CN117421553A - 一种受热面汽水系统泄漏监测方法 - Google Patents
一种受热面汽水系统泄漏监测方法 Download PDFInfo
- Publication number
- CN117421553A CN117421553A CN202311353222.7A CN202311353222A CN117421553A CN 117421553 A CN117421553 A CN 117421553A CN 202311353222 A CN202311353222 A CN 202311353222A CN 117421553 A CN117421553 A CN 117421553A
- Authority
- CN
- China
- Prior art keywords
- steam
- heating surface
- moving average
- water
- average value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 118
- 238000010438 heat treatment Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000012360 testing method Methods 0.000 claims description 59
- 238000012549 training Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000010248 power generation Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000002864 coal component Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于数据建模的自更新自评估受热面汽水泄漏监测方法，该方法借助热电机组SIS系统保存的大量历史运行数据，对汽水系统的流量、各不同区域受热面进出口工质温度和机组负荷历史数据等进行提取，进而建立数据和机理的模型，确定判断逻辑，以实现受热面汽水泄漏情况的监测。本发明能够精确定位汽水泄漏区域所在的受热面，借助移动平均值缓解发电过程中参数间大滞后缓解对数据间关系的影响，为生产运营人员或管理人员判断受热面运行情况提供指导，并可及时发现汽水泄漏情况。
Description
技术领域
本发明属于火电站受热面汽水系统泄漏监测领域，涉及一种基于数据建模的自更新自评估受热面汽水系统泄漏监测方法。
背景技术
热力发电厂因其本身的结构原因，存在受热面泄漏问题。随着近年来装机容量的扩大和锅炉工质参数的提高，受热面泄漏导致高品质蒸汽流量减少，对锅炉整体经济性存在较大影响。同时，严重的受热面泄漏情况会危及发电机组的运行安全性，部分机组被迫非停。燃煤机组因煤质成分复杂，受热面存在飞灰磨损、蒸汽吹损、高温腐蚀、积灰结渣等问题，使锅炉受热面泄漏的风险较大。联合循环机组同样存在因流动加速腐蚀、温度场波动范围大导致管壁超温、应力集中等原因造成的受热面泄漏风险，对机组运行的安全性和经济性有较大影响。
因锅炉受热面包括过热器、水冷壁、再热器、省煤器等多个部件，且部件因压力温度等原因还会进行分级，受热面泄漏存在隐蔽性，即使确认泄漏，也难以迅速确定泄漏。目前主要采用仿真数据建立故障规律数据库、炉膛负压变化、烟气湿度温度偏差等方法进行泄漏判断。但仿真数据存在与实际运行数据的偏差，获得的故障规律数据库无法准确应用于实际工况，炉膛负压和烟气湿度温度变化的影响因素也较为复杂，并非仅受受热面泄漏影响，在应用过程中均存在一定的局限性。
发明内容
本发明是为了加强受热面汽水系统泄漏监测，通过数据建模确定多个汽水系统参数的正常波动区间，确保受热面泄漏能够提前预警。
为了达到上述目的，本发明采用的技术方案如下：
一种受热面汽水泄漏监测方法，包括以下步骤：
(1)选取历史数据：从热点机组SIS数据库中获取近期的历史运行数据，取数间隔为1s，获得原始数据样本D，对原始数据样本进行互斥分组，选取连续一天的数据作为测试集TD，其余数据作为训练集SD；所述历史运行数据包括汽水系统流量、不同区域受热面进出口温度、机组负荷；
(2)数据预处理：筛选去除测试集TD和训练集SD中负荷小于70％额定负荷数据，同时根据拉依达准则剔除粗大误差，处理后的测试集样本记为HD，处理后的训练集样本记为CD；
(3)汽水不平衡量计算：对样本HD和CD中的汽水系统各子系统参数进行计算，获得各系统汽水不平衡量的测试集样本和训练集样本分别HD1和CD1；
(4)受热面进出口工质温升计算：对测试集样本HD和训练集样本CD中的各受热面进出口工质温升进行计算，获得测试集样本HD2和训练集样本CD2；
(5)移动平均值计算：根据各测试集样本HD、HD1、HD2和训练集样本CD、CD1、CD2中的参数，计算指定15min的移动平均值，分别输出结果记为测试集样本HD3和训练集样本CD3；
(6)确定合理的波动区间
6.1、确定汽水不平衡量波动区间：对训练集样本CD3中汽水不平衡量的移动平均值上下限进行计算，给出合理的汽水不平衡量波动区间记为J1，使用HD3中数据进行测试评价，如不满足，重新选取测试集TD和训练集SD重复步骤(2)-(6)进行计算，直至测试集HD3中数据对应的计算结果均位于区间J1内；
(7)受热面汽水系统泄漏判断：对于实际运行过程中的参数，计算汽水不平衡量的移动平均值，将计算结果与J1的判断区间进行比较，若超限，则认为受热面汽水系统存在泄漏的可能；若不超限，则认为受热面汽水系统不存在泄漏。
本发明受热面汽水泄漏监测基于实际运行数据建模，确定关键参数——汽水不平衡量的合理波动范围，对汽水泄漏区域所在的受热面进行初步判断，为生产经营或管理人员提供指导。
进一步的，步骤(6)中确定合理的波动区间还包括：
6.2、确定汽水不平衡量移动平均值的变化量随负荷的移动平均值的变化量的变化率的波动区间：对训练集样本CD3中汽水不平衡量的移动平均值上下限进行计算，和负荷的移动平均值计算时刻变化率，将汽水不平衡量的移动平均值的时刻变化率与负荷的移动平均值的时刻变化率做除，获得汽水不平衡量移动平均值的变化量随负荷的移动平均值的变化量的变化率，计算汽水不平衡量的移动平均值的变化量随负荷的移动平均值的变化量的变化率上下限，给出合理的波动区间记为J2，使用HD3中数据进行测试评价，确保区间满足；如不满足，重新选取测试集TD和训练集SD进行计算，直至测试集HD3中数据对应的计算结果均位于区间J2内；
6.3、确定受热面进出口工质温升的移动平均值的实际值与预测值间的差值的波动区间：对训练集样本CD3中受热面进出口工质温升的移动平均值和负荷的移动平均值进行相关性分析，将其作为输入样本，输入线性回归模型，得到的输出结果，即为受热面进出口工质温升预测结果记为R1；将训练集样本CD3中受热面进出口工质温升的移动平均值与计算获得的受热面进出口工质温升预测结果R1做差，计算受热面进出口工质温升的移动平均值的实际值与预测值间的差值的上下限，给出合理的波动区间记为J3，使用HD3中数据进行测试评价，确保区间满足；如不满足，重新选取测试集TD和训练集SD进行计算，直至测试集HD3中数据对应的计算结果均位于区间J3内；
同时，步骤(7)中同时对区间J1、J2、J3进行判断：
对于实际运行过程中的参数，分别计算汽水不平衡量的移动平均值、汽水不平衡量的移动平均值的变化量随负荷的移动平均值的变化量的变化率和受热面进出口工质温升的移动平均值的实际值与预测值间的差值，将计算结果分别与J1、J2、J3的判断区间进行比较，若判断均超限，认为受热面汽水系统存在泄漏。
本发明通过对多个参数运行范围进行比较，能够精确定位汽水泄漏区域所在的受热面，同时借助移动平均值缓解发电过程中参数间大滞后缓解对数据间关系的影响，为生产运营人员或管理人员判断受热面运行情况提供指导，并可及时发现汽水泄漏情况。
进一步地，步骤(1)中历史数据选取最近一个月内的汽水系统流量、不同区域受热面进出口温度和机组负荷的时序历史数据；
进一步地，步骤(2)中数据预处理过程为去除低负荷运行变化调整较为剧烈的工况，同时筛除样本TD和SD中的因传感器故障或其他原因导致的粗大误差。根据拉依达准则，对样本TD和SD计算处理得到标准偏差，根据概率确定区间，对于误差值大于给定区间的数据进行剔除舍弃。
进一步地，步骤(2)根据拉依达准则，对样本TD和SD剔除粗大误差时，需同时对汽水系统流量、不同区域受热面进出口温度和机组负荷进行标准差计算，并对所计算的任一参数的出现出大误差的时刻的数据进行舍弃。
进一步地，步骤(3)中汽水系统各子系统包括高压汽水系统、中压汽水系统、低压汽水系统，系统参数包括根据汽水平衡图，进入和流出各汽水子系统的流量。
进一步地，步骤(4)中，各受热面进出口工质温升计算，部分受热面缺少进出口温度测点，将受热面进行合并的过程中，受热面出口温度需选择加入减温水前工质温度，受热面入口工质温度需选择加入减温水后工质温度。
进一步地，步骤(5)中，将汽水不平衡量、受热面进出口工质温升、机组负荷分布进行拼接组合作为样本，所述的拼接是将HD、HD1、HD2和CD、CD1、CD2根据时序进行矩阵拼接，并非对应元素相加。
进一步地，步骤(5)中，对于因数据预处理导致的不连续数据，仅计算连续15min数据，间隔小于15min数据舍弃。
进一步地，步骤6.1中，使用测试集HD3数据样本测试J1区间是否满足，如不满足，重新选取测试集和训练集重新计算。
进一步地，步骤6.2中，计算汽水不平衡量和负荷的移动平均值时刻变化率为计算当前值与过去值间的差值，其中，时间跨度为1。
进一步地，步骤6.2中，使用测试集HD3数据样本测试J2区间是否满足，如不满足，重新选取测试集和训练集重新计算。
进一步地，步骤6.3中，建模参数输入线性回归模型，为提高受热面进出口工质温升预测结果R1的精度，可将参数输入高阶回归模型。
进一步地，步骤6.3中，使用测试集HD3数据样本测试J3区间是否满足，如不满足，重新选取测试集和训练集重新计算。
进一步地，步骤7中，对于实际运行过程中的参数，当且仅当参数连续15min机组负荷大于70％额定负荷时才进行判断。
进一步地，步骤7中，将计算结果分别与J1、J2、J3的判断区间进行比较时，若判断结果为部分超限，部分未超限，认为受热面汽水系统未泄漏。
上述建模步骤每隔1个月自动重新选取数据更新模型。通过对数据的定时自动更新，使得监测判断更加符合实时机组工况。
本发明具有如下有益效果：
本发明是基于数据的在线实时受热面汽水泄漏监测方法，无需额外的硬件设备，能够通过多个计算参数运行范围的比较，精确定位汽水泄漏区域所在的受热面，借助移动平均值缓解发电过程中参数间大滞后缓解对数据间关系的影响，为生产运营人员或管理人员判断受热面运行情况提供指导，并可及时发现汽水泄漏情况。
附图说明
图1为本发明受热面汽水泄漏监测方法判断流程图；
图2为本发明实施例中压汽水系统不平衡量移动平均值分布；
图3为本发明实施例中压汽水不平衡量的移动平均值的变化量随负荷的移动平均值的变化量的变化率的分布；
图4为本发明实施例中压过热器进出口工质温升的移动平均值随负荷的移动平均值变化曲线；
图5为本发明实施例中压过热器进出口工质温升的移动平均值的实际值与预测值的差值的分布。
具体实施方式
下面结合附图对本发明作进一步的说明。
如图1，本发明为一种受热面汽水泄漏监测方法，包括：历史数据采样、数据预处理、计算移动平均值、确定参数运行区间、确定参数间变化区间、线性回归模型训练、受热面进出口工质温升预测、多参数运行阈值判断等核心步骤，详细流程如图1所示。
以某联合循环机组中压汽水系统为例，具体操作步骤如下：
1、从厂级监控信息系统(SIS)的数据库采集2023年8月1日00:00至2023年8月31日00:00的中压汽水系统的流量、各不同区域受热面进出口工质温度和机组负荷历史数据，取数间隔为1s。
其中，汽水系统的流量参数包括：燃机燃料加热器入口给水流量、中压过热器出口蒸汽流量、中压给水母管流量。
各不同区域受热面进出口工质温度包括：中压过热器出口蒸汽温度、中压汽包外壁温、中压省煤器出口水温、中压省煤器入口水温，选取2023年8月10日00:00至2023年8月10日23:59的数据作为测试集，其余数据作为训练集。
2、对数据进行预处理，去除负荷小于70％额定负荷数据，并根据拉依达准则计算步骤1中所有参数的标准偏差区间，记录所有参数出现粗大误差的时间，对记录时间的所有数据均进行舍弃。
3、汽水不平衡量计算，中压汽水系统不平衡量为中压给水母管流量-燃机燃料加热器入口给水流量-中压过热器出口蒸汽温度；
4、受热面进出口工质温升计算，中压过热器进出口工质温升为中压过热器出口蒸汽温度-中压汽包外壁温，中压省煤器进出口工质温升为中压省煤器出口水温-中压省煤器入口水温。
5、将中压汽水系统不平衡量、中压过热器进出口工质温升、中压省煤器进出口工质温升和机组负荷进行矩阵拼接，并计算15min的移动平均值，其中因数据预处理导致间隔小于15min的数据舍弃。
6、中压汽水系统不平衡量移动平均值上下限计算，中压汽水不平衡量的移动平均值的变化量随负荷的移动平均值的变化量的变化率上下限计算，使用2023年8月10日的数据样本测试区间是否满足，如不满足，重新选取测试集和训练集重新计算。
图2和图3给出中压汽水系统不平衡量移动平均值分布和中压汽水不平衡量的移动平均值的变化量随负荷的移动平均值的变化量的变化率的分布。
7、根据中压过热器进出口工质温升、中压省煤器进出口工质温升和机组负荷的移动平均值建立线性回归模型，计算中压过热器进出口工质温升和中压省煤器进出口工质温升预测值，并与实际值对比，计算受热面进出口工质温升的移动平均值的实际值与预测值的差值的上下限，使用2023年8月10日的数据样本测试区间是否满足，如不满足，重新选取测试集和训练集重新计算。
图4和图5给出中压过热器进出口工质温升的移动平均值随负荷的移动平均值变化曲线，受热面进出口工质温升的移动平均值的实际值与预测值的差值的分布，使用2023年8月10日的数据样本测试区间是否满足，如不满足，重新选取测试集和训练集重新计算。
8、对于实际运行过程中的参数，分别计算汽水不平衡量的移动平均值、汽水不平衡量的移动平均值的变化量随负荷的移动平均值的变化量的变化率和受热面进出口工质温升的移动平均值的实际值与预测值间的差值，将计算结果分别与步骤6和步骤7中计算获得的判断区间进行比较，若判断均超限，认为受热面汽水系统存在泄漏。
9、每隔1个月自动重新选取最近一个月的数据更新模型。
Claims (10)
1.一种受热面汽水泄漏监测方法，其特征在于，包括以下步骤：
(1)选取历史数据：从热点机组SIS数据库中获取近期的历史运行数据，取数间隔为1s，获得原始数据样本D，对原始数据样本进行互斥分组，选取连续一天的数据作为测试集TD，其余数据作为训练集SD；所述历史运行数据包括汽水系统流量、不同区域受热面进出口温度、机组负荷；
(2)数据预处理：筛选去除测试集TD和训练集SD中负荷小于70％额定负荷数据，同时根据拉依达准则剔除粗大误差，处理后的测试集样本记为HD，处理后的训练集样本记为CD；
(3)汽水不平衡量计算：对样本HD和CD中的汽水系统各子系统参数进行计算，获得各系统汽水不平衡量的测试集样本和训练集样本分别HD1和CD1；
(4)受热面进出口工质温升计算：对测试集样本HD和训练集样本CD中的各受热面进出口工质温升进行计算，获得测试集样本HD2和训练集样本CD2；
(5)移动平均值计算：根据各测试集样本HD、HD1、HD2和训练集样本CD、CD1、CD2中的参数，计算指定15min的移动平均值，分别输出结果记为测试集样本HD3和训练集样本CD3；
(6)确定合理的波动区间
6.1、确定汽水不平衡量波动区间：对训练集样本CD3中汽水不平衡量的移动平均值上下限进行计算，给出合理的汽水不平衡量波动区间记为J1，使用HD3中数据进行测试评价，如不满足，重新选取测试集TD和训练集SD重复步骤(2)-(6)进行计算，直至测试集HD3中数据对应的计算结果均位于区间J1内；
(7)受热面汽水系统泄漏判断：对于实际运行过程中的参数，计算汽水不平衡量的移动平均值，将计算结果与J1的判断区间进行比较，若超限，则认为受热面汽水系统存在泄漏的可能；若不超限，则认为受热面汽水系统不存在泄漏。
2.根据权利要求1所述的受热面汽水泄漏监测方法，其特征在于，所述步骤(6)中确定合理的波动区间还包括：
6.2、确定汽水不平衡量移动平均值的变化量随负荷的移动平均值的变化量的变化率的波动区间：对训练集样本CD3中汽水不平衡量的移动平均值上下限进行计算，和负荷的移动平均值计算时刻变化率，将汽水不平衡量的移动平均值的时刻变化率与负荷的移动平均值的时刻变化率做除，获得汽水不平衡量移动平均值的变化量随负荷的移动平均值的变化量的变化率，计算汽水不平衡量的移动平均值的变化量随负荷的移动平均值的变化量的变化率上下限，给出合理的波动区间记为J2，使用HD3中数据进行测试评价，确保区间满足；如不满足，重新选取测试集TD和训练集SD进行计算，直至测试集HD3中数据对应的计算结果均位于区间J2内；
步骤(7)中在将实际运行过程中汽水不平衡量的移动平均值与J1区间比较后，若超限，再计算实际运行过程中汽水不平衡量的移动平均值的变化量随负荷的移动平均值的变化量的变化率，将计算结果与区间J2比较，若也同时超限，则认为受热面汽水系统存在泄漏的可能；若不超限，则认为受热面汽水系统不存在泄漏。
3.根据权利要求2所述的受热面汽水泄漏监测方法，其特征在于，所述步骤(6)中确定合理的波动区间还包括：
6.3、确定受热面进出口工质温升的移动平均值的实际值与预测值间的差值的波动区间：对训练集样本CD3中受热面进出口工质温升的移动平均值和负荷的移动平均值进行相关性分析，将其作为输入样本，输入线性回归模型，得到的输出结果，即为受热面进出口工质温升预测结果记为R1；将训练集样本CD3中受热面进出口工质温升的移动平均值与计算获得的受热面进出口工质温升预测结果R1做差，计算受热面进出口工质温升的移动平均值的实际值与预测值间的差值的上下限，给出合理的波动区间记为J3，使用HD3中数据进行测试评价，确保区间满足；如不满足，重新选取测试集TD和训练集SD进行计算，直至测试集HD3中数据对应的计算结果均位于区间J3内；
步骤(7)中在将实际运行过程中汽水不平衡量的移动平均值、汽水不平衡量的移动平均值的变化量随负荷的移动平均值的变化量的变化率的计算结果分别与区间J1、区间J2比较后，若均超限，再计算实际运行过程中受热面进出口工质温升的移动平均值的实际值与预测值间的差值，将计算结果与区间J3比较，若也同时超限，则认为受热面汽水系统存在泄漏；若不超限，则认为受热面汽水系统不存在泄漏。
4.根据权利要求1至3任一所述的受热面汽水泄漏监测方法，其特征在于，所述历史运行数据选取最近一个月的历史运行数据；各测试集样本HD、HD1、HD2、HD3和训练集样本CD、CD1、CD2、CD3及波动区间J1、J2、J3每隔1个月自动重新选取历史运行数据后更新计算。
5.根据权利要求1所述的受热面汽水泄漏监测方法，其特征在于，所述历史运行数据为汽水系统流量、不同区域受热面进出口温度和机组负荷的时序历史数据。
6.根据权利要求1所述的受热面汽水泄漏监测方法，其特征在于，所述步骤(2)中数据预处理过程为去除低负荷运行变化调整较为剧烈的工况，同时筛除样本TD和SD中的因传感器故障或其他原因导致的粗大误差；根据拉依达准则，对样本TD和SD剔除粗大误差时，需同时对汽水系统流量、不同区域受热面进出口温度和机组负荷进行标准差计算，并对所计算的任一参数的出现出大误差的时刻的数据进行舍弃。
7.根据权利要求1所述的受热面汽水泄漏监测方法，其特征在于，所述步骤(3)中汽水系统各子系统包括高压汽水系统、中压汽水系统、低压汽水系统，系统参数包括根据汽水平衡图，进入和流出各汽水子系统的流量。
8.根据权利要求1所述的受热面汽水泄漏监测方法，其特征在于，所述骤(4)中，各受热面进出口工质温升计算时，部分受热面缺少进出口温度测点，将受热面进行合并时，受热面出口温度需选择加入减温水前工质温度，受热面入口工质温度需选择加入减温水后工质温度。
9.根据权利要求5所述的受热面汽水泄漏监测方法，其特征在于，所述步骤(5)中计算移动平均值时，将汽水不平衡量、受热面进出口工质温升、机组负荷分别进行拼接组合并作为样本，所述拼接组合采用测试集样本HD、HD1、HD2和训练集样本CD、CD1、CD2根据时序进行矩阵拼接。
10.根据权利要求1所述的受热面汽水泄漏监测方法，其特征在于，所述步骤(7)中对于实际运行过程中的参数，当且仅当参数连续15min机组负荷大于70％额定负荷时才进行判断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311353222.7A CN117421553A (zh) | 2023-10-19 | 2023-10-19 | 一种受热面汽水系统泄漏监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311353222.7A CN117421553A (zh) | 2023-10-19 | 2023-10-19 | 一种受热面汽水系统泄漏监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117421553A true CN117421553A (zh) | 2024-01-19 |
Family
ID=89525791
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311353222.7A Pending CN117421553A (zh) | 2023-10-19 | 2023-10-19 | 一种受热面汽水系统泄漏监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117421553A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118274656A (zh) * | 2024-06-03 | 2024-07-02 | 山东科技大学 | 基于参数辨识的一类汽水换热器报警监测方法及系统 |
-
2023
- 2023-10-19 CN CN202311353222.7A patent/CN117421553A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118274656A (zh) * | 2024-06-03 | 2024-07-02 | 山东科技大学 | 基于参数辨识的一类汽水换热器报警监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8116990B2 (en) | Method and system for real-time prognosis analysis and usage based residual life assessment of turbine engine components and display | |
| Viswanathan et al. | Failure mechanisms of high temperature components in power plants | |
| US7113890B2 (en) | Method and apparatus for detecting faults in steam generator system components and other continuous processes | |
| CN117421553A (zh) | 一种受热面汽水系统泄漏监测方法 | |
| Wang et al. | Malfunction diagnosis of thermal power plants based on advanced exergy analysis: The case with multiple malfunctions occurring simultaneously | |
| Liu et al. | Optimal multi-type inspection policy for systems with imperfect online monitoring | |
| CN110458724A (zh) | 一种基于神经网络预测火电机组深度调峰能力的方法 | |
| Yu et al. | Hybrid modelling and simulation of thermal systems of in-service power plants for digital twin development | |
| 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 | |
| CN114429003A (zh) | 锅炉四管寿命预测方法的系统 | |
| Rusin et al. | Improving the availability and lengthening the life of power unit elements through the use of risk-based maintenance planning | |
| CN113918881B (zh) | 基于分层多项式模型的飞灰含碳量软测量方法及监测系统 | |
| Prasad et al. | A novel performance monitoring strategy for economical thermal power plant operation | |
| Rusin et al. | Maintenance planning of power plant elements based on avoided risk value | |
| CN114418169A (zh) | 一种基于大数据挖掘的在线运行优化系统 | |
| Rusin et al. | Steam turbine maintenance planning based on forecasting of life consumption processes and risk analysis | |
| CN109469919A (zh) | 一种基于权重聚类的电站空预器堵灰监测方法 | |
| CN113449395A (zh) | 一种基于离线检验的亚临界锅炉锅筒下降管与管座的状态评估方法 | |
| EP4352339B1 (en) | A method and a system for monitoring and on-line determining of a calorific value of solid fuel that is currently combusted in a boiler | |
| Lefton et al. | The increased cost of cycling operations at combined cycle power plants | |
| Lee et al. | Thinned pipe management program of Korean NPPs | |
| Agbleze et al. | Modeling and control of subcritical coal-fired power plant components for fault detection | |
| Rusin et al. | Assessment of the rise in the turbine operation risk due to increased cyclicity of the power unit operation | |
| Fadil et al. | Analysis characterisation of coolant monitoring system for nuclear research reactor digital instrumentation | |
| Bulut | Developing A Process Parameter Based Performance Monitoring and Evaluation System for Power Plant |
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 |