CN114165777A - 电厂锅炉四管泄漏智能识别模型 - Google Patents
电厂锅炉四管泄漏智能识别模型 Download PDFInfo
- Publication number
- CN114165777A CN114165777A CN202010949943.4A CN202010949943A CN114165777A CN 114165777 A CN114165777 A CN 114165777A CN 202010949943 A CN202010949943 A CN 202010949943A CN 114165777 A CN114165777 A CN 114165777A
- Authority
- CN
- China
- Prior art keywords
- boiler
- index
- real
- leakage
- time
- 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
- 238000012544 monitoring process Methods 0.000 claims abstract description 65
- 238000004880 explosion Methods 0.000 claims description 21
- 238000013022 venting Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 5
- 239000003546 flue gas Substances 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 18
- 238000007689 inspection Methods 0.000 abstract description 12
- 238000004904 shortening Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- ULFUTCYGWMQVIO-PCVRPHSVSA-N [(6s,8r,9s,10r,13s,14s,17r)-17-acetyl-6,10,13-trimethyl-3-oxo-2,6,7,8,9,11,12,14,15,16-decahydro-1h-cyclopenta[a]phenanthren-17-yl] acetate;[(8r,9s,13s,14s,17s)-3-hydroxy-13-methyl-6,7,8,9,11,12,14,15,16,17-decahydrocyclopenta[a]phenanthren-17-yl] pentano Chemical compound C1CC2=CC(O)=CC=C2[C@@H]2[C@@H]1[C@@H]1CC[C@H](OC(=O)CCCC)[C@@]1(C)CC2.C([C@@]12C)CC(=O)C=C1[C@@H](C)C[C@@H]1[C@@H]2CC[C@]2(C)[C@@](OC(C)=O)(C(C)=O)CC[C@H]21 ULFUTCYGWMQVIO-PCVRPHSVSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B37/00—Component parts or details of steam boilers
- F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
- F22B37/42—Applications, arrangements, or dispositions of alarm or automatic safety devices
- F22B37/421—Arrangements for detecting leaks
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
- F22B35/18—Applications of computers to steam boiler control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B37/00—Component parts or details of steam boilers
- F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
- F22B37/42—Applications, arrangements, or dispositions of alarm or automatic safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B37/00—Component parts or details of steam boilers
