基于结构机理和运行数据的锅炉故障诊断方法及诊断系统

摘要

本发明涉及一种基于结构机理和运行数据的锅炉故障诊断方法及诊断系统，其中基于结构机理和运行数据的锅炉故障诊断方法包括：建立锅炉的结构机理模型；对锅炉运行的实时数据进行清洗，并选取锅炉的稳定工况数据；根据稳定工况数据对结构机理模型进行特征参数辨识修正，获取锅炉的数字孪生模型；根据数字孪生模型获取锅炉运行参数的预测值；通过预测值与稳定工况数据中实测值的偏差对锅炉故障进行诊断，实现了将机理建模和数据建模结合分析相互补充和修正确保能够得到更为精确的数字孪生模型，进而根据预测值和实测值的偏差对锅炉的实时运行状态进行评估，对锅炉发生的超温、性能下降等情况进行及时预警和诊断提高锅炉运行的稳定性和安全性。

说明书

技术领域

本发明属于锅炉的运行状态监测和故障诊断技术领域，具体涉及一种基于结构机理和运行数据的锅炉故障诊断方法及诊断系统。

背景技术

锅炉是国民经济中重要的供应蒸汽和热水的特种装备，由于经济的高速发展，各种类型和容量的锅炉被广泛地应用在电力、机械、冶金、化工等行业，作为能源供应的主要设备之一，保证锅炉运行安全，防止和减少事故，对于维护生命财产安全和经济运行安全具有重大意义。然而，目前很多锅炉运行管理比较粗放，尤其是供热锅炉房的小容量工业锅炉，大多只靠人工去管理和维护，司炉工对压力、温度、水位、流量等动态参数监视不严，不能及时发现运行数据中的异常情况并采取相应措施，造成超温、超压等情况的产生和迅速扩展，最终导致事故发生。除此以外，锅炉运行是动态过程，经能效调试改进后的锅炉在运行一段时间后，又会出现能效比下降的情况，要让锅炉长期保持最佳运行状态，就必须加强日常运行情况的监测，随时处理和调整运行方式。基于以上现状，目前急需一种锅炉运行状态诊断系统来解决上述问题。

对于锅炉这样一个复杂的热力系统，业内对其内部冷热流体的换热机制和流动特性等研究的较为透彻，基于此，首先建立锅炉的结构机理模型，即根据实际锅炉的结构建立系统内部的介质传热和流动的方程模型。数据建模是对信息系统中客观事物的内在联系的数学描述，对于任何一个信息系统来说，数据建模都是其核心内容，尤其在当今大数据技术、物联网、人工智能高速发展的今天，基于数据的建模越发能够体现其快速、便捷和精确等优势。将机理建模和数据建模结合分析，相互补充和修正，确保能够得到更为精确的锅炉运行状态的参考模型。基于该“数字孪生”模型的预测值和实测值的偏差对锅炉的实时运行状态进行评估，进一步对锅炉发生的超温、性能下降等情况进行及时预警和诊断。

