CN113250986B - 基于大数据的燃煤发电机组引风机电动机保护方法及系统 - Google Patents

Abstract

本发明涉及一种基于大数据的燃煤发电机组引风机电动机保护方法及系统，方法包括：通过初始化步骤求解上包络阈值曲线和下包络阈值曲线；周期性采集燃煤发电机组引风机电动机在不同的动叶调节阀开度x下的电流值y，获得电流有序实数对(x,y)；判断(x,y)是否位于生成的上包络阈值曲线和下包络阈值曲线之间，若是则判定电动机运行正常，否则判定电动机运行异常，并执行保护步骤。与现有技术相比，本发明避免了轻载条件下的保护拒动，提高了电动机保护的精度、灵敏度和可靠性。

Description

基于大数据的燃煤发电机组引风机电动机保护方法及系统

技术领域

本发明涉及一种引风机电动机保护技术，尤其是涉及一种基于大数据的燃煤发电机组引风机电动机保护方法及系统。

背景技术

现有的引风机在电动机侧保护为热继电器，一般取电动机额定电流的1.05倍作为保护整定值，并增加反时限特性。如果引风机电动机运行在额定工况附近时，上述保护措施能够对引风机电动机进行有效保护，但引风机在运行过程中，随着发电机组的出力变化，所需要的风量也随之变化，通过引风机的动叶调节阀的开度改变依靠比例积分微分控制调整至目标风量。由于燃煤发电机组大部分时间运行在出力较低的状态，此时所需风量较小，引风机电动机电流也较小，而电动机的保护是按照躲过最高风量时电动机电流来整定，若此时引风机自身发生故障，会导致保护拒动，当故障进一步恶化，导致保护动作时，往往导致燃煤发电机组紧急减出力或紧急停机，并进行紧急抢修，威胁了电网安全，也影响了燃煤发电机组的经济效益，费时费力费财。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于大数据的燃煤发电机组引风机电动机保护方法及系统，避免了轻载条件下的保护拒动，提高了电动机保护的精度、灵敏度和可靠性。

本发明的目的可以通过以下技术方案来实现：

一种基于大数据的燃煤发电机组引风机电动机保护方法，包括：

通过初始化步骤求解上包络阈值曲线和下包络阈值曲线；

周期性采集燃煤发电机组引风机电动机在不同的动叶调节阀开度x下的电流值y，获得电流有序实数对(x,y)；

判断(x,y)是否位于生成的上包络阈值曲线和下包络阈值曲线之间，若是则判定电动机运行正常，否则判定电动机运行异常，并执行保护步骤；

其中，所述的初始化步骤包括：

在电动机正常运行的情况下，调节动叶调节阀开度x，并周期性采集电动机的电流值，获得数据集D＝{P_i(x_i,y_i)|1≤i≤n,i∈N⁺}，其中n为采集次数；

根据数据集D获取数据集D_j，所述的D_j的表达式为：

D_j＝{P(x,y)|P∈D,a+jΔx≤x≤a+(j+1)Δx},(0≤j≤9,j∈N)

其中，a＝min{x_i}，

b＝max{x_i}；

根据数据集D_j获取数据集D_s，所述的D_s的表达式为：

D_s＝{P_av,j(x_av,j,y_av,j)|1≤j≤9,j∈N⁺}

其中，

y_av,j为数据集D_j中所有y值的算术平均值；

根据数据集D_s，通过拟合曲线获得曲线函数f(x)；

所述的上包络阈值曲线函数g(x)＝1.1f(x)；

所述的下包络阈值曲线h(x)＝0.9f(x)；

根据上包络阈值曲线和下包络阈值曲线判断电动机电流值是否正常，正常运行的电动机电流值的上下阈值随着动叶调节阀开度而适应性变化，避免了轻载条件下的保护拒动，提高了电动机保护的精度、灵敏度和可靠性，在电动机故障发生的初始阶段即可精确判断，为检修引风机提供了宽裕的检修窗口时间，在电动机故障发生的初始阶段，所述的引风机仍可运行一段时间，此时检修人员可在燃煤发电机组负荷低谷时进行检修，避免了原有故障恶化，而导致引风机无法继续运行，被迫紧急停引风机进行抢修，导致燃煤发电机组被迫降出力，乃至被迫停燃煤发电机组。

