一種發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法，可應(yīng)用于發(fā)電機(jī)組的運(yùn)行參數(shù)測(cè)量傳感器故障診斷，包括：離線建模，通過機(jī)理分析得到與待測(cè)參數(shù)相關(guān)的輔助變量，對(duì)所有的輔助變量按照依賴關(guān)系的程度進(jìn)行定量篩選，得到與待測(cè)參數(shù)具有較強(qiáng)依賴關(guān)系的主要輔助變量；然后通過基于B樣條變換的PLSR建模方法得到在線診斷所用的模型和模型系數(shù)；在線診斷，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行在線B樣條變換，通過加載待測(cè)參數(shù)與主要輔助變量之間的數(shù)學(xué)模型，得到待測(cè)參數(shù)Y的預(yù)測(cè)值，通過“窗口移動(dòng)法”比對(duì)模型預(yù)測(cè)數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)的統(tǒng)計(jì)特征，實(shí)現(xiàn)對(duì)傳感器的故障診斷并識(shí)別傳感器的故障類型。本發(fā)明還公開了一種發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷系統(tǒng)。
【專利說明】一種發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及應(yīng)用于發(fā)電機(jī)組的運(yùn)行參數(shù)測(cè)量傳感器故障診斷，尤其涉及一種發(fā)電 機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法及系統(tǒng)。

【背景技術(shù)】
[0002] 現(xiàn)代大型火力發(fā)電機(jī)組中的很多測(cè)量傳感器是工作在高溫、高壓、腐蝕的復(fù)雜環(huán) 境下，受到電磁干擾，比系統(tǒng)中的其它部分更容易出現(xiàn)故障，導(dǎo)致測(cè)量數(shù)據(jù)的準(zhǔn)確與否難以 保證。當(dāng)傳感器出現(xiàn)性能蛻化、故障或失效時(shí)，將給后續(xù)的監(jiān)測(cè)、控制、故障診斷等系統(tǒng)帶來 嚴(yán)重影響，產(chǎn)生誤診斷、誤報(bào)警，甚至造成不可估量的損失。因此，研究如何及時(shí)發(fā)現(xiàn)、快速 診斷傳感器故障具有十分重要的意義。
[0003] 診斷傳感器故障的依據(jù)是傳感器的測(cè)量值與/標(biāo)稱值（估計(jì)）之間的殘差信號(hào)， 冗余是產(chǎn)生殘差的唯一途徑。按照冗余產(chǎn)生的方式可以將傳感器故障診斷分為兩大類，即： 基于物理冗余的方法和基于解析冗余的方法。基于物理冗余的方法通過增加傳感器數(shù)量來 提供冗余?；诮馕鋈哂喾椒ㄍㄟ^過程模型（解析模型）為被監(jiān)控參數(shù)或變量提供冗余。
[0004] 解析冗余方法不需要額外的硬件，對(duì)于大型系統(tǒng)來說可以大大地節(jié)約成本。在一 些特殊應(yīng)用如：航空工業(yè)中，安裝額外傳感器將受到限制，此時(shí)只能依靠解析冗余方法進(jìn)行 傳感器故障的檢測(cè)與診斷。并且基于解析冗余的方法能夠有效地結(jié)合控制和優(yōu)化系統(tǒng)，所 以一直是當(dāng)前研究的熱點(diǎn)。相對(duì)于物理冗余方法，解析冗余方法難以實(shí)現(xiàn)，基于解析冗余的 傳感器故障檢測(cè)與診斷的有效性和可靠性主要依賴于模型的可靠性與有效性。所以建立準(zhǔn) 確的過程模型成為傳感器故障診斷的關(guān)鍵所在。
[0005] 基于解析冗余的傳感器故障檢測(cè)與診斷建模方法有多種，而目前基于數(shù)據(jù)驅(qū)動(dòng)的 軟測(cè)量建模方法是解析冗余方法最有發(fā)展?jié)摿蛻?yīng)用潛力的方法之一。主要包括主元分析 法（PCA)、偏最小二乘方法（PLS)和神經(jīng)網(wǎng)絡(luò)方法（NN)等。近年來，針對(duì)這些方法，學(xué)者們 做了很多研究，并提出了很多改進(jìn)的、融合的建模方法。例如，基于樣條變換的PLSR方法有 效解決了 PLSR方法非線性擬合能力差的問題。劉波平等人提出了將PLS與廣義神經(jīng)網(wǎng)絡(luò) (GRNN)結(jié)合的方法，即利用PLS數(shù)據(jù)壓縮提取主成分，將主成分作為神經(jīng)網(wǎng)絡(luò)的輸入，從而 有效地簡(jiǎn)化了神經(jīng)網(wǎng)絡(luò)模型，提高了訓(xùn)練速率和模型的可靠性。但這種方法實(shí)際上并未真 正實(shí)現(xiàn)變量的篩選工作，主成分中仍然包含相關(guān)性不強(qiáng)的參變量的相關(guān)信息。并且在發(fā)電 機(jī)組系統(tǒng)中同時(shí)存在成百上千的測(cè)點(diǎn)需要軟測(cè)量或檢測(cè)測(cè)量數(shù)據(jù)的準(zhǔn)確性，模型存儲(chǔ)和維 護(hù)成本必然會(huì)影響該方法的實(shí)際應(yīng)用。所以故障診斷的方向在于尋找一種基于解析冗余 的，既能準(zhǔn)確預(yù)測(cè)，又適合在線應(yīng)用的方法及系統(tǒng)。


【發(fā)明內(nèi)容】

[0006] 為了解決以上技術(shù)問題，本發(fā)明提供一種應(yīng)用于發(fā)電機(jī)組的測(cè)量傳感器故障診斷 方法及基于此方法的診斷系統(tǒng)。所述的發(fā)電機(jī)組的傳感器故障診斷方法包括如下步驟：
[0007] 1)離線建模：首先通過機(jī)理分析得到與待測(cè)參數(shù)Y相關(guān)的輔助變量m個(gè)，然后采 用GRNN-MIV方法對(duì)所有的輔助變量按照依賴關(guān)系的程度進(jìn)行定量篩選，得到與待測(cè)參數(shù) Y具有較強(qiáng)依賴關(guān)系的主要輔助變量η個(gè)。將此η個(gè)輔助變量進(jìn)行B樣條變換，然后利用 PLSR建模方法對(duì)B樣條變換后的數(shù)據(jù)和待測(cè)參數(shù)進(jìn)行建模，得到既簡(jiǎn)單又適合在線應(yīng)用的 模型；
[0008] 2)在線診斷：在機(jī)組運(yùn)行過程中，從電廠的PI數(shù)據(jù)庫(kù)中實(shí)時(shí)讀出η個(gè)主要輔助變 量的數(shù)據(jù)，進(jìn)行在線B樣條變換后，加載待測(cè)參數(shù)與輔助變量之間的數(shù)學(xué)模型，得到待測(cè)參 數(shù)Y的預(yù)測(cè)值，然后與Y實(shí)時(shí)測(cè)量值作對(duì)比，判斷傳感器是否故障，進(jìn)而通過窗口移動(dòng)法判 斷數(shù)據(jù)的統(tǒng)計(jì)特征，來識(shí)別傳感器的故障類型。然后對(duì)故障傳感器的數(shù)據(jù)進(jìn)行修復(fù)或者替 代，并且在控制界面顯示。
[0009] 本發(fā)明所述的運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法，基本思路是通過待測(cè)參數(shù)與輔 助變量之間的數(shù)學(xué)模型得到傳感器的預(yù)測(cè)值，然后比對(duì)預(yù)測(cè)值與實(shí)測(cè)值來分析傳感器的運(yùn) 行狀態(tài)。
[0010] 離線建模所用的數(shù)據(jù)是本機(jī)組的歷史數(shù)據(jù)，取自本機(jī)組的PI數(shù)據(jù)庫(kù)。
[0011] 建模輔助變量通過機(jī)理分析得到，然而機(jī)理分析的目的就是從機(jī)組的眾多運(yùn)行參 數(shù)中是找出與待診斷傳感器相關(guān)的變量。主要從能量守恒、質(zhì)量守恒原理、機(jī)組的運(yùn)行機(jī) 理、工藝流程、傳感器參數(shù)測(cè)量方法等角度進(jìn)行綜合分析，初步得到可用于建模的所有相關(guān) 變量組。
[0012] 變量篩選采用的是GRNN-MIV方法，GRNN-MIV是一種基于平均貢獻(xiàn)率（MIV)和廣 義神經(jīng)網(wǎng)絡(luò)（GRNN)的變量篩選方法。保留對(duì)因變量影響較大的參變量，舍棄對(duì)因變量影響 較小的參變量，按照依賴關(guān)系的程度篩選出主要的建模參數(shù)，使后續(xù)建立的模型得到簡(jiǎn)化。
[0013] 基于解析冗余的建模方法是一種基于B樣條變換的PLSR建模方法，由于線性PLSR 建模無(wú)法取到令人滿意的結(jié)果，樣條變換采用了分段擬合的思想，可以按需要裁剪以適應(yīng) 任意曲線的連續(xù)變化，本方法即是采用擬線性的方法來解決非線性問題。
[0014] 傳感器的診斷和識(shí)別方法采用"窗口移動(dòng)法"，比較連續(xù)幾個(gè)采樣周期數(shù)據(jù)的模型 預(yù)測(cè)值和傳感器實(shí)測(cè)值的統(tǒng)計(jì)特征，為其設(shè)定閾值，來判定此傳感器是否發(fā)生故障以及識(shí) 別出恒定偏差、精度下降、漂移故障和徹底失效故障等四種故障類型。
[0015] 在診斷模模塊需要用到的模型預(yù)測(cè)值和傳感器實(shí)測(cè)值的統(tǒng)計(jì)特征包括：預(yù)測(cè)值、 實(shí)測(cè)值、殘差=預(yù)測(cè)值-實(shí)測(cè)值、殘差平均值、殘差標(biāo)準(zhǔn)差、預(yù)測(cè)值平均值、預(yù)測(cè)值標(biāo)準(zhǔn)差、 實(shí)測(cè)值標(biāo)準(zhǔn)差、實(shí)測(cè)值平均值。所述的閾值包括故障閾值T tl、恒定偏差閾值T6、精度下降閾 值T2和精度下降閾值T1、漂移故障閾值T 5和徹底失效故障閾值T3和徹底失效故障閾值τ4。
[0016] 一種發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷系統(tǒng)，除了發(fā)電機(jī)組外，還包括機(jī)組 的各種測(cè)量傳感器、PI數(shù)據(jù)庫(kù)、用于建模的PC機(jī)、用于模型預(yù)測(cè)和故障診斷的服務(wù)器以及 狀態(tài)顯示設(shè)備。
[0017] 本發(fā)明的有益效果主要表現(xiàn)在可以基于一個(gè)準(zhǔn)確的模型來實(shí)時(shí)監(jiān)測(cè)傳感器的運(yùn) 行狀態(tài)，在傳感器故障時(shí)，錯(cuò)誤數(shù)據(jù)由系統(tǒng)及時(shí)修復(fù)或替代而不至于影響機(jī)組的運(yùn)行?？梢?有效降低傳感器故障診斷成本，增加發(fā)電機(jī)組的安全可靠性，有利于防止事故發(fā)生。

【專利附圖】

【附圖說明】
[0018] 圖1為發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法實(shí)現(xiàn)流程圖；
[0019] 圖2為發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷系統(tǒng)實(shí)現(xiàn)流程圖；
[0020] 圖3為發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器模型預(yù)測(cè)值與傳感器實(shí)測(cè)值對(duì)比圖；
[0021] 圖4為發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器在線診斷過程的邏輯判斷關(guān)系圖。

【具體實(shí)施方式】
[0022] 參考附圖能更加全面地描述本發(fā)明，圖上顯示本發(fā)明的某些實(shí)施例，但是并非所 有的實(shí)施例。實(shí)際上，本發(fā)明可以以很多不同的形式被體現(xiàn)，可以監(jiān)測(cè)和診斷很多類型的傳 感器，不應(yīng)該把它看作僅限于這里所闡述的實(shí)施例；而應(yīng)該把本發(fā)明的實(shí)施例看作是為了 使本發(fā)明公開的內(nèi)容滿足可應(yīng)用的合法要求而提供的。下面結(jié)合說明書附圖和具體實(shí)現(xiàn)方 式對(duì)本發(fā)明的實(shí)質(zhì)性特點(diǎn)做進(jìn)一步說明。
[0023] 發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法的實(shí)現(xiàn)如圖1所示。
[0024] 在圖1中，左側(cè)虛線框內(nèi)為離線建模流程圖，右側(cè)為在線診斷流程圖。人工機(jī)理 分析1-1分析實(shí)際過程的歷史數(shù)據(jù)，目的是初步得到與待測(cè)參數(shù)Y相關(guān)的建模輔助變量集 1-2,然后通過GRNN-MIV變量篩選模塊1-3得到建模主要輔助變量集1-4,進(jìn)而將其進(jìn)行B 樣條變換模塊1-5得到高維準(zhǔn)線性數(shù)據(jù)集1-6,最后通過PLSR擬合模塊對(duì)這些準(zhǔn)線性數(shù)據(jù) 進(jìn)行偏最小二乘法回歸擬合，得到在線診斷要用到的模型輸出數(shù)據(jù)2-5。