因此，基于上述技术问题需要设计一种新的基于结构机理和运行数据的锅炉故障诊断方法及诊断系统。

发明内容

本发明的目的是提供一种基于结构机理和运行数据的锅炉故障诊断方法及诊断系统。

为了解决上述技术问题，本发明提供了一种基于结构机理和运行数据双重驱动的锅炉故障诊断方法，包括：

建立锅炉的结构机理模型；

对锅炉运行的实时数据进行清洗，并选取锅炉的稳定工况数据；

根据稳定工况数据对结构机理模型进行特征参数辨识修正，获取锅炉的数字孪生模型；

根据数字孪生模型获取锅炉运行参数的预测值；以及

通过所述预测值与稳定工况数据中实测值的偏差对锅炉故障进行诊断。

进一步，所述建立锅炉的结构机理模型的方法包括：

根据能量守恒和质量守恒方程建立结构机理模型：

E

G

其中，E

进一步，建立锅炉运行的实时数据库，导入从锅炉的集散控制系统采集的运行数据并实现运行数据的存储；

将实时数据库中的运行数据输入结构机理模型进行计算，并将计算结果存储在实时数据库中。

进一步，所述对锅炉运行的实时数据进行清洗，并选取锅炉的稳定工况数据的方法包括：

根据锅炉的类型和容量来设置各运行参数的上、下限，将超出、低于各运行参数的上、下限的实时数据去除；

对实时数据构成的数据集进行规律查找，以对缺失的实时数据进行填充和对实时数据进行平滑处理。

进一步，所述对锅炉运行的实时数据进行清洗，并选取锅炉的稳定工况数据的方法还包括：

根据清洗后的实时数据选取稳定工况数据，即

锅炉的运行参数x的数据集为x＝{x

其中，x

数据长度为k的窗口在数据集从左至右滑动，在滑动过程中不断计算窗口内新的数据集的标准差，则窗口位置由数据点m移动至m+1时，新的数据集的均值为：

新数据集的标准差为：

其中，1≤m≤n-k；

在窗口每次滑动后，将计算的标准差与标准差的阈值进行比较：

若σ

若σ

进一步，所述根据稳定工况数据对结构机理模型进行特征参数辨识修正，获取锅炉的数字孪生模型的方法包括：

稳定工况数据集Y为：Y(y

其中，y

将y

根据数据辨识的方法对y′

其中，

结构机理模型计算结果和运行参数相结合的模型为数字孪生模型：

进一步，所述根据数字孪生模型获取锅炉运行参数的预测值的方法包括：

根据Y(y

进一步，所述通过所述预测值与稳定工况数据中实测值的偏差对锅炉故障进行诊断的方法包括：

根据预测值

差值的阈值为：Δy0；

当Δy≥Δy0时，判断锅炉的实际运行情况发生偏差，诊断锅炉故障并发出预警；

当y

其中，y

当诊断锅炉故障时生成相应的故障分析。

另一方面，本发明还提供一种基于结构机理和运行数据双重驱动的锅炉故障诊断系统，包括：

结构机理模型构建模块，建立锅炉的结构机理模型；

清洗模块，对锅炉运行的实时数据进行清洗，并选取锅炉的稳定工况数据；

数字孪生模型构建模块，根据稳定工况数据对结构机理模型进行特征参数辨识修正，获取锅炉的数字孪生模型；

预测值获取模块，根据数字孪生模型获取锅炉运行参数的预测值；以及

诊断模块，通过所述预测值与稳定工况数据中实测值的偏差对锅炉故障进行诊断。

本发明的有益效果是，本发明通过建立锅炉的结构机理模型；对锅炉运行的实时数据进行清洗，并选取锅炉的稳定工况数据；根据稳定工况数据对结构机理模型进行特征参数辨识修正，获取锅炉的数字孪生模型；根据数字孪生模型获取锅炉运行参数的预测值；以及通过所述预测值与稳定工况数据中实测值的偏差对锅炉故障进行诊断，实现了将机理建模和数据建模结合分析，相互补充和修正，确保能够得到更为精确的数字孪生模型，基于数字孪生模型预测值和实测值的偏差对锅炉的实时运行状态进行评估，进一步对锅炉发生的超温、性能下降等情况进行及时预警和诊断，以提高锅炉运行的稳定性和安全性。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是本发明所涉及的基于结构机理和运行数据双重驱动的锅炉故障诊断方法的流程图；

图2是本发明所涉及的锅炉实时数据处理流程图；

图3是本发明所涉及的锅炉故障诊断系统原理图；

图4是本发明所涉及的故障预警示意图；

图5是本发明所涉及的基于结构机理和运行数据双重驱动的锅炉故障诊断系统的原理框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

