CN111445105A - 基于目标值分析的电厂在线性能诊断方法及系统 - Google Patents
基于目标值分析的电厂在线性能诊断方法及系统 Download PDFInfo
- Publication number
- CN111445105A CN111445105A CN202010128365.8A CN202010128365A CN111445105A CN 111445105 A CN111445105 A CN 111445105A CN 202010128365 A CN202010128365 A CN 202010128365A CN 111445105 A CN111445105 A CN 111445105A
- Authority
- CN
- China
- Prior art keywords
- target value
- performance
- equipment
- value
- power plant
- 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.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 4
- 238000011056 performance test Methods 0.000 claims description 3
- 238000002405 diagnostic procedure Methods 0.000 claims 3
- 238000013461 design Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 208000024891 symptom Diseases 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于目标值分析的电厂在线性能诊断方法及系统,所述方法包括:获取电厂设备的实时运行数据,并据此计算得到设备各项性能指标的运行值;根据当前的边界条件,计算各项性能指标的目标值;其中,边界条件和各项性能指标的目标值之间的关系是预先建立的;实时监测各项性能指标的运行值与目标值之间的差异,当差异超过设定临界值时,对该设备进行故障诊断。本发明结合当前边界条件能够客观的评价设备运行状态,保证了后续故障诊断的准确性。
Description
技术领域
本发明属于电厂性能智能诊断领域,尤其涉及一种基于目标值分析的电厂在线性能诊断方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
电厂在运行过程中产生了大量的运行数据,通过数据的处理,我们可以得到一部分电厂的运行指标,其中一部分指标可以表征电厂热力系统及设备的性能状况,我们称之为性能指标,实际运行过程中的性能指标值,以下称之为运行值。
电厂的热力系统和设备的性能指标,除了运行值外还有设计值,指的是性能指标在设计的边界条件下所能达到的值,但设计值的边界条件较为固定,但发明人发现,实际运行时,实际的边界条件与设计值的边界条件往往存在偏差,因而这种在边界条件下对比运行值和设计值的方式缺乏客观性,据此难以评价运行状态的优劣。
发明内容
为克服上述现有技术的不足,本发明提供了一种基于目标值分析的电厂在线性能诊断方法及系统,通过基于设备当前的边界条件获取动态目标值,并基于设备的运行值和目标值之间的差异进行故障的诊断,结合当前边界条件能够客观的评价设备运行状态,保证了后续故障诊断的准确性。
为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
一种基于目标值分析的电厂在线性能诊断方法,包括以下步骤:
获取电厂设备的实时运行数据,并据此计算得到设备各项性能指标的运行值;
根据当前的边界条件,计算各项性能指标的目标值;其中,边界条件和各项性能指标的目标值之间的关系是预先建立的;
实时监测各项性能指标的运行值与目标值之间的差异,当差异超过设定临界值时,对该设备进行故障诊断。
一个或多个实施例提供了一种基于目标值分析的电厂在线性能诊断系统,包括:
运行数据采集模块,获取电厂设备的实时运行数据,并据此计算得到设备各项性能指标的运行值;
目标值计算模块,根据当前的边界条件,计算各项性能指标的目标值;其中,边界条件和各项性能指标的目标值之间的关系是预先建立的;
故障诊断模块,实时监测各项性能指标的运行值与目标值之间的差异,当差异超过设定临界值时,对该设备进行故障诊断。