- F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
- F22B37/42—Applications, arrangements, or dispositions of alarm or automatic safety devices
- F22B37/46—Applications, arrangements, or dispositions of alarm or automatic safety devices responsive to low or high water level, e.g. for checking, suppressing, extinguishing combustion in boilers
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41835—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by programme execution
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
-
- 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
Abstract
本发明提供一种电厂锅炉四管泄漏智能识别模型。所述电厂锅炉四管泄漏智能识别模型包括以下步骤:S1:锅炉四管泄漏监控指标的建立;S2:锅炉四管泄漏监控指标特征的建立;S3:锅炉四管泄漏监控指标实时风险系数的计算;S4:锅炉四管泄漏实时综合风险系数的计算。本发明提供的电厂锅炉四管泄漏智能识别模型实现四管泄漏的早期识别,对于缩小锅炉损伤规模,降低检查维修成本,妥善制定检修计划,缩短检修时间。
Description
技术领域
本发明涉及电厂锅炉四管泄漏智能识别技术领域,尤其涉及一种电厂锅炉四管泄漏智能识别模型。
背景技术
随着发电技术的发展,现代发电厂锅炉已进入大容量、高参数时代,锅炉工作管介质压力不断提高,锅炉四管的泄漏、泄爆威胁也更为严重。锅炉受热面一旦发生泄漏,停机停炉在所难免,不仅直接影响电厂经济效益,威胁人身安全,甚至会影响电网的安全平稳运行。有统计数据表明火力发电厂锅炉四管的泄漏多数都是由微小泄漏逐渐发展而来的,同时在泄漏发展过程中高温高压蒸汽形成的高速射流对邻近管排会造成连锁性损伤,甚至引起连环泄爆。因此针对四管泄漏的早期识别,对于缩小锅炉损伤规模,妥善制定检修计划,缩短检修时间具有极为重要的现实意义。
电厂锅炉四管泄漏发生时会表现出一些外部特征。如高温过热器泄漏时高过出口蒸汽压力下降;实际负荷降低;主汽压力下降;蒸汽流量不正常的小于给水流量;炉膛负压突变为正压,引风机动叶投自动时开度不正常增大。水冷壁泄漏时水冷壁出口集箱汽温降低;实际负荷降低;主汽压力下降;蒸汽流量不正常的小于给水流量;炉膛负压突变为正压,引风机动叶投自动时开度不正常增大;排烟温度下降。高温再热器泄漏时高再出口蒸汽压力下降;实际负荷降低;主汽压力下降;炉膛负压突变为正压,引风机动叶投自动时开度不正常增大。省煤器泄漏时省煤器两侧烟气温差偏大;泄漏侧排烟温度下降;实际负荷降低;主汽压力下降;蒸汽流量不正常的小于给水流量;炉膛负压突变为正压;引风机动叶投自动时开度不正常增大。
目前锅炉四管泄漏的识别技术手段主要包括:基于人工巡视的现场定期检查、基于传感器的声音泄爆监听系统、基于DCS的盘面数据人工监控三种。
其中基于人工的现场巡视是最为传统的锅炉四管泄漏识别手段,主要依赖人耳对针对现场运行环境的异常声音进行识别判断,随着技术的发展目前已经逐渐产生诸如电子听针等辅助巡视工具的出现。基于传感器的声音泄爆监听系统最早出现于20世纪50年代。利用安装在炉体外部的多路声学传感器和信号处理系统实时监听和诊断炉内声音频谱与强度特征,以判断管道是否发生泄爆。
基于DCS的盘面数据人工监控主要是运行管理人员基于主观经验通过对诸如:给水流量与主蒸汽流量/再热蒸汽流量/凝结水流量的瞬时/累计水平衡差值、引风机功耗/电流、炉膛负压变化、受热面压差变化、烟温测点温度、烟温测点温度平衡、金属壁温测点温度等参数的异常进行锅炉四管的泄漏识别判断。
在信息系统的建设方面,火力发电厂普遍建设有DCS、SIS系统。其中DCS系统又名集散控制系统(Distributed Control system)是以微处理器为基础的集中分散型控制系统。SIS系统又名厂级监控信息系统(Supervisory Informntion System)是集过程实时监测、优化控制及生产过程管理为一体的厂级自动化信息系统。其中DCS与SIS系统中均有针对给水流量压力、蒸汽流量压力、炉膛烟气压力、烟气温度、金属壁温、引风机功耗参数等数据信息的实时存储。
