CN115619107A - 一种基于多维信息的燃煤电厂设备健康度评价方法 - Google Patents

一种基于多维信息的燃煤电厂设备健康度评价方法 Download PDF

Info

Publication number
CN115619107A
CN115619107A CN202211637311.XA CN202211637311A CN115619107A CN 115619107 A CN115619107 A CN 115619107A CN 202211637311 A CN202211637311 A CN 202211637311A CN 115619107 A CN115619107 A CN 115619107A
Authority
CN
China
Prior art keywords
evaluation index
equipment
power plant
value
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
Application number
CN202211637311.XA
Other languages
English (en)
Other versions
CN115619107B (zh
Inventor
王豆
姜志锋
刘轩驿
冯辉
张震伟
高邦鹏
郭鼎
傅骏伟
郭庆
王健
闻杰
俞荣栋
孟瑜炜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Zheneng Digital Technology Co ltd
Original Assignee
Zhejiang Zheneng Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Zheneng Digital Technology Co ltd filed Critical Zhejiang Zheneng Digital Technology Co ltd
Priority to CN202211637311.XA priority Critical patent/CN115619107B/zh
Publication of CN115619107A publication Critical patent/CN115619107A/zh
Application granted granted Critical
Publication of CN115619107B publication Critical patent/CN115619107B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • 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

本发明涉及一种基于多维信息的燃煤电厂设备健康度评价方法，包括：构建安全性评价指标及其计算体系、稳定性评价指标及其计算体系、风险性评价指标及其计算体系和可用性评价指标及其计算体系，并对各指标加权，得到设备健康度评分。本发明的有益效果是：本发明通过多个维度对燃煤电厂设备进行全方位的健康评估，给与电厂运行人员决策指导，辅助电厂运行人员定位设备问题并进行处理，对辅助运行和检维修具有重要意义。

Description

一种基于多维信息的燃煤电厂设备健康度评价方法
技术领域
本发明涉及燃煤电厂设备管控领域，更确切地说，它涉及一种基于多维信息的燃煤电厂设备健康度评价方法。
背景技术
目前，设备安全可靠仍是电厂最为关注的，关于设备健康度的研究也已较为丰富。然而，对于设备健康度的评价一般而言都来源于统计数据，或者从设备运行参数这一单一角度对设备健康度进行评价，总体而言评价指标较为浅显或单一，未进行全面深入考虑。因此，亟需提出全方位的健康度评价体系，提供设备的整体健康状态。
发明内容
本发明的目的是克服现有技术中的不足，提供了一种基于多维信息的燃煤电厂设备健康度评价方法。
第一方面，提供了一种基于多维信息的燃煤电厂设备健康度评价方法，包括：
步骤1：构建安全性评价指标及其计算体系；
步骤2：构建稳定性评价指标及其计算体系；
步骤3：构建风险性评价指标及其计算体系；
步骤4：构建可用性评价指标及其计算体系；
步骤5：对各指标加权，得到设备健康度评分。
作为优选，步骤1中，所述安全性评价指标是指通过具有规范定值的测点判断设备安全情况的指标；步骤2中，所述稳定性评价指标是指通过设备预警模型判断设备状态的指标；步骤3中，所述风险性评价指标是指通过设备故障推理模型判断设备状态的指标；步骤4中，所述可用性评价指标是指判断设备自动投运情况的指标。
作为优选，步骤1中，所述规范定值包括电厂对测点设置的高值H、高高值HH、低值L和低低值LL，
Figure 58187DEST_PATH_IMAGE001
。
作为优选，步骤1中所述构建安全性评价指标及其计算体系具体包括如下步骤：
步骤1.1：确定设备A所具有的测点，所述测点具有至少一种规范定值，任一的测点
Figure 327495DEST_PATH_IMAGE002
的测点值记为
Figure 988414DEST_PATH_IMAGE003
，测点
Figure 975962DEST_PATH_IMAGE002
的安全性评价指标得分记为
Figure 326170DEST_PATH_IMAGE004
，设置H和L边界分值为
Figure 449984DEST_PATH_IMAGE005
，0＜
Figure 203176DEST_PATH_IMAGE006
，HH和LL边界分值为0；设备A的安全性评价指标记为
Figure 163173DEST_PATH_IMAGE007
；
步骤1.2：当测点
Figure 50226DEST_PATH_IMAGE002
同时具有高值H和高高值HH，或同时具有低值L和低低值LL时，
Figure 277814DEST_PATH_IMAGE004
的计算方式表示为：
Figure 467487DEST_PATH_IMAGE008
步骤1.3：当测点
Figure 164048DEST_PATH_IMAGE009
具有高值H而不具有高高值HH，或具有低值L而不具有低低值LL时，
Figure 74366DEST_PATH_IMAGE004
的计算方式表示为：
Figure 172772DEST_PATH_IMAGE010
步骤1.4：当测点
Figure 110510DEST_PATH_IMAGE009
具有高高值HH而不具有高值H，或具有低低值LL而不具有低值L时，
Figure 966471DEST_PATH_IMAGE004
的计算方式表示为：
Figure 929747DEST_PATH_IMAGE011
步骤1.5：设测点
Figure 898971DEST_PATH_IMAGE009
的重要度为
Figure 492764DEST_PATH_IMAGE012
，则
Figure 570441DEST_PATH_IMAGE013
的计算方式为：
Figure 789939DEST_PATH_IMAGE014
其中，N为设备A所具有的测点的数量。
作为优选，步骤2中所述构建稳定性评价指标及其计算体系具体包括如下步骤：
步骤2.1：确定设备A所具有的模拟量测点，所述模拟量测点不具有规范定值，任一的模拟量测点
Figure 862937DEST_PATH_IMAGE015
的测点值记为
Figure 175101DEST_PATH_IMAGE016
，模拟量测点
Figure 5654DEST_PATH_IMAGE017
的稳定性评价指标得分记为
Figure 779575DEST_PATH_IMAGE018
，设备A的稳定性评价指标记为
Figure 696627DEST_PATH_IMAGE019
；
步骤2.2：使用步骤1.1中所定义的测点
Figure 694539DEST_PATH_IMAGE009
与步骤2.1中所定义的模拟量测点
Figure 746809DEST_PATH_IMAGE015
，采用相似性原理方法，构建设备预警模型，并通过所述设备预警模型得到模拟量测点
Figure 606311DEST_PATH_IMAGE020
的评估值
Figure 388323DEST_PATH_IMAGE021
、上残差
Figure 744086DEST_PATH_IMAGE022
和下残差
Figure 877127DEST_PATH_IMAGE023
，则模拟量测点
Figure 664955DEST_PATH_IMAGE015
的上阈值
Figure 848943DEST_PATH_IMAGE024
，模拟量测点
Figure 126340DEST_PATH_IMAGE015
的下阈值
Figure 995945DEST_PATH_IMAGE025
，模拟量测点
Figure 56305DEST_PATH_IMAGE020
的模拟高限值
Figure 609646DEST_PATH_IMAGE026
，模拟量测点
Figure 339836DEST_PATH_IMAGE020
的模拟低限值
Figure 916311DEST_PATH_IMAGE027
，模拟量测点
Figure 45941DEST_PATH_IMAGE020
的模拟高高限值
Figure 906318DEST_PATH_IMAGE028
，模拟量测点
Figure 791098DEST_PATH_IMAGE020
的模拟低低限值
Figure 402339DEST_PATH_IMAGE029
，设置
Figure 335660DEST_PATH_IMAGE030
和
Figure 801276DEST_PATH_IMAGE031
的边界分值为
Figure 100365DEST_PATH_IMAGE032
，
Figure 713749DEST_PATH_IMAGE033
；
步骤2.3：
Figure 998231DEST_PATH_IMAGE018
的计算方式表示为：
Figure 256037DEST_PATH_IMAGE034
步骤2.4：设测点
Figure 748198DEST_PATH_IMAGE035
的重要度为
Figure 832566DEST_PATH_IMAGE036
，则
Figure 904428DEST_PATH_IMAGE037
的计算方式为：
Figure 360948DEST_PATH_IMAGE038
其中，L为设备A所具有的模拟量测点的数量。
作为优选，步骤3中所述的构建风险性评价指标及其计算体系具体包括如下步骤：
步骤3.1：确定设备A所具有的故障模式，任一的故障模式
Figure 164956DEST_PATH_IMAGE039
的发生情况记为
Figure 752932DEST_PATH_IMAGE040
，若故障模式
Figure 877752DEST_PATH_IMAGE039
发生则
Figure 844571DEST_PATH_IMAGE040
=1，若故障模式
Figure 475272DEST_PATH_IMAGE041
不发生则
Figure 973381DEST_PATH_IMAGE040
=0；记设备A的风险性评价指标为
Figure 590307DEST_PATH_IMAGE042
；
步骤3.2：故障模式
Figure 739528DEST_PATH_IMAGE041
的重要度记为
Figure 790399DEST_PATH_IMAGE043
，则
Figure 25071DEST_PATH_IMAGE044
的计算方式为：
Figure 180109DEST_PATH_IMAGE045
其中，M为设备A所具有的故障模式的数量。
作为优选，步骤4中所述的构建可用性评价指标及其计算体系具体包括如下步骤：
步骤4.1：确定设备A所具有的表征自动投运测点，任一的表征自动投运测点
Figure 200149DEST_PATH_IMAGE046
的表征自动投运情况记为
Figure 907073DEST_PATH_IMAGE047
，若自动投运则
Figure 149748DEST_PATH_IMAGE048
，若未自动投运则
Figure 108477DEST_PATH_IMAGE049
；记设备A的可用性评价指标为
Figure 763449DEST_PATH_IMAGE050
；
步骤4.2：
Figure 595270DEST_PATH_IMAGE051
的计算方式为：
Figure 70113DEST_PATH_IMAGE052
其中，G为设备A所具有的表征自动投运测点的数量。
作为优选，步骤5中所述的设备健康度评分通过以下方式计算：
为每一评价指标分配权重，记为
Figure 566954DEST_PATH_IMAGE053
，则设备健康度评分
Figure 856859DEST_PATH_IMAGE054
。
第二方面，提供了一种基于多维信息的燃煤电厂设备健康度评价装置，用于执行第一方面任一所述基于多维信息的燃煤电厂设备健康度评价方法，包括：
第一构建模块，用于构建安全性评价指标及其计算体系；
第二构建模块，用于构建稳定性评价指标及其计算体系；
第三构建模块，用于构建风险性评价指标及其计算体系；
第四构建模块，用于构建可用性评价指标及其计算体系；
加权模块，用于对各指标加权，得到设备健康度评分。
第三方面，提供了一种计算机存储介质，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行第一方面任一所述基于多维信息的燃煤电厂设备健康度评价方法。
第四方面，提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得计算机执行第一方面任一所述基于多维信息的燃煤电厂设备健康度评价方法。
本发明的有益效果是：本发明通过多个维度对燃煤电厂设备进行全方位的健康评估，给与电厂运行人员决策指导，辅助电厂运行人员定位设备问题并进行处理，对辅助运行和检维修具有重要意义。
附图说明
图1为一种基于多维信息的燃煤电厂设备健康度评价方法的流程图；
图2为一种基于多维信息的燃煤电厂设备健康度评价装置的结构示意图。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本技术领域的普通人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
实施例1：
一种基于多维信息的燃煤电厂设备健康度评价方法，如图1所示，包括：
步骤1：构建安全性评价指标及其计算体系；
步骤2：构建稳定性评价指标及其计算体系；
步骤3：构建风险性评价指标及其计算体系；
步骤4：构建可用性评价指标及其计算体系；
步骤5：对各指标加权，得到设备健康度评分。
步骤1中，安全性评价指标是指通过具有规范定值的测点判断设备安全情况的指标；步骤2中，稳定性评价指标是指通过设备预警模型判断设备状态的指标；步骤3中，风险性评价指标是指通过设备故障推理模型判断设备状态的指标；步骤4中，可用性评价指标是指判断设备自动投运情况的指标。
步骤1中，规范定值包括电厂对测点设置的高值H、高高值HH、低值L和低低值LL，
Figure 843269DEST_PATH_IMAGE055
。
步骤1中构建安全性评价指标及其计算体系具体包括如下步骤：
步骤1.1：确定设备A所具有的测点，测点具有至少一种规范定值，任一的测点
Figure 556141DEST_PATH_IMAGE002
的测点值记为
Figure 591094DEST_PATH_IMAGE056
，测点
Figure 751816DEST_PATH_IMAGE002
的安全性评价指标得分记为
Figure 158396DEST_PATH_IMAGE057
，设置H和L边界分值为
Figure 279936DEST_PATH_IMAGE058
，0＜
Figure 446475DEST_PATH_IMAGE059
，HH和LL边界分值为0；设备A的安全性评价指标记为
Figure 946857DEST_PATH_IMAGE060
；
步骤1.2：当测点
Figure 540650DEST_PATH_IMAGE061
同时具有高值H和高高值HH，或同时具有低值L和低低值LL时，
Figure 883906DEST_PATH_IMAGE062
的计算方式表示为：
Figure 103404DEST_PATH_IMAGE063
步骤1.3：当测点
Figure 176402DEST_PATH_IMAGE002
具有高值H而不具有高高值HH，或具有低值L而不具有低低值LL时，
Figure 754145DEST_PATH_IMAGE062
的计算方式表示为：
Figure 319119DEST_PATH_IMAGE064
步骤1.4：当测点
Figure 827461DEST_PATH_IMAGE065
具有高高值HH而不具有高值H，或具有低低值LL而不具有低值L时，
Figure 818549DEST_PATH_IMAGE062
的计算方式表示为：
Figure 754144DEST_PATH_IMAGE066
步骤1.5：设测点
Figure 71992DEST_PATH_IMAGE065
的重要度为
Figure 665916DEST_PATH_IMAGE067
，则
Figure 447927DEST_PATH_IMAGE068
的计算方式为：
Figure 492107DEST_PATH_IMAGE069
其中，N为设备A所具有的测点的数量。
步骤2中构建稳定性评价指标及其计算体系具体包括如下步骤：
步骤2.1：确定设备A所具有的模拟量测点，模拟量测点不具有规范定值，任一的模拟量测点
Figure 608836DEST_PATH_IMAGE070
的测点值记为
Figure 521297DEST_PATH_IMAGE071
，模拟量测点
Figure 908547DEST_PATH_IMAGE072
的稳定性评价指标得分记为
Figure 123628DEST_PATH_IMAGE073
，设备A的稳定性评价指标记为
Figure 478386DEST_PATH_IMAGE074
；
步骤2.2：使用步骤1.1中所定义的测点
Figure 381489DEST_PATH_IMAGE065
与步骤2.1中所定义的模拟量测点
Figure 934830DEST_PATH_IMAGE072
，采用相似性原理方法，构建设备预警模型，并通过设备预警模型得到模拟量测点
Figure 55233DEST_PATH_IMAGE072
的评估值
Figure 913598DEST_PATH_IMAGE075
、上残差
Figure 105545DEST_PATH_IMAGE076
和下残差
Figure 965923DEST_PATH_IMAGE077
，则模拟量测点
Figure 116281DEST_PATH_IMAGE070
的上阈值
Figure 727522DEST_PATH_IMAGE078
，模拟量测点
Figure 988739DEST_PATH_IMAGE072
的下阈值
Figure 126460DEST_PATH_IMAGE079
，模拟量测点
Figure 702847DEST_PATH_IMAGE072
的模拟高限值
Figure 50651DEST_PATH_IMAGE080
，模拟量测点
Figure 600713DEST_PATH_IMAGE072
的模拟低限值
Figure 920835DEST_PATH_IMAGE081
，模拟量测点
Figure 662264DEST_PATH_IMAGE072
的模拟高高限值
Figure 372731DEST_PATH_IMAGE082
，模拟量测点
Figure 710172DEST_PATH_IMAGE072
的模拟低低限值
Figure 963430DEST_PATH_IMAGE083
，设置
Figure 360913DEST_PATH_IMAGE084
和
Figure 135840DEST_PATH_IMAGE085
的边界分值为
Figure 276971DEST_PATH_IMAGE086
，
Figure 509369DEST_PATH_IMAGE087
；
步骤2.3：
Figure 562907DEST_PATH_IMAGE073
的计算方式表示为：
Figure 638179DEST_PATH_IMAGE088
步骤2.4：设测点
Figure 566690DEST_PATH_IMAGE072
的重要度为
Figure 653595DEST_PATH_IMAGE089
，则
Figure 658460DEST_PATH_IMAGE074
的计算方式为：
Figure 440602DEST_PATH_IMAGE090
其中，L为设备A所具有的模拟量测点的数量。
步骤3中的构建风险性评价指标及其计算体系具体包括如下步骤：
步骤3.1：确定设备A所具有的故障模式，任一的故障模式
Figure 657957DEST_PATH_IMAGE091
的发生情况记为
Figure 864947DEST_PATH_IMAGE092
，若故障模式
Figure 346439DEST_PATH_IMAGE091
发生则
Figure 84719DEST_PATH_IMAGE092
=1，若故障模式
Figure 371344DEST_PATH_IMAGE091
不发生则
Figure 275583DEST_PATH_IMAGE093
=0；记设备A的风险性评价指标为
Figure 622251DEST_PATH_IMAGE094
；
步骤3.2：故障模式
Figure 847827DEST_PATH_IMAGE091
的重要度记为
Figure 672564DEST_PATH_IMAGE095
，则
Figure 165731DEST_PATH_IMAGE094
的计算方式为：
Figure 683300DEST_PATH_IMAGE096
其中，M为设备A所具有的故障模式的数量。
步骤4中的构建可用性评价指标及其计算体系具体包括如下步骤：
步骤4.1：确定设备A所具有的表征自动投运测点，任一的表征自动投运测点
Figure 130593DEST_PATH_IMAGE097
的表征自动投运情况记为
Figure 759020DEST_PATH_IMAGE098
，若自动投运则
Figure 529530DEST_PATH_IMAGE099
，若未自动投运则
Figure 201689DEST_PATH_IMAGE100
；记设备A的可用性评价指标为
Figure 651125DEST_PATH_IMAGE101
；
步骤4.2：
Figure 99555DEST_PATH_IMAGE102
的计算方式为：
Figure 990150DEST_PATH_IMAGE103
其中，G为设备A所具有的表征自动投运测点的数量。
步骤5中的设备健康度评分通过以下方式计算：
为每一评价指标分配权重，记为
Figure 849522DEST_PATH_IMAGE104
，则设备健康度评分
Figure 775802DEST_PATH_IMAGE105
。
实施例2：
作为一种实施例，采集来自某电厂#1机组A侧脱硝反应器2020年2月1日至2021年2月2日的测点和故障模式，测点采样频率为10分钟，计算该脱硝反应器在2022年2月2日10:00:00的健康度，以此具体阐述本发明具体操作步骤以及验证方法的效果。
步骤1：构建安全性评价指标及其计算体系：
步骤1.1：对于A侧脱硝反应器，具有规范定值的测点如表1所示（A侧氨/空气混合比、至反应器A氨/空气混合器空气流量、#1炉省煤器A侧出口原烟气温度3，共计3个测点），A侧氨/空气混合比的安全性评价指标得分记为
Figure 746032DEST_PATH_IMAGE106
，至反应器A氨/空气混合器空气流量的安全性评价指标得分记为
Figure 569762DEST_PATH_IMAGE107
，#1炉省煤器A侧出口原烟气温度3的安全性评价指标得分记为
Figure 396773DEST_PATH_IMAGE108
，设置H（L）边界分值为
Figure 538910DEST_PATH_IMAGE109
，HH（LL）边界分值为0；记A侧脱硝反应器的安全性评价指标为
Figure 719356DEST_PATH_IMAGE068
。
表1
Figure 912440DEST_PATH_IMAGE110
步骤1.2：A侧氨/空气混合比的规范定值H和HH均存在，
Figure 192243DEST_PATH_IMAGE106
的计算结果为：
Figure 510091DEST_PATH_IMAGE111
步骤1.3：至反应器A氨/空气混合器空气流量、#1炉省煤器A侧出口原烟气温度3属于规范定值H存在、HH不存在（同L存在、LL不存在的情况），
Figure 71392DEST_PATH_IMAGE107
和
Figure 853403DEST_PATH_IMAGE108
的计算结果为：
Figure 772948DEST_PATH_IMAGE112
Figure 640410DEST_PATH_IMAGE113
步骤1.4：当规范定值HH存在、H不存在（同LL存在、L不存在的情况）时
Figure 428238DEST_PATH_IMAGE114
的计算方式为：
Figure 314023DEST_PATH_IMAGE115
本案例中无此类测点；
步骤1.5：设A侧氨/空气混合比的重要度为5，设至反应器A氨/空气混合器空气流量的重要度为5，设#1炉省煤器A侧出口原烟气温度3的重要度为10，则
Figure 857000DEST_PATH_IMAGE116
的计算结果为：
Figure 493649DEST_PATH_IMAGE117
步骤2：构建稳定性评价指标及其计算体系：
步骤2.1：对于A侧脱硝反应器，没有规范定值的模拟量测点记为
Figure 413063DEST_PATH_IMAGE118
，见表2（共计18个），模拟量测点
Figure 841770DEST_PATH_IMAGE119
的测点值记为
Figure 634994DEST_PATH_IMAGE120
，模拟量测点
Figure 273786DEST_PATH_IMAGE072
的稳定性评价指标得分记为
Figure 216465DEST_PATH_IMAGE121
，记A侧脱硝反应器的稳定性评价指标为
Figure 827575DEST_PATH_IMAGE122
；
表2
Figure 384458DEST_PATH_IMAGE123
步骤2.2：使用表1和表2中的测点，采用相似性原理方法，构建设备预警模型，得到测点
Figure 963076DEST_PATH_IMAGE124
的上残差（记为
Figure 755452DEST_PATH_IMAGE125
）、下残差（记为
Figure 971801DEST_PATH_IMAGE126
），则模拟量测点
Figure 965164DEST_PATH_IMAGE072
的上阈值
Figure 250652DEST_PATH_IMAGE127
（其中
Figure 361565DEST_PATH_IMAGE128
为模拟量测点
Figure 681688DEST_PATH_IMAGE119
通过预警模型得到的评估值），模拟量测点
Figure 580374DEST_PATH_IMAGE072
的下阈值
Figure 369470DEST_PATH_IMAGE129
，模拟量测点
Figure 972489DEST_PATH_IMAGE119
的高限值
Figure 458703DEST_PATH_IMAGE130
，
Figure 856187DEST_PATH_IMAGE131
的低限值
Figure 53950DEST_PATH_IMAGE132
，
Figure 945813DEST_PATH_IMAGE131
的高高限值
Figure 302845DEST_PATH_IMAGE133
，
Figure 860778DEST_PATH_IMAGE124
的低低限值
Figure 811416DEST_PATH_IMAGE134
；
Figure 490659DEST_PATH_IMAGE135
，各值见表2，定义
Figure 452930DEST_PATH_IMAGE136
（
Figure 926637DEST_PATH_IMAGE137
）边界的分值为
Figure 676156DEST_PATH_IMAGE138
；
步骤2.3：
Figure 831194DEST_PATH_IMAGE121
的计算方式如下：
Figure 897239DEST_PATH_IMAGE139
步骤2.4：设模拟量测点
Figure 823738DEST_PATH_IMAGE072
的重要度为
Figure 545706DEST_PATH_IMAGE140
（见表2），则
Figure 347178DEST_PATH_IMAGE141
的计算方式为：
Figure 470991DEST_PATH_IMAGE142
根据表2数值，计算得
Figure 489763DEST_PATH_IMAGE143
94.28。
步骤3：构建风险性评价指标及其计算体系：
步骤3.1：对于A侧脱硝反应器，其有6个故障模式（故障模式信息如表3），故障模式记为
Figure 184181DEST_PATH_IMAGE144
，
Figure 274496DEST_PATH_IMAGE145
，
Figure 298822DEST_PATH_IMAGE146
的发生情况记为
Figure 488495DEST_PATH_IMAGE147
（即故障发生则
Figure 450635DEST_PATH_IMAGE148
=1，故障不发生则
Figure 564215DEST_PATH_IMAGE147
=0），记A侧脱硝反应器的风险性评价指标为
Figure 193780DEST_PATH_IMAGE149
；
表3
Figure 554354DEST_PATH_IMAGE150
步骤3.2：故障模式
Figure 981619DEST_PATH_IMAGE146
的重要度记为
Figure 148158DEST_PATH_IMAGE151
（如表3），则
Figure 914120DEST_PATH_IMAGE152
的计算方式为：
Figure 773491DEST_PATH_IMAGE153
计算得
Figure 428332DEST_PATH_IMAGE154
。
步骤4：构建可用性评价指标及其计算体系：
对于A侧脱硝反应器，无自动投运测点，则
Figure 70666DEST_PATH_IMAGE155
。
步骤5：对各指标加权，得到设备健康度评分：为每一评价指标分配权重，记为
Figure 878085DEST_PATH_IMAGE156
，根据电厂对各指标的关注程度，设
Figure 455828DEST_PATH_IMAGE157
，
Figure 348698DEST_PATH_IMAGE158
，
Figure 794723DEST_PATH_IMAGE159
，
Figure 237074DEST_PATH_IMAGE160
则设备健康度评分
Figure 969407DEST_PATH_IMAGE161
。
综上所述，本发明首先构建了多个维度的评价指标，包括风险性指标、可用性指标、安全性指标和稳定性指标，将设备测点按指标维度分类；随后构建测点及设备的评分体系，对设备测点进行评分，得到各指标得分；最后对各指标加权得到设备健康度评分。通过本发明，可以从四个维度评价设备健康度，并给出设备健康分值，为电厂运行人员提供决策指导。

Claims (10)

1.一种基于多维信息的燃煤电厂设备健康度评价方法，其特征在于，包括：
步骤1：构建安全性评价指标及其计算体系；
步骤2：构建稳定性评价指标及其计算体系；
步骤3：构建风险性评价指标及其计算体系；
步骤4：构建可用性评价指标及其计算体系；
步骤5：对各指标加权，得到设备健康度评分。
2.根据权利要求1所述的基于多维信息的燃煤电厂设备健康度评价方法，其特征在于，步骤1中，所述安全性评价指标是指通过具有规范定值的测点判断设备安全情况的指标；步骤2中，所述稳定性评价指标是指通过设备预警模型判断设备状态的指标；步骤3中，所述风险性评价指标是指通过设备故障推理模型判断设备状态的指标；步骤4中，所述可用性评价指标是指判断设备自动投运情况的指标。
3.根据权利要求2所述的基于多维信息的燃煤电厂设备健康度评价方法，其特征在于，步骤1中，所述规范定值包括电厂对测点设置的高值H、高高值HH、低值L和低低值LL，
Figure 886074DEST_PATH_IMAGE001
。
4.根据权利要求3所述的基于多维信息的燃煤电厂设备健康度评价方法，其特征在于，步骤1中所述构建安全性评价指标及其计算体系具体包括如下步骤：
步骤1.1：确定设备A所具有的测点，所述测点具有至少一种规范定值，任一的测点
Figure 989159DEST_PATH_IMAGE002
的测点值记为
Figure 492953DEST_PATH_IMAGE003
，测点
Figure 794621DEST_PATH_IMAGE002
的安全性评价指标得分记为
Figure 827299DEST_PATH_IMAGE004
，设置H和L边界分值为
Figure 942980DEST_PATH_IMAGE005
，0＜
Figure 188147DEST_PATH_IMAGE006
，HH和LL边界分值为0；设备A的安全性评价指标记为
Figure 282005DEST_PATH_IMAGE007
；
步骤1.2：当测点
Figure 16743DEST_PATH_IMAGE002
同时具有高值H和高高值HH，或同时具有低值L和低低值LL时，
Figure 156737DEST_PATH_IMAGE008
的计算方式表示为：
Figure 736754DEST_PATH_IMAGE009
步骤1.3：当测点
Figure 481857DEST_PATH_IMAGE010
具有高值H而不具有高高值HH，或具有低值L而不具有低低值LL时，
Figure 590758DEST_PATH_IMAGE011
的计算方式表示为：
Figure 218048DEST_PATH_IMAGE012
步骤1.4：当测点
Figure 70598DEST_PATH_IMAGE010
具有高高值HH而不具有高值H，或具有低低值LL而不具有低值L时，
Figure 404627DEST_PATH_IMAGE011
的计算方式表示为：
Figure 74643DEST_PATH_IMAGE013
步骤1.5：设测点
Figure 799017DEST_PATH_IMAGE010
的重要度为
Figure 579891DEST_PATH_IMAGE014
，则
Figure 502847DEST_PATH_IMAGE015
的计算方式为：
Figure 750289DEST_PATH_IMAGE016
其中，N为设备A所具有的测点的数量。
5.根据权利要求4所述的基于多维信息的燃煤电厂设备健康度评价方法，其特征在于，步骤2中所述构建稳定性评价指标及其计算体系具体包括如下步骤：
步骤2.1：确定设备A所具有的模拟量测点，所述模拟量测点不具有规范定值，任一的模拟量测点
Figure 758696DEST_PATH_IMAGE017
的测点值记为
Figure 218628DEST_PATH_IMAGE018
，模拟量测点
Figure 261670DEST_PATH_IMAGE017
的稳定性评价指标得分记为
Figure 7909DEST_PATH_IMAGE019
，设备A的稳定性评价指标记为
Figure 503613DEST_PATH_IMAGE020
；
步骤2.2：使用步骤1.1中所定义的测点
Figure 495796DEST_PATH_IMAGE002
与步骤2.1中所定义的模拟量测点
Figure 393345DEST_PATH_IMAGE021
，采用相似性原理方法，构建设备预警模型，并通过所述设备预警模型得到模拟量测点
Figure 576065DEST_PATH_IMAGE017
的评估值
Figure 27906DEST_PATH_IMAGE022
、上残差
Figure 954273DEST_PATH_IMAGE023
和下残差
Figure 644012DEST_PATH_IMAGE024
，则模拟量测点
Figure 669737DEST_PATH_IMAGE017
的上阈值
Figure 140032DEST_PATH_IMAGE025
，模拟量测点
Figure 338933DEST_PATH_IMAGE026
的下阈值
Figure 211074DEST_PATH_IMAGE027
，模拟量测点
Figure 142120DEST_PATH_IMAGE021
的模拟高限值
Figure 568554DEST_PATH_IMAGE028
，模拟量测点
Figure 774407DEST_PATH_IMAGE026
的模拟低限值
Figure 704317DEST_PATH_IMAGE029
，模拟量测点
Figure 134161DEST_PATH_IMAGE021
的模拟高高限值
Figure 579049DEST_PATH_IMAGE030
，模拟量测点
Figure 57435DEST_PATH_IMAGE017
的模拟低低限值
Figure 841851DEST_PATH_IMAGE031
；
Figure 973755DEST_PATH_IMAGE032
，设置
Figure 374781DEST_PATH_IMAGE033
和
Figure 860120DEST_PATH_IMAGE034
的边界分值为
Figure 313359DEST_PATH_IMAGE035
，
Figure 350585DEST_PATH_IMAGE036
；
步骤2.3：
Figure 973327DEST_PATH_IMAGE037
的计算方式表示为：
Figure 793516DEST_PATH_IMAGE038
步骤2.4：设模拟量测点
Figure 349262DEST_PATH_IMAGE039
的重要度为
Figure 557389DEST_PATH_IMAGE040
，则
Figure 136269DEST_PATH_IMAGE041
的计算方式为：
Figure 760149DEST_PATH_IMAGE042
其中，L为设备A所具有的模拟量测点的数量。
6.根据权利要求5所述的基于多维信息的燃煤电厂设备健康度评价方法，其特征在于，步骤3中所述的构建风险性评价指标及其计算体系具体包括如下步骤：
步骤3.1：确定设备A所具有的故障模式，任一的故障模式
Figure 498298DEST_PATH_IMAGE043
的发生情况记为
Figure 18272DEST_PATH_IMAGE044
，若故障模式
Figure 881186DEST_PATH_IMAGE045
发生则
Figure 308756DEST_PATH_IMAGE046
=1，若故障模式
Figure 901411DEST_PATH_IMAGE043
不发生则
Figure 592287DEST_PATH_IMAGE046
=0；记设备A的风险性评价指标为
Figure 270393DEST_PATH_IMAGE047
；
步骤3.2：故障模式
Figure 501654DEST_PATH_IMAGE043
的重要度记为
Figure 824182DEST_PATH_IMAGE048
，则
Figure 810593DEST_PATH_IMAGE047
的计算方式为：
Figure 913678DEST_PATH_IMAGE049
其中，M为设备A所具有的故障模式的数量。
7.根据权利要求6所述的基于多维信息的燃煤电厂设备健康度评价方法，其特征在于，步骤4中所述的构建可用性评价指标及其计算体系具体包括如下步骤：
步骤4.1：确定设备A所具有的表征自动投运测点，任一的表征自动投运测点
Figure 886313DEST_PATH_IMAGE050
的表征自动投运情况记为
Figure 187981DEST_PATH_IMAGE051
，若自动投运则
Figure 17397DEST_PATH_IMAGE052
，若未自动投运则
Figure 545461DEST_PATH_IMAGE053
；记设备A的可用性评价指标为
Figure 180842DEST_PATH_IMAGE054
；
步骤4.2：
Figure 534420DEST_PATH_IMAGE054
的计算方式为：
Figure 737999DEST_PATH_IMAGE055
其中，G为设备A所具有的表征自动投运测点的数量。
8.根据权利要求7所述的基于多维信息的燃煤电厂设备健康度评价方法，其特征在于，步骤5中所述的设备健康度评分通过以下方式计算：
为每一评价指标分配权重，记为
Figure 284518DEST_PATH_IMAGE056
，则设备健康度评分
Figure 723590DEST_PATH_IMAGE057
。
9.一种基于多维信息的燃煤电厂设备健康度评价装置，其特征在于，用于执行权利要求1至8任一所述基于多维信息的燃煤电厂设备健康度评价方法，包括：
第一构建模块，用于构建安全性评价指标及其计算体系；
第二构建模块，用于构建稳定性评价指标及其计算体系；
第三构建模块，用于构建风险性评价指标及其计算体系；
第四构建模块，用于构建可用性评价指标及其计算体系；
加权模块，用于对各指标加权，得到设备健康度评分。
10.一种计算机存储介质，其特征在于，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行权利要求1至8任一所述基于多维信息的燃煤电厂设备健康度评价方法。
CN202211637311.XA 2022-12-20 2022-12-20 一种基于多维信息的燃煤电厂设备健康度评价方法 Active CN115619107B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211637311.XA CN115619107B (zh) 2022-12-20 2022-12-20 一种基于多维信息的燃煤电厂设备健康度评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211637311.XA CN115619107B (zh) 2022-12-20 2022-12-20 一种基于多维信息的燃煤电厂设备健康度评价方法

Publications (2)

Publication Number Publication Date
CN115619107A true CN115619107A (zh) 2023-01-17
CN115619107B CN115619107B (zh) 2023-03-28

Family

ID=84879799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211637311.XA Active CN115619107B (zh) 2022-12-20 2022-12-20 一种基于多维信息的燃煤电厂设备健康度评价方法

Country Status (1)

Country Link
CN (1) CN115619107B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016235A (zh) * 2017-03-21 2017-08-04 西安交通大学 基于多特征自适应融合的设备运行状态健康度评估方法
AU2020102222A4 (en) * 2020-09-11 2020-10-22 University Of Science And Technology Beijing A Technology of Establishing Cost Performance Evaluation Model of Blast Furnace Fuel Injection
CN111915141A (zh) * 2020-07-06 2020-11-10 核动力运行研究所 一种在建核电厂安全状态监测的评价方法
CN112116262A (zh) * 2020-09-24 2020-12-22 华能盐城大丰新能源发电有限责任公司 一种风力发电机组设备健康度的评价方法
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
CN112613693A (zh) * 2020-11-27 2021-04-06 国电环境保护研究院有限公司 一种燃煤电厂烟气净化岛运行健康评价体系与方法
CN114936758A (zh) * 2022-04-29 2022-08-23 国电联合动力技术有限公司 风电机组健康状态评估方法、装置及电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016235A (zh) * 2017-03-21 2017-08-04 西安交通大学 基于多特征自适应融合的设备运行状态健康度评估方法
CN111915141A (zh) * 2020-07-06 2020-11-10 核动力运行研究所 一种在建核电厂安全状态监测的评价方法
AU2020102222A4 (en) * 2020-09-11 2020-10-22 University Of Science And Technology Beijing A Technology of Establishing Cost Performance Evaluation Model of Blast Furnace Fuel Injection
CN112116262A (zh) * 2020-09-24 2020-12-22 华能盐城大丰新能源发电有限责任公司 一种风力发电机组设备健康度的评价方法
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
CN112613693A (zh) * 2020-11-27 2021-04-06 国电环境保护研究院有限公司 一种燃煤电厂烟气净化岛运行健康评价体系与方法
CN114936758A (zh) * 2022-04-29 2022-08-23 国电联合动力技术有限公司 风电机组健康状态评估方法、装置及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XIANGANG CAO 等: "Health Status Recognition of Coal Shearer Based on Artificial Bee Colony Algorithm Optimized Deep Belief Network" *
王建;朱文兵;辜超;吴奎华;: "基于健康指数的电力变压器状态评估" *
龙建平等: "基于数据挖掘的燃煤机组健康状态评价方法研究" *

Also Published As

Publication number Publication date
CN115619107B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN108490889B (zh) 基于te模型的智能工厂安全大数据数据源发生方法及装置
CN112035716A (zh) 基于XGBoost算法的风机发电机故障监测与诊断方法
CN111380686A (zh) 一种基于XGBoost算法模型的风机主轴承故障监测与诊断方法
CN113849998B (zh) 一种基于bim的隧道火灾预警处理方法及系统
CN106094570A (zh) 一种基于工况识别和谷本距离的变工况下航空发动机整机健康评估方法
CN112418682B (zh) 一种融合多源信息的安全性评估方法
CN116911619B (zh) 一种基于数据分析的化工生产智能管控系统
CN114519263A (zh) 一种矿山安全监测预警系统及其综合监测预警方法
CN115630531B (zh) 无人机控制系统自动化安全评估方法
WO2018150785A1 (ja) プラントの診断装置および診断方法
CN116660672B (zh) 基于大数据的电网设备故障诊断方法及系统
CN102436252B (zh) 一种基于免疫危险理论的流程工业的故障诊断方法和系统
CN117078072A (zh) 一种多维度环境数据监管方法及监管系统
CN115619107B (zh) 一种基于多维信息的燃煤电厂设备健康度评价方法
Fubao et al. Research progress of mine intelligent ventilation theory and technology
CN205959528U (zh) 一种传热实训装置
CN114861973A (zh) 一种计及多源因素的风力发电系统风险评估方法
CN106227907A (zh) 一种基于演化聚类学习的液氢加注系统安全性评估方法
CN115719540A (zh) 火灾告警装置及火灾告警方法
CN111639844B (zh) 架空输电线路运行状态综合评估方法
CN113159411B (zh) 一种电网气象风险预警模型的检验方法及系统
CN116975768B (zh) 一种肥料安全生产的数据异常检测方法
CN117540315A (zh) 一种过程工业设备系统健康度在线诊断方法
CN114089055A (zh) 一种电网有限空间作业人员安全状态监测方法及系统
Zhou et al. Case study on the abnormal airflow diagnosis method using atmospheric monitoring 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