CN112966975A - 一种发电机组主保护安全性动态综合评价方法 - Google Patents
一种发电机组主保护安全性动态综合评价方法 Download PDFInfo
- Publication number
- CN112966975A CN112966975A CN202110344712.5A CN202110344712A CN112966975A CN 112966975 A CN112966975 A CN 112966975A CN 202110344712 A CN202110344712 A CN 202110344712A CN 112966975 A CN112966975 A CN 112966975A
- Authority
- CN
- China
- Prior art keywords
- protection
- measuring point
- risk
- calculating
- main protection
- 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.)
- Pending
Links
- 230000004224 protection Effects 0.000 title claims abstract description 228
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000006866 deterioration Effects 0.000 claims abstract description 18
- 230000015556 catabolic process Effects 0.000 claims abstract description 16
- 238000006731 degradation reaction Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 18
- 238000003066 decision tree Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 2
- 239000003921 oil Substances 0.000 description 27
- 238000006073 displacement reaction Methods 0.000 description 9
- 239000010687 lubricating oil Substances 0.000 description 9
- 230000008646 thermal stress Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004148 curcumin Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- 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
Abstract
本发明涉及一种发电机组主保护安全性动态综合评价方法,技术方案是,读取主保护测点实时值,计算保护测点的风险级别;计算保护测点的劣化度;计算保护测点的稳定性;计算每个测点在单项保护中的权重;根据单项保护中各测点的风险级别、劣化度、稳定性、保护权重,计算单项保护的风险指数;根据机组各项主保护的风险指数,计算机组主保护风险指数;利用机器(计算机)学习算法对机组主保护风险情况进行跟踪、评价、预警;本发明方法填补了发电机主保护评价领域的技术空白,具备很好的实践性和推广性,能够有效提升发电机组的安全水平,减少机组非计划停机和设备损坏,保民生、保安全、报经济,具备有良好的社会和经济效益。
Description
技术领域
本发明属于发电机组主保护技术领域,具体涉及一种发电机组主保护安全性动态综合评价方法。
背景技术
发电机组的安全运行是保障国民经济、电网安全的基础,为确保发电机组的安全运行,火电、核电、风电、水电等类型发电机组都配置有相应的安全保护措施,而其中的主保护是最为关键性的保护措施,一旦主保护触发,发电机组就面临非计划停机,非计划停机不仅会给发电企业带来巨大的经济损失和安全风险,而且会对电网安全和电源品质造成冲击,重大事件可能会造成连锁反应,出现大面积停电事故,后果非常严重。所以,提升发电机组主保护的可靠性和安全性是具有深远影响意义的一项工作。