现有的机组泄漏监控识别的三种技术手段基于于人工巡视的现场定期检查、基于传感器的声音泄爆监听系统、基于DCS的盘面数据人工监控。
基于人工的现场定期检查检查间隔大、频次低。基于SIS/DCS盘面数据的人工监控严重依赖管理人员的工作经验,同时客观上仍然无法实现24小时连续监控。而基于传感器的声音泄爆监听系统价格昂贵、施工难度大,需要对锅炉本体进行改造,但实际效果上在国内几大发电集团2017-2019年百余次泄爆记录中,通过声音监听系统率先识别的泄漏事件也只达到了33%左右的占比。同时在实际工作开展过程中锅炉泄漏的识别确定需要多种方法交叉验证,因此基于SIS/DCS盘面数据通过专业的数据分析算法实现锅炉泄爆状态的持续监听具备明确的现实意义与客观需求。
因此,有必要提供一种新的电厂锅炉四管泄漏智能识别模型解决上述技术问题。
发明内容
本发明解决的技术问题是提供一种实现四管泄漏的早期识别,对于缩小锅炉损伤规模,降低检查维修成本,妥善制定检修计划,缩短检修时间的电厂锅炉四管泄漏智能识别模型。
为解决上述技术问题,本发明提供的电厂锅炉四管泄漏智能识别模型包括以下步骤:
S1:锅炉四管泄漏监控指标的建立;
S2:锅炉四管泄漏监控指标特征的建立;
S3:锅炉四管泄漏监控指标实时风险系数的计算;
S4:锅炉四管泄漏实时综合风险系数的计算。
优选的,所述锅炉四管泄漏监控指标指基于1个或多个由SIS/DCS测点经过数学计算得出的与锅炉四管泄漏相关,能够一定程度反映锅炉四管泄漏概率的数学指标。
优选的,所述锅炉四管泄漏监控指标包括:积分水平衡指标、积分补水量指标、烟气温度指标、烟温平衡指标、炉膛负压指标、引风机功耗指标、金属壁温指标、受热面进出口压差指标和烟气湿度指标。
优选的,所述锅炉四管泄漏监控指标特征指基于SIS/DCS历史数据计算得到的该指标的数学分布特征。
优选的,所述锅炉四管泄漏监控指标实时风险系数指该监控指标实时值与一段时间内经过处理后历史均值的偏离幅度,设所述锅炉四管泄漏监控指标实时风险系数为K,是以指标实时值偏离倍数X为自变量的关联分段函数。其中指标实时值偏离倍数X的计算公式如下:
X=(S-J)/B
其中:S为指标的实时值;J为指标实时值同负荷区间下的历史均值;B为指标实时值同负荷区间下的历史值标准差;
其中当X小于3时候,K=0,当X大于6时候,K=100,当3<=K<=6时候,实时风险系数K与偏离倍数X之间的映射关系合成函数公式可得:
K=9.898X2-56.216X+80.473
其中,X为指标实时值偏离倍数。
优选的,所述锅炉四管泄漏实时综合风险系数指基于多项监控指标风险系数计算而来的反映锅炉整体泄爆风险的指标系数,设所述锅炉四管泄漏实时综合风险系数为Q,其计算公式为:
Q=100-(K1*K2*K3…*Kn)/(100n)
其中:K1、K2、K3、Kn为特征体系下各监控指标的实时风险系数,n为算法具体应用环节选用的指标类型数量。
与相关技术相比较,本发明提供的电厂锅炉四管泄漏智能识别模型具有如下有益效果:
本发明提供一种电厂锅炉四管泄漏智能识别模型,基于该算法构建的四管泄漏监控程序能够复现运行管理人员的锅炉泄爆分析监控能力,实现基于DCS/SIS系统盘面数据的24小时无间断泄漏监控,为锅炉的停炉检修、事故发展追溯提供系统支持与工具辅助。由于火力发电厂锅炉四管的泄漏多数都是由微小泄漏逐渐发展而来的,实现四管泄漏的早期识别,对于缩小锅炉损伤规模,降低检查维修成本,妥善制定检修计划,缩短检修时间具有极为重要的现实意义;
经济效益分析上,实现锅炉泄爆的早起预警识别能够缩短检修时间,减少换管数量。按机组装机容量为300MW,缩短停炉检修时间5天,上网电价0.3元/千瓦时,负荷率80%,厂利润率10%计算。则一次泄爆可挽回损失发电量约2880万千瓦时,毛利润约720万元,净利润约72万元。其中尚未包含检修过程中能够减少的人工材料费用。模型投运后只要能避免一次泄爆事故发生,即可为用户挽回约70万的经济损失;
本模型可利用电厂既有SIS/DCS测点历史数据进行模型训练与数据挖掘,通过模型打包,可作为电厂防磨防爆可视化管理系统的功能插件,也可以作为独立的功能系统为电厂提供分析监测服务。具备前期投入小,普适性强等特点。同时锅炉四管泄爆监测功能作为电力生产运行部门的普遍需求,具备广阔的应用推广应用前景。
附图说明
图1为本发明提供的电厂锅炉四管泄漏智能识别模型的一种较佳实施例的结构示意图;
图2为图1所示的锅炉四管泄漏监控指标特征的结构框图。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明。
请结合参阅图1、图2,其中,图1为本发明提供的电厂锅炉四管泄漏智能识别模型的一种较佳实施例的结构示意图;图2为图1所示的锅炉四管泄漏监控指标特征的结构框图。电厂锅炉四管泄漏智能识别模型包括以下步骤:
S1:锅炉四管泄漏监控指标的建立;
S2:锅炉四管泄漏监控指标特征的建立;
S3:锅炉四管泄漏监控指标实时风险系数的计算;
S4:锅炉四管泄漏实时综合风险系数的计算。
所述锅炉四管泄漏监控指标的建立:火力发电厂针对锅炉的运行状态监控普遍安装有大量的各类监控测点,数量一般在几千到几万个不等。锅炉四管泄漏监控指标定义为基于1个或多个由SIS/DCS测点经过数学计算得出的与锅炉四管泄漏相关,能够一定程度反映锅炉四管泄漏概率的数学指标;基于实际业务设定监控指标包括如下内容:
这里指标指代的不是一个具体值,而是代表的该类型下的一组同类指标计算结果。
锅炉四管泄漏监控指标特征的建立:指标体系建设完成后,如何基于指标的历史数据建立指标的特征描述体系,是指标实时风险系数计算的前提条件。指标数据在一定的工况边界条件下会呈现正态/偏正态分布的数据特征,本模型算法中首先基于负荷区间对指标特征进行数据分段,并计算一定时间内该指标在不同负荷区间段内的均值,标准差作为该指标的模型特征量,模型构成结构如图2所示。
锅炉四管泄漏监控指标实时风险系数的计算:锅炉四管泄漏监控指标实时风险系数K,是以指标实时值偏离倍数X为自变量的关联分段函数。其中指标实时值偏离倍数X的计算公式如下:
X=(S-J)/B
其中:S为指标的实时值;J为指标实时值同负荷区间下的历史均值;B为指标实时值同负荷区间下的历史值标准差。
其中当X小于3时候,K=0,当X大于6时候,K=100,当3<=K<=6时候,实时风险系数K与偏离倍数X之间的映射关系表如下表所示:
偏离倍数(X) | 实时风险系数(K) |
3.0 | 0 |
3.5 | 5 |
4.0 | 14 |
4.5 | 28 |
5.0 | 47 |
5.5 | 71 |
6.0 | 100 |
将映射关系表你合成函数公式可得:
K=9.898X2-56.216X+80.473
其中,X为指标实时值偏离倍数;
综上,锅炉四管泄漏监控指标实时风险系数的计算过程描述完毕,其结果是0-100之间的数值,数值越大反应该指标对应的泄漏风险越高。
锅炉四管泄漏实时综合风险系数的计算:锅炉四管泄漏实时综合风险系数Q是将锅炉四管泄漏监控指标特征体系下多个监控指标的风险系数进一步整合,最终通过一个指标变量来反应机组实时存在泄爆的可能概率指标。
其计算公式为:
Q=100-(K1*K2*K3…*Kn)/(100n)
其中:K1、K2、K3、Kn为特征体系下各监控指标的实时风险系数,n为算法具体应用环节选用的指标类型数量。
与相关技术相比较,本发明提供的电厂锅炉四管泄漏智能识别模型具有如下有益效果:
本发明提供一种电厂锅炉四管泄漏智能识别模型,基于该算法构建的四管泄漏监控程序能够复现运行管理人员的锅炉泄爆分析监控能力,实现基于DCS/SIS系统盘面数据的24小时无间断泄漏监控,为锅炉的停炉检修、事故发展追溯提供系统支持与工具辅助。由于火力发电厂锅炉四管的泄漏多数都是由微小泄漏逐渐发展而来的,实现四管泄漏的早期识别,对于缩小锅炉损伤规模,降低检查维修成本,妥善制定检修计划,缩短检修时间具有极为重要的现实意义;
经济效益分析上,实现锅炉泄爆的早起预警识别能够缩短检修时间,减少换管数量。按机组装机容量为300MW,缩短停炉检修时间5天,上网电价0.3元/千瓦时,负荷率80%,厂利润率10%计算。则一次泄爆可挽回损失发电量约2880万千瓦时,毛利润约720万元,净利润约72万元。其中尚未包含检修过程中能够减少的人工材料费用。模型投运后只要能避免一次泄爆事故发生,即可为用户挽回约70万的经济损失;
本模型可利用电厂既有SIS/DCS测点历史数据进行模型训练与数据挖掘,通过模型打包,可作为电厂防磨防爆可视化管理系统的功能插件,也可以作为独立的功能系统为电厂提供分析监测服务。具备前期投入小,普适性强等特点。同时锅炉四管泄爆监测功能作为电力生产运行部门的普遍需求,具备广阔的应用推广应用前景。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种电厂锅炉四管泄漏智能识别模型,其特征在于,包括以下步骤:
S1:锅炉四管泄漏监控指标的建立;
S2:锅炉四管泄漏监控指标特征的建立;
S3:锅炉四管泄漏监控指标实时风险系数的计算;
S4:锅炉四管泄漏实时综合风险系数的计算。
2.根据权利要求1所述的电厂锅炉四管泄漏智能识别模型,其特征在于,所述锅炉四管泄漏监控指标指基于1个或多个由SIS/DCS测点经过数学计算得出的与锅炉四管泄漏相关,能够一定程度反映锅炉四管泄漏概率的数学指标。
3.根据权利要求2所述的电厂锅炉四管泄漏智能识别模型,其特征在于,所述锅炉四管泄漏监控指标包括:积分水平衡指标、积分补水量指标、烟气温度指标、烟温平衡指标、炉膛负压指标、引风机功耗指标、金属壁温指标、受热面进出口压差指标和烟气湿度指标。
