CN114037343A - 基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法 - Google Patents
基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法 Download PDFInfo
- Publication number
- CN114037343A CN114037343A CN202111414480.2A CN202111414480A CN114037343A CN 114037343 A CN114037343 A CN 114037343A CN 202111414480 A CN202111414480 A CN 202111414480A CN 114037343 A CN114037343 A CN 114037343A
- Authority
- CN
- China
- Prior art keywords
- water vapor
- index
- vapor system
- evaluation
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 55
- 230000007797 corrosion Effects 0.000 title claims abstract description 46
- 238000005260 corrosion Methods 0.000 title claims abstract description 46
- 238000012502 risk assessment Methods 0.000 title claims abstract description 15
- 238000010276 construction Methods 0.000 title claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000013210 evaluation model Methods 0.000 claims abstract description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 12
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 8
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 7
- 239000001257 hydrogen Substances 0.000 claims description 7
- 229910052739 hydrogen Inorganic materials 0.000 claims description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 229910052742 iron Inorganic materials 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 4
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims description 4
- 229910052802 copper Inorganic materials 0.000 claims description 4
- 239000010949 copper Substances 0.000 claims description 4
- 235000012239 silicon dioxide Nutrition 0.000 claims description 4
- 239000000377 silicon dioxide Substances 0.000 claims description 4
- 229910052708 sodium Inorganic materials 0.000 claims description 4
- 239000011734 sodium Substances 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 2
- 239000000126 substance Substances 0.000 description 7
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000003908 quality control method Methods 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法,包括以下步骤:1、读取水汽系统腐蚀相关指标数据生成指标集A;2、建立电厂水汽系统腐蚀风险综合评估体系的评语集V;3、根据指标类型构建各指标隶属度函数,并生成多层次模糊评估矩阵R;4、生成权重向量集W;5、基于模糊算法建立水汽系统腐蚀风险评估模型B;6、模型选取max bi对应的评语vi作为综合评估结果。发明不仅运用模糊算法将现有水汽系统腐蚀监测相关指标形成了腐蚀风险综合评估模型,且该模型能对电厂水汽系统的运行安全评估、智能运维策略等提供一定的指导,结合实际运行情况,判断水汽系统腐蚀状态,调整锅炉水汽质量至最佳状况,提高其运行安全性与经济性。
Description
技术领域
本发明涉及电厂化学腐蚀技术领域,尤其是一种基于模糊算法的电厂化学腐蚀风险评估模型的构建方法。
背景技术
电厂化学水汽系统的腐蚀、结垢风险采取预防为主的方针。通过汽水品质检测、水汽质量的控制和管理,使全厂水汽合格率满足规定的考核指标,是防止腐蚀的正确措施。但化学水汽系统监控的指标多,且各指标之间的数学关系不明确,导致在实际监控中存在依靠单一指标来评估水汽系统腐蚀程度,且各相关指标在同一时段对水汽系统的腐蚀程度评估不一致,没有综合的、统一的评估指标及标准。其结果是尽管大部分水汽指标已达到考核指标,但腐蚀故障仍不时出现,锅炉结垢速率高,化学清洗周期短。因此,为弥补实际监控中单一指标很难有效反映系统整体状态的短板,提高化学水汽系统运行水平及消除设备隐患,保障热力设备长期安全稳定运行,建立并健全电厂化学水汽系统的腐蚀风险综合评估体系成为迫切需要解决的问题。
发明内容
为了克服上述现有技术存在的问题,本发明的目的是提供一种基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法,能够弥补预防技术的不足,实现电厂水汽系统腐蚀程度的有效监控。
为达到上述目的,本发明采用以下技术方案:
基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法,包括如下步骤:
步骤1:从电厂服务器数据库读取凝结水、给水和高加疏水系统的二氧化硅、钠、铁、铜、氢电导率、pH和含氧量指标的长系列数据,生成指标集A=(a1,a2,a3,...,an);
步骤2:建立电厂水汽系统腐蚀风险综合评估体系的评语集为V=(v1,v2,v3,...,vm);根据电厂水汽系统特性,将评语分为5个级别,即低、较低、中等、较高和高,其对应的风险程度分别为可忽略、可接受、边缘、不可接受和灾变风险;
步骤3:依据行业标准确定二氧化硅、钠、铁、铜、氢电导率属于成本型指标,含氧量和pH属于区间型指标;对水汽系统腐蚀风险的评估指标进行分类确定其隶属度函数,并生成多层次模糊评估矩阵R,rij表示对指标集A中第i个指标评估时隶属于评语集V中第j个评语的程度;
步骤6:获取水汽系统腐蚀风险评估模型评估结果,选取max bj对应的评语vj作为模型评估结果。
步骤3中,根据水汽系统腐蚀风险评估指标类型构建其隶属度函数,具体如下:
成本型指标隶属度函数如下,其中ωi1为各成本型指标根据行业标准确定的最优控制值;
区间型指标隶属度函数如下,其中σi1,σi2为各区间型指标根据行业标准确定的最优控制区间:
步骤4中,各指标权重向量的确定方法选取熵权法,能消除主观确定权重法对评估结果的干扰,使得评估结果更具客观性,其计算步骤如下:
(1)构建rij的判断矩阵D,D=(rij)m×n=(dij),dij是指将rij进行归一化处理后的指标值;
与现有技术相比较,本发明具有以下优点:
本发明不仅运用模糊算法将现有水汽系统腐蚀监测相关指标形成了腐蚀风险综合评估模型,健全了水汽系统的腐蚀风险综合评估方法。且该模型能对电厂水汽系统的运行安全评估、智能运维策略等提供一定的指导。通过对一定量有代表性电厂水汽系统的关联关系分析,结合实际运行情况,判断水汽系统腐蚀状态,调整锅炉水汽质量至最佳状况,可延长发电机组的预期服役年限,提高其运行安全性与经济性。
附图说明
图1为本发明基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法示意图。
具体实施方式
下面结合附图对本发明的工作原理作更详细说明。
1、建立腐蚀风险评语论集V,根据水汽系统特性,将评语分为5个级别,即低、较低、中等、较高和高,其对应的风险程度分别为可忽略、可接受、边缘、不可接受和灾变风险,归一化对应评语论集如下。
V=(低,较低,中等,较高,高)=(1.0,0.8,0.6,0.4,0.2)
2、根据水汽系统腐蚀风险评估指标类型构建其隶属度函数。铁和氢电导率属于成本型指标,成本型指标隶属度函数如下,其中ωi1为各成本型指标根据行业标准确定的最优控制值,铁的最优控制值为3,氢电导率的最优控制值为0.060。
区间型指标隶属度函数如下,其中σi1,σi2为各区间型指标根据行业标准确定的最优控制区间。pH的最优控制值为[8.8,9.8],含氧量的最优控制值为[0,40]。
对水汽系统腐蚀风险的评估指标进行分类并确定其隶属度函数后生成多层次模糊评估矩阵R。
4、建立上述评估指标的水汽系统腐蚀风险模糊综合评估模型,即
6、电厂凝结水水汽系统腐蚀风险的综合评估结果是水汽系统处于低风险状态。
Claims (3)
1.基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法,其特征在于:包括如下步骤:
步骤1:从电厂服务器数据库读取凝结水、给水和高加疏水系统的二氧化硅、钠、铁、铜、氢电导率、pH和含氧量指标的长系列数据,生成指标集A=(a1,a2,a3,...,an);
步骤2:建立电厂水汽系统腐蚀风险综合评估体系的评语集为V=(v1,v2,v3,...,vm);根据电厂水汽系统特性,将评语分为5个级别,即低、较低、中等、较高和高,其对应的风险程度分别为可忽略、可接受、边缘、不可接受和灾变风险;
步骤3:依据行业标准确定二氧化硅、钠、铁、铜、氢电导率属于成本型指标,含氧量和pH属于区间型指标;对水汽系统腐蚀风险的评估指标进行分类确定其隶属度函数,并生成多层次模糊评估矩阵R,rij表示对指标集A中第i个指标评估时隶属于评语集V中第j个评语的程度;
步骤6:获取水汽系统腐蚀风险评估模型评估结果,选取max bj对应的评语vj作为模型评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111414480.2A CN114037343A (zh) | 2021-11-25 | 2021-11-25 | 基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111414480.2A CN114037343A (zh) | 2021-11-25 | 2021-11-25 | 基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114037343A true CN114037343A (zh) | 2022-02-11 |
Family
ID=80145529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111414480.2A Pending CN114037343A (zh) | 2021-11-25 | 2021-11-25 | 基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114037343A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005091027A (ja) * | 2003-09-12 | 2005-04-07 | Babcock Hitachi Kk | アルカリ応力腐食割れ及びアルカリ腐食損傷の起こりやすさ診断法 |
CN105202522A (zh) * | 2015-09-30 | 2015-12-30 | 广州特种承压设备检测研究院 | 一种直流锅炉腐蚀、结垢风险的诊断方法 |
CN105424390A (zh) * | 2015-11-11 | 2016-03-23 | 华北电力大学 | 一种电站汽水系统全面腐蚀监测系统及方法 |
CN107544253A (zh) * | 2017-03-17 | 2018-01-05 | 中国人民解放军91049部队 | 基于改进模糊熵权法的大型导弹装备退役安全控制方法 |
CN109596503A (zh) * | 2018-11-01 | 2019-04-09 | 中国石油天然气集团有限公司 | 一种在役高含硫天然气管道材质适应性评价方法 |
-
2021
- 2021-11-25 CN CN202111414480.2A patent/CN114037343A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005091027A (ja) * | 2003-09-12 | 2005-04-07 | Babcock Hitachi Kk | アルカリ応力腐食割れ及びアルカリ腐食損傷の起こりやすさ診断法 |
CN105202522A (zh) * | 2015-09-30 | 2015-12-30 | 广州特种承压设备检测研究院 | 一种直流锅炉腐蚀、结垢风险的诊断方法 |
CN105424390A (zh) * | 2015-11-11 | 2016-03-23 | 华北电力大学 | 一种电站汽水系统全面腐蚀监测系统及方法 |
CN107544253A (zh) * | 2017-03-17 | 2018-01-05 | 中国人民解放军91049部队 | 基于改进模糊熵权法的大型导弹装备退役安全控制方法 |
CN109596503A (zh) * | 2018-11-01 | 2019-04-09 | 中国石油天然气集团有限公司 | 一种在役高含硫天然气管道材质适应性评价方法 |
Non-Patent Citations (2)
Title |
---|
曾宇晴: "电厂汽水系统在线监测及评估系统研发", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 6, 15 June 2021 (2021-06-15), pages 2 * |
盛海潇等: "基于性能(PBL)的航空备件保障方法研究", 31 December 2013, 东南大学出版社, pages: 151 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103366123B (zh) | 基于缺陷分析的软件风险评估方法 | |
CN117411189B (zh) | 一种微电网协调控制器的监测数据增强方法 | |
CN111598484A (zh) | 一种风光储系统电能质量综合评估方法 | |
CN109443419A (zh) | 一种基于机器学习的整流器在线监测方法 | |
CN117308275B (zh) | 一种基于温差的管路连接异常检测方法及系统 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
CN104794535B (zh) | 一种基于主导行业的电力需求预测及预警的方法 | |
CN112836941B (zh) | 一种煤电机组汽轮机高加系统在线健康状况评估方法 | |
CN113608968B (zh) | 一种基于密度距离综合决策的电力调度监控数据异常检测方法 | |
CN110687895B (zh) | 一种基于自适应核主成分分析的化工过程故障检测方法 | |
CN112990627B (zh) | 电能质量评估方法 | |
CN110750760B (zh) | 一种基于态势感知和控制图的异常理论线损检测方法 | |
CN103699514A (zh) | 一种火力发电厂水处理流程稳态检测及运行工况判别方法 | |
CN115358281B (zh) | 一种基于机器学习的冷热一体机监测控制方法及系统 | |
CN113077020A (zh) | 一种变压器集群管理方法及系统 | |
CN118016202B (zh) | 一种基于汽水质量的化学设备运行分析方法及系统 | |
CN113486950A (zh) | 一种智能管网漏水检测方法及系统 | |
CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
CN106325258B (zh) | 一种基于在线监测信息的继电保护装置状态评估方法 | |
CN118281263A (zh) | 燃料电池在线故障监测和预警的方法、装置及控制系统 | |
CN113986892A (zh) | 一种火电机组煤耗预测、数据清洗方法及系统 | |
CN114037343A (zh) | 基于模糊算法的电厂水汽系统腐蚀风险评估模型构建方法 | |
CN113756886A (zh) | 一种汽轮机加热器的故障判断方法和系统 | |
CN112488573A (zh) | 一种ppp模式下的综合能源服务模式评价方法 |
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 |