CN113153794A - 基于云计算的风机在线监测方法、装置及系统 - Google Patents
基于云计算的风机在线监测方法、装置及系统 Download PDFInfo
- Publication number
- CN113153794A CN113153794A CN202110368994.2A CN202110368994A CN113153794A CN 113153794 A CN113153794 A CN 113153794A CN 202110368994 A CN202110368994 A CN 202110368994A CN 113153794 A CN113153794 A CN 113153794A
- Authority
- CN
- China
- Prior art keywords
- fan
- early warning
- performance
- real
- performance index
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本公开的实施例公开了一种基于云计算的风机在线监测方法、装置及系统。该方法的一具体实施方式包括:基于粒子群优化后的支持向量机,对初始风机性能曲线进行拟合,得到目标风机性能曲线;获取风机的实时运行数据集合;基于所述实时运行数据集合,计算所述风机的性能指标;基于所述实时运行数据集合和所述风机的性能指标,将风机运行工况点实时显示在所述目标风机性能曲线上;响应于确定所述风机运行工况点对应所述目标风机性能曲线上的性能指标与计算所得的性能指标偏差超过预警阈值,生成预警提示。本发明提供的方法适用于不同类型的风机,实现风机动态工作点与静态特性曲线相对位置实时监视。
Description
技术领域
本发明属于计算机技术领域,尤其涉及基于云计算的风机在线监测方法及、装置及系统。
背景技术
通常情况下,风机设备的日常检查、维护方法主要是定期通过人工对就地设备使用测振仪,听针等设备对运转设备的运行状态进行人工判断。如何让运行人员知道风机的实时运行特性就显得十分重要。通常电厂DCS系统上的风机数据只有电流、风压、风量(风量一般又不准)等参数,但是根据这些参数无法全面得到风机运行特性。
发明内容
有鉴于此,本发明实施例提供了基于云计算的风机在线监测方法、装置及系统,以解决现有技术中不能全面得到风机运行特性的技术问题。
本发明实施例的第一方面,提供了一种基于云计算的风机在线监测方法,包括:
基于粒子群优化后支持向量机,对初始风机性能曲线进行拟合,得到目标风机性能曲线;
获取风机的实时运行数据集合;
基于所述实时运行数据集合,计算所述风机的性能指标;
基于所述实时运行数据集合和所述风机的性能指标,将风机运行工况点实时显示在所述目标风机性能曲线上;
响应于确定所述风机运行工况点对应所述目标风机性能曲线上的性能指标与计算所得的性能指标偏差超过预警阈值,生成预警提示。
本发明实施例的第二方面,提供了一种基于云计算的风机在线监测装置,包括:
拟合模块,被配置成基于粒子群优化后的支持向量机,对初始风机性能曲线进行拟合,得到目标风机性能曲线;
获取模块,被配置成获取风机的实时运行数据集合;
计算模块,被配置成基于所述实时运行数据集合,计算所述风机的性能指标;
显示模块,被配置成基于所述实时运行数据集合和所述风机的性能指标,将风机运行工况点实时显示在所述目标风机性能曲线上;
预警模块,被配置成响应于确定所述风机运行工况点对应所述目标风机性能曲线上的性能指标与计算所得的性能指标偏差超过预警阈值,生成预警提示。
本发明实施例的第三方面,提供了一种基于云计算的风机在线监测系统,包括现场数据采集单元、数据采集终端、CIM数据中心和监视终端,所述现场数据采集单元与数据采集终端连接,所述数据采集终端与CIM数据中心无线连接,所述CIM数据中心与监视终端无线连接,其中:
所述现场数据采集单元,用于将采集风机运行时的进出口温度、进出口静压、大气压力、大气湿度、电机功率以及导叶开度;
所述数据采集终端,用于将所述传感器采集的监测数据上传到云端CIM数据中心;
所述CIM数据中心,用于对所述传感器采集的监测数据进行存储管理;
所述监视终端,用于从CIM数据中心调取数据,进行分析计算,实时显示风机的性能参数和运行状态,并根据设定的阈值进行报警。
本发明实施例的第四方面,提供了一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于云计算的风机在线监测方法的步骤。