发明内容
针对上述情况,为克服现有技术之不足,本发明之目的就是从保障国民经济、电网安全、设备安全出发,依据发电机组主保护的基本原理和实践经验,以及结合机器学习(决策树)先进算法,提供一种完善、科学、实用的发电机组主保护安全性动态综合评价方法。
本发明采用的技术方案是:
一种发电机组主保护安全性动态综合评价方法,包括以下步骤:
步骤S1:读取主保护测点实时值,根据机组保护定值所设置的风险分级函数,计算保护测点的风险级别;
步骤S2:读取主保护测点实时值,根据测点量程、风险分级函数,计算保护测点的劣化度;
步骤S3:读取主保护测点实时值,根据测点在预定周期内的变化剧烈程度,计算保护测点的稳定性;
步骤S4:根据测点在每项主保护逻辑中的权重,计算每个测点在单项保护中的权重;
步骤S5:根据单项保护中各测点的风险级别、劣化度、稳定性、保护权重,计算单项保护的风险指数;
步骤S6:根据机组各项主保护的风险指数,计算机组主保护风险指数;
步骤S7:利用机器(计算机)学习算法对机组主保护风险情况进行跟踪、评价、预警。
优选的,所述步骤S1的具体方法包括:
计算保护测点的风险级别G:
G=INT(F(X))
其中:
G:风险级别,表征参数的风险等级;
F(X):根据保护测点的优秀、良好、报警、跳闸不同等级定值,配置的线性函数,具体配置为:优秀为25%,良好为50%,报警为75%,跳闸为100%。
优选的,所述步骤S2的具体方法包括:
计算保护测点的劣化度H:
H=(X-D1)÷(D2-D1)
其中:
H:劣化度,表征测点由当前风险级别进入下一级风险级别(劣化方向的级别)的趋势;
D1:保护测点实时值所在风险分级函数下阈值;
D2:保护测点实时值所在风险分级函数上阈值。
优选的,所述步骤S3的具体方法包括:
计算保护测点的稳定性L:
L=(MAX(Xn-1,Xn-2,Xn-3…,Xn-10)-MIN(Xn-1,Xn-2,Xn-3…,Xn-10))÷10÷M×100%
L:参数变动率;
Xn-1:之前第1个周期时输入值;
Xn-2:之前第2个周期时输入值;
Xn-10:之前第10个周期时输入值;
M:可接受最大变化率。
优选的,所述步骤S4的具体方法包括:
计算保护测点的保护权重E:
单点动作保护:E=100%
二点动作保护:E=50%
N点动作保护:E=100/N%。
优选的,所述步骤S5的具体方法包括:
计算单项主保护的风险指数Q:
Q=MAX((K1Gi+K2Hi+K3Li+K4Ei)
Q:单项主保护安全指数;
Gi:单项主保护中,每个保护测点的风险等级;
Hi:单项主保护中,每个保护测点的劣化度;
Li:单项主保护中,每个保护测点的稳定性;
Ei:单项主保护中,每个保护测点的保护权重;
K1:风险级别权重系数;
K2:劣化度权重系数;
K3:稳定性权重系数;
K4:保护权重系数。
优选的,所述风险级别权重系数K1=0.5,劣化度权重系数K2=0.2,稳定性权重系数K3=0.2,保护权重系数K4=0.1。
优选的,所述步骤S6的具体方法包括:
计算机组主保护风险指数Y:
Y:机组主保护风险指数;
Q:单项主保护的风险指数;
n:保护数量。
优选的,所述步骤S7的具体方法包括:
读取的主保护各分项保护的风险指数、风险级别、劣化度、稳定性,并通过决策树模型进行计算,若发现各分项保护参数恶化,立即发出预警;
读取的机组主保护风险指数,并通过决策树模型进行计算,发现主保护风险指数恶化,及时发出预警。
随着行业内同类型发电机组推广本发明方法,机组主保护风险指数、单项保护风险指数等技术指标,均可以进行横向对比,可以清晰反映每台机组的主保护安全水平,并为进一步保护优化、提升,提供了数据支撑。
本发明适用于火电、核电、风电、水电等类型发电机组,并且可以拓展到化工、冶炼、制造等领域,对于保障设备安全、系统安全,减少经济、环保、设备损失等方面都能够发挥巨大的效力。目前发电机组相关测点只设置报警值、跳闸值,本发明方法采用测点风险级别,通过多段细分参数判断,非常明确的给出测点是处于优秀、良好,还是报警、跳闸,准确表征了测点的运行品质,为运行人员精准调控、维护人员针对性检修提供了帮助,更为保护系统整体安全性评估提供了基础数据。保护测点的劣化度是目前发电机组所不具备的功能,本发明方法为进一步掌握测点的发展趋势,提前预判风险,特别提出计算劣化度的方法,是非常具备创新性的,通过工程实践也证明该方法非常切合实际需求,是一个非常具有代表意义的参考量。保护测点稳定性是目前发电机组实践中都非常关注的问题,但一直没有非常有效、科学的计算和表征方法,本发明方法通过采集最近10个周期的数据,并对数据的稳定性进行定量和定性分析,非常完美的解决了此问题,并结合劣化度、风险级别等指标考量,准确、全面的表征了测点的整体安全水平。目前发电机组保护设计要充分考虑其合理性和安全性,在测点配置方面要综合考虑拒动和误动的风险,但在运行过程中,每个测点在保护中的权重并没有直观的数据表征,造成运行人员忽视了风险的存在,最终造成非计划停机;本发明方法根据保护逻辑构成,对每个保护测点标定保护权重,作为重要的监视和评价指标。