一个或多个实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的基于目标值分析的电厂在线性能诊断方法。
一个或多个实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的基于目标值分析的电厂在线性能诊断方法。
以上一个或多个技术方案存在以下有益效果:
通过预先建立边界条件与目标值之间的关系,根据当前实际的边界条件获取动态的性能指标的目标值(应达值),结合当前边界条件能够客观的评价设备运行状态,保证了后续故障诊断的准确性。
并且,通过对比目标值和运行值的偏差,如果偏差超出了临界值,代表机组运行中性能方面可能出现了问题,同时根据指标偏差情况(故障征兆)判断机组可能存在的故障种类,有效防止了运行过程中仪表误差、目标值预测误差等,避免了不必要的报警,防止诊断参数的过于敏感,帮助用户及时发现问题和解决问题。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例提供的一种基于目标值分析的电厂在线性能诊断方法流程图;
图2为本发明实施例提供的一种基于目标值分析的电厂在线性能诊断方法逻辑框图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
为了克服实际运行时边界条件与设计值对应的边界条件不同,导致的设备运行状态难以评估的问题,本实施例公开了一种基于目标值分析的电厂在线性能诊断方法,根据实际的边界条件计算性能指标的目标值,将设备的实际运行状态采用相同边界条件下的目标值进行衡量。具体地,所述方法包括以下步骤:
步骤1:获取电厂设备的实时运行数据,对数据进行加工处理,计算各项性能指标的运行值,并储存到数据库中,进入步骤2;
所述电厂实时运行数据包括汽轮机、加热器、各类水泵等设备的运行数据。各项性能指标的运行值可通过预存的热力系统及设备性能指标计算公式进行计算。本实施例中,以汽轮机为例,进行汽轮机的在线性能诊断。获取的汽轮机的性能指标包括:机组负荷、各调节阀门开度、调节级后压力、温度、各级抽汽压力、各级汽轮机排汽温度、各级给水温度和压力等。
步骤2:从电厂设备的实时运行数据中获取各设备的当前边界条件,根据预先构建的各项性能指标目标值分析模型,计算当前边界条件下各项性能指标的目标值,并储存到数据库中,进入步骤3;
所述边界条件包括外界环境条件和设备输入条件。具体地,汽轮机外界环境条件包括汽轮机所处环境的温、湿度等,汽轮机输入条件包括主蒸汽参数、流量、再热蒸汽参数、背压、对外供热量等。
本实施例提供了三种性能指标目标值分析模型构建方法:
(1)采用质量守恒和能量守恒的方法,或通过研究系统和设备的变工况特性,运用建立机理模型的方法,对不同边界条件(例如机组变负荷)下的性能指标目标值进行计算。
以汽轮机为例,通过方法(1)进行目标值分析的性能指标包括:各级抽汽压力。
例如各级抽汽压力的计算:通过研究汽机变工况的特性,运用变工况所遵循的弗留格尔公式,可以建立各级抽汽压力与机组流量的模型,据此就可以对机组在不同负荷下的各级抽汽压力进行目标值的计算。
(2)收集机组正常运行的数据,采用数据挖掘的方法,通过建立恰当的系统或设备的神经网络模型,实现变负荷和不同边界条件下性能指标目标值的计算。并具备根据最新的运行数据,不断实现模型更新的能力。
以汽轮机为例,通过方法(2)进行目标值分析的性能指标包括:调节级后压力、温度,各级给水温度和压力。
例如通过对以往一段时间内不同负荷下,汽轮机正常运行过程中主汽调节级前后参数的挖掘,建立调节级的神经网络模型(输入为主蒸汽参数和流量、各调节阀门开度等,输出为调节级后压力、温度参数),可以根据调节级的输入数据,自动判断各种各工况下调节级后参数的目标值。
(3)采用性能试验的方法,完成某系统和设备的性能测试,通过测试阶段的数据,完成设备的性能曲线拟合或建立性能数据库,实际运行条件下根据具体边界条件,调用曲线或数据库对性能指标目标值进行计算。
以汽轮机为例,通过方法(3)进行目标值分析的性能指标包括:各级汽轮机排汽温度等。
原设计的各级缸效率可能跟实际运行的工况有所偏差,因此有必要利用多工况下一些试验数据,对各汽轮机缸效率重新核实,拟合出新的负荷—缸效率曲线,在实际运行过程中,利用负荷—缸效率曲线结合各级排汽压力,即可预测各级汽轮机排汽温度。
可以理解,以上目标值的分析仅是以汽轮机为例,对于电厂任意一个具体的系统和设备,根据其测点及运行数据的充分程度和模型的复杂程度,目标值分析可以采用上述任何一种方法,也可以两种或多种方法共用,如上文所述汽轮机的各级抽汽压力采用方法(1)计算,汽轮机的调节级后参数采用方法(2)计算,而汽轮机各级排汽温度可以采取方法(3)计算。