本发明实施例的第五方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于云计算的风机在线监测方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明提供的方法适用于不同类型的风机(动(静)叶可调轴流式和离心式),克服以往测量方法中大管径流量测量精度差,以及难以达到实时测量掌握风机性能的弊端,将实时采集的风机运行数据与性能计算结果相结合,计算得到风机当前实际运行的效率与工况点,供运行人员参考与判断风机的安全性及经济性,并进行优化调节使风机始终位于高效区和安全区。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是电科院根据实验结果在性能曲线上绘制的风机运行工况点的位置示意图;
图2是喘振报警原理示意图;
图3是根据本公开的一些实施例的基于云计算的风机在线监测方法的一个应用场景的示意图;
图4是根据本公开的基于云计算的风机在线监测方法的一些实施例的流程图;
图5是根据本公开的基于云计算的风机在线监测系统的一些实施例的结构示意图;
图6是根据本公开的基于云计算的风机在线监测装置的一些实施例的结构示意图;
图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。
图8是最终显示在监视终端设备上的样图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
风机是重要的辅机,主要有离心式、轴流式两种。在600MW等级以上的火电机组通常采用轴流式风机,根据叶片调节方式又分为静叶或动叶可调式。风机作为工业系统中提供流体介质动力压头的主要设备,在生产工艺中具有非常关键的作用。风机被广泛应用于能源、化工、冶金等工业行业,应用范围广泛,数量众多,在工业系统中能耗占比较大,检修、维护工作量大。一方面,风机的运行效率对使用过程中的能耗水平有直接影响;另一方面,风机的运行效率也反映了设备的健康状况,随着运行时间增加,风机的运行效率的降低,发生故障的概率增加。
此外,风机运行安全与否直接关系到锅炉运行安全。由于燃料的更换、运行工况波动频繁、设备的老旧等问题,使得锅炉不同负荷下,风机的出力特性也在不断变化,一次风量的风煤比、一次风量的风粉浓度、运行氧量、总风量等都和设计时的运行特性不同。除此以外,运行人员的运行习惯、季节(雨水多燃料湿、气压高低等)都对风机运行特性有影响。当风机处于安全运行的边界附近时,就有可能发生事故,比如偏低负荷运行时的喘振以及偏高负荷运行时的失速,此时风机只能降低风压、机组不得不降低负荷来运行,失速严重的话会造成风机叶片断裂,锅炉不得不停机。为了避免由于风机非正常停运对系统产生的影响,生产过程中大多采用定期检修的方式对设备进行检查和维修。这种方法首先会产生高额的检修费用,其次,对于性能正常的设备进行拆装检修,增加了设备在维修过程中出现新的异常点的风险,第三,对于正常设备的无效检查和维护,挤占了有限的检修费用,反而使需要检修的设备的针对性投入减少,设备发生故障的风险增大。
通常情况下,风机设备的日常检查、维护方法主要是定期通过人工对就地设备使用测振仪,听针等设备对运转设备的运行状态进行人工判断。同时对风机出入口压力、温度、振动、电机线圈温度测点等测量值进行监视。当设备出、入口压力、振动、电流、温度等参数值超过报警范围时提醒运行人员引起注意或限制设备的出力。这些监控方法属于对设备的静态监控和保护性监控,只有当某个参数严重超出设定范围时才能做出报警提示,此时设备已经发生故障或者损坏。这种针对单个参数进行阈值监视的方法,无法在设备出现异常的初期进行预防和提示。
尽管国内有学者研究开发了风机效率表,但目前在生产单位少有安装。热电厂的风机效率测试一般委托给电力科学研究院来完成。目前锅炉风量的测量主要依据是《电站锅炉风机现场性能试验》(DL/T 469)。不过该方法受测点位置和风道几何形状的影响较大。尤其是一些大型锅炉风道流场分布情况十分复杂,一、二次风风道直管段长度有限,且多有挡板、变径、弯头及分岔,加之在风道中布置的加强梁和支撑架使流场进一步受到影响,因此风量的准确测量变得非常困难,有时候测量误差会高达20%以上。
此外,如图1所示,电科院等单位对风机在不同负荷段进行性能试验,在试验数据的基础上再根据设计值进行修正计算后,在风机厂家提供的设备特性曲线上绘制出风机的实际运行工况点,通过这些结果,就能找出实际运行范围和失速点的距离,但是试验结果不是实时的,而且试验时的工况和真实运行时的又不可能完全一致,且一般只有几个代表工况点。
如何让运行人员知道风机的实时运行特性就显得十分重要。通常电厂DCS系统上的风机数据只有电流、风压、风量(风量一般又不准)等参数,但是这些参数是不够的,是不能全面得到风机运行特性的。