目前发电机组主保护均不具备安全性动态评价功能,本发明方法通过定性、定量标定主保护测点的多项安全指标,计算每项保护的风险指数,最终得到整个机组的主保护风险指数,并结合机器学习先进算法(决策树)对机组主保护风险情况进行跟踪、评价、预警。本发明方法填补了发电机主保护评价领域的技术空白,具备很好的实践性和推广性,能够有效提升发电机组的安全水平,减少机组非计划停机和设备损坏,保民生、保安全、报经济,具备有良好的社会和经济效益。
附图说明
图1为本发明一种发电机组主保护安全性动态综合评价方法的框式流程图;
图2为本发明步骤S7决策树模型示意图(分项保护);
图3为本发明步骤S7决策树模型示意图(主保护)。
具体实施方式
以下结合某机组汽轮机主保护实施例对本发明的具体实施方式作进一步详细说明。
本发明方法可以基于机组控制系统本身或外部接入控制系统实现,本发明一种发电机组主保护安全性动态综合评价方法包括以下步骤:
(一)步骤S1:读取某机组汽轮机主保护测点实时值,根据机组保护定值所设置的风险分级函数,计算保护测点的风险级别;
在步骤S1中,首先通过保护测点的保护定值来设置风险分级函数,此处以轴振测点为例:
表1:汽轮机主保护定值
序号 | 保护 | 跳闸 | 报警 | 良好 | 优秀 |
1 | 轴振 | 250 | 125 | 90 | 80 |
2 | 瓦振 | 80 | 50 | 30 | 20 |
3 | 转速 | 3300 | 3090 | 3010 | 3000 |
4 | 真空 | -75.7 | -87.9 | -90 | -95 |
5 | EH油压 | 7.8 | 11.2 | 12 | 14.5 |
6 | 润滑油压 | 0.07 | 0.08 | 0.1 | 0.2 |
7 | 主油箱油位 | 125 | 270 | 300 | 350 |
8 | 热应力 | >+105或<-105 | >+80或<-80 | >+60或<-60 | >+40或<-40 |
9 | 胀差 | >+12.5或<-7.5 | >+12或<-7 | >+10或<-6 | >+6或<-4 |
10 | 位移 | >+0.8或<-0.8 | >+0.6或<-0.6 | >+0.4或<-0.4 | >+0.2或<-0.2 |
表2:轴振保护测点风险分级函数
等级 | X | Y |
优秀 | 0μm | 25 |
优秀 | 80μm | 25 |
良好 | 90μm | 50 |
报警 | 125μm | 75 |
跳闸 | 250μm | 100 |
跳闸 | 1000μm | 100 |
在步骤S1中,轴振保护风险分级函数F(X)设置为(0,25;80,25;90,50;125,75;250;100;1000,100)。
在步骤S1中,读取的主保护测点包括:轴振、瓦振、转速、真空、EH油压、润滑油压、主油箱油位、热应力、胀差、位移。
在步骤S1中,风险级别是将读取的测点实时值,代入计算函数。此处以轴振保护1X测点为例,假设X=130μm:
计算轴振保护1X测点的风险级别G:
G=INT(F(X))
其中:
G:风险级别,表征参数的风险等级;
F(X):轴振保护测点风险分级函数。
计算得到:G轴振1X=75%。
(二)步骤S2:读取主保护测点实时值,根据测点量程、风险分级函数,计算保护测点的劣化度;
在步骤S2中,读取的主保护测点包括:轴振、瓦振、转速、真空、EH油压、润滑油压、主油箱油位、热应力、胀差、位移,计算保护测点的劣化度。
在步骤S2中,此处以轴振保护1X测点为例:
计算轴振保护1X测点的劣化度H:
H=(X-D1)÷(D2-D1)
其中:
H:劣化度,表征测点由当前风险级别进入下一级风险级别(劣化方向的级别)的趋势;
D1:保护测点实时值所在风险分级函数下阈值,本实施例为125μm;