进一步地，所述的拟合曲线的过程包括：

通过三次B样条曲线插值法确定函数f(x)。

进一步地，所述的保护步骤包括：控制电动机跳闸。

进一步地，所述的保护步骤包括：发出警报。

进一步地，所述的电动机的电流值的采集周期为100ms。

一种基于大数据的燃煤发电机组引风机电动机保护系统，包括初始计算模块、数据采样模块、状态判断模块和保护执行模块；

所述的初始计算模块通过初始化步骤求解上包络阈值曲线和下包络阈值曲线；

所述的数据采样模块周期性采集燃煤发电机组引风机电动机在不同的动叶调节阀开度x下的电流值y，获得电流有序实数对(x,y)；

所述的状态判断模块判断(x,y)是否位于生成的上包络阈值曲线和下包络阈值曲线之间，若是则判定电动机运行正常，否则判定电动机运行异常，并发送执行指令给保护执行模块，所述的保护执行模块接收执行指令，并执行保护步骤；

其中，所述的初始化步骤包括：

在电动机正常运行的情况下，所述的初始计算模块调节动叶调节阀开度x；

所述的数据采样模块周期性采集电动机的电流值y，获得数据集D，所述的D的表达式为：

D＝{P_i(x_i,y_i)|1≤i≤n,i∈N⁺}

其中，n为采集次数；

所述的初始计算模块根据数据集D获取数据集D_j，所述的D_j的表达式为：

D_j＝{P(x,y)|P∈D,a+jΔx≤x≤a+(j+1)Δx},(0≤j≤9,j∈N)

其中，a＝min{x_i}，

b＝max{x_i}；

所述的初始计算模块根据数据集D_j获取数据集D_s，所述的D_s的表达式为：

D_s＝{P_av,j(x_av,j,y_av,j)|1≤j≤9,j∈N⁺}

其中，

y_av,j为数据集D_j中所有y值的算术平均值；

所述的初始计算模块根据数据集D_s，通过拟合曲线获得曲线函数f(x)；

所述的上包络阈值曲线函数g(x)＝1.1f(x)；

所述的下包络阈值曲线h(x)＝0.9f(x)；

根据上包络阈值曲线和下包络阈值曲线判断电动机电流值是否正常，正常运行的电动机电流值的上下阈值随着动叶调节阀开度而适应性变化，避免了轻载条件下的保护拒动，提高了电动机保护的精度、灵敏度和可靠性，在电动机故障发生的初始阶段即可精确判断，为检修引风机提供了宽裕的检修窗口时间，在电动机故障发生的初始阶段，所述的引风机仍可运行一段时间，此时检修人员可在燃煤发电机组负荷低谷时进行检修，避免了原有故障恶化，而导致引风机无法继续运行，被迫紧急停引风机进行抢修，导致燃煤发电机组被迫降出力，乃至被迫停燃煤发电机组。

进一步地，所述的拟合曲线的过程包括：

所述的初始计算模块通过三次B样条曲线插值法确定函数f(x)。

进一步地，所述的保护步骤包括：所述的保护执行模块控制电动机跳闸。

进一步地，所述的保护步骤包括：所述的保护执行模块发出警报。

进一步地，所述的电动机的电流值的采集周期为100ms。

与现有技术相比，本发明具有以如下有益效果：

本发明在电动机正常运行的情况下，调节动叶调节阀开度，并周期性采集电动机的电流值，获得若干电流有序实数对，并根据若干电流有序实数对计算求得上包络阈值曲线和下包络阈值曲线，根据上包络阈值曲线和下包络阈值曲线判断当前开度下电动机电流值是否正常，正常运行的电动机电流值的上下阈值随着动叶调节阀开度而适应性变化，避免了轻载条件下的保护拒动，提高了电动机保护的精度、灵敏度和可靠性，在电动机故障发生的初始阶段即可精确判断，为检修引风机提供了宽裕的检修窗口时间，在电动机故障发生的初始阶段，所述的引风机仍可运行一段时间，此时检修人员可在燃煤发电机组负荷低谷时进行检修，避免了原有故障恶化，而导致引风机无法继续运行，被迫紧急停引风机进行抢修，导致燃煤发电机组被迫降出力，乃至被迫停燃煤发电机组。