图5示出了根据本公开的基于云计算的风机在线监测系统的一些实施例的流程500。该基于云计算的风机在线监测装置,包括现场数据采集单元501、数据采集终端502、CIM数据中心503和监视终端504,所述现场数据采集单元501与数据采集终端502连接,所述数据采集终端502与CIM数据中心503无线连接,所述CIM数据中心503与监视终端504无线连接。所述现场数据采集单元501,用于将采集风机运行时的进出口温度、进出口静压、大气压力、大气湿度、电机功率以及导叶开度;所述数据采集终端502,用于将所述传感器采集的监测数据上传到云端CIM数据中心;所述CIM数据中心503,用于对所述传感器采集的监测数据进行存储管理;所述监视终端504,用于从CIM数据中心调取数据,进行分析计算,实时显示风机的性能参数和运行状态,并根据设定的阈值进行报警。
在一些实施例的一些可选的实现方式中,所述现场数据采集单元,包括:传感器、数据通讯接口、电源模块,其中:所述传感器至少包括静压传感器、温度传感器、功率采集器、大气压力传感器,大气湿度传感器、导叶开度传感器、风机进出口温度传感器,其中:所述风机进出口温度传感器为热电偶或者热电阻设置在风机进出口的烟道上,用于监测风机运行时的进出口温度;所述静压传感器设置在沿风机进出口风道圆周方向上,用于监测风机运行时的进出口静压;所述导叶开度传感器设置在风机导叶的执行机构上,用于监测风机运行时的导叶开度;所述大气压力传感器和所述大气湿度传感器设置在风机进口附近的空气中,分别用于监测风机运行时的大气压力和大气湿度;所述功率采集器设置在风机电机的开关柜中,用于监测风机运行时的电机功率。
在一些实施例的一些可选的实现方式中,所述数据采集终端为4G/5G遥测终端机、4G/5G工业级DTU、NB-IoT物联网终端、LoRa物联网终端任意一种。
在一些实施例的一些可选的实现方式中,所述CIM数据中心为数据服务器。
在一些实施例的一些可选的实现方式中,所述监视终端为手机或者电脑。
图3是根据本公开一些实施例的基于云计算的风机在线监测方法的一个应用场景的示意图。
在图3的应用场景中,首先,基于粒子群优化后的支持向量机,对初始风机性能曲线302进行拟合,得到目标风机性能曲线303;其次,计算设备301可以获取风机的实时运行数据集合304;然后,基于所述实时运行数据集合304,计算所述风机的性能指标305;之后,基于所述实时运行数据集合304和所述风机的性能指标305,将风机运行工况点306实时显示在所述目标风机性能曲线上303;最后,响应于确定所述风机运行工况点306对应所述目标风机性能曲线303上的性能指标与计算所得的性能指标偏差超过预警阈值,生成预警提示307。
需要说明的是,上述计算设备301可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图3中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
继续参考图4,示出了根据本公开的基于云计算的风机在线监测方法的一些实施例的流程400。该方法可以由图3中的计算设备301来执行。该基于云计算的风机在线监测方法,包括以下步骤:
步骤401,基于粒子群优化后支持向量机,对初始风机性能曲线进行拟合,得到目标风机性能曲线。
在一些实施例中,基于云计算的风机在线监测方法的执行主体(如图3所示的计算设备301)可以基于粒子群优化后支持向量机,对初始风机性能曲线进行拟合,得到目标风机性能曲线。其中,所述支持向量机(Support Vector Machine,SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalizedlinear classifier)。所述拟合通常是指把平面上一系列的点,用一条光滑的曲线连接起来。所述初始风机性能曲线可以是厂家提供的所述风机的性能曲线。
步骤402,获取风机的实时运行数据集合。
在一些实施例中,所述执行主体可以通过有线连接方式或无线连接方式获取风机的实时运行数据集合。作为示例,上述执行主体可以通过有线连接方式或无线连接方式连接其他电子设备,然后获取所连接电子设备的实时运行数据集合作为上述风机的实时运行数据集合。
在一些实施例的一些可选的实现方式中,所述实时运行数据集合中的运行数据包括但限于以下至少一项:风机运行时的进出口温度、进出口静压、大气压力、大气湿度、电机功率以及导叶开度。
采用热力学原理的风机性能测量方法的理论基础是通过测量风机进出口的温度及静压来替代所需要测量的速度场。即使是离心风机,在出口速度场(动压)分布很不均匀的情况下,风机出口的静压场及温度场非常均匀,特别是温度场。针对温度场均匀性高的特点,可以只使用1根温度计,且安装位置灵活,所以系统具有结构简单、易于安装及没有运行阻力的优点。
步骤403,基于所述实时运行数据集合,计算所述风机的性能指标。
在一些实施例中,所述执行主体可以基于所述实时运行数据集合,计算所述风机的性能指标。
在一些实施例的一些可选的实现方式中,基于热力学原理,通过测量得到的所述风机运行时的进出口的温度、进出口静压、大气压力、大气湿度和采集到的电动机的功率信号,计算得到风机的流量与风机全压效率。
空气在压缩过程中,温度会随着压力的升高而上升。对于火电机组的一二次风机可以认为是增压比较小的压气机。在忽略掉风机进出口的高差和表面散热后,根据能量守恒定律,风机出口空气动能与焓值之和应该等于风机进口空气焓值与输入风机的电机功率之和,而风机出口的气体动能与流量之间存在函数关系。基于此,可以求解出风机的流量,进而计算出风机的效率。考虑到我国大部分地区夏季高温多雨、空气湿度较大,所以对风机流量的测量也考虑了水蒸气对空气物性参数的修正影响。
步骤404,基于所述实时运行数据集合和所述风机的性能指标,将风机运行工况点实时显示在所述目标风机性能曲线上。
在一些实施例中,所述执行主体可以基于所述实时运行数据集合和所述风机的性能指标,将风机运行工况点实时显示在所述目标风机性能曲线上。所述风机运行工况点通常是指通风机个体特性曲线与矿井或管道风阻特性曲线在同一坐标图上的交点。作为示例,所述风机运行工况点可以是一个二维参数。可以实现让人清晰明了的看出所述风机运行工况点对应所述目标风机性能曲线上的性能指标与计算所得的性能指标的偏差。
步骤405,响应于确定所述风机运行工况点对应所述目标风机性能曲线上的性能指标与计算所得的性能指标偏差超过预警阈值,生成预警提示。
在一些实施例中,所述执行主体可以当确定所述风机运行工况点对应所述目标风机性能曲线上的性能指标与计算所得的性能指标偏差超过预警阈值时,生成预警提示。
在一些实施例的一些可选的实现方式中,将所述风机各角度对应的风机性能曲线的峰值点光滑连接,形成所述风机的喘振边界线;响应于确定所述风机运行工况点与所述风机性能曲线的喘振边界线的偏差超过预警阈值,生成预警提示。实现风机动态工作点与静态特性曲线相对位置实时监视、喘振事故的实时预报,历史数据和传真报警数据的记录与查询等功能,
在一些实施例的一些可选的实现方式中,响应于所述风机的性能指标和所述目标风机性能曲线上对应所述风机运行工况点的性能指标的偏差超过预警阈值,生成预警提示,其中,所述风机的性能指标包括:风机全压效率和风机导叶实际开度,所述风机运行工况点的性能指标包括:对应工况点的效率和折算导叶开度。作为示例,比对风机全压效率与性能曲线上对应工况点的效率,偏差超过预警阈值,生成预警提示。比对风机导叶实际开度与性能曲线上对应工况点的折算导叶开度,偏差超过预警阈值,生成预警提示。
在一些实施例的一些可选的实现方式中,目标工况点的风机全压效率与性能曲线上对应工况点的效率的偏差超过所述预警阈值,生成用于表征优化调整的预警提示;响应于确定优化调整完成,确定不同工况点的风机全压效率与性能曲线上对应工况点的效率超过所述预警阈值的次数是否超过第一预设次数;响应于确定超过,生成用于表征建议停炉检查或进行设备改造的预警提示。
在一些实施例的一些可选的实现方式中,不同工况点的风机导叶实际开度与所述目标风机性能曲线上对应工况点的折算导叶开度超过所述预警阈值的次数超过第二预设次数,生成用于表征停机检修动叶的预警提示。
继续参考图6,示出了根据本公开的基于云计算的风机在线监测装置的一些实施例的流程600。该基于云计算的风机在线监测装置,包括:拟合模块601、获取模块602、计算模块603、显示模块604和预警模块605。其中,拟合模块601,被配置成基于粒子群优化后的支持向量机,对初始风机性能曲线进行拟合,得到目标风机性能曲线;获取模块602,被配置成获取风机的实时运行数据集合;计算模块603,被配置成基于所述实时运行数据集合,计算所述风机的性能指标;显示模块604,被配置成基于所述实时运行数据集合和所述风机的性能指标,将风机运行工况点实时显示在所述目标风机性能曲线上;预警模块605,被配置成响应于确定所述风机运行工况点对应所述目标风机性能曲线上的性能指标与计算所得的性能指标偏差超过预警阈值,生成预警提示。
在一些实施例的一些可选的实现方式中,将所述风机各角度对应的风机性能曲线的峰值点光滑连接,形成所述风机的喘振边界线;响应于确定所述风机运行工况点与所述风机性能曲线的喘振边界线的偏差超过预警阈值,生成预警提示。
在一些实施例的一些可选的实现方式中,所述实时运行数据集合中的运行数据包括但限于以下至少一项:风机运行时的进出口温度、进出口静压、大气压力、大气湿度、电机功率以及导叶开度。
在一些实施例的一些可选的实现方式中,所述计算模块603被进一步配置成:基于热力学原理,通过测量得到的所述风机运行时的进出口的温度、进出口静压、大气压力、大气湿度和采集到的电动机的功率信号,计算得到风机的流量与风机全压效率。
在一些实施例的一些可选的实现方式中,所述装置被进一步配置成:响应于所述风机的性能指标和所述目标风机性能曲线上对应所述风机运行工况点的性能指标的偏差超过预警阈值,生成预警提示,其中,所述风机的性能指标包括:风机全压效率和风机导叶实际开度,所述风机运行工况点的性能指标包括:对应工况点的效率和折算导叶开度。
在一些实施例的一些可选的实现方式中,所述装置被进一步配置成:目标工况点的风机全压效率与性能曲线上对应工况点的效率的偏差超过所述预警阈值,生成用于表征优化调整的预警提示;响应于确定优化调整完成,确定不同工况点的风机全压效率与性能曲线上对应工况点的效率超过所述预警阈值的次数是否超过第一预设次数;响应于确定超过,生成用于表征建议停炉检查或进行设备改造的预警提示。
在一些实施例的一些可选的实现方式中,所述装置被进一步配置成:不同工况点的风机导叶实际开度与所述目标风机性能曲线上对应工况点的折算导叶开度超过所述预警阈值的次数超过第二预设次数,生成用于表征停机检修动叶的预警提示。
下面参考图7,其示出了适于用来实现本公开的一些实施例的电子设备(例如图3中的计算设备301)700的结构示意图。图7示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM702被安装。在该计算机程序被处理装置701执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:基于粒子群优化后支持向量机,对初始风机性能曲线进行拟合,得到目标风机性能曲线;获取风机的实时运行数据集合;基于所述实时运行数据集合,计算所述风机的性能指标;基于所述实时运行数据集合和所述风机的性能指标,将风机运行工况点实时显示在所述目标风机性能曲线上;响应于确定所述风机运行工况点对应所述目标风机性能曲线上的性能指标与计算所得的性能指标偏差超过预警阈值,生成预警提示。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括拟合模块、获取模块、拟合单元、计算模块、显示模块和预警模块。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,拟合模块还可以被描述为“基于粒子群优化后支持向量机,对初始风机性能曲线进行拟合,得到目标风机性能曲线的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种基于云计算的风机在线监测方法,其特征在于,包括:
基于粒子群优化后的支持向量机,对初始风机性能曲线进行拟合,得到目标风机性能曲线;
获取风机的实时运行数据集合;
基于所述实时运行数据集合,计算所述风机的性能指标;
基于所述实时运行数据集合和所述风机的性能指标,将风机运行工况点实时显示在所述目标风机性能曲线上;
响应于确定所述风机运行工况点对应所述目标风机性能曲线上的性能指标与计算所得的性能指标偏差超过预警阈值,生成预警提示。
2.如权利要求1所述的基于云计算的风机在线监测方法,其特征在于,所述方法还包括:
将所述风机各角度对应的风机性能曲线的峰值点光滑连接,形成所述风机的喘振边界线;
响应于确定所述风机运行工况点与所述风机性能曲线的喘振边界线的偏差超过预警阈值,生成预警提示。
3.如权利要求1所述的基于云计算的风机在线监测方法,其特征在于,所述实时运行数据集合中的运行数据包括但限于以下至少一项:风机运行时的进出口温度、进出口静压、大气压力、大气湿度、电机功率以及导叶开度。
4.如权利要求1所述的基于云计算的风机在线监测方法,其特征在于,所述基于所述实时运行数据集合,计算所述风机的各项性能指标,包括:
基于热力学原理,通过测量得到的所述风机运行时的进出口的温度、进出口静压、大气压力、大气湿度和采集到的电动机的功率信号,计算得到风机的流量与风机全压效率。
5.如权利要求1所述的基于云计算的风机在线监测方法,其特征在于,所述方法还包括:
响应于所述风机的性能指标和所述目标风机性能曲线上对应所述风机运行工况点的性能指标的偏差超过预警阈值,生成预警提示,其中,所述风机的性能指标包括:风机全压效率和风机导叶实际开度,所述风机运行工况点的性能指标包括:对应工况点的效率和折算导叶开度。
6.如权利要求5所述的基于云计算的风机在线监测方法,其特征在于,所述响应于所述风机的各项性能指标和所述目标风机性能曲线上对应所述风机运行工况点的性能指标的偏差超过预警阈值,生成预警提示,包括:
目标工况点的风机全压效率与性能曲线上对应工况点的效率的偏差超过所述预警阈值,生成用于表征优化调整的预警提示;
响应于确定优化调整完成,确定不同工况点的风机全压效率与性能曲线上对应工况点的效率超过所述预警阈值的次数是否超过第一预设次数;
响应于确定超过,生成用于表征建议停炉检查或进行设备改造的预警提示。
7.如权利要求5所述的基于云计算的风机在线监测方法,其特征在于,所述响应于所述风机的各项性能指标和所述目标风机性能曲线上对应所述风机运行工况点的性能指标的偏差超过预警阈值,生成预警提示,包括:
不同工况点的风机导叶实际开度与所述目标风机性能曲线上对应工况点的折算导叶开度超过所述预警阈值的次数超过第二预设次数,生成用于表征停机检修动叶的预警提示。
8.一种基于云计算的风机在线监测装置,其特征在于,包括:
拟合模块,被配置成基于粒子群优化后的支持向量机,对初始风机性能曲线进行拟合,得到目标风机性能曲线;
获取模块,被配置成获取风机的实时运行数据集合;
计算模块,被配置成基于所述实时运行数据集合,计算所述风机的性能指标;
显示模块,被配置成基于所述实时运行数据集合和所述风机的性能指标,将风机运行工况点实时显示在所述目标风机性能曲线上;
预警模块,被配置成响应于确定所述风机运行工况点对应所述目标风机性能曲线上的性能指标与计算所得的性能指标偏差超过预警阈值,生成预警提示。
9.一种基于云计算的风机在线监测系统,其特征在于,包括现场数据采集单元、数据采集终端、CIM数据中心和监视终端,所述现场数据采集单元与数据采集终端连接,所述数据采集终端与CIM数据中心无线连接,所述CIM数据中心与监视终端无线连接,其中:
所述现场数据采集单元,用于将采集风机运行时的进出口温度、进出口静压、大气压力、大气湿度、电机功率以及导叶开度;
所述数据采集终端,用于将所述传感器采集的监测数据上传到云端CIM数据中心;
所述CIM数据中心,用于对所述传感器采集的监测数据进行存储管理;
所述监视终端,用于从CIM数据中心调取数据,进行分析计算,实时显示风机的性能参数和运行状态,并根据设定的阈值进行报警。
10.如权利要求9所述的基于云计算的风机在线监测系统,其特征在于,所述现场数据采集单元,包括:传感器、数据通讯接口、电源模块,其中:
所述传感器至少包括静压传感器、温度传感器、功率采集器、大气压力传感器,大气湿度传感器、导叶开度传感器、风机进出口温度传感器,其中:
所述风机进出口温度传感器为热电偶或者热电阻设置在风机进出口的烟道上,用于监测风机运行时的进出口温度;
所述静压传感器设置在沿风机进出口风道圆周方向上,用于监测风机运行时的进出口静压;
所述导叶开度传感器设置在风机导叶的执行机构上,用于监测风机运行时的导叶开度;
所述大气压力传感器和所述大气湿度传感器设置在风机进口附近的空气中,分别用于监测风机运行时的大气压力和大气湿度;
所述功率采集器设置在风机电机的开关柜中,用于监测风机运行时的电机功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110368994.2A CN113153794B (zh) | 2021-04-06 | 2021-04-06 | 基于云计算的风机在线监测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110368994.2A CN113153794B (zh) | 2021-04-06 | 2021-04-06 | 基于云计算的风机在线监测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113153794A true CN113153794A (zh) | 2021-07-23 |
CN113153794B CN113153794B (zh) | 2023-04-18 |
Family
ID=76888662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110368994.2A Active CN113153794B (zh) | 2021-04-06 | 2021-04-06 | 基于云计算的风机在线监测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113153794B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881375A (zh) * | 2022-07-11 | 2022-08-09 | 浙江科维节能技术股份有限公司 | 一种风机系统的诊断调优系统及方法 |
CN114992150A (zh) * | 2022-05-19 | 2022-09-02 | 西安热工研究院有限公司 | 燃煤电站风机失速的预警方法、装置及存储介质 |
CN115013340A (zh) * | 2022-05-19 | 2022-09-06 | 西安热工研究院有限公司 | 火电厂轴流风机动叶调节故障的预警方法及装置 |
CN115238471A (zh) * | 2022-06-30 | 2022-10-25 | 华能安源发电有限责任公司 | 风机效能在线监视方法、装置、电子设备和可读介质 |
CN116704735A (zh) * | 2023-08-08 | 2023-09-05 | 湖南江河能源科技股份有限公司 | 一种水电站智能报警方法、系统、终端及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3520318A (en) * | 1965-12-22 | 1970-07-14 | Bbc Brown Boveri & Cie | Controller with asymmetrical feedback time constant |
CN102606464A (zh) * | 2011-12-15 | 2012-07-25 | 西安兴仪启动发电试运有限公司 | 一种轴流风机喘振和失速实时监测和预防方法 |
CN109579225A (zh) * | 2018-11-26 | 2019-04-05 | 邝德昌 | 基于物联网的智能蒸发式冷风机监控方法及系统 |
CN109598523A (zh) * | 2019-01-23 | 2019-04-09 | 广东百朗新风系统有限公司 | 新风机设备的大数据处理方法及系统 |
CN210738891U (zh) * | 2019-07-30 | 2020-06-12 | 广西电网有限责任公司电力科学研究院 | 一种用于电站锅炉的轴流式引风机性能测试系统 |
CN111526202A (zh) * | 2020-04-29 | 2020-08-11 | 华润电力技术研究院有限公司 | 一种风机故障预警系统和方法 |
CN111985096A (zh) * | 2020-08-12 | 2020-11-24 | 浙江浙能技术研究院有限公司 | 一种基于风机实际临界失速曲线的引风机失速智能预警方法 |
-
2021
- 2021-04-06 CN CN202110368994.2A patent/CN113153794B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3520318A (en) * | 1965-12-22 | 1970-07-14 | Bbc Brown Boveri & Cie | Controller with asymmetrical feedback time constant |
CN102606464A (zh) * | 2011-12-15 | 2012-07-25 | 西安兴仪启动发电试运有限公司 | 一种轴流风机喘振和失速实时监测和预防方法 |
CN109579225A (zh) * | 2018-11-26 | 2019-04-05 | 邝德昌 | 基于物联网的智能蒸发式冷风机监控方法及系统 |
CN109598523A (zh) * | 2019-01-23 | 2019-04-09 | 广东百朗新风系统有限公司 | 新风机设备的大数据处理方法及系统 |
CN210738891U (zh) * | 2019-07-30 | 2020-06-12 | 广西电网有限责任公司电力科学研究院 | 一种用于电站锅炉的轴流式引风机性能测试系统 |
CN111526202A (zh) * | 2020-04-29 | 2020-08-11 | 华润电力技术研究院有限公司 | 一种风机故障预警系统和方法 |
CN111985096A (zh) * | 2020-08-12 | 2020-11-24 | 浙江浙能技术研究院有限公司 | 一种基于风机实际临界失速曲线的引风机失速智能预警方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114992150A (zh) * | 2022-05-19 | 2022-09-02 | 西安热工研究院有限公司 | 燃煤电站风机失速的预警方法、装置及存储介质 |
CN115013340A (zh) * | 2022-05-19 | 2022-09-06 | 西安热工研究院有限公司 | 火电厂轴流风机动叶调节故障的预警方法及装置 |
CN115238471A (zh) * | 2022-06-30 | 2022-10-25 | 华能安源发电有限责任公司 | 风机效能在线监视方法、装置、电子设备和可读介质 |
CN114881375A (zh) * | 2022-07-11 | 2022-08-09 | 浙江科维节能技术股份有限公司 | 一种风机系统的诊断调优系统及方法 |
CN116704735A (zh) * | 2023-08-08 | 2023-09-05 | 湖南江河能源科技股份有限公司 | 一种水电站智能报警方法、系统、终端及存储介质 |
CN116704735B (zh) * | 2023-08-08 | 2023-11-03 | 湖南江河能源科技股份有限公司 | 一种水电站智能报警方法、系统、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113153794B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113153794B (zh) | 基于云计算的风机在线监测方法、装置及系统 | |
EP3465359B1 (en) | System and method for controlling a dynamic system, in particular a wind turbine | |
CN113847216B (zh) | 风机叶片的状态预测方法、装置、设备及存储介质 | |
CN104597934B (zh) | 一种变压器用智能型冷却器控制系统及其控制方法 | |
CN111340307B (zh) | 预测风机风力发电功率的方法以及相关装置 | |
CN103324222A (zh) | 一种热泵实验室的温湿度控制和耗能效率测试系统及方法 | |
Barber et al. | Development of a wireless, non-intrusive, MEMS-based pressure and acoustic measurement system for large-scale operating wind turbine blades | |
CN111342499A (zh) | 一种基于风功率预测数据的风电场实时调度方法 | |
CN110023621B (zh) | 确定风力涡轮上的载荷 | |
US20210060474A1 (en) | Method for predicting the service life of a filter | |
CN110188939B (zh) | 风电场的风功率的预测方法、系统、设备和存储介质 | |
US8839663B2 (en) | Working fluid sensor system for power generation system | |
CN116557230A (zh) | 一种风电场机组功率异常在线评估方法及系统 | |
CN108760329B (zh) | 一种低压涡轮噪声试验方法及其改进方法 | |
CN111738556B (zh) | 一种基于机头微气候评估风机发电能力的方法 | |
CN113343562B (zh) | 一种基于混合建模策略的风机功率预测方法及系统 | |
CN116146514A (zh) | 基于轴流风机的流体动力状态调整方法 | |
CN115898787A (zh) | 一种风电机组静态偏航误差动态识别方法及装置 | |
CN112798318B (zh) | 一种湿冷机组冷端性能监测及智能诊断系统 | |
CN111325440A (zh) | 一种风电场测风塔自由流风速的估算方法及装置 | |
CN110942218B (zh) | 计算风电场上网电量的方法、装置以及系统 | |
CN214944743U (zh) | 一种海上风电机组载荷测试数据采集系统 | |
CN218151084U (zh) | 低压缸零出力机组的数据采集装置及其冷却流量监测装置 | |
CN214698180U (zh) | 一种基于特定场址湍流分布检测风电机组疲劳载荷的系统 | |
Dai et al. | Study on Obtaining Real Power Curve of Wind Turbines Using SCADA Data |
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 |