图1是本发明所涉及的基于结构机理和运行数据双重驱动的锅炉故障诊断方法的流程图。

如图1所示，本实施例1提供了一种基于结构机理和运行数据双重驱动的锅炉故障诊断方法，包括：建立锅炉的结构机理模型；对锅炉运行的实时数据进行清洗，并选取锅炉的稳定工况数据；根据稳定工况数据对结构机理模型进行特征参数辨识修正，获取锅炉的数字孪生模型；根据数字孪生模型获取锅炉运行参数的预测值；以及通过所述预测值与稳定工况数据中实测值的偏差对锅炉故障进行诊断，实现了将机理建模(建立锅炉的结构机理模型)和数据建模(根据稳定工况数据对结构机理模型进行特征参数辨识修正，获取锅炉的数字孪生模型)结合分析，相互补充和修正，确保能够得到更为精确的数字孪生模型，基于数字孪生模型预测值和实测值的偏差对锅炉的实时运行状态进行评估，进一步对锅炉发生的超温、性能下降等情况进行及时预警和诊断，以提高锅炉运行的稳定性和安全性。

在本实施例中，所述建立锅炉的结构机理模型的方法包括：锅炉是将燃料的化学能转化为热水或者蒸汽的热能，主要涉及到流体的传热和流动问题，根据能量守恒和质量守恒方程建立结构机理模型：

E

G

其中，E

在本实施例中，所述对锅炉运行的实时数据进行清洗，并选取锅炉的稳定工况数据的方法包括：锅炉实际运行中，由于监测设备的运行故障或网络的不稳定性，使得其监测的运行参数不可或缺地存在着数据的空值、缺失或重复情况等，所以有必要对锅炉的运行数据(实时数据)进行数据清洗，保证数据的有效性；针对运行数据，首先可以根据实际锅炉的类型和容量来对各运行参数进行上下限的设定，使得超限的数据直接被剔除；其次，采用机器学习算法对数据集进行规律查找，确定最接近的值来进行缺失值的填充，同时对偏差较大的数据进行平滑处理。

在本实施例中，所述对锅炉运行的实时数据进行清洗，并选取锅炉的稳定工况数据的方法还包括：锅炉的给水参数、燃料量和风量等负荷的投入变化都会影响锅炉的运行，导致运行状态不稳定，而不稳定的工况数据不能正确反映锅炉内在的机理关系，即不能用来进行机理模型(结构机理模型)的仿真以及修正；根据清洗后的实时数据选取稳定工况数据，即锅炉的某个运行参数x的数据集为x＝{x

新数据集的标准差为：

其中，1≤m≤n-k；

在窗口每次滑动后，将计算的标准差与标准差的阈值进行比较：

若σ

若σ

在本实施例中，所述根据稳定工况数据对结构机理模型进行特征参数辨识修正，获取锅炉的数字孪生模型的方法包括：

稳定工况数据集Y为：Y(y

其中，y

将y

针对机理模型的计算误差，根据数据辨识的方法对y′

结构机理模型计算结果和运行参数相结合的模型如下所示，该模型是将机理模型和数据模型相结合得出的更加符合实际物理结构的模型，即数字孪生模型：

在本实施例中，所述根据数字孪生模型获取锅炉运行参数的预测值的方法包括：根据Y(y

在本实施例中，所述通过所述预测值与稳定工况数据中实测值的偏差对锅炉故障进行诊断的方法包括：根据实测值y

差值的阈值为：Δy0；当Δy≥Δy0时，发起预警，判断锅炉的实际运行情况发生偏差提示锅炉运行参数的实时值偏离预测值，诊断锅炉故障并发出预警，提醒运行人员进行原因查看；锅炉的运行参数的预测值，也可起到虚拟测量的作用，针对锅炉设备中没有测点的位置，可以利用孪生模型计算得到该位置的预测值，如温度、压力值，从而对该虚拟测量点的运行工况进行实时监测；

当y

其中，y

当诊断锅炉故障时生成相应的故障分析；锅炉故障诊断时将设定被监测值的关联监测参数，关联参数的含义是当被监测值发生异常时，会在报警的同时对该参数(运行参数)进行分析，并排查原因；针对锅炉超温情况，系统将实时监测锅炉各受热面出口水温或蒸汽温度，同时设定关联参数为给水量G

图2是本发明所涉及的锅炉实时数据处理流程图；

图3是本发明所涉及的锅炉故障诊断系统原理图；

图4是本发明所涉及的故障预警示意图。

如图2所示，在本实施例中，对基于结构机理和运行数据双重驱动的锅炉故障诊断方法进行具体的举例说明：主要运行参数包括：给水温度T

同样地，针对数据集中的噪声数据，采用机器学习的方法对数据的内在规律进行分析，对偏差较大的数据进行平滑；锅炉的给水参数、燃料量和风量等负荷的投入变化都会影响锅炉的运行工况，导致运行状态不稳定，而不稳定的工况数据不能正确反映锅炉内在的机理关系，即不能用来进行机理模型的仿真；

基于锅炉的具体结构和锅炉燃烧和传热机理建立响应的能量、质量守恒方程等，也即建立了锅炉的结构机理模型；利用该方法建立的锅炉机理模型(结构机理模型)对很多情况进行了简化，所以与实际运行结果会存在一定偏差，所以需要用运行数据对其进行修正。

如图3所示，针对锅炉的每一个主要的运行参数，按照其来源不同分为实际运行值(实测值)和理论计算值(预测值)，实际运行值为锅炉的运行数据，理论计算值则为锅炉的理论模型的在线计算结果；运行人员根据对二者差值的跟踪，对锅炉的状态进行评价；也可以根据预测值进行虚拟测量；

锅炉在实际运行中，可以实时计算锅炉的热效率并形成趋势曲线；运行人员通过对趋势曲线的分析，查看目前锅炉运行性能的变化，如果锅炉的热效率呈现越来越低的情况，则表示锅炉的运行性能随着时间的累积发生退化，接下来就需要根据其他辅助的运行参数来进行原因排查；如图4所示，以锅炉出口蒸汽温度为例，T

实施例2

图5是本发明所涉及的基于结构机理和运行数据双重驱动的锅炉故障诊断系统的原理框图。

如图5所示，在实施例1的基础上，本实施例2还提供一种基于结构机理和运行数据双重驱动的锅炉故障诊断系统，包括：结构机理模型构建模块，建立锅炉的结构机理模型；清洗模块，对锅炉运行的实时数据进行清洗，并选取锅炉的稳定工况数据；数字孪生模型构建模块，根据稳定工况数据对结构机理模型进行特征参数辨识修正，获取锅炉的数字孪生模型；预测值获取模块，根据数字孪生模型获取锅炉运行参数的预测值；以及诊断模块，通过所述预测值与稳定工况数据中实测值的偏差对锅炉故障进行诊断，实现了将机理建模和数据建模结合分析，相互补充和修正，确保能够得到更为精确的数字孪生模型，基于数字孪生模型预测值和实测值的偏差对锅炉的实时运行状态进行评估，进一步对锅炉发生的超温、性能下降等情况进行及时预警和诊断，以提高锅炉运行的稳定性和安全性。

在本实施例中，结构机理模型构建模块建立锅炉的结构机理模型，清洗模块对实时数据进行清洗并选取稳定工况数据，数字孪生模型构建模块根据稳定工况数据对结构机理模型进行特征参数辨识修正获取锅炉的数字孪生模型，预测值获取模块根据数字孪生模型获取锅炉运行参数的预测值，诊断模块基于数字孪生模型计算参数的预测值以及预测值与实测值的偏差对锅炉故障进行诊断的方法在实施例1中已经详细描述，在本实施例中不再赘述。

综上所述，本发明通过建立锅炉的结构机理模型；对实时数据进行清洗，并选取稳定工况数据；根据稳定工况数据对结构机理模型进行特征参数辨识修正，获取锅炉的数字孪生模型；根据数字孪生模型获取锅炉运行参数的预测值；以及基于数字孪生模型计算参数的预测值以及预测值与实测值的偏差对锅炉故障进行诊断，实现了将机理建模和数据建模结合分析，相互补充和修正，确保能够得到更为精确的数字孪生模型，基于数字孪生模型预测值和实测值的偏差对锅炉的实时运行状态进行评估，进一步对锅炉发生的超温、性能下降等情况进行及时预警和诊断，以提高锅炉运行的稳定性和安全性。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。