附图说明

图1为本发明的方法流程图；

图2为电流有序实数对的散点图；

图3为上包络阈值曲线和下包络阈值曲线的示意图；

图4为判定电动机运行正常时电流有序实数对的位置示意图；

图5为判定电动机运行异常时电流有序实数对的位置示意图；

图6为电动机保护装置的结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

一种基于大数据的燃煤发电机组引风机电动机保护方法，如图1，包括：

1)通过初始化步骤求解上包络阈值曲线和下包络阈值曲线；

2)周期性采集燃煤发电机组引风机电动机在不同的动叶调节阀开度x下的电流值y，获得电流有序实数对(x,y)，采集周期为100ms；

3)判断(x,y)是否位于生成的上包络阈值曲线和下包络阈值曲线之间，若是则判定电动机运行正常，否则判定电动机运行异常，并控制电动机跳闸或发出警报。

其中，初始化步骤包括：

在电动机正常运行的情况下，调节动叶调节阀开度x，并周期性采集电动机的电流值，获得数据集D＝{P_i(x_i,y_i)|1≤i≤n,i∈N⁺}，其中n为采集次数，采集周期为100ms，获得的电流有序实数对的散点图如图2所示，

根据数据集D获取数据集D_j，D_j的表达式为：

D_j＝{P(x,y)|P∈D,a+jΔx≤x≤a+(j+1)Δx},(0≤j≤9,j∈N)

其中，a＝min{x_i}，

b＝max{x_i}；

根据数据集D_j获取数据集D_s，D_s的表达式为：

D_s＝{P_av,j(x_av,j,y_av,j)|1≤j≤9,j∈N⁺}

其中，

y_av,j为数据集D_j中所有y值的算术平均值；

根据数据集D_s，通过三次B样条曲线插值法确定函数f(x)；

上包络阈值曲线函数g(x)＝1.1f(x)，下包络阈值曲线h(x)＝0.9f(x)；f(x)、g(x)和h(x)的曲线图如图3所示；

如图4，判定电动机运行正常时，电流有序实数对位于上包络阈值曲线和下包络阈值曲线之间，如图5，判定电动机运行异常时，电流有序实数对位于上包络阈值曲线和下包络阈值曲线外侧。

如图6，本实施例提出的电动机保护方法基于电动机保护装置，包括上位计算机、DCS或PLC、开度测量单元、动叶调节单元和电动机电流测量单元，动叶调节单元调节动叶调节阀开度，开度测量单元测量动叶调节阀开度并上传至DCS或PLC，电动机电流测量单元测量电动机电流值，并上传至DCS或PLC，DCS或PLC将动叶调节阀开度和电动机电流值上传至上位计算机，上位计算机进行判定保护计算，若判定电动机运行异常，上位计算机发出故障信号，并通过DCS或PLC的开关量输出点连接至电动机电源接触器跳闸回路的机构执行跳闸指令。

电动机保护装置都是工控系统完成控制功能所具备的，无需增加额外的元件或安装，实现容易，只对数据进行初始化运算和保护判定计算。

根据上包络阈值曲线和下包络阈值曲线判断电动机电流值是否正常，正常运行的电动机电流值的上下阈值随着动叶调节阀开度而适应性变化，避免了轻载条件下的保护拒动，提高了电动机保护的精度、灵敏度和可靠性，在电动机故障发生的初始阶段即可精确判断，为检修引风机提供了宽裕的检修窗口时间，在电动机故障发生的初始阶段，引风机仍可运行一段时间，此时检修人员可在燃煤发电机组负荷低谷时进行检修，避免了原有故障恶化，而导致引风机无法继续运行，被迫紧急停引风机进行抢修，导致燃煤发电机组被迫降出力，乃至被迫停燃煤发电机组；