[0025] 實(shí)時(shí)數(shù)據(jù)讀取模塊2-2從PI數(shù)據(jù)庫(kù)2-1中讀取建模主要輔助變量的數(shù)據(jù)，經(jīng)過在 線B樣條變換模塊2-3得到的只有模型主要輔助變量的高維準(zhǔn)線性數(shù)據(jù)集X2-4,然后加載 離線模型數(shù)據(jù)2-5并通過傳感器模型預(yù)測(cè)模塊2-6得到模型預(yù)測(cè)值2-7,將其與傳感器實(shí) 測(cè)值2-8比較統(tǒng)計(jì)特征即可得到傳感器的運(yùn)行狀態(tài)，在故障診斷識(shí)別模塊2-9進(jìn)行故障診 斷，然后數(shù)據(jù)修復(fù)和狀態(tài)顯示模塊2-10對(duì)故障傳感器的數(shù)據(jù)進(jìn)行修復(fù)或者替代，并且在控 制界面顯示。
[0026] 如圖2所示，除了發(fā)電機(jī)組外，該系統(tǒng)還包括機(jī)組的各種傳感器1、PI數(shù)據(jù)庫(kù)2、用 于建模的PC機(jī)3、用于模型預(yù)測(cè)和故障診斷的服務(wù)器4以及狀態(tài)顯示設(shè)備5。傳感器組1 將易測(cè)變量存儲(chǔ)到PI數(shù)據(jù)庫(kù)2中，待離線建模和在線診斷使用；PC機(jī)3完成離線建模部分 并將模型數(shù)據(jù)存儲(chǔ)到PI數(shù)據(jù)庫(kù)中；服務(wù)器4完成傳感器的在線診斷過程，將結(jié)果顯示在顯 示設(shè)備5上，并實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)和傳感器故障數(shù)據(jù)的修復(fù)。
[0027] 如圖3所示為模型預(yù)測(cè)值2-7與傳感器實(shí)測(cè)值2-8的對(duì)比圖，y為機(jī)組的負(fù)荷值。 可知該建模方法具有較高的準(zhǔn)確度。準(zhǔn)確的模型是運(yùn)行參數(shù)測(cè)量傳感器故障診斷的準(zhǔn)確識(shí) 另Ij的基礎(chǔ)。
[0028] 如圖4所示為"故障診斷、識(shí)別模塊"的邏輯判斷關(guān)系圖，表明了診斷過程利用"窗 口移動(dòng)法"及閾值來識(shí)別故障類型的過程。首先計(jì)算需要用到的模型預(yù)測(cè)值和傳感器實(shí)際 值的統(tǒng)計(jì)特征：預(yù)測(cè)值、實(shí)際值、殘差=預(yù)測(cè)值-實(shí)際值、殘差平均值、殘差標(biāo)準(zhǔn)差、預(yù)測(cè)值 平均值、預(yù)測(cè)值標(biāo)準(zhǔn)差、實(shí)測(cè)值標(biāo)準(zhǔn)差、實(shí)測(cè)值平均值。閾值包括，故障閾值T tl、恒定偏差閾 值T6、精度下降閾值T2和T1、漂移故障閾值T 5和徹底失效故障閾值T3和T4。然后根據(jù)經(jīng)驗(yàn) 以及模型的預(yù)測(cè)精度選定各個(gè)閾值（用于機(jī)組負(fù)荷監(jiān)測(cè)）如表1所示。
[0029] 表1診斷過程所用閾值參數(shù)表
[0030]

【權(quán)利要求】
1. 一種發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法，其特征在于，包括： 離線建模，通過機(jī)理分析得到與待測(cè)參數(shù)Y相關(guān)的輔助變量m個(gè)，對(duì)所有的輔助變量按 照依賴關(guān)系的程度進(jìn)行定量篩選，得到與待測(cè)參數(shù)Y具有較強(qiáng)依賴關(guān)系的主要輔助變量n 個(gè)，將此n個(gè)輔助變量進(jìn)行B樣條變換，然后利用PLSR建模方法對(duì)B樣條變換后的數(shù)據(jù)和 待測(cè)參數(shù)Y進(jìn)行建模，得到待測(cè)參數(shù)Y與輔助變量之間的數(shù)學(xué)模型； 在線診斷，在機(jī)組運(yùn)行過程中，從PI數(shù)據(jù)庫(kù)中實(shí)時(shí)讀出n個(gè)主要輔助變量的數(shù)據(jù)，進(jìn) 行在線B樣條變換后，加載待測(cè)參數(shù)Y與輔助變量之間的數(shù)學(xué)模型，得到待測(cè)參數(shù)Y的預(yù)測(cè) 值，然后與Y實(shí)時(shí)測(cè)量值作對(duì)比，判斷傳感器是否故障，進(jìn)而通過窗口移動(dòng)法判斷數(shù)據(jù)的統(tǒng) 計(jì)特征，來識(shí)別傳感器的故障類型。
2. 如權(quán)利要求1所述的發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法，其特征在于，在 離線建模中，采用GRNN-MIV方法對(duì)所有的輔助變量按照依賴關(guān)系的程度進(jìn)行定量篩選，保 留對(duì)待測(cè)參數(shù)Y影響較大的輔助變量，舍棄對(duì)待測(cè)參數(shù)Y影響較小的輔助變量。
3. 如權(quán)利要求1所述的發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法，其特征在于，離 線建模所用的數(shù)據(jù)是本機(jī)組的歷史數(shù)據(jù)，取自本機(jī)組的PI數(shù)據(jù)庫(kù)。
4. 如權(quán)利要求1所述的發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法，其特征在于，通 過所述的窗口移動(dòng)法，比較連續(xù)幾個(gè)采樣周期數(shù)據(jù)的模型預(yù)測(cè)值和傳感器實(shí)測(cè)值的統(tǒng)計(jì)特 征，為其設(shè)定閾值，來判定此傳感器是否發(fā)生故障，以及識(shí)別出故障類型。
5. 如權(quán)利要求4所述的發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法，其特征在于，所 述的故障類型包括恒定偏差、精度下降、漂移故障和徹底失效故障四種。
6. 如權(quán)利要求5所述的發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法，其特征在于，所 述的統(tǒng)計(jì)特征包括：預(yù)測(cè)值、實(shí)際值、殘差=預(yù)測(cè)值_實(shí)測(cè)值、殘差平均值、殘差標(biāo)準(zhǔn)差、預(yù) 測(cè)值平均值、預(yù)測(cè)值標(biāo)準(zhǔn)差、實(shí)測(cè)值標(biāo)準(zhǔn)差、實(shí)測(cè)值平均值。
7. 如權(quán)利要求6所述的發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法，其特征在于，所 述的閾值包括故障閾值L、恒定偏差閾值T6、精度下降閾值T2和精度下降閾值、漂移故障 閾值T5和徹底失效故障閾值T3和徹底失效故障閾值T4。
8. -種基于權(quán)利要求1?7任一項(xiàng)所述發(fā)電機(jī)組運(yùn)行參數(shù)測(cè)量傳感器故障診斷方法的 系統(tǒng)，其特征在于，包括： 離線建模單元，通過機(jī)理分析得到與待測(cè)參數(shù)Y相關(guān)的輔助變量m個(gè)，對(duì)所有的輔助變 量按照依賴關(guān)系的程度進(jìn)行定量篩選，得到與待測(cè)參數(shù)Y具有較強(qiáng)依賴關(guān)系的主要輔助變 量n個(gè)，將此n個(gè)輔助變量進(jìn)行B樣條變換，然后利用PLSR建模方法對(duì)B樣條變換后的數(shù) 據(jù)和待測(cè)參數(shù)Y進(jìn)行建模，得到待測(cè)參數(shù)與輔助變量之間的數(shù)學(xué)模型； 在線診斷單元，在機(jī)組運(yùn)行過程中，從PI數(shù)據(jù)庫(kù)中實(shí)時(shí)讀出n個(gè)主要輔助變量的數(shù)據(jù)， 進(jìn)行在線B樣條變換后，加載待測(cè)參數(shù)與輔助變量之間的數(shù)學(xué)模型，得到待測(cè)參數(shù)Y的預(yù)測(cè) 值，然后與Y實(shí)時(shí)測(cè)量值作對(duì)比，判斷傳感器是否故障，進(jìn)而通過窗口移動(dòng)法判斷數(shù)據(jù)的統(tǒng) 計(jì)特征，來識(shí)別傳感器的故障類型。
【文檔編號(hào)】G01D18/00GK104390657SQ201410618162
【公開日】2015年3月4日 申請(qǐng)日期:2014年11月5日 優(yōu)先權(quán)日:2014年11月5日
【發(fā)明者】陳堅(jiān)紅, 李鴻坤, 盛德仁, 李蔚 申請(qǐng)人:浙江大學(xué)