步骤3:对步骤1计算得到的性能指标运行值以及步骤2得到的目标值进行输出,形成性能监视画面;同时刻对比二者差值,当二者差超过设定的临界值时,进行指标报警,并进入步骤4;
预先故障诊断数据库,存储各类机组各项性能指标正常运行的临界值,以及针对每一类设备建立的故障诊断模型。其中,所述临界值为运行值与目标值差值的临界值,以此来判断各项性能指标是否运行正常。
上述目标值指的是临界条件对应的设备正常运行的理论数值,但实际运行过程中,若仅微弱的超出该理论数值,并不会引起故障的产生,若直接以该值作为报警的阈值,则存在不必要的报警,即报警过于敏感。因此,本实施例设置了临界值,当运行值与目标值之间的差值超过临界值时,才进行报警,可以有效防止运行过程中仪表误差、目标值预测误差等,防止诊断参数的过于敏感。
步骤4:根据步骤3中出现的报警指标的数量、类型、偏离度,结合故障诊断系统,利用系统内建立的故障诊断模型,综合机组其他运行数据,逐步确定具体故障类型,进入步骤5;
以汽轮机为例,若其中一项性能指标进行报警时,所述步骤4具体包括:
步骤4.1:对汽轮机的多个指标(比如指标温度、压力)的运行值(见步骤1)和目标值(见步骤2)进行差值计算,得到运行偏差;
步骤4.2:判断步骤(1)中运行偏差与各指标临界值的大小,当偏差超过临界值时,认为运行指标存在问题(比如说温度偏高、压力偏低等等);运行偏差与各指标临界值的差值记为偏差值;
步骤4.3:基于各性能指标的偏差值,结合故障诊断模型,对故障类型进行逻辑判断。
当出现故障时,通常是不止一项性能指标偏离正常值,因此需结合多种性能指标进行综合评判,比如当设备同时出现温度偏高、压力偏低的问题时,认为设备存在第1类故障;只出现温度偏高时,设备出现第2类故障;只出现压力偏高时,设备存在第3类故障。
其中,具体地,故障诊断模型建立方法具体包括:
(1)获取历史故障数据,所述历史故障数据包括故障类型、以及本设备相应的性能指标运行值和各性能指标的目标值;
(2)通过对各项性能指标的运行值和目标值进行差值计算,再将该差值与临界值进行差值计算得到各项性能指标的偏差值;
(3)在故障诊断模块中建立各项性能指标偏差值和故障类型的逻辑关系,或者,基于各项性能指标偏差值和故障类型建立深度学习模型,形成故障诊断模型。
所述步骤(3)中,若建立深度学习模型,还可以通过设置人工故障标记的方法,对出现故障的记录进行故障类型标记,可以帮助系统不断学习和完善故障诊断模型。
偏差值反映了各项指标偏离正常值的程度(过高或者过低),作为故障判别的依据更为准确,采用偏差值进行模型的建立,相较于直接基于各项指标的运行值和故障得到的模型,诊断结果更为准确。
可以理解,若需对其他设备进行故障诊断,则需建立对应的故障诊断模型。当然,针对各设备的诊断模型也可以分别应用,建立各设备单独的性能诊断模型,通过对各重点设备的性能监控,实现电厂热力系统的在线性能诊断。
步骤5:根据步骤(4)诊断的结果,结合专家数据库,给用户提供运行建议和指导。其中,专家数据库存储不同故障类型对应的应对建议。
并将故障数据单独标记,作为修正故障诊断模型的测试数据,以进一步提供故障诊断效果。
实施例二
本实施例的目的是提供一种基于目标值分析的电厂在线性能诊断系统。
为了实现上述目的,本实施例提供了一种基于目标值分析的电厂在线性能诊断系统,包括:
运行数据采集模块,获取电厂设备的实时运行数据,并据此计算得到设备各项性能指标的运行值;
目标值计算模块,根据当前的边界条件,计算各项性能指标的目标值;其中,边界条件和各项性能指标的目标值之间的关系是预先建立的;
故障诊断模块,实时监测各项性能指标的运行值与目标值之间的差异,当差异超过设定临界值时,对该设备进行故障诊断。
实施例三
本实施例的目的是提供一种电子设备。
为了实现上述目的,本实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤,包括:
获取电厂设备的实时运行数据,并据此计算得到设备各项性能指标的运行值;
根据当前的边界条件,计算各项性能指标的目标值;其中,边界条件和各项性能指标的目标值之间的关系是预先建立的;
实时监测各项性能指标的运行值与目标值之间的差异,当差异超过设定临界值时,对该设备进行故障诊断。
实施例四
本实施例的目的是提供一种计算机可读存储介质。
为了实现上述目的,本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时执行以下步骤:
获取电厂设备的实时运行数据,并据此计算得到设备各项性能指标的运行值;
根据当前的边界条件,计算各项性能指标的目标值;其中,边界条件和各项性能指标的目标值之间的关系是预先建立的;
实时监测各项性能指标的运行值与目标值之间的差异,当差异超过设定临界值时,对该设备进行故障诊断。
以上实施例二、三和四中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于目标值分析的电厂在线性能诊断方法,其特征在于,包括以下步骤:
获取电厂设备的实时运行数据,并据此计算得到设备各项性能指标的运行值;
根据当前的边界条件,计算各项性能指标的目标值;其中,边界条件和各项性能指标的目标值之间的关系是预先建立的;
实时监测各项性能指标的运行值与目标值之间的差异,当差异超过设定临界值时,对该设备进行故障诊断。
2.如权利要求1所述的一种基于目标值分析的电厂在线性能诊断方法,其特征在于,所述边界条件包括外界环境边界条件和设备输入条件。
3.如权利要求1所述的一种基于目标值分析的电厂在线性能诊断方法,其特征在于,所述方法还包括:根据故障诊断结果,结合专家系统,生成指导建议。
4.如权利要求1所述的一种基于目标值分析的电厂在线性能诊断方法,其特征在于,所述目标值采用以下一种或多种方法计算:
建立设备的变工况机理模型,根据不同边界条件与性能指标目标值的数学关系,对目标值进行分析;
收集机组正常运行的数据,建立深度学习模型,分析不同边界条件下的性能指标目标值;
通过基于不同边界条件的性能测试得到的数据,建立不同边界条件与性能指标目标值的数学关系,对目标值进行分析。
5.如权利要求1所述的一种基于目标值分析的电厂在线性能诊断方法,其特征在于,所述故障诊断包括:
获取发生报警的设备的各项性能指标运行值;
对各项性能指标运行值和目标值进行差值计算,再将该差值与临界值进行差值计算得到各项性能指标的偏差值;
根据各项性能指标的偏差值,结合预先建立的故障诊断模型,进行故障诊断。
6.如权利要求5所述的一种基于目标值分析的电厂在线性能诊断方法,其特征在于,故障诊断模型建立方法具体包括:
获取设备历史故障数据,所述历史故障数据包括故障类型、以及相应的性能指标运行值和各性能指标的目标值;
对各项性能指标的运行值和目标值进行差值计算,再将该差值与临界值进行差值计算得到各项性能指标的偏差值;
基于各项性能指标偏差值和故障类型建立深度学习模型,形成故障诊断模型。
7.如权利要求1所述的一种基于目标值分析的电厂在线性能诊断方法,其特征在于,所述设备为汽轮机,相应性能指标包括:各级抽汽压力、主蒸汽参数和流量、各调节阀门开度、调节级后压力和温度,以及各级汽轮机排汽温度。
8.一种基于目标值分析的电厂在线性能诊断系统,其特征在于,包括:
运行数据采集模块,获取电厂设备的实时运行数据,并据此计算得到设备各项性能指标的运行值;
目标值计算模块,根据当前的边界条件,计算各项性能指标的目标值;其中,边界条件和各项性能指标的目标值之间的关系是预先建立的;
故障诊断模块,实时监测各项性能指标的运行值与目标值之间的差异,当差异超过设定临界值时,对该设备进行故障诊断。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于目标值分析的电厂在线性能诊断方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的基于目标值分析的电厂在线性能诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010128365.8A CN111445105B (zh) | 2020-02-28 | 2020-02-28 | 基于目标值分析的电厂在线性能诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010128365.8A CN111445105B (zh) | 2020-02-28 | 2020-02-28 | 基于目标值分析的电厂在线性能诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111445105A true CN111445105A (zh) | 2020-07-24 |
CN111445105B CN111445105B (zh) | 2023-07-14 |
Family