4.根据权利要求1所述的电厂锅炉四管泄漏智能识别模型,其特征在于,所述锅炉四管泄漏监控指标特征指基于SIS/DCS历史数据计算得到的该指标的数学分布特征。
5.根据权利要求1所述的电厂锅炉四管泄漏智能识别模型,其特征在于,所述锅炉四管泄漏监控指标实时风险系数指该监控指标实时值与一段时间内经过处理后历史均值的偏离幅度,设所述锅炉四管泄漏监控指标实时风险系数为K,是以指标实时值偏离倍数X为自变量的关联分段函数。其中指标实时值偏离倍数X的计算公式如下:
X=(S-J)/B
其中:S为指标的实时值;J为指标实时值同负荷区间下的历史均值;B为指标实时值同负荷区间下的历史值标准差;
其中当X小于3时候,K=0,当X大于6时候,K=100,当3<=K<=6时候,实时风险系数K与偏离倍数X之间的映射关系合成函数公式可得:
K=9.898X2-56.216X+80.473
其中,X为指标实时值偏离倍数。
6.根据权利要求1所述的电厂锅炉四管泄漏智能识别模型,其特征在于,所述锅炉四管泄漏实时综合风险系数指基于多项监控指标风险系数计算而来的反映锅炉整体泄爆风险的指标系数,设所述锅炉四管泄漏实时综合风险系数为Q,其计算公式为:
Q=100-(K1*K2*K3…*Kn)/(100n)
其中:K1、K2、K3、Kn为特征体系下各监控指标的实时风险系数,n为算法具体应用环节选用的指标类型数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010949943.4A CN114165777B (zh) | 2020-09-10 | 2020-09-10 | 电厂锅炉四管泄漏智能识别模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010949943.4A CN114165777B (zh) | 2020-09-10 | 2020-09-10 | 电厂锅炉四管泄漏智能识别模型 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114165777A true CN114165777A (zh) | 2022-03-11 |
CN114165777B CN114165777B (zh) | 2023-10-24 |
Family
ID=80475930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010949943.4A Active CN114165777B (zh) | 2020-09-10 | 2020-09-10 | 电厂锅炉四管泄漏智能识别模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114165777B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5320967A (en) * | 1993-04-20 | 1994-06-14 | Nalco Chemical Company | Boiler system leak detection |
US6076048A (en) * | 1997-09-26 | 2000-06-13 | Betzdearborn, Inc. | System and method for least squares filtering based leak flow estimation/detection using exponentially shaped leak profiles |
DE102010054736A1 (de) * | 2010-12-16 | 2012-06-21 | Daimler Ag | Dampfkraftanlage für ein Kraftfahrzeug |
CN102644912A (zh) * | 2011-12-13 | 2012-08-22 | 上海发电设备成套设计研究院 | 电站锅炉热交换管安全风险在线监视与控制装置及方法 |
US20120246094A1 (en) * | 2011-02-24 | 2012-09-27 | Research Affiliates, Llc | System, method & computer program product for constructing an optimized factor portfolio |
CN104700326A (zh) * | 2015-03-30 | 2015-06-10 | 国家电网公司 | 配电网风险评估方法 |
CN105825351A (zh) * | 2016-04-22 | 2016-08-03 | 国网浙江省电力公司经济技术研究院 | 一种输电工程造价的后评估和风险管控方法 |
