CN115619107B - 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
CN115619107B
CN115619107B CN202211637311.XA CN202211637311A CN115619107B CN 115619107 B CN115619107 B CN 115619107B CN 202211637311 A CN202211637311 A CN 202211637311A CN 115619107 B CN115619107 B CN 115619107B
Authority
CN
China
Prior art keywords
equipment
evaluation index
value
measuring point
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.)
Active
Application number
CN202211637311.XA
Other languages
English (en)
Other versions
CN115619107A (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 SMS_1
。
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 SMS_2
的测点值记为/>
Figure SMS_3
，测点/>
Figure SMS_4
的安全性评价指标得分记为/>
Figure SMS_5
，设置H和L边界分值为/>
Figure SMS_6
，0＜
Figure SMS_7
，HH和LL边界分值为0；设备A的安全性评价指标记为/>
Figure SMS_8
；
步骤1.2：当测点
Figure SMS_9
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 SMS_10
的计算方式表示为：/>
Figure SMS_11
步骤1.3：当测点
Figure SMS_12
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 SMS_13
的计算方式表示为：
Figure SMS_14
步骤1.4：当测点
Figure SMS_15
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 SMS_16
的计算方式表示为：
Figure SMS_17
步骤1.5：设测点
Figure SMS_18
的重要度为/>
Figure SMS_19
，则/>
Figure SMS_20
的计算方式为：
Figure SMS_21
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 SMS_22
的测点值记为/>
Figure SMS_23
，模拟量测点/>
Figure SMS_24
的稳定性评价指标得分记为/>
Figure SMS_25
，设备A的稳定性评价指标记为/>
Figure SMS_26
；
步骤2.2：使用步骤1.1中所定义的测点
Figure SMS_42
与步骤2.1中所定义的模拟量测点/>
Figure SMS_30
，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 SMS_36
的评估值/>
Figure SMS_33
、上残差/>
Figure SMS_37
和下残差/>
Figure SMS_34
，则模拟量测点/>
Figure SMS_44
的上阈值/>
Figure SMS_39
，模拟量测点/>
Figure SMS_43
的下阈值/>
Figure SMS_27
，模拟量测点的模拟高限值/>
Figure SMS_35
，模拟量测点的模拟低限值/>
Figure SMS_32
，模拟量测点的模拟高高限值
Figure SMS_38
，模拟量测点的模拟低低限值
Figure SMS_29
，设置/>
Figure SMS_41
和/>
Figure SMS_31
的边界分值为/>
Figure SMS_40
，/>
Figure SMS_28
；
步骤2.3：的计算方式表示为：
Figure SMS_45
步骤2.4：设测点
Figure SMS_46
的重要度为/>
Figure SMS_47
，则/>
Figure SMS_48
的计算方式为：
Figure SMS_49
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 SMS_50
的发生情况记为/>
Figure SMS_51
，若故障模式/>
Figure SMS_52
发生则/>
Figure SMS_53
=1，若故障模式/>
Figure SMS_54
不发生则/>
Figure SMS_55
=0；记设备A的风险性评价指标为/>
Figure SMS_56
；
步骤3.2：故障模式
Figure SMS_57
的重要度记为/>
Figure SMS_58
，则/>
Figure SMS_59
的计算方式为：
Figure SMS_60
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 SMS_61
的表征自动投运情况记为/>
Figure SMS_62
，若自动投运则/>
Figure SMS_63
，若未自动投运则/>
Figure SMS_64
；记设备A的可用性评价指标为/>
Figure SMS_65
；
步骤4.2：
Figure SMS_66
的计算方式为：/>
Figure SMS_67
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 SMS_68
，则设备健康度评分/>
Figure SMS_69
。
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 SMS_70
。
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 SMS_71
的测点值记为/>
Figure SMS_72
，测点/>
Figure SMS_73
的安全性评价指标得分记为/>
Figure SMS_74
，设置H和L边界分值为/>
Figure SMS_75
，0＜
Figure SMS_76
，HH和LL边界分值为0；设备A的安全性评价指标记为/>
Figure SMS_77
；
步骤1.2：当测点
Figure SMS_78
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 SMS_79
的计算方式表示为：
Figure SMS_80
步骤1.3：当测点
Figure SMS_81
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 SMS_82
的计算方式表示为：
Figure SMS_83
步骤1.4：当测点
Figure SMS_84
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 SMS_85
的计算方式表示为：
Figure SMS_86
步骤1.5：设测点
Figure SMS_87
的重要度为/>
Figure SMS_88
，则/>
Figure SMS_89
的计算方式为：
Figure SMS_90
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 SMS_91
的测点值记为/>
Figure SMS_92
，模拟量测点/>
Figure SMS_93
的稳定性评价指标得分记为/>
Figure SMS_94
，设备A的稳定性评价指标记为/>
Figure SMS_95
；
步骤2.2：使用步骤1.1中所定义的测点
Figure SMS_103
与步骤2.1中所定义的模拟量测点/>
Figure SMS_101
，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 SMS_106
的评估值
Figure SMS_98
、上残差/>
Figure SMS_110
和下残差/>
Figure SMS_99
，则模拟量测点/>
Figure SMS_105
的上阈值/>
Figure SMS_111
，模拟量测点/>
Figure SMS_113
的下阈值/>
Figure SMS_96
，模拟量测点的模拟高限值/>
Figure SMS_104
，模拟量测点的模拟低限值/>
Figure SMS_102
，模拟量测点的模拟高高限值
Figure SMS_107
，模拟量测点的模拟低低限值
Figure SMS_108
，设置/>
Figure SMS_112
和/>
Figure SMS_97
的边界分值为/>
Figure SMS_109
，/>
Figure SMS_100
；
步骤2.3：的计算方式表示为：
Figure SMS_114
步骤2.4：设测点
Figure SMS_115
的重要度为/>
Figure SMS_116
，则/>
Figure SMS_117
的计算方式为：
Figure SMS_118
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 SMS_119
的发生情况记为/>
Figure SMS_120
，若故障模式/>
Figure SMS_121
发生则/>
Figure SMS_122
=1，若故障模式/>
Figure SMS_123
不发生则/>
Figure SMS_124
=0；记设备A的风险性评价指标为/>
Figure SMS_125
；
步骤3.2：故障模式
Figure SMS_126
的重要度记为/>
Figure SMS_127
，则/>
Figure SMS_128
的计算方式为：
Figure SMS_129
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 SMS_130
的表征自动投运情况记为/>
Figure SMS_131
，若自动投运则/>
Figure SMS_132
，若未自动投运则/>
Figure SMS_133
；记设备A的可用性评价指标为/>
Figure SMS_134
；
步骤4.2：
Figure SMS_135
的计算方式为：
Figure SMS_136
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 SMS_137
，则设备健康度评分/>
Figure SMS_138
。
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 SMS_139
，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 SMS_140
，#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 SMS_141
，设置H（L）边界分值为/>
Figure SMS_142
，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 SMS_143
。
表1
Figure SMS_144
步骤1.2：A侧氨/空气混合比的规范定值H和HH均存在，
Figure SMS_145
的计算结果为：
Figure SMS_146
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 SMS_147
和/>
Figure SMS_148
的计算结果为：
Figure SMS_149
Figure SMS_150
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 SMS_151
的计算方式为：
Figure SMS_152
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 SMS_153
的计算结果为：
Figure SMS_154
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 SMS_155
，见表2（共计18个），模拟量测点/>
Figure SMS_156
的测点值记为/>
Figure SMS_157
，模拟量测点/>
Figure SMS_158
的稳定性评价指标得分记为/>
Figure SMS_159
，记A侧脱硝反应器的稳定性评价指标为/>
Figure SMS_160
；
表2
Figure SMS_161
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 SMS_179
的上残差（记为/>
Figure SMS_165
）、下残差（记为/>
Figure SMS_172
），则模拟量测点/>
Figure SMS_177
的上阈值/>
Figure SMS_180
（其中/>
Figure SMS_178
为模拟量测点/>
Figure SMS_182
通过预警模型得到的评估值），模拟量测点/>
Figure SMS_166
的下阈值/>
Figure SMS_173
，模拟量测点/>
Figure SMS_162
的高限值/>
Figure SMS_175
，/>
Figure SMS_168
的低限值
Figure SMS_171
，/>
Figure SMS_164
的高高限值/>
Figure SMS_174
，/>
Figure SMS_163
的低低限值/>
Figure SMS_170
；/>
Figure SMS_169
，各值见表2，定义
Figure SMS_181
（/>
Figure SMS_167
）边界的分值为/>
Figure SMS_176
；
步骤2.3：的计算方式如下：
Figure SMS_183
步骤2.4：设模拟量测点
Figure SMS_184
的重要度为/>
Figure SMS_185
（见表2），则/>
Figure SMS_186
的计算方式为：
Figure SMS_187
根据表2数值，计算得
Figure SMS_188
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 SMS_189
，/>
Figure SMS_190
，/>
Figure SMS_191
的发生情况记为/>
Figure SMS_192
（即故障发生则/>
Figure SMS_193
=1，故障不发生则/>
Figure SMS_194
=0），记A侧脱硝反应器的风险性评价指标为/>
Figure SMS_195
；
表3
Figure SMS_196
步骤3.2：故障模式
Figure SMS_197
的重要度记为/>
Figure SMS_198
（如图3），则/>
Figure SMS_199
的计算方式为：
Figure SMS_200
/>
计算得
Figure SMS_201
。
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 SMS_202
。
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 SMS_203
，根据电厂对各指标的关注程度，设/>
Figure SMS_204
，/>
Figure SMS_205
，/>
Figure SMS_206
，
Figure SMS_207
则设备健康度评分/>
Figure SMS_208
。
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 (3)

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；
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；
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 QLYQS_1
；
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 QLYQS_2
的测点值记为/>
Figure QLYQS_3
，测点/>
Figure QLYQS_4
的安全性评价指标得分记为/>
Figure QLYQS_5
，设置H和L边界分值为/>
Figure QLYQS_6
，0＜
Figure QLYQS_7
，HH和LL边界分值为0；设备A的安全性评价指标记为/>
Figure QLYQS_8
；
步骤1.2：当测点
Figure QLYQS_9
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 QLYQS_10
的计算方式表示为：
Figure QLYQS_11
步骤1.3：当测点
Figure QLYQS_12
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 QLYQS_13
的计算方式表示为：
Figure QLYQS_14
步骤1.4：当测点
Figure QLYQS_15
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 QLYQS_16
的计算方式表示为：
Figure QLYQS_17
步骤1.5：设测点
Figure QLYQS_18
的重要度为/>
Figure QLYQS_19
，则/>
Figure QLYQS_20
的计算方式为：/>
Figure QLYQS_21
其中，N为设备A所具有的测点的数量；
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 QLYQS_22
的测点值记为/>
Figure QLYQS_23
，模拟量测点/>
Figure QLYQS_24
的稳定性评价指标得分记为/>
Figure QLYQS_25
，设备A的稳定性评价指标记为/>
Figure QLYQS_26
；
步骤2.2：使用步骤1.1中所定义的测点
Figure QLYQS_46
与步骤2.1中所定义的模拟量测点/>
Figure QLYQS_30
，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 QLYQS_40
的评估值
Figure QLYQS_44
、上残差/>
Figure QLYQS_48
和下残差/>
Figure QLYQS_45
，则模拟量测点/>
Figure QLYQS_49
的上阈值/>
Figure QLYQS_33
，模拟量测点/>
Figure QLYQS_39
的下阈值/>
Figure QLYQS_27
，模拟量测点/>
Figure QLYQS_35
的模拟高限值/>
Figure QLYQS_34
，模拟量测点/>
Figure QLYQS_37
的模拟低限值/>
Figure QLYQS_29
，模拟量测点/>
Figure QLYQS_36
的模拟高高限值
Figure QLYQS_28
，模拟量测点/>
Figure QLYQS_38
的模拟低低限值
Figure QLYQS_43
；/>
Figure QLYQS_47
，设置/>
Figure QLYQS_31
和/>
Figure QLYQS_41
的边界分值为/>
Figure QLYQS_32
，/>
Figure QLYQS_42
；
步骤2.3：
Figure QLYQS_50
的计算方式表示为：
Figure QLYQS_51
步骤2.4：设模拟量测点
Figure QLYQS_52
的重要度为/>
Figure QLYQS_53
，则/>
Figure QLYQS_54
的计算方式为：/>
Figure QLYQS_55
其中，L为设备A所具有的模拟量测点的数量；
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 QLYQS_56
的发生情况记为/>
Figure QLYQS_57
，若故障模式/>
Figure QLYQS_58
发生则/>
Figure QLYQS_59
=1，若故障模式/>
Figure QLYQS_60
不发生则/>
Figure QLYQS_61
=0；记设备A的风险性评价指标为/>
Figure QLYQS_62
；
步骤3.2：故障模式
Figure QLYQS_63
的重要度记为/>
Figure QLYQS_64
，则/>
Figure QLYQS_65
的计算方式为：
Figure QLYQS_66
其中，M为设备A所具有的故障模式的数量；
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 QLYQS_67
的表征自动投运情况记为/>
Figure QLYQS_68
，若自动投运则/>
Figure QLYQS_69
，若未自动投运则/>
Figure QLYQS_70
；记设备A的可用性评价指标为/>
Figure QLYQS_71
；
步骤4.2：
Figure QLYQS_72
的计算方式为：
Figure QLYQS_73
其中，G为设备A所具有的表征自动投运测点的数量。
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 QLYQS_74
，则设备健康度评分/>
Figure QLYQS_75
。
3.一种计算机存储介质，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或2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 CN115619107A (zh) 2023-01-17
CN115619107B true 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 (2)

* 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
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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112395744B (zh) * 2020-10-29 2023-12-05 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 (2)

* 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
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

Non-Patent Citations (1)

* 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.《2020 5th International Conference on Mechanical, Control and Computer Engineering (ICMCCE)》.2021,第1832-1836页. *

Also Published As

Publication number Publication date
CN115619107A (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
CN113849998B (zh) 一种基于bim的隧道火灾预警处理方法及系统
US20120271826A1 (en) Data collecting method for detection and on-time warning system of industrial process
CN107516174B (zh) 电厂技术监督策略库的生成方法
CN113847216B (zh) 风机叶片的状态预测方法、装置、设备及存储介质
CN115619107B (zh) 一种基于多维信息的燃煤电厂设备健康度评价方法
CN117078072A (zh) 一种多维度环境数据监管方法及监管系统
CN105894706B (zh) 一种森林火灾预测方法及其系统
CN112883993B (zh) 一种基于机器学习的磨煤机最佳制粉单耗时工况预测方法
CN114295778A (zh) 一种基于火电厂烟气排放质量评价方法及评价系统
CN109753720A (zh) 空气质量监测数据异常排查方法、系统、设备及介质
Fubao et al. Research progress of mine intelligent ventilation theory and technology
CN205690484U (zh) 一种油烟净化系统及空调油烟机
CN116257811B (zh) 一种基于燃气流量检测深度学习的异常处理方法
Rosato et al. Experimental assessment of ground-truth faults in a typical single-duct dual-fan air-handling unit under Mediterranean climatic conditions: Impact scenarios of sensors’ offset and fans’ failure
CN113723726A (zh) 化工装置运行过程风险预警与管控的方法及系统
CN113487141A (zh) 一种多源信息聚类融合的轴承状态评估方法
Inanloo et al. Consequence modeling for accidental events of SO2 release in a detergent manufacturing company
CN113159411B (zh) 一种电网气象风险预警模型的检验方法及系统
CN115076610B (zh) 一种天然气泄漏自动切断装置
CN114821946B (zh) 变电站交流电源火灾预警方法、监控终端及系统
RU2744835C1 (ru) Система для автоматизированного контроля пожаровзрывозащиты на сельскохозяйственном предприятии по переработке зерна
CN116609098A (zh) 一种磨煤机故障风险预警方法及装置
Jafri et al. Prediction of Particulate Matter (PM10) during High Particulate Event in Peninsular Malaysia using Novel Hybrid Model
Ekkerman Machine Learning Modelling for HVAC Systems
Głębocka et al. Air pollution forecasting based on a predictive regression model

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