ID=71651000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010128365.8A Active CN111445105B (zh) | 2020-02-28 | 2020-02-28 | 基于目标值分析的电厂在线性能诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445105B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112580836A (zh) * | 2020-12-24 | 2021-03-30 | 润电能源科学技术有限公司 | 一种火电机组监控方法、装置、设备及存储介质 |
CN112711237A (zh) * | 2020-12-29 | 2021-04-27 | 华润电力技术研究院有限公司 | 一种火电机组自动控制品质在线评估方法和系统 |
CN112947343A (zh) * | 2021-03-03 | 2021-06-11 | 中国石油化工股份有限公司 | 炼油化工全厂生产目标跟踪控制方法和装置 |
CN114049030A (zh) * | 2021-11-22 | 2022-02-15 | 中广核工程有限公司 | 核电站汽轮机控制阀门性能诊断方法、存储介质及计算机 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103498706A (zh) * | 2013-06-25 | 2014-01-08 | 武汉大学 | 基于通用逻辑表格的汽轮机组性能监测诊断方法 |
CN104573307A (zh) * | 2014-10-14 | 2015-04-29 | 山东创德软件技术有限公司 | 一种基于数据协调的电站状态在线诊断及运行优化系统 |
CN109871004A (zh) * | 2019-03-15 | 2019-06-11 | 湖南省湘电试验研究院有限公司 | 基于诊断模型和大数据的电站智能控制方法、系统及介质 |
CN110147086A (zh) * | 2019-04-29 | 2019-08-20 | 上海外高桥第二发电有限责任公司 | 电厂中在线设备的健康状态的确定方法及系统 |
CN110530650A (zh) * | 2019-09-05 | 2019-12-03 | 哈尔滨电气股份有限公司 | 基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法 |
CN110529202A (zh) * | 2019-09-26 | 2019-12-03 | 齐鲁工业大学 | 基于电厂数据的汽轮机故障诊断检测及预警方法及系统 |
-
2020
- 2020-02-28 CN CN202010128365.8A patent/CN111445105B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103498706A (zh) * | 2013-06-25 | 2014-01-08 | 武汉大学 | 基于通用逻辑表格的汽轮机组性能监测诊断方法 |
CN104573307A (zh) * | 2014-10-14 | 2015-04-29 | 山东创德软件技术有限公司 | 一种基于数据协调的电站状态在线诊断及运行优化系统 |
CN109871004A (zh) * | 2019-03-15 | 2019-06-11 | 湖南省湘电试验研究院有限公司 | 基于诊断模型和大数据的电站智能控制方法、系统及介质 |
CN110147086A (zh) * | 2019-04-29 | 2019-08-20 | 上海外高桥第二发电有限责任公司 | 电厂中在线设备的健康状态的确定方法及系统 |
CN110530650A (zh) * | 2019-09-05 | 2019-12-03 | 哈尔滨电气股份有限公司 | 基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法 |
CN110529202A (zh) * | 2019-09-26 | 2019-12-03 | 齐鲁工业大学 | 基于电厂数据的汽轮机故障诊断检测及预警方法及系统 |
Non-Patent Citations (2)
Title |
---|
王宁玲: ""基于数据挖掘的大型燃煤发电机组节能诊断优化理论与方法研究"", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