D2:保护测点实时值所在风险分级函数上阈值,本实施例为250μm;
X:当前输入值,本例为130μm。
计算得到:H轴振1X=4%。
(三)步骤S3:读取主保护测点实时值,根据测点在预定周期内的变化剧烈程度,计算保护测点的稳定性;
在步骤S3中,读取的主保护测点包括:轴振、瓦振、转速、真空、EH油压、润滑油压、主油箱油位、热应力、胀差、位移。
在步骤S3中,根据此处以轴振保护1X测点为例,设置周期为1分钟,最近十个周期采集数据分别是(135μm,128μm,126μm,120μm,125μm,128μm,125μm,128μm,132μm,130μm)。
计算轴振保护1X测点的稳定性L:
L=(MAX(Xn-1,Xn-2,Xn-3…,Xn-10)-MIN(Xn-1,Xn-2,Xn-3…,Xn-10))÷10÷M×100%
L:参数变动率;
Xn-1:之前第1个周期时输入值;
Xn-2:之前第2个周期时输入值;
Xn-10:之前第10个周期时输入值;
M:可接受最大变化率,本实施例为10μm/min;
计算得到:L轴振1X=15%。
(四)步骤S4:根据测点在每项主保护逻辑中的权重,计算每个测点在单项保护中的权重;
在步骤S4中,读取的主保护测点包括:轴振、瓦振、转速、真空、EH油压、润滑油压、主油箱油位、热应力、胀差、位移。
在步骤S4中,本实施例中,轴振保护逻辑为任意2点跳闸则保护输出动作,所以:
计算轴振保护1X测点保护权重E=50%
单点动作保护:E=100%
二点动作保护:E=50%
N点动作保护:E=100/N%
(五)步骤S5:根据单项保护中各测点的风险级别、劣化度、稳定性、保护权重,计算单项保护的风险指数;
在步骤S5中,读取的主保护测点包括:轴振、瓦振、转速、真空、EH油压、润滑油压、主油箱油位、热应力、胀差、位移。
在步骤S5中,本实施例中,轴振保护测点计算安全参数如下:
表3:某汽轮机轴振保护测点计算安全参数
在步骤S5中,本实施例中,瓦振保护测点计算安全参数如下:
表4:某汽轮机瓦振保护测点计算安全参数
在步骤S5中,本实施例中,真空保护测点计算安全参数如下:
表5:某汽轮机真空保护测点计算安全参数
计算单项主保护的风险指数Q:
Q=MAX((K1Gi+K2Hi+K3Li+K4Ei)
Q:单项主保护安全指数;
Gi:单项主保护中,每个保护测点的风险等级;
Hi:单项主保护中,每个保护测点的劣化度;
Li:单项主保护中,每个保护测点的稳定性;
Ei:单项主保护中,每个保护测点的保护权重;
K1:风险级别权重系数,本实施例设置为0.5;
K2:劣化度权重系数,本实施例设置为0.2;
K3:稳定性权重系数,本实施例设置为0.2;
K4:保护权重系数,本实施例设置为0.1;
数据代入公式,计算各项保护风险指数:
表5:某汽轮机主保护保护风险指数
序号 | 保护 | 保护风险指数 |
1 | 轴振 | 49.50% |
2 | 瓦振 | 21.30% |
3 | 转速 | 16.63% |
4 | 真空 | 18.83% |
5 | EH油压 | 17.30% |
6 | 润滑油压 | 23.50% |
7 | 主油箱油位 | 18.30% |
8 | 热应力 | 26.40% |
9 | 胀差 | 18.60% |
10 | 位移 | 22.30% |
(六)步骤S6:根据机组各项主保护的风险指数,计算机组主保护风险指数。
在步骤S6中,读取的主保护测点包括:轴振、瓦振、转速、真空、EH油压、润滑油压、主油箱油位、热应力、胀差、位移。
计算机组主保护风险指数Y:
Y:机组主保护风险指数
Q:单项主保护的风险指数
n:保护数量
数据代入公式,计算某机组汽轮机主保护风险指数Y:
Y=∑(Q轴振+Q瓦振+Q转速+Q真空+QEH油压+Q润滑油压+Q主油箱油位+Q热应力+Q胀差+Q位移)÷10
Y=∑(49.5+21.3+16.63+18.83+17.3+23.5+18.3+26.4+18.6+22.3)÷10
计算得到:某机组汽轮机主保护风险指数Y=23.27%。
(七)步骤S7:利用机器(计算机)学习先进算法对整体机组主保护风险情况进行跟踪、评价、预警。
在步骤S7中,如图2所示,读取的主保护各分项保护的风险指数、风险级别、劣化度、稳定性,并通过决策树模型进行计算:
本实施例中,轴振保护的轴振5X测点,由于10分钟内数值由优良转变到了报警状态,风险级别由55%提升到了75%,劣化度由4%提升到了10%,稳定性由15%提升到了25%,该测点风险指数上升到了49.5%,通过决策树模型计算,向运行人员发出“轴振保护5X测点风险级别恶化”、“轴振保护5X测点劣化度恶化”“轴振保护5X测点稳定性恶化”、“轴振保护存在安全风险”。
在步骤S7中,如图3所示,读取的机组主保护风险指数,并通过决策树模型进行计算,发现主保护风险指数恶化,及时发出预警。
本实施例中,由于轴振保护的轴振5X测点风险指数提升,机组主保护风险指数Y高于一周前指数,通过决策树模型计算,向运行人员发出“机组主保护风险指数Y恶化”。
随着行业内同类型发电机组推广本发明方法,机组主保护风险指数、单项保护风险指数等技术指标,均可以进行横向对比,可以清晰反映每台机组的主保护安全水平,并为进一步保护优化、提升,提供了数据支撑。
(九)本发明方法经实际应用,取得了良好的技术效果,实施取得的部分成果如下表所示:
Claims (9)
1.一种发电机组主保护安全性动态综合评价方法,其特征在于,包括以下步骤:
步骤S1:读取主保护测点实时值,根据机组保护定值所设置的风险分级函数,计算保护测点的风险级别;
步骤S2:读取主保护测点实时值,根据测点量程、风险分级函数,计算保护测点的劣化度;
步骤S3:读取主保护测点实时值,根据测点在预定周期内的变化剧烈程度,计算保护测点的稳定性;
步骤S4:根据测点在每项主保护逻辑中的权重,计算每个测点在单项保护中的权重;
步骤S5:根据单项保护中各测点的风险级别、劣化度、稳定性、保护权重,计算单项保护的风险指数;
步骤S6:根据机组各项主保护的风险指数,计算机组主保护风险指数;
步骤S7:利用机器学习算法对机组主保护风险情况进行跟踪、评价、预警。
2.根据权利要求1所述的一种发电机组主保护安全性动态综合评价方法,其特征在于,所述步骤S1的具体方法包括:
计算保护测点的风险级别G:
G=INT(F(X))
其中:
G:风险级别,表征参数的风险等级;
F(X):根据保护测点的优秀、良好、报警、跳闸不同等级定值,配置的线性函数。
3.根据权利要求1所述的一种发电机组主保护安全性动态综合评价方法,其特征在于,所述步骤S2的具体方法包括:
计算保护测点的劣化度H:
H=(X-D1)÷(D2-D1)
其中:
H:劣化度,表征测点由当前风险级别进入下一级风险级别的趋势;
D1:保护测点实时值所在风险分级函数下阈值;
D2:保护测点实时值所在风险分级函数上阈值。
4.根据权利要求1所述的一种发电机组主保护安全性动态综合评价方法,其特征在于,所述步骤S3的具体方法包括:
计算保护测点的稳定性L:
L=(MAX(Xn-1,Xn-2,Xn-3...,Xn-10)-MIN(Xn-1,Xn-2,Xn-3...,Xn-10))÷10÷M×100%
L:参数变动率;
Xn-1:之前第1个周期时输入值;
Xn-2:之前第2个周期时输入值;
Xn-10:之前第10个周期时输入值;
M:可接受最大变化率。
5.根据权利要求1所述的一种发电机组主保护安全性动态综合评价方法,其特征在于,所述步骤S4的具体方法包括:
计算保护测点的保护权重E:
单点动作保护:E=100%;
二点动作保护:E=50%;
N点动作保护:E=100/N%。
6.根据权利要求1所述的一种发电机组主保护安全性动态综合评价方法,其特征在于,所述步骤S5的具体方法包括:
计算单项主保护的风险指数Q:
Q=MAX((K1Gi+K2Hi+K3Li+K4Ei)
Q:单项主保护安全指数;
Gi:单项主保护中,每个保护测点的风险等级;
Hi:单项主保护中,每个保护测点的劣化度;
Li:单项主保护中,每个保护测点的稳定性;
Ei:单项主保护中,每个保护测点的保护权重;
K1:风险级别权重系数;
K2:劣化度权重系数;
K3:稳定性权重系数;
K4:保护权重系数。
7.根据权利要求6所述的发电机组主保护安全性动态综合评价方法,其特征在于,所述风险级别权重系数K1=0.5,劣化度权重系数K2=0.2,稳定性权重系数K3=0.2,保护权重系数K4=0.1。
9.根据权利要求1所述的一种发电机组主保护安全性动态综合评价方法,其特征在于,所述步骤S7的具体方法包括:
读取的主保护各分项保护的风险指数、风险级别、劣化度、稳定性,并通过决策树模型进行计算,若发现各分项保护参数恶化,立即发出预警;