CN106251049A (zh) * | 2016-07-25 | 2016-12-21 | 国网浙江省电力公司宁波供电公司 | 一种大数据的电费风险模型构建方法 |
CN106524118A (zh) * | 2016-09-30 | 2017-03-22 | 河北云酷科技有限公司 | 锅炉防磨防爆温度场仿真模型的建立方法 |
CN106709623A (zh) * | 2016-11-14 | 2017-05-24 | 深圳供电局有限公司 | 一种基于风险计算模型的电网营销稽查风险管控方法 |
CN107036070A (zh) * | 2017-05-22 | 2017-08-11 | 深圳钰湖电力有限公司 | 一种锅炉泄漏检测报警装置 |
CN107654994A (zh) * | 2016-07-25 | 2018-02-02 | 田荣侠 | 一种基于ptg502—can的锅炉管道异常压力检测系统 |
CN108644752A (zh) * | 2018-05-11 | 2018-10-12 | 中国神华能源股份有限公司 | 用于分析锅炉四管泄露的方法、装置和机器可读存储介质 |
US20200026262A1 (en) * | 2018-07-18 | 2020-01-23 | Hitachi, Ltd. | Machine-tool-state determination system and machine-tool-state determination method |
CN110826731A (zh) * | 2019-10-21 | 2020-02-21 | 浙江浙能嘉华发电有限公司 | 一种火电厂电气设备数字化管理方法以及管理系统 |
-
2020
- 2020-09-10 CN CN202010949943.4A patent/CN114165777B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5320967A (en) * | 1993-04-20 | 1994-06-14 | Nalco Chemical Company | Boiler system leak detection |
US6076048A (en) * | 1997-09-26 | 2000-06-13 | Betzdearborn, Inc. | System and method for least squares filtering based leak flow estimation/detection using exponentially shaped leak profiles |
DE102010054736A1 (de) * | 2010-12-16 | 2012-06-21 | Daimler Ag | Dampfkraftanlage für ein Kraftfahrzeug |
US20120246094A1 (en) * | 2011-02-24 | 2012-09-27 | Research Affiliates, Llc | System, method & computer program product for constructing an optimized factor portfolio |
CN102644912A (zh) * | 2011-12-13 | 2012-08-22 | 上海发电设备成套设计研究院 | 电站锅炉热交换管安全风险在线监视与控制装置及方法 |
CN104700326A (zh) * | 2015-03-30 | 2015-06-10 | 国家电网公司 | 配电网风险评估方法 |
CN105825351A (zh) * | 2016-04-22 | 2016-08-03 | 国网浙江省电力公司经济技术研究院 | 一种输电工程造价的后评估和风险管控方法 |
CN106251049A (zh) * | 2016-07-25 | 2016-12-21 | 国网浙江省电力公司宁波供电公司 | 一种大数据的电费风险模型构建方法 |
CN107654994A (zh) * | 2016-07-25 | 2018-02-02 | 田荣侠 | 一种基于ptg502—can的锅炉管道异常压力检测系统 |
CN106524118A (zh) * | 2016-09-30 | 2017-03-22 | 河北云酷科技有限公司 | 锅炉防磨防爆温度场仿真模型的建立方法 |
CN106709623A (zh) * | 2016-11-14 | 2017-05-24 | 深圳供电局有限公司 | 一种基于风险计算模型的电网营销稽查风险管控方法 |
CN107036070A (zh) * | 2017-05-22 | 2017-08-11 | 深圳钰湖电力有限公司 | 一种锅炉泄漏检测报警装置 |