胡金海 等: ""一种基于指数损失函数的多类分类 AdaBoost算法及其应用"", 《航空学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112580836A (zh) * | 2020-12-24 | 2021-03-30 | 润电能源科学技术有限公司 | 一种火电机组监控方法、装置、设备及存储介质 |
CN112711237A (zh) * | 2020-12-29 | 2021-04-27 | 华润电力技术研究院有限公司 | 一种火电机组自动控制品质在线评估方法和系统 |
CN112947343A (zh) * | 2021-03-03 | 2021-06-11 | 中国石油化工股份有限公司 | 炼油化工全厂生产目标跟踪控制方法和装置 |
CN112947343B (zh) * | 2021-03-03 | 2022-12-20 | 中国石油化工股份有限公司 | 炼油化工全厂生产目标跟踪控制方法和装置 |
CN114049030A (zh) * | 2021-11-22 | 2022-02-15 | 中广核工程有限公司 | 核电站汽轮机控制阀门性能诊断方法、存储介质及计算机 |
Also Published As
Publication number | Publication date |
---|---|
CN111445105B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445105B (zh) | 基于目标值分析的电厂在线性能诊断方法及系统 | |
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN104102773B (zh) | 一种设备故障预警及状态监测方法 | |
WO2020211109A1 (zh) | 基于模型全生命周期管理的设备故障预警系统 | |
CN105955069B (zh) | 一种基于在线仿真的核电站系统级状态监测方法 | |
US7451122B2 (en) | Empirical design of experiments using neural network models | |
CN111322732A (zh) | 一种空调健康状态分析方法和系统 | |
JP2009053938A (ja) | 複数モデルに基づく設備診断システム及びその設備診断方法 | |
WO2016133121A1 (ja) | 異常診断方法及び異常診断システム | |
CN111796233B (zh) | 双母线接线形式下多台电压互感器继发性误差的评估方法 | |
CN115899964A (zh) | 基于多维的空调智能监测方法与系统 | |
CN115422635A (zh) | 基于bim的钢结构工程监测方法、系统、设备及存储介质 | |
CN112052496B (zh) | 一种基于var模型的高拱坝谷幅变形影响因素分析系统的操作方法 | |
CN113313365A (zh) | 一种一次风机的劣化预警方法及设备 | |
KR102110319B1 (ko) | 학습 데이터 생성 시스템 | |
CN115600695B (zh) | 一种计量设备的故障诊断方法 | |
CN113094976B (zh) | 一种压水堆核电厂蒸汽发生器数据同化方法及系统 | |
CN111443602A (zh) | 一种基于隐马尔可夫的阀门健康度估计与寿命预测方法 | |
CN117574322A (zh) | 汽轮机组的故障诊断方法、系统、计算机存储介质及设备 | |
Zhang | Comparison of data-driven and model-based methodologies of wind turbine fault detection with SCADA data | |
US11669082B2 (en) | Online fault localization in industrial processes without utilizing a dynamic system model | |
JP2650914B2 (ja) | プロセス異常診断装置 | |
CN114764741A (zh) | 一种风力发电机运行风功率预测的方法和系统 | |
CN114192583A (zh) | 一种基于Scada平台的带钢轧制过程质量监控方法和系统 |
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 |