本实施例提出的电动机保护方法能在故障萌芽状态发现故障，一定程度上能够预测严重故障，为状态检修提供了可靠的决策依据，也可用作无人值守自动运行系统的自动监盘措施。

实施例2

一种基于大数据的燃煤发电机组引风机电动机保护系统，包括初始计算模块、数据采样模块、状态判断模块和保护执行模块；

初始计算模块通过初始化步骤求解上包络阈值曲线和下包络阈值曲线；

数据采样模块周期性采集燃煤发电机组引风机电动机在不同的动叶调节阀开度x下的电流值y，获得电流有序实数对(x,y)，采集周期为100ms；

状态判断模块判断(x,y)是否位于生成的上包络阈值曲线和下包络阈值曲线之间，若是则判定电动机运行正常，否则判定电动机运行异常，并发送执行指令给保护执行模块，所述的保护执行模块接收执行指令，并控制电动机跳闸或发出警报；

其中，初始化步骤包括：

在电动机正常运行的情况下，初始计算模块调节动叶调节阀开度x；

数据采样模块周期性采集电动机的电流值y，获得数据集D，采集周期为100ms，D的表达式为：

D＝{P_i(x_i,y_i)|1≤i≤n,i∈N⁺}

其中，n为采集次数；

初始计算模块根据数据集D获取数据集D_j，D_j的表达式为：

D_j＝{P(x,y)|P∈D,a+jΔx≤x≤a+(j+1)Δx},(0≤j≤9,j∈N)

其中，a＝min{x_i}，

b＝max{x_i}；

初始计算模块根据数据集D_j获取数据集D_s，D_s的表达式为：

D_s＝{P_av,j(x_av,j,y_av,j)|1≤j≤9,j∈N⁺}

其中，

y_av,j为数据集D_j中所有y值的算术平均值；

初始计算模块根据数据集D_s，通过三次B样条曲线插值法确定函数f(x)；

上包络阈值曲线函数g(x)＝1.1f(x)；

下包络阈值曲线h(x)＝0.9f(x)。

根据上包络阈值曲线和下包络阈值曲线判断电动机电流值是否正常，正常运行的电动机电流值的上下阈值随着动叶调节阀开度而适应性变化，避免了轻载条件下的保护拒动，提高了电动机保护的精度、灵敏度和可靠性，在电动机故障发生的初始阶段即可精确判断，为检修引风机提供了宽裕的检修窗口时间，在电动机故障发生的初始阶段，引风机仍可运行一段时间，此时检修人员可在燃煤发电机组负荷低谷时进行检修，避免了原有故障恶化，而导致引风机无法继续运行，被迫紧急停引风机进行抢修，导致燃煤发电机组被迫降出力，乃至被迫停燃煤发电机组。

实施例1和实施例2提出了基于大数据的燃煤发电机组引风机电动机保护方法及系统，根据上包络阈值曲线和下包络阈值曲线判断当前开度下电动机电流值是否正常，正常运行的电动机电流值的上下阈值随着动叶调节阀开度而适应性变化，避免了轻载条件下的保护拒动，提高了电动机保护的精度、灵敏度和可靠性。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于大数据的燃煤发电机组引风机电动机保护方法，其特征在于，包括：

通过初始化步骤求解上包络阈值曲线和下包络阈值曲线；

周期性采集燃煤发电机组引风机电动机在不同的动叶调节阀开度x下的电流值y，获得电流有序实数对(x,y)；

判断(x,y)是否位于生成的上包络阈值曲线和下包络阈值曲线之间，若是则判定电动机运行正常，否则判定电动机运行异常，并执行保护步骤；

其中，所述的初始化步骤包括：

在电动机正常运行的情况下，调节动叶调节阀开度x，并周期性采集电动机的电流值，获得数据集D＝{P_i(x_i,y_i)|1≤i≤n,i∈N⁺}，其中n为采集次数；

根据数据集D获取数据集D_j，所述的D_j的表达式为：

D_j＝{P(x,y)|P∈D,a+jΔx≤x≤a+(j+1)Δx},(0≤j≤9,j∈N)

其中，a＝min{x_i}，

b＝max{x_i}；

根据数据集D_j获取数据集D_s，所述的D_s的表达式为：

D_s＝{P_av,j(x_av,j,y_av,j)|1≤j≤9,j∈N⁺}

其中，

y_av,j为数据集D_j中所有y值的算术平均值；

根据数据集D_s，通过拟合曲线获得曲线函数f(x)；

所述的上包络阈值曲线函数g(x)＝1.1f(x)；

所述的下包络阈值曲线h(x)＝0.9f(x)。

2.根据权利要求1所述的一种基于大数据的燃煤发电机组引风机电动机保护方法，其特征在于，所述的拟合曲线的过程包括：

通过三次B样条曲线插值法确定函数f(x)。

3.根据权利要求1所述的一种基于大数据的燃煤发电机组引风机电动机保护方法，其特征在于，所述的保护步骤包括：控制电动机跳闸。

4.根据权利要求1所述的一种基于大数据的燃煤发电机组引风机电动机保护方法，其特征在于，所述的保护步骤包括：发出警报。

5.根据权利要求1所述的一种基于大数据的燃煤发电机组引风机电动机保护方法，所述的电动机的电流值的采集周期为100ms。

6.一种基于大数据的燃煤发电机组引风机电动机保护系统，其特征在于，包括初始计算模块、数据采样模块、状态判断模块和保护执行模块；

所述的初始计算模块通过初始化步骤求解上包络阈值曲线和下包络阈值曲线；

所述的数据采样模块周期性采集燃煤发电机组引风机电动机在不同的动叶调节阀开度x下的电流值y，获得电流有序实数对(x,y)；

所述的状态判断模块判断(x,y)是否位于生成的上包络阈值曲线和下包络阈值曲线之间，若是则判定电动机运行正常，否则判定电动机运行异常，并发送执行指令给保护执行模块，所述的保护执行模块接收执行指令，并执行保护步骤；

其中，所述的初始化步骤包括：

在电动机正常运行的情况下，所述的初始计算模块调节动叶调节阀开度x；

所述的数据采样模块周期性采集电动机的电流值y，获得数据集D，所述的D的表达式为：

D＝{P_i(x_i,y_i)|1≤i≤n,i∈N⁺}

其中，n为采集次数；

所述的初始计算模块根据数据集D获取数据集D_j，所述的D_j的表达式为：

D_j＝{P(x,y)|P∈D,a+jΔx≤x≤a+(j+1)Δx},(0≤j≤9,j∈N)

其中，a＝min{x_i}，

b＝max{x_i}；

所述的初始计算模块根据数据集D_j获取数据集D_s，所述的D_s的表达式为：

D_s＝{P_av,j(x_av,j,y_av,j)|1≤j≤9,j∈N⁺}

其中，

y_av,j为数据集D_j中所有y值的算术平均值；

所述的初始计算模块根据数据集D_s，通过拟合曲线获得曲线函数f(x)；

所述的上包络阈值曲线函数g(x)＝1.1f(x)；

所述的下包络阈值曲线h(x)＝0.9f(x)。

7.根据权利要求6所述的一种基于大数据的燃煤发电机组引风机电动机保护系统，其特征在于，所述的拟合曲线的过程包括：

所述的初始计算模块通过三次B样条曲线插值法确定函数f(x)。

8.根据权利要求6所述的一种基于大数据的燃煤发电机组引风机电动机保护系统，其特征在于，所述的保护步骤包括：所述的保护执行模块控制电动机跳闸。

9.根据权利要求6所述的一种基于大数据的燃煤发电机组引风机电动机保护系统，其特征在于，所述的保护步骤包括：所述的保护执行模块发出警报。

10.根据权利要求6所述的一种基于大数据的燃煤发电机组引风机电动机保护系统，所述的电动机的电流值的采集周期为100ms。

Images