读取的机组主保护风险指数,并通过决策树模型进行计算,发现主保护风险指数恶化,及时发出预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110344712.5A CN112966975A (zh) | 2021-03-31 | 2021-03-31 | 一种发电机组主保护安全性动态综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110344712.5A CN112966975A (zh) | 2021-03-31 | 2021-03-31 | 一种发电机组主保护安全性动态综合评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112966975A true CN112966975A (zh) | 2021-06-15 |
Family
ID=76281487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110344712.5A Pending CN112966975A (zh) | 2021-03-31 | 2021-03-31 | 一种发电机组主保护安全性动态综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966975A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449202A (zh) * | 2023-04-24 | 2023-07-18 | 杭州天盾电气设备有限公司 | 一种发电机自动化程序测试系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858312A (zh) * | 2010-05-31 | 2010-10-13 | 重庆大学 | 风力发电机组实时运行状态评估系统及评估方法 |
CN104952000A (zh) * | 2015-07-01 | 2015-09-30 | 华侨大学 | 基于马尔科夫链的风电机组运行状态模糊综合评价方法 |
CN105160489A (zh) * | 2015-09-28 | 2015-12-16 | 国家电网公司 | 一种水电机组变权劣化评估系统及评估方法 |
CN111062508A (zh) * | 2019-03-28 | 2020-04-24 | 华北电力大学(保定) | 一种基于大数据技术评估风电机组实时运行状态的方法 |
CN112197973A (zh) * | 2020-08-17 | 2021-01-08 | 中国船舶重工集团公司第七0四研究所 | 柴油发电机组健康诊断方法 |
CN112200433A (zh) * | 2020-09-25 | 2021-01-08 | 华电福新广州能源有限公司 | 一种发电厂热力性能分析与优化系统 |
CN112395744A (zh) * | 2020-10-29 | 2021-02-23 | 华能国际电力股份有限公司玉环电厂 | 一种面向火电厂的设备安全性在线评价方法及系统 |
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 |
-
2021
- 2021-03-31 CN CN202110344712.5A patent/CN112966975A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858312A (zh) * | 2010-05-31 | 2010-10-13 | 重庆大学 | 风力发电机组实时运行状态评估系统及评估方法 |
CN104952000A (zh) * | 2015-07-01 | 2015-09-30 | 华侨大学 | 基于马尔科夫链的风电机组运行状态模糊综合评价方法 |
CN105160489A (zh) * | 2015-09-28 | 2015-12-16 | 国家电网公司 | 一种水电机组变权劣化评估系统及评估方法 |
CN111062508A (zh) * | 2019-03-28 | 2020-04-24 | 华北电力大学(保定) | 一种基于大数据技术评估风电机组实时运行状态的方法 |
CN112197973A (zh) * | 2020-08-17 | 2021-01-08 | 中国船舶重工集团公司第七0四研究所 | 柴油发电机组健康诊断方法 |
CN112200433A (zh) * | 2020-09-25 | 2021-01-08 | 华电福新广州能源有限公司 | 一种发电厂热力性能分析与优化系统 |
CN112395744A (zh) * | 2020-10-29 | 2021-02-23 | 华能国际电力股份有限公司玉环电厂 | 一种面向火电厂的设备安全性在线评价方法及系统 |
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 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449202A (zh) * | 2023-04-24 | 2023-07-18 | 杭州天盾电气设备有限公司 | 一种发电机自动化程序测试系统 |
CN116449202B (zh) * | 2023-04-24 | 2024-03-29 | 杭州天盾电气设备有限公司 | 一种发电机自动化程序测试系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Wind turbine generator condition-monitoring using temperature trend analysis | |
CN108089078A (zh) | 设备劣化预警方法及系统 | |
CN107516174B (zh) | 电厂技术监督策略库的生成方法 | |
CN102758655B (zh) | 用于保护旋转机械的方法 | |
Zhao et al. | On the use of artificial neural networks for condition monitoring of pump-turbines with extended operation | |
CN105608842A (zh) | 一种核反应堆燃料破损在线监测报警装置 | |
CN104766138A (zh) | 基于工业互联网的火电厂设备性能评估与预警方法及系统 | |
CN112966975A (zh) | 一种发电机组主保护安全性动态综合评价方法 | |
CN114564885A (zh) | 一种基于bp神经网络的水轮发电机组轴瓦温度预警方法 | |
JP7066374B2 (ja) | 乱流評価装置、乱流評価方法及びプログラム | |
Zhou et al. | Structural health monitoring of offshore wind power structures based on genetic algorithm optimization and uncertain analytic hierarchy process | |
CN103577647A (zh) | 一种汽轮机及其调速系统模型的评估分析方法及装置 | |
CN112000654A (zh) | 一种高速铁路大风监测数据质量控制方法和装置 | |
CN107657121A (zh) | 基于腐蚀级别评定的飞机结构性能预测处理方法及系统 | |
CN109858768A (zh) | 考虑综合时变停运模型的综合能源电-热网风险评估方法 | |
CN109521735A (zh) | 锅炉高温受热面使用状态风险在线评估方法及系统 | |
CN111192163B (zh) | 基于风电机组运行数据的发电机可靠度中短期预测方法 | |
CN108416386A (zh) | 一种用于水电机组轴承温度异常判断的方法及系统 | |
Zhao et al. | A novel condition monitoring methodology based on neural network of pump-turbines with extended operating range | |
CN112796920B (zh) | 立式混流式水轮发电机转轮贯穿性裂纹早期预警的方法 | |
CN115345448A (zh) | 一种水轮发电机组效能评价系统 | |
CN111211556B (zh) | 一种考虑风电的配网供电可靠性评估方法 | |
CN113987871A (zh) | 一种航空发动机叶片损伤在线识别方法 | |
CN114239708A (zh) | 一种基于质量控制图理论的燃机异常检测方法 | |
CN108062718A (zh) | 半导体制造信息的处理方法和处理系统 |
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 |