本技術(shù)屬于火力發(fā)電廠高壓抗燃油系統(tǒng)智能控制領(lǐng)域，具體涉及一種高壓抗燃油系統(tǒng)運行內(nèi)漏的故障診斷方法及系統(tǒng)。

背景技術(shù)：

1、汽輪機eh油系統(tǒng)的功能是提供高壓抗燃油，并由它來驅(qū)動伺服執(zhí)行機構(gòu)，該執(zhí)行機構(gòu)響應(yīng)微處理控制器來的指令信號，以調(diào)節(jié)汽輪機各汽門的開度。其中，eh油內(nèi)漏是汽輪機數(shù)字電液控制系統(tǒng)(deh)中eh油系統(tǒng)的一個常見故障，嚴(yán)重影響汽輪機的安全運行。

2、現(xiàn)代煤化工企業(yè)需要管理的閥門數(shù)量越來越龐大，形成的各類檢維修數(shù)據(jù)成幾何倍的增長，但傳統(tǒng)的管理方式，未能發(fā)揮各類閥門維護信息的作用，僅是臺賬和記錄，在需要時由人工進(jìn)行查詢，再經(jīng)技術(shù)人員個人判斷，形成閥門維護建議。

3、目前涉及相關(guān)閥門在線運行狀態(tài)判斷的系統(tǒng)或手段少之又少，閥門內(nèi)漏問題作為相關(guān)企業(yè)存在的主要問題之一，缺少在線監(jiān)測手段，無法實時監(jiān)測并提出預(yù)測性維護意見，需人為判斷內(nèi)漏并采取相應(yīng)檢修手段時，閥門已失修，致使檢修成本大幅上升，甚至導(dǎo)致裝置生產(chǎn)異?；蚍怯媱澩C。

4、針對上述相關(guān)技術(shù)中只能通過工藝人員結(jié)合dcs參數(shù)判斷是否內(nèi)漏，或通過測溫手段現(xiàn)場輔助判斷閥門是否內(nèi)漏，檢測不及時且不精準(zhǔn)，容易導(dǎo)致化工裝置生產(chǎn)異常的問題，目前尚未提出有效的解決方案。

5、目前，燃煤機組智能化建設(shè)已成為當(dāng)下電廠發(fā)展的新熱點，很多學(xué)者開始將人工智能技術(shù)、數(shù)據(jù)挖掘技術(shù)、深度學(xué)習(xí)技術(shù)等應(yīng)用于燃煤機組，嘗試建立了各種系統(tǒng)模型對機組進(jìn)行狀態(tài)分析及故障診斷，以提高燃煤機組的精細(xì)化控制水平。

技術(shù)實現(xiàn)思路

1、針對上述技術(shù)背景，本發(fā)明的目的在于提供一種高壓抗燃油系統(tǒng)運行內(nèi)漏的故障診斷方法及系統(tǒng)。

2、為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、一種高壓抗燃油系統(tǒng)運行內(nèi)漏的故障診斷方法，包括：

4、1)從分散控制系統(tǒng)中獲取實際流量值和相關(guān)工藝參數(shù)值，其中，分散控制系統(tǒng)是一種用于工業(yè)自動化領(lǐng)域的控制系統(tǒng)，實際流量值為從dcs中獲取的真實值，相關(guān)工藝參數(shù)值為從dcs中獲取的真實值，用于預(yù)測閥門的目標(biāo)參數(shù)；

5、2)基于在20余臺超超臨界燃煤機組的專家經(jīng)驗知識，運用汽機專業(yè)在基建調(diào)試期的調(diào)試成果和商業(yè)運行期的運行數(shù)據(jù)，歸納總結(jié)得到eh油系統(tǒng)專家知識庫；

6、3)根據(jù)eh油系統(tǒng)專家知識庫，建立了eh油系統(tǒng)運行綜合故障診斷模型，包括正常工況下啟動-停機過程中的多樣性比對模型，運行過程中的穩(wěn)態(tài)和變工況運行模型，以及故障工況下啟-運-停各過程中的多故障聯(lián)合分類識別的數(shù)據(jù)模型；

7、4)將從分散控制系統(tǒng)中獲取的相關(guān)工藝參數(shù)值輸入至eh油系統(tǒng)運行綜合故障診斷模型中，以利用eh油系統(tǒng)運行綜合故障診斷模型對相關(guān)工藝參數(shù)進(jìn)行處理，得到閥門的預(yù)測流量值，其中，eh油系統(tǒng)運行綜合故障診斷模型是使用多組訓(xùn)練數(shù)據(jù)通過機器學(xué)習(xí)的方式進(jìn)行訓(xùn)練得到的；