CN108644752A (zh) * | 2018-05-11 | 2018-10-12 | 中国神华能源股份有限公司 | 用于分析锅炉四管泄露的方法、装置和机器可读存储介质 |
US20200026262A1 (en) * | 2018-07-18 | 2020-01-23 | Hitachi, Ltd. | Machine-tool-state determination system and machine-tool-state determination method |
CN110826731A (zh) * | 2019-10-21 | 2020-02-21 | 浙江浙能嘉华发电有限公司 | 一种火电厂电气设备数字化管理方法以及管理系统 |
Non-Patent Citations (3)
Title |
---|
LIU, C: "Design Optimal Green Supply Chain Purchasing Contract Based on Principle-agent Theory", INTERNATIONAL CONFERENCE ON MANAGEMENT SCIENCE AND ENGINEERING-ANNUAL CONFERENCE PROCEEDINGS, pages 268 - 273 * |
刘展;李建华;王智平;俞树荣;: "基于模糊理论的压力管道风险分析技术研究――压力管道风险管理理论及其关键技术研究(3)", 石油化工设备, no. 01, pages 1 - 3 * |
许学瑞;帅健;关磊;: "基于贝叶斯分析的储罐失效概率修正方法研究", 中国安全生产科学技术, no. 1, pages 25 - 31 * |
Also Published As
Publication number | Publication date |
---|---|
CN114165777B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325255B (zh) | 基于定功率的湿冷汽轮机最佳真空在线指导系统 | |
CN106642059A (zh) | 一种电站锅炉高温受热面安全性在线监测方法 | |
CN108644752B (zh) | 用于分析锅炉四管泄露的方法、装置和机器可读存储介质 | |
CN104090560B (zh) | 一种监测供电综合环境评价指标的设备 | |
CN107905858B (zh) | 末级安全流量监测与控制系统及方法 | |
CN111537257B (zh) | 一种在线检测水轮发电机空气冷却器异常方法 | |
CN111663966A (zh) | 一种热电联产机组运行区域测试系统 | |
CN111080065A (zh) | 一种基于多元数据融合的网源协调源侧性能边缘计算与分析平台 | |
CN112836941A (zh) | 一种煤电机组汽轮机高加系统在线健康状况评估方法 | |
CN108153255B (zh) | 一种基于dcs的火电机组性能监测方法及装置 | |
CN114551944A (zh) | 质子交换膜燃料电池内部含水量的快速控制方法及系统 | |
CN112465412A (zh) | 一种基于ims系统的电厂生产信息图形化方法 | |
CN114165777A (zh) | 电厂锅炉四管泄漏智能识别模型 | |
CN112489194A (zh) | 在三维场景下台账信息和锅炉四管信息的展现方法及系统 | |
CN116011667A (zh) | 一种火电厂二氧化碳排放量实时计算的预警方法 | |
CN102661974B (zh) | 基于热力运行参数的煤粉热值在线辨识方法 | |
CN112749205B (zh) | 一种燃煤发电机组功率与供电煤耗关系曲线获取系统及方法 | |
CN111237737B (zh) | 一种应用于锅炉智能运维的受热面管子分段定位方法 | |
CN114267465A (zh) | 压水反应堆核电机组出力异常判断方法 | |
CN113569497A (zh) | 一种凝汽器冷却水流量的软测量方法 | |
Hou et al. | Thermal Performance Monitoring and Analysis of Nuclear Power Plant | |
CN112668135A (zh) | 火力发电厂锅炉金属壁温趋势预测模型及其建立方法 | |
CN110458480A (zh) | 一种发电厂化学仪表准确性在线评价系统 | |
CN111581787A (zh) | 一种实时筛选汽轮机热耗率分析数据的方法及系统 | |
CN116608457B (zh) | 一种燃气蒸汽锅炉供热整体节能管理系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |