電站輔機異常狀態(tài)識別算法研究.pdf

1、電廠輔機指電廠生產輔助設備，是構成電廠設備的重要組成部分，其運行狀態(tài)直接影響著電廠的經濟性與安全性。隨著信息技術的發(fā)展，電廠采集掌握大量的設備運行數據，研究如何高效的利用這些數據資源是進一步提高電站管理水平，降低發(fā)電成本的有效途徑。本文立足電廠大量歷史運行數據，通過數據挖掘的方式研究電站輔機設備的異常狀態(tài)識別方法，主要研究工作與成果總結如下:
　　(1)建立了基于Matlab/Simulink仿真平臺的高壓加熱器仿真模型、凝汽器仿

2、真模型，分別模擬了高壓加熱器正常運行狀態(tài)與管內漏水故障狀態(tài)及凝汽器正常運行狀態(tài)與因冷卻管臟污引起的傳熱惡化故障狀態(tài)。通過分析不同程度故障下的高壓加熱器給水出口溫度、凝汽器真空度等參數的響應曲線，發(fā)現仿真曲線趨勢正確，仿真模型動態(tài)響應良好。將正常運行狀態(tài)仿真值與真實運行值對比發(fā)現，仿真模型得到的正常運行狀態(tài)仿真值與真實值一致性較好。仿真數據可以作為預測建模方法的數據基礎。
　　(2)提出了基于K-means聚類的多元回歸預測模型算法

3、。該算法利用輪廓系數完成了聚類數優(yōu)化問題。基于正常運行仿真數據的聚類結果，建立高壓加熱器給水出口溫度預測模型、凝汽器真空度預測模型。通過預測值與仿真值誤差分析，發(fā)現預測模型預測精度較好，可以為預警系統(tǒng)提供可靠的正常運行狀態(tài)基準值的預測值。
　　(3)提出了基于滑動窗口的異常狀態(tài)統(tǒng)計報警方法。該方法首先通過K-means分類器，將實時數據歸入相應的狀態(tài)類，通過對應預測模型獲得正常運行狀態(tài)下評價指標基準值的預測值。分析預測值與仿真值的