラチューブリーク診断方法 | |
| CN109871559B (zh) | 一种电力系统信息故障扫描的分析方法 | |
| KR101958626B1 (ko) | 증기 발생기의 균열 탐지 장치 및 방법 | |
| Xu | Power station abnormal data cleaning method based on big data mining | |
| JP4786670B2 (ja) | 計測器ドリフト検知装置 |
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 |