CN116399400B - 一种锅炉机组运行故障检测方法及系统 - Google Patents

一种锅炉机组运行故障检测方法及系统 Download PDF

Info

Publication number
CN116399400B
CN116399400B CN202310391607.6A CN202310391607A CN116399400B CN 116399400 B CN116399400 B CN 116399400B CN 202310391607 A CN202310391607 A CN 202310391607A CN 116399400 B CN116399400 B CN 116399400B
Authority
CN
China
Prior art keywords
temperature
window
unit
data
term
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
CN202310391607.6A
Other languages
English (en)
Other versions
CN116399400A (zh
Inventor
刘敬涛
张皓翔
罗曙光
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.)
Datang Suihua Thermal Power Co ltd
Datang Heilongjiang Power Generation Co Ltd
Original Assignee
Datang Suihua Thermal Power Co ltd
Datang Heilongjiang Power Generation 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 Datang Suihua Thermal Power Co ltd, Datang Heilongjiang Power Generation Co Ltd filed Critical Datang Suihua Thermal Power Co ltd
Priority to CN202310391607.6A priority Critical patent/CN116399400B/zh
Publication of CN116399400A publication Critical patent/CN116399400A/zh
Application granted granted Critical
Publication of CN116399400B publication Critical patent/CN116399400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种锅炉机组运行故障检测方法及系统，涉及数据处理技术领域，该方法包括：通过数据连通装置进行锅炉机组的机组连通，并读取锅炉机组的控制数据；基于输入监测装置进行煤炭数据采集，并基于数据采集结果生成第一验证数据；通过处理监测装置对锅炉机组进行控制数据采集；将控制数据整合结果和控制数据输入状态故障预测模型；通过输出监测装置对锅炉机组进行结渣和炉灰检测，输出第二验证数据；进行燃烧评价，输出控制异常识别结果；根据状态故障预测结果和控制异常识别结果输出故障检测结果。本发明解决了现有技术中锅炉机组运行故障检测准确性不高，智能化程度低的技术问题，达到了提高检测效率，提升检测质量的技术效果。

Description

一种锅炉机组运行故障检测方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种锅炉机组运行故障检测方法及系统。
背景技术
锅炉机组是一种能量转换器，通过利用燃料燃烧释放的热能或者其他热能将工质水或者其他流体加热到一定参数，多用于火电站、船舶、机车和工矿企业等。由于锅炉机组的运行过程复杂，设计的零部件过多，运行故障检测难度高，以往通常是由工作人员进行定期巡检，以及故障排查，从而保证锅炉的正常运行。然而，人工排查的方式导致反馈周期长，无法对故障进行及时处理。现有技术中锅炉机组运行故障检测准确性不高，智能化程度低的技术问题。
发明内容
本申请提供了一种锅炉机组运行故障检测方法及系统，用于针对解决现有技术中锅炉机组运行故障检测准确性不高，智能化程度低的技术问题。
鉴于上述问题，本申请提供了一种锅炉机组运行故障检测方法及系统。
本申请的第一个方面，提供了一种锅炉机组运行故障检测方法，其中，所述方法应用于故障检测系统，所述故障检测系统与数据连通装置、输入监测装置、处理监测装置和输出监测装置通信连接，所述方法包括：
通过所述数据连通装置进行锅炉机组的机组连通，并读取所述锅炉机组的控制数据，其中，所述控制数据包括实时控制数据和历史控制数据；
基于所述输入监测装置进行煤炭数据采集，整合数据采集结果，并基于所述数据采集结果生成第一验证数据；
通过所述处理监测装置对所述锅炉机组进行控制数据采集，输出控制数据整合结果；
通过所述历史控制数据构建所述锅炉机组的状态故障预测模型，将所述控制数据整合结果和所述控制数据输入所述状态故障预测模型，输出状态故障预测结果；
通过所述输出监测装置对所述锅炉机组进行结渣和炉灰检测，输出第二验证数据；
基于所述第一验证数据、所述第二验证数据和所述控制数据，进行燃烧评价，输出控制异常识别结果；
根据所述状态故障预测结果和所述控制异常识别结果输出故障检测结果。
本申请的第二个方面，提供了一种锅炉机组运行故障检测系统，所述系统包括：
控制数据读取模块，所述控制数据读取模块用于通过数据连通装置进行锅炉机组的机组连通，并读取所述锅炉机组的控制数据，其中，所述控制数据包括实时控制数据和历史控制数据；
采集结果整合模块，所述采集结果整合模块用于基于输入监测装置进行煤炭数据采集，整合数据采集结果，并基于所述数据采集结果生成第一验证数据；
整合结果输出模块，所述整合结果输出模块用于通过处理监测装置对所述锅炉机组进行控制数据采集，输出控制数据整合结果；
预测结果输出模块，所述预测结果输出模块用于通过所述历史控制数据构建所述锅炉机组的状态故障预测模型，将所述控制数据整合结果和所述控制数据输入所述状态故障预测模型，输出状态故障预测结果；
炉灰检测模块，所述炉灰检测模块用于通过输出监测装置对所述锅炉机组进行结渣和炉灰检测，输出第二验证数据；
识别结果输出模块，所述识别结果输出模块用于基于所述第一验证数据、所述第二验证数据和所述控制数据，进行燃烧评价，输出控制异常识别结果；
检测结果输出模块，所述检测结果输出模块用于根据所述状态故障预测结果和所述控制异常识别结果输出故障检测结果。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请通过数据连通装置进行锅炉机组的机组连通，并读取锅炉机组的控制数据，其中，控制数据包括实时控制数据和历史控制数据，然后基于输入监测装置进行煤炭数据采集，整合数据采集结果，并基于数据采集结果生成第一验证数据，进而通过处理监测装置对锅炉机组进行控制数据采集，输出控制数据整合结果，然后通过历史控制数据构建锅炉机组的状态故障预测模型，将控制数据整合结果和控制数据输入状态故障预测模型，输出状态故障预测结果，通过输出监测装置对锅炉机组进行结渣和炉灰检测，输出第二验证数据，然后基于第一验证数据、第二验证数据和控制数据，进行燃烧评价，输出控制异常识别结果，通过根据状态故障预测结果和控制异常识别结果输出故障检测结果。达到了从故障预测和异常识别两个维度进行故障检测，提升检测准确度和检测效率的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种锅炉机组运行故障检测方法流程示意图；
图2为本申请实施例提供的一种锅炉机组运行故障检测方法中将温度预警信息添加至状态故障预测结果的流程示意图；
图3为本申请实施例提供的一种锅炉机组运行故障检测方法中生成温度预警信息的流程示意图；
图4为本申请实施例提供的一种锅炉机组运行故障检测系统结构示意图。
附图标记说明：控制数据读取模块11，采集结果整合模块12，整合结果输出模块13，预测结果输出模块14，炉灰检测模块15，识别结果输出模块16，检测结果输出模块17。
具体实施方式
本申请通过提供了一种锅炉机组运行故障检测方法及系统，用于针对解决现有技术中锅炉机组运行故障检测准确性不高，智能化程度低的技术问题。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示，本申请提供了一种锅炉机组运行故障检测方法，其中，所述方法应用于故障检测系统，所述故障检测系统与数据连通装置、输入监测装置、处理监测装置和输出监测装置通信连接，所述方法包括：
步骤S100：通过所述数据连通装置进行锅炉机组的机组连通，并读取所述锅炉机组的控制数据，其中，所述控制数据包括实时控制数据和历史控制数据；
具体而言，所述数据连通装置是与锅炉机组的机组零部件进行连通，进而对机组的控制数据进行读取的设备，包括DTU、传感器等装置。所述控制数据是对锅炉机组的运行进行控制，从而使机组正常运行的数据，包括实时控制数据和历史控制数据。其中，所述实时控制数据是通过对当前时刻机组中各个设备(设备包括：锅炉、换热器、过热器、省煤器等)的控制参数进行采集从而获得的。所述历史控制数据是所述锅炉机组在历史时间段内对机组各个设备的运行进行控制的参数，包括运行功率、设备参数、运行环境等数据。
具体的，所述输入监测装置是对锅炉机组的煤炭输入情况进行监测装置，包括图像采集装置，煤质化验装置等。通过输入监测装置对输入机组中的煤炭状态进行监测，从而对机组的输入质量进行确定。所述处理监测装置是对锅炉机组运行的过程进行监测的装置，包括温度传感器、压力传感器、风速传感器和风压传感器等。利用处理监测装置对运行中的温度、压力、风速和风压等数据进行监测，从而对机组是否正常运行进行确定。所述输出监测装置是对煤炭经过锅炉机组燃烧利用后形成的煤渣状态进行监测的装置，包括煤渣分析装置、图像采集装置等。其中，图像采集装置是用于对煤炭、煤渣的外观图像进行获取的装置，包括摄像机、照相机、红外摄像仪等装置。
步骤S200：基于所述输入监测装置进行煤炭数据采集，整合数据采集结果，并基于所述数据采集结果生成第一验证数据；
进一步的，本申请实施例步骤S200还包括：
步骤S210：采集获得煤炭原材的输入数据；
步骤S220：通过所述输入数据和所述数据采集结果进行输入数据比对，根据原材的偏差值生成所述第一验证数据。
在一个实施例中，通过利用所述输入监测装置对煤炭进行数据采集，也就是说，利用输入监测装置中的图像采集装置对煤炭进行图像采集，以及利用输入监测装置中的煤质化验装置对煤炭的物理化学性质分别进行检测，从而获得数据采集结果。其中，所述数据采集结果反映了输入锅炉机组时煤炭的状态，包括煤炭水分含量、煤炭图像等数据，由于在煤炭采购完成后，进行在煤仓存储过程中由于存储方式不当，会导致煤炭质量与使用标准不符，通过输入监测装置对煤炭使用状态进行监测，可以从燃料使用端进行运行监测，对燃料的使用情况进行掌握。
在一个本申请可能的实施例中，通过对煤炭采购数据进行提取，从而获得煤炭原材的输入数据，也就是当煤炭采购完成后存放进煤仓时煤炭原材的相关数据，包括含硫量、水分、灰分等数据。通过将煤炭原材的输入数据与数据采集结果中相关数据进行数据比对，根据数据之间的差值获得原材的偏差值。其中，所述原材的偏差值反映了煤炭原材从采购完成到煤炭使用的过程中，煤炭性质的偏离情况。偏差值越大，表明煤炭的存储质量越差。将所述原材的偏差值设定为所述第一验证数据。所述第一验证数据是对煤炭原材的质量偏差情况进行验证的数据，对机组输入情况进行验证。
步骤S300：通过所述处理监测装置对所述锅炉机组进行控制数据采集，输出控制数据整合结果；
具体而言，通过所述处理监测装置对所述锅炉机组运行过程中对各个零部件的控制参数进行采集。示例性的，锅炉机组运行过程中，利用处理监测装置中的传感器对零部件的温度、湿度、风压进行采集，并利用处理监测装置从零部件控制端获取控制参数，如，对过热器的运行功率、工作压力、给水温度、气化吸热量等参数进行采集，作为过热器的控制数据。所述控制数据整合结果反映了锅炉机组运行过程中的运行控制情况。
步骤S400：通过所述历史控制数据构建所述锅炉机组的状态故障预测模型，将所述控制数据整合结果和所述控制数据输入所述状态故障预测模型，输出状态故障预测结果；
进一步的，如图2所示，本申请实施例步骤S400还包括：
步骤S410：通过所述处理监测装置中的温度传感器获得监测温度信息；
步骤S420：设置炉内温度阈值；
步骤S430：基于所述炉内温度阈值对所述监测温度信息进行温度标识，并基于时间轴对温度标识结果进行温度预警分析，生成温度预警信息；
步骤S440：将所述温度预警信息添加至所述状态故障预测结果。
进一步的，本申请实施例步骤S400还包括：
步骤S450：设置温度异常周期；
步骤S460：判断带有时间轴的温度标识结果是否满足所述温度异常周期；
步骤S470：将不满足所述温度异常周期的温度聚类窗口作为短期过热窗口；
步骤S480：将满足所述温度异常周期的温度聚类窗口作为长期超温窗口；
步骤S490：根据所述短期过热窗口和所述长期超温窗口进行温度预警分析，生成所述温度预警信息。
在一个可能的实施例中，在获得所述历史控制数据，对历史控制数据对应的状态故障结果进行采集，根据采集结果获得历史状态故障结果。根据所述历史控制数据和历史状态故障结果获得历史数据集，按照一定的划分比例将历史数据集划分为训练集和验证集，利用所述训练集对以BP神经网络为基础框架构建的状态故障预测模型进行训练，直至模型训练至收敛，通过将验证集中的历史控制数据输入收敛的所述状态故障预测模型中，获得验证历史状态故障结果，将所述验证历史状态故障结果与历史状态故障结果进行比对验证，将验证成功的结果占历史状态故障结果的比例设定为模型准确率，判断模型准确率是否符合要求，若符合要求，则表明模型验证完成，获得所述状态故障预测模型。
在一个可能的实施例中，通过将所述控制数据整合结果和所述控制数据输入所述状态故障预测模型中，经过模型的运算获得所述状态故障预测结果。其中，所述状态故障预测结果是根据锅炉机组的控制数据对运行过程中可能会发生的故障进行预测的结果。通过使用状态故障预测模型，可以提升故障预测的效率和故障预测的准确度。
在一个可能的实施例中，通过使用所述处理监测装置中的温度传感器，对锅炉机组的炉膛温度进行实时监测，获得所述监测温度信息。其中，所述监测温度信息反映了锅炉机组运行时的温度变化情况。所述炉内温度阈值是根据锅炉机组的运行功率以及运行负荷，确定炉内的温度范围。通过根据所述炉内温度阈值对所述监测温度信息进行温度标识，也就是对监测温度信息中不能满足炉内温度阈值的温度信息进行温度标识，获得温度标识结果。
具体而言，在获得所述温度标识结果之后，利用温度标识结果中的温度对应的时间点对其进行时间轴设置，获得所述带有时间轴的温度标识结果，也就是对温度标识结果的标识时间段进行确定。所述温度异常周期是温度异常超过锅炉机组运行正常温度波动的时间段，由工作人员自行设定，在此不做限制。通过根据所述温度标识结果中的时间轴与温度异常周期进行比对判断，判断是否满足所述温度异常周期，不满足的温度标识结果对应的温度聚类窗口设定为短期过热窗口，满足的温度标识结果对应的温度聚类窗口设定为长期超温窗口。其中，所述温度聚类窗口是以是否满足温度异常周期对温度标识结果进行同类划分获得的结果。所述短期过热窗口是锅炉机组的温度在短时间进行波动的时间段。所述长期超温窗口是锅炉机组的温度长时间波动的时间段。在获得所述短期过热窗口和长期超温窗口后，进行温度预警分析，生成对锅炉机组进行温度预警的所述温度预警信息。
进一步的，如图3所示，本申请实施例步骤S430还包括：
步骤S431：对所述短期过热窗口和所述长期超温窗口进行热值提取，其中，所述热值为表征短期窗口和所述长期超温窗口过热的综合值特征；
步骤S432：获得各个温度聚类窗口的间隔时间特征；
步骤S433：根据所述热值和所述间隔时间特征进行温度预警分析，生成所述温度预警信息。
进一步的，本申请实施例步骤S431还包括：
步骤S431-1：设置平均温度值特征、极值温度特征；
步骤S432-2：获得所述短期过热窗口的第一单位时间预设值，所述长期超温窗口的第二单位时间预设值；
步骤S433-3：基于所述第一单位时间预设值和所述短期过热窗口的窗口时长生成短期窗口基础热值；
步骤S433-4：基于所述第二单位时间预设值和所述长期超温窗口的窗口时长生成长期窗口基础热值；
步骤S433-5：通过所述平均温度值特征、极值温度特征分别对所述短期过热窗口和所述长期超温窗口进行温度特征提取，分别依据特征提取结果进行所述短期窗口基础热值和所述长期窗口基础热值的热值补偿；
步骤S433-6：根据热值补偿结果完成热值提取。
在一个可能的实施例中，通过根据锅炉机组的运行负荷设置平均温度值特征和极值温度特征。其中，所述平均温度值特征是对锅炉机组正常运行情况下的炉内温度平均值进行确定的特征。所述极值温度特征是锅炉机组正常运行情况下的温度波动极值进行确定的特征。通过根据所述短期过热窗口的第一单位时间预设值(预先设置的短期过热窗口内单位时间产生的热值)和长期超温窗口的第二单位时间预设值(预先设置的短期过热窗口内单位时间产生的热值)，分别结合短期过热窗口的窗口时长和长期超温窗口的窗口时长获得所述短期窗口基础热值和长期窗口基础热值。其中，所述短期窗口基础热值是将第一单位时间预设值与短期过热窗口的窗口时长进行相乘得到的，所述长期窗口基础热值是第二单位时间预设值与长期超温窗口的窗口时长进行相乘得到的。
在一个可能的实施例中，通过根据所述平均温度值特征、极值温度特征对短期过热窗口和所述长期超温窗口进行温度特征提取，也就是计算短期过热窗口和所述长期超温窗口对应的平均温度值和极值温度值。进而根据特征提取结果，结合短期窗口基础热值和长期窗口基础热值获得热值。
在本申请的一个实施例中，利用所述各个温度聚类窗口的间隔时间特征，也就是每个温度聚类窗口之间相隔的时间段分布情况，结合所述间隔时间特征和热值获得温度预警信息，对锅炉机组的运行进行温度预警。
步骤S500：通过所述输出监测装置对所述锅炉机组进行结渣和炉灰检测，输出第二验证数据；
步骤S600：基于所述第一验证数据、所述第二验证数据和所述控制数据，进行燃烧评价，输出控制异常识别结果；
步骤S700：根据所述状态故障预测结果和所述控制异常识别结果输出故障检测结果。
进一步的，本申请实施例步骤S600还包括：
步骤S610：基于所述数据采集结果和所述控制数据进行所述锅炉机组的控制拟合，获得控制拟合结果；
步骤S620：对所述控制拟合结果和所述第二验证数据进行数据偏差验证，提取数据偏差验证特征；
步骤S630：设置相似关联匹配阈值，通过所述数据偏差验证特征和所述相似关联匹配阈值进行异常来源匹配，输出异常来源匹配结果；
步骤S640：根据所述异常来源匹配结果获得所述控制异常识别结果。
具体而言，利用输入监测装置对锅炉机组进行结渣和炉灰检测，通过检测结果获得煤炭的燃烧情况，若煤炭燃烧不充分，则炉灰与结渣的比例就不符合要求，通过根据检测结果与标准值之间的差值获得所述第二验证数据。其中，所述第二验证数据是对锅炉机组的燃烧后情况进行分析后获得的验证数据。
在本申请的一个实施例中，通过根据所述第一验证数据、第二验证数据和控制数据对锅炉机组的燃烧情况进行评价，根据验证数据中的异常情况，获得所述控制异常识别结果。其中，所述控制异常识别结果是对锅炉机组运行过程中的异常进行识别分析后获得的结果。在获得所述控制异常识别结果之后，结合所述状态故障预测结果获得所述故障检测结果。其中，所述故障检测结果是对锅炉机组从故障预测和控制异常两个维度进行检测后的获得的结果。
在本申请的一个实施例中，利用所述控制数据对锅炉机组进行控制，确定机组按照控制数据进行运行后的控制数据结果，然后将控制数据结果与所述数据采集结果进行拟合，获得所述控制拟合结果。其中，所述控制拟合结果是对锅炉机组的预期控制效果和实际控制效果之间的差异情况进行反映。通过根据所述控制拟合结果和所述第二验证数据确定偏差的程度，获得所述数据偏差验证特征。所述数据偏差验证特征是数据偏离的程度，如差值大小等数据进行描述的特征。所述相似关联匹配阈值是根据控制效果的偏离程度与机组零部件控制异常之间的关联情况确定的，由工作人员自行设定，在此不做限制。示例性的，当炉膛进风量设置过高时，炉内温度就会超过正常运行值，但是进风量对炉内温升的影响程度有限，因此，进风量对温升的影响会在一个范围内，此时，通过对温升的范围可以确定温度异常升高的来源情况。
在一个可能的实施例中，通过根据数据偏差验证特征和所述相似关联匹配阈值进行异常来源匹配，从而获得所述异常来源匹配结果。也就是说，根据数据偏差验证特征中的数据特征，与阈值进行匹配，确定引起数据偏差的来源，进而，通过根据异常来源匹配结果获得控制异常识别结果。
综上所述，本申请实施例至少具有如下技术效果：
本申请利用数据连通装置对锅炉机组的运行数据进行采集，获得实时控制数据和历史控制数据，其中，利用历史控制数据构建故障分析的智能化模型，也就是状态故障预测模型，进而，输入监测装置对机组使用的煤炭状态进行采集，分析后获得第一验证数据，进而控制数据和控制数据整合结果输入状态故障预测模型中进行故障预测，从故障预测的维度对锅炉机组运行进行分析，然后利用输出监测装置对结渣和炉灰进行检测，从而获得第二验证数据，结合第一验证数据和控制数据从燃烧分析的角度对锅炉机组运行进行评价，根据评价获得的控制异常识别结果与状态故障预测结果进行分析，从而获得故障检测结果。达到了对锅炉机组运行进行智能化检测，提高检测效率的技术效果。
实施例二
基于与前述实施例中一种锅炉机组运行故障检测方法相同的发明构思，如图4所示，本申请提供了一种锅炉机组运行故障检测系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：
控制数据读取模块11，所述控制数据读取模块11用于通过数据连通装置进行锅炉机组的机组连通，并读取所述锅炉机组的控制数据，其中，所述控制数据包括实时控制数据和历史控制数据；
采集结果整合模块12，所述采集结果整合模块12用于基于输入监测装置进行煤炭数据采集，整合数据采集结果，并基于所述数据采集结果生成第一验证数据；
整合结果输出模块13，所述整合结果输出模块13用于通过处理监测装置对所述锅炉机组进行控制数据采集，输出控制数据整合结果；
预测结果输出模块14，所述预测结果输出模块14用于通过所述历史控制数据构建所述锅炉机组的状态故障预测模型，将所述控制数据整合结果和所述控制数据输入所述状态故障预测模型，输出状态故障预测结果；
炉灰检测模块15，所述炉灰检测模块15用于通过输出监测装置对所述锅炉机组进行结渣和炉灰检测，输出第二验证数据；
识别结果输出模块16，所述识别结果输出模块16用于基于所述第一验证数据、所述第二验证数据和所述控制数据，进行燃烧评价，输出控制异常识别结果；
检测结果输出模块17，所述检测结果输出模块17用于根据所述状态故障预测结果和所述控制异常识别结果输出故障检测结果。
进一步的，所述系统还包括：
输入数据采集单元，所述输入数据采集单元用于采集获得煤炭原材的输入数据；
第一验证数据生成单元，所述第一验证数据生成单元用于通过所述输入数据和所述数据采集结果进行输入数据比对，根据原材的偏差值生成所述第一验证数据。
进一步的，所述系统还包括：
控制拟合单元，所述控制拟合单元用于基于所述数据采集结果和所述控制数据进行所述锅炉机组的控制拟合，获得控制拟合结果；
偏差验证单元，所述偏差验证单元用于对所述控制拟合结果和所述第二验证数据进行数据偏差验证，提取数据偏差验证特征；
异常来源匹配单元，所述异常来源匹配单元用于设置相似关联匹配阈值，通过所述数据偏差验证特征和所述相似关联匹配阈值进行异常来源匹配，输出异常来源匹配结果；
异常识别结果获得单元，所述异常识别结果获得单元用于根据所述异常来源匹配结果获得所述控制异常识别结果。
进一步的，所述系统还包括：
监测温度信息获得单元，所述监测温度信息获得单元用于通过所述处理监测装置中的温度传感器获得监测温度信息；
温度阈值设置单元，所述温度阈值设置单元用于设置炉内温度阈值；
温度预警信息生成单元，所述温度预警信息生成单元用于基于所述炉内温度阈值对所述监测温度信息进行温度标识，并基于时间轴对温度标识结果进行温度预警分析，生成温度预警信息；
预警信息添加单元，所述预警信息添加单元用于将所述温度预警信息添加至所述状态故障预测结果。
进一步的，所述系统还包括：
异常周期设置单元，所述异常周期设置单元用于设置温度异常周期；
温度标识判断单元，所述温度标识判断单元用于判断带有时间轴的温度标识结果是否满足所述温度异常周期；
短期过热窗口设置单元，所述短期过热窗口设置单元用于将不满足所述温度异常周期的温度聚类窗口作为短期过热窗口；
长期超温窗口设置单元，所述长期超温窗口设置单元用于将满足所述温度异常周期的温度聚类窗口作为长期超温窗口；
温度预警分析单元，所述温度预警分析单元用于根据所述短期过热窗口和所述长期超温窗口进行温度预警分析，生成所述温度预警信息。
进一步的，所述系统还包括：
热值提取单元，所述热值提取单元用于对所述短期过热窗口和所述长期超温窗口进行热值提取，其中，所述热值为表征短期窗口和所述长期超温窗口过热的综合值特征；
间隔时间特征获得单元，所述间隔时间特征获得单元用于获得各个温度聚类窗口的间隔时间特征；
预警分析单元，所述预警分析单元用于根据所述热值和所述间隔时间特征进行温度预警分析，生成所述温度预警信息。
进一步的，所述系统还包括：
温度特征设置单元，所述温度特征设置单元用于设置平均温度值特征、极值温度特征；
第二单位时间预设值获得单元，所述第二单位时间预设值获得单元用于获得所述短期过热窗口的第一单位时间预设值，所述长期超温窗口的第二单位时间预设值；
基础设置生成单元，所述基础设置生成单元用于基于所述第一单位时间预设值和所述短期过热窗口的窗口时长生成短期窗口基础热值；
长期窗口基础热值生成单元，所述长期窗口基础热值生成单元用于基于所述第二单位时间预设值和所述长期超温窗口的窗口时长生成长期窗口基础热值；
热值补偿单元，所述热值补偿单元用于通过所述平均温度值特征、极值温度特征分别对所述短期过热窗口和所述长期超温窗口进行温度特征提取，分别依据特征提取结果进行所述短期窗口基础热值和所述长期窗口基础热值的热值补偿；
提取单元，所述提取单元用于根据热值补偿结果完成热值提取。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (4)

1.一种锅炉机组运行故障检测方法，其特征在于，所述方法应用于故障检测系统，所述故障检测系统与数据连通装置、输入监测装置、处理监测装置和输出监测装置通信连接，所述方法包括：
通过所述数据连通装置进行锅炉机组的机组连通，并读取所述锅炉机组的控制数据，其中，所述控制数据包括实时控制数据和历史控制数据；
基于所述输入监测装置进行煤炭数据采集，整合数据采集结果，并基于所述数据采集结果生成第一验证数据；
通过所述处理监测装置对所述锅炉机组进行控制数据采集，输出控制数据整合结果；
通过所述历史控制数据构建所述锅炉机组的状态故障预测模型，将所述控制数据整合结果和所述控制数据输入所述状态故障预测模型，输出状态故障预测结果；
通过所述输出监测装置对所述锅炉机组进行结渣和炉灰检测，输出第二验证数据；
基于所述第一验证数据、所述第二验证数据和所述控制数据，进行燃烧评价，输出控制异常识别结果；
根据所述状态故障预测结果和所述控制异常识别结果输出故障检测结果；
所述方法还包括：
通过所述处理监测装置中的温度传感器获得监测温度信息；
设置炉内温度阈值；
基于所述炉内温度阈值对所述监测温度信息进行温度标识，并基于时间轴对温度标识结果进行温度预警分析，生成温度预警信息；
将所述温度预警信息添加至所述状态故障预测结果；
设置温度异常周期；
判断带有时间轴的温度标识结果是否满足所述温度异常周期；
将不满足所述温度异常周期的温度聚类窗口作为短期过热窗口；
将满足所述温度异常周期的温度聚类窗口作为长期超温窗口；
根据所述短期过热窗口和所述长期超温窗口进行温度预警分析，生成所述温度预警信息；
对所述短期过热窗口和所述长期超温窗口进行热值提取，其中，所述热值为表征短期窗口和所述长期超温窗口过热的综合值特征；
获得各个温度聚类窗口的间隔时间特征；
根据所述热值和所述间隔时间特征进行温度预警分析，生成所述温度预警信息；
设置平均温度值特征、极值温度特征；
获得所述短期过热窗口的第一单位时间预设值，所述长期超温窗口的第二单位时间预设值；
基于所述第一单位时间预设值和所述短期过热窗口的窗口时长生成短期窗口基础热值；
基于所述第二单位时间预设值和所述长期超温窗口的窗口时长生成长期窗口基础热值；
通过所述平均温度值特征、极值温度特征分别对所述短期过热窗口和所述长期超温窗口进行温度特征提取，分别依据特征提取结果进行所述短期窗口基础热值和所述长期窗口基础热值的热值补偿；
根据热值补偿结果完成热值提取。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
采集获得煤炭原材的输入数据；
通过所述输入数据和所述数据采集结果进行输入数据比对，根据原材的偏差值生成所述第一验证数据。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
基于所述数据采集结果和所述控制数据进行所述锅炉机组的控制拟合，获得控制拟合结果；
对所述控制拟合结果和所述第二验证数据进行数据偏差验证，提取数据偏差验证特征；
设置相似关联匹配阈值，通过所述数据偏差验证特征和所述相似关联匹配阈值进行异常来源匹配，输出异常来源匹配结果；
根据所述异常来源匹配结果获得所述控制异常识别结果。
4.一种锅炉机组运行故障检测系统，其特征在于，所述系统包括：
控制数据读取模块，所述控制数据读取模块用于通过数据连通装置进行锅炉机组的机组连通，并读取所述锅炉机组的控制数据，其中，所述控制数据包括实时控制数据和历史控制数据；
采集结果整合模块，所述采集结果整合模块用于基于输入监测装置进行煤炭数据采集，整合数据采集结果，并基于所述数据采集结果生成第一验证数据；
整合结果输出模块，所述整合结果输出模块用于通过处理监测装置对所述锅炉机组进行控制数据采集，输出控制数据整合结果；
预测结果输出模块，所述预测结果输出模块用于通过所述历史控制数据构建所述锅炉机组的状态故障预测模型，将所述控制数据整合结果和所述控制数据输入所述状态故障预测模型，输出状态故障预测结果；
炉灰检测模块，所述炉灰检测模块用于通过输出监测装置对所述锅炉机组进行结渣和炉灰检测，输出第二验证数据；
识别结果输出模块，所述识别结果输出模块用于基于所述第一验证数据、所述第二验证数据和所述控制数据，进行燃烧评价，输出控制异常识别结果；
检测结果输出模块，所述检测结果输出模块用于根据所述状态故障预测结果和所述控制异常识别结果输出故障检测结果；
监测温度信息获得单元，所述监测温度信息获得单元用于通过所述处理监测装置中的温度传感器获得监测温度信息；
温度阈值设置单元，所述温度阈值设置单元用于设置炉内温度阈值；
温度预警信息生成单元，所述温度预警信息生成单元用于基于所述炉内温度阈值对所述监测温度信息进行温度标识，并基于时间轴对温度标识结果进行温度预警分析，生成温度预警信息；
预警信息添加单元，所述预警信息添加单元用于将所述温度预警信息添加至所述状态故障预测结果；
异常周期设置单元，所述异常周期设置单元用于设置温度异常周期；
温度标识判断单元，所述温度标识判断单元用于判断带有时间轴的温度标识结果是否满足所述温度异常周期；
短期过热窗口设置单元，所述短期过热窗口设置单元用于将不满足所述温度异常周期的温度聚类窗口作为短期过热窗口；
长期超温窗口设置单元，所述长期超温窗口设置单元用于将满足所述温度异常周期的温度聚类窗口作为长期超温窗口；
温度预警分析单元，所述温度预警分析单元用于根据所述短期过热窗口和所述长期超温窗口进行温度预警分析，生成所述温度预警信息；
热值提取单元，所述热值提取单元用于对所述短期过热窗口和所述长期超温窗口进行热值提取，其中，所述热值为表征短期窗口和所述长期超温窗口过热的综合值特征；
间隔时间特征获得单元，所述间隔时间特征获得单元用于获得各个温度聚类窗口的间隔时间特征；
预警分析单元，所述预警分析单元用于根据所述热值和所述间隔时间特征进行温度预警分析，生成所述温度预警信息；
温度特征设置单元，所述温度特征设置单元用于设置平均温度值特征、极值温度特征；
第二单位时间预设值获得单元，所述第二单位时间预设值获得单元用于获得所述短期过热窗口的第一单位时间预设值，所述长期超温窗口的第二单位时间预设值；
基础设置生成单元，所述基础设置生成单元用于基于所述第一单位时间预设值和所述短期过热窗口的窗口时长生成短期窗口基础热值；
长期窗口基础热值生成单元，所述长期窗口基础热值生成单元用于基于所述第二单位时间预设值和所述长期超温窗口的窗口时长生成长期窗口基础热值；
热值补偿单元，所述热值补偿单元用于通过所述平均温度值特征、极值温度特征分别对所述短期过热窗口和所述长期超温窗口进行温度特征提取，分别依据特征提取结果进行所述短期窗口基础热值和所述长期窗口基础热值的热值补偿；
提取单元，所述提取单元用于根据热值补偿结果完成热值提取。
CN202310391607.6A 2023-04-13 2023-04-13 一种锅炉机组运行故障检测方法及系统 Active CN116399400B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310391607.6A CN116399400B (zh) 2023-04-13 2023-04-13 一种锅炉机组运行故障检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310391607.6A CN116399400B (zh) 2023-04-13 2023-04-13 一种锅炉机组运行故障检测方法及系统

Publications (2)

Publication Number Publication Date
CN116399400A CN116399400A (zh) 2023-07-07
CN116399400B true CN116399400B (zh) 2023-12-15

Family

ID=87017642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310391607.6A Active CN116399400B (zh) 2023-04-13 2023-04-13 一种锅炉机组运行故障检测方法及系统

Country Status (1)

Country Link
CN (1) CN116399400B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117554109B (zh) * 2024-01-11 2024-03-26 张家港长寿工业设备制造有限公司 一种换热器故障数据信息智能监测方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001330204A (ja) * 2000-05-22 2001-11-30 Samson Co Ltd ボイラの蒸気圧力制御装置
CN101498468A (zh) * 2009-02-17 2009-08-05 中国安全生产科学研究院 锅炉及换热站智能监控系统
CN110119766A (zh) * 2019-04-19 2019-08-13 淮阴工学院 一种多组合智能化模型的青椒温室温度智能化预警装置
CN111650898A (zh) * 2020-05-13 2020-09-11 大唐七台河发电有限责任公司 具备高容错性能的集散控制系统及方法
CN213067714U (zh) * 2020-09-25 2021-04-27 中国石油化工股份有限公司 一种机电设备在线状态监测系统
KR102267286B1 (ko) * 2020-12-28 2021-06-22 (주)테크다스 데이터 기반의 머신러닝 기술을 이용한 보일러 굴뚝원격감시체계(tms) 자동측정기기의 고장 식별 및 백업 시스템
CN113283003A (zh) * 2020-11-13 2021-08-20 西南交通大学 一种基于时空融合决策的高速列车轴温异常检测方法
CN114118726A (zh) * 2021-11-09 2022-03-01 华能秦煤瑞金发电有限责任公司 一种燃煤电厂基于煤炭全价值链管理的科学配煤掺烧系统
CN114440205A (zh) * 2022-03-11 2022-05-06 国家能源集团山西电力有限公司 一种锅炉系统受热面安全诊断系统及方法
WO2022170698A1 (zh) * 2021-02-10 2022-08-18 宁波诺丁汉新材料研究院有限公司 一种工业锅炉故障识别与预警的方法及智能系统
CN217423214U (zh) * 2022-03-11 2022-09-13 国家能源集团山西电力有限公司 一种锅炉系统受热面安全诊断系统
CN115833400A (zh) * 2023-02-07 2023-03-21 山东盛日电力集团有限公司 一种变电站电力设备的监测预警方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11513480B2 (en) * 2018-03-27 2022-11-29 Terminus (Beijing) Technology Co., Ltd. Method and device for automatically diagnosing and controlling apparatus in intelligent building

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001330204A (ja) * 2000-05-22 2001-11-30 Samson Co Ltd ボイラの蒸気圧力制御装置
CN101498468A (zh) * 2009-02-17 2009-08-05 中国安全生产科学研究院 锅炉及换热站智能监控系统
CN110119766A (zh) * 2019-04-19 2019-08-13 淮阴工学院 一种多组合智能化模型的青椒温室温度智能化预警装置
CN111650898A (zh) * 2020-05-13 2020-09-11 大唐七台河发电有限责任公司 具备高容错性能的集散控制系统及方法
CN213067714U (zh) * 2020-09-25 2021-04-27 中国石油化工股份有限公司 一种机电设备在线状态监测系统
CN113283003A (zh) * 2020-11-13 2021-08-20 西南交通大学 一种基于时空融合决策的高速列车轴温异常检测方法
KR102267286B1 (ko) * 2020-12-28 2021-06-22 (주)테크다스 데이터 기반의 머신러닝 기술을 이용한 보일러 굴뚝원격감시체계(tms) 자동측정기기의 고장 식별 및 백업 시스템
WO2022170698A1 (zh) * 2021-02-10 2022-08-18 宁波诺丁汉新材料研究院有限公司 一种工业锅炉故障识别与预警的方法及智能系统
CN114118726A (zh) * 2021-11-09 2022-03-01 华能秦煤瑞金发电有限责任公司 一种燃煤电厂基于煤炭全价值链管理的科学配煤掺烧系统
CN114440205A (zh) * 2022-03-11 2022-05-06 国家能源集团山西电力有限公司 一种锅炉系统受热面安全诊断系统及方法
CN217423214U (zh) * 2022-03-11 2022-09-13 国家能源集团山西电力有限公司 一种锅炉系统受热面安全诊断系统
CN115833400A (zh) * 2023-02-07 2023-03-21 山东盛日电力集团有限公司 一种变电站电力设备的监测预警方法及系统

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
PLC SCADA Based Fault Detection System for Steam Boiler In Remote Plant;Swapnil Mohod等;2019 2nd International Conference on Intelligent Computing, Instrumentation and Control Technologies;第1007-1010页 *
区域供冷系统外管网冷量损失分析;旷金国等;暖通空调;第51卷(第12期);第16-21页 *
大型电站锅炉配煤及燃烧优化的支持向量机建模与实验研究;王春林;中国博士学位论文全文数据库工程科技Ⅱ辑(第5期);第C039-6页 *
火电厂大型锅炉常见故障分析与处理;杨欢;中国高新技术企业(第18期);第131-132页 *
火电机组能耗指标体系构建与经济性诊断研究;王亚欧等;热能动力工程;第37卷(第8期);第175-185页 *
电站锅炉承压部件寿命分析及在线监测;刘彤;中国博士学位论文全文数据库工程科技Ⅱ辑(第2期);第78-86页 *
电站锅炉燃烧分析专家系统;李雪亮等;中国电力;第30卷(第3期);第29-32页 *

Also Published As

Publication number Publication date
CN116399400A (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN112200433B (zh) 一种发电厂热力性能分析与优化系统
CN116399400B (zh) 一种锅炉机组运行故障检测方法及系统
CN112906787B (zh) 一种工业锅炉故障识别方法及系统
EP3055747B1 (en) Correlation and annotation of time series data sequences to extracted or existing discrete data
US8046191B2 (en) Method for monitoring performance of a heat transfer device
JP6116466B2 (ja) プラントの診断装置及び診断方法
CN101839795B (zh) 锅炉承压管的泄漏诊断系统和方法
WO2016077997A1 (en) Wind turbine condition monitoring method and system
EP3055746B1 (en) Correlation and annotation of time series data sequences to extracted or existing discrete data
TWI665537B (zh) 廠房的診斷裝置及診斷方法
CN104090560B (zh) 一种监测供电综合环境评价指标的设备
JP2002155708A (ja) 発電プラントのガイダンス提供システムおよび方法
CN112163350B (zh) 一种制粉系统双模型的煤粉细度实时在线软测量系统及方法
CN108197723B (zh) 煤电机组供电煤耗与污染物排放的优化节能调度方法
Castro Performance evaluation of a reciprocating chiller using experimental data and model predictions for fault detection and diagnosis/Discussion
Choi et al. Data-driven fault diagnosis based on coal-fired power plant operating data
KR101684348B1 (ko) 화력발전시스템의 운전진단장치 및 방법
CN111898794B (zh) 一种大型燃煤锅炉热效率的异常监测方法
CN103968879A (zh) 一种供电系统区域环保监测方法
CN103968880A (zh) 一种供电系统区域环保监测系统
JP7474208B2 (ja) 運転支援装置、運転支援方法および運転支援プログラム
CN114626162B (zh) 一种接触球轴承损耗程度定量识别方法
KR102383775B1 (ko) 플랜트의 고장 및 연소 최적화를 관리하는 방법 및 이를 위한 시스템
CN113741359A (zh) 一种混煤掺烧方式下火电厂安全监控系统及其方法
Affelt et al. Hybrid Analytics Solution for Power Plant Operations

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