一種火電廠熱力系統(tǒng)傳感器故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及故障診斷技術(shù)領(lǐng)域，特別涉及一種火電廠熱力系統(tǒng)傳感器故障診斷方 法。
【背景技術(shù)】
[0002] 傳感器作為火電廠中必不可少的底層部件，對機組安全穩(wěn)定運行起著重要的作 用?；痣姍C組正常運行過程中，重要的熱力過程參數(shù)，如主蒸汽溫度、主蒸汽壓力、汽輪機轉(zhuǎn) 速、汽包水位等的測量使用了大量的各種類型的傳感器。一旦傳感器發(fā)生故障，輕則使控制 系統(tǒng)性能下降，重則有可能導(dǎo)致嚴重的事故，造成重大經(jīng)濟損失?；痣姀S熱力過程中傳感器 眾多，分布于各種不同設(shè)備的多個部位，通過人力去檢測傳感器故障是非常困難的。因此， 通過檢測傳感器的輸出數(shù)據(jù)，進行傳感器故障判斷和分析是十分有必要的。
[0003] 傳感器故障診斷最為可靠的方法為硬件冗余法，即：在某一測點附近布置讀個不 同的傳感器同時測量同一物理參數(shù)，將幾個傳感器的輸出根據(jù)既定規(guī)則計算出的結(jié)果作為 該測點的測量值。硬件冗余的優(yōu)點是不需要被控對象的數(shù)學模型，魯棒性強，缺點是設(shè)備復(fù) 雜，會使系統(tǒng)的體積、重量和成本增加。
[0004] 基于信號處理的檢測方法分別從信號頻率、變量間相關(guān)性、變量自身相關(guān)性三個 方面進行了設(shè)計，在一定情況下會產(chǎn)生相應(yīng)的效果，比如小波分析適合振動、壓力這類波動 較快的信號；偏最小二乘適合于具有強相關(guān)性變量信號集的分析；而對于具有周期性特征 的信號分析，ARMA這類自相關(guān)時間序列回歸預(yù)測方法會產(chǎn)生更加顯著的效果?，F(xiàn)有技術(shù)方 案采用單一的方法，方法本身具有一定的局限性，缺乏冗余檢測的驗證和分析，可靠程度不 尚。

【發(fā)明內(nèi)容】

[0005] 為解決現(xiàn)有技術(shù)的問題，本發(fā)明提出一種火電廠熱力系統(tǒng)傳感器故障診斷方法， 技術(shù)方案時間軸的多元回歸和支持向量回歸這兩個維度上對測量信號進行綜合分析和配 合比較，其方案的泛化能力更強，應(yīng)用場合更廣。
[0006] 為實現(xiàn)上述目的，本發(fā)明提供了 一種火電廠熱力系統(tǒng)傳感器故障診斷方法，該方 法包括：
[0007] 對熱力系統(tǒng)的傳感器信息數(shù)據(jù)進行采樣；
[0008] 根據(jù)傳感器信息采樣數(shù)據(jù)確定階次數(shù)P ;
[0009] 根據(jù)所述階次數(shù)P選擇自回歸模型；
[0010] 確定自回歸模型中的參數(shù)，同時確定自回歸模型的表達式；
[0011] i = 1，以t-p+i為初始時間節(jié)點，時間序列窗口長度為P，對傳感器信息數(shù)據(jù)采樣 得到的P個實際測量數(shù)據(jù)作為自回歸模型的輸入，經(jīng)自回歸模型輸出第t+Ι時刻的預(yù)測數(shù) 據(jù)邱+1)，并確定預(yù)測數(shù)據(jù)祁+1)與對應(yīng)的實際測量數(shù)據(jù)以〖+1)之間的殘差以1)，當殘差 e(i)不超過閾值時，則i = i+Ι，以t-p+i為初始時間節(jié)點，繼續(xù)經(jīng)自回歸模型獲得一殘差 e(i)，直至殘差e(i)大于閾值；
[0012] 將當前預(yù)測數(shù)據(jù)S(f + 〇、以當前時刻t+i為始發(fā)點前p-1個連續(xù)時刻對應(yīng)數(shù)據(jù)組 成訓練數(shù)據(jù)，分別經(jīng)至少兩個自回歸模型獲得對應(yīng)殘差，記錄下來，且i = i+1 ;繼續(xù)將最新 獲得的預(yù)測數(shù)據(jù).價+ 0、以當前時刻t+i為始發(fā)點前p-1個連續(xù)時刻對應(yīng)數(shù)據(jù)組成訓練數(shù) 據(jù)，直至獲得自回歸模型對應(yīng)地殘差序列；
[0013] 對獲得的殘差序列進行分析，當所有殘差序列均表現(xiàn)出可能出現(xiàn)為某種故障類型 時，則判斷傳感器發(fā)生該類故障。
[0014] 優(yōu)選地，所述自回歸模型包括AR模型、AOSVR模型。
[0015] 優(yōu)選地，所述階次數(shù)p通過MDL準則確定。
[0016] 優(yōu)選地，所述自回歸模型中的參數(shù)通過最小二乘法確定。
[0017] 優(yōu)選地，所述AR模型的表達式為：
[0018] 上述技術(shù)方案具有如下有益效果：本技術(shù)方案選擇至少兩個在線回歸預(yù)測模型， 將傳感器的時間序列測量數(shù)據(jù)作為模型的輸入樣本，實現(xiàn)模型的不斷更新并預(yù)測出傳感器 在下一時刻的輸出值。通過比較傳感器的預(yù)測值與實際值產(chǎn)生的殘差來檢測傳感器故障是 否發(fā)生。在傳感器有故障時通過模型實現(xiàn)故障數(shù)據(jù)的重構(gòu)，能快速準確地實現(xiàn)傳感器故障 診斷與數(shù)據(jù)重構(gòu)，特別適合于在線應(yīng)用。
【附圖說明】
[0019] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。
[0020] 圖1為本發(fā)明提出的一種火電廠熱力系統(tǒng)傳感器故障診斷方法流程圖；
[0021] 圖2為本實施例的AR模型輸出的殘差序列仿真圖；
[0022] 圖3為本實施例的AOSVR模型輸出的殘差序列仿真圖。
【具體實施方式】
[0023] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0024] 如圖1所示，為本發(fā)明提出的一種火電廠熱力系統(tǒng)傳感器故障診斷方法流程圖。 該方法包括：
[0025] 步驟101):對熱力系統(tǒng)的傳感器信息數(shù)據(jù)進行采樣；
[0026] 步驟102):根據(jù)傳感器信息采樣數(shù)據(jù)確定階次數(shù)p ;
[0027] 步驟103):根據(jù)所述階次數(shù)p選擇自回歸模型；
[0028] 步驟104):確定自回歸模型中的參數(shù)，同時確定自回歸模型的表達式；
[0029] 步驟105) :i = 1，以t-p+i為初始時間節(jié)點，時間序列窗口長度為p，對傳感器信 息數(shù)據(jù)采樣得到的P個實際測量數(shù)據(jù)作為自回歸模型的輸入，經(jīng)自回歸模型輸出第t+1時 亥_預(yù)測數(shù)據(jù)玢+1)，并確定預(yù)測數(shù)據(jù)轉(zhuǎn)+1)與對應(yīng)的實際測量