8、5)在預(yù)測流量值與從分散控制系統(tǒng)中獲取實際流量值之間的差值大于偏差閾值時，確定閥門發(fā)生內(nèi)漏；

9、6)在確定閥門發(fā)生內(nèi)漏后，生成預(yù)警信息；其中，預(yù)警信息包括：閥門的位置信息和內(nèi)漏信息。

10、本發(fā)明進(jìn)一步的改進(jìn)在于，步驟1)中，相關(guān)工藝參數(shù)值包括油質(zhì)中顆粒度、水分、酸值、泡沫特性、電阻率、溫度、閥門的流量系數(shù)、工藝管道的參數(shù)以及反應(yīng)設(shè)備的容積。

11、本發(fā)明進(jìn)一步的改進(jìn)在于，步驟2)中，基于在20余臺超超臨界燃煤機組的專家經(jīng)驗知識，運用汽機專業(yè)在基建調(diào)試期的調(diào)試成果和商業(yè)運行期的運行數(shù)據(jù)，歸納總結(jié)得到eh油系統(tǒng)專家知識庫，包括：

12、數(shù)據(jù)清洗

13、因此需要對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，將無效數(shù)據(jù)剔除，保證所有數(shù)據(jù)被電腦所接受，為提高模型準(zhǔn)確率，防止停機數(shù)據(jù)和異常數(shù)據(jù)對正常數(shù)據(jù)造成干擾，根據(jù)專家經(jīng)驗處理這部分?jǐn)?shù)據(jù)，并利用python編程方式將數(shù)據(jù)重新構(gòu)建，構(gòu)建出用于模型訓(xùn)練的數(shù)據(jù)；

14、特征歸一化

15、消除指標(biāo)之間的量綱影響，進(jìn)行數(shù)據(jù)歸一化處理，以解決數(shù)據(jù)指標(biāo)之間的可比性。

16、本發(fā)明進(jìn)一步的改進(jìn)在于，步驟3)中，根據(jù)eh油系統(tǒng)專家知識庫，建立了eh油系統(tǒng)運行綜合故障診斷模型，包括：

17、bpnn模型設(shè)計

18、用四層神經(jīng)網(wǎng)絡(luò)對eh油系統(tǒng)正常運行過程進(jìn)行訓(xùn)練，其中，輸入層節(jié)點數(shù)為5，經(jīng)過交叉驗證及考慮計算效率第一層隱含層節(jié)點數(shù)定為26，第二層隱含層節(jié)點數(shù)為4，經(jīng)過動態(tài)神經(jīng)元激活層后輸出層節(jié)點個數(shù)為1，通過對系統(tǒng)運行特性分析內(nèi)漏；

19、優(yōu)化算法

20、adam算法使用的更新公式如下：

21、m0＝v0＝0

22、

23、式中m0及v0分別初始化參數(shù)向量矩陣，β1、β2、η、ε分別是算法更新過程中的配置參數(shù)，e和w為算法更新過程中誤差和權(quán)重；

24、評價方法和指標(biāo)

25、均方誤差：觀測值與真值偏差的平方和與觀測次數(shù)的比值；

26、

27、mse的值越接近于0，說明預(yù)測模型描述實驗數(shù)據(jù)具有好的精確度。

28、本發(fā)明進(jìn)一步的改進(jìn)在于，步驟4)中，eh油系統(tǒng)運行綜合故障診斷模型為閥門的流量系數(shù)、工藝管道的參數(shù)；將流量系數(shù)輸入至eh油系統(tǒng)運行綜合故障診斷模型中，得到閥門的預(yù)測流量值。

29、本發(fā)明進(jìn)一步的改進(jìn)在于，步驟5)中，確定閥門發(fā)生內(nèi)漏，包括：

30、獲取閥門組當(dāng)前狀態(tài)，預(yù)測流量值，預(yù)測參數(shù)值；

31、在實際流量值大于流量閾值時，確定閥門發(fā)生內(nèi)漏。

32、本發(fā)明進(jìn)一步的改進(jìn)在于，步驟6)中，確定閥門發(fā)生內(nèi)漏的位置，包括：

33、獲取調(diào)節(jié)閥組的當(dāng)前狀態(tài)；再根據(jù)當(dāng)前狀態(tài)確定調(diào)節(jié)閥組中內(nèi)漏閥門的位置。

34、本發(fā)明進(jìn)一步的改進(jìn)在于，步驟6)中，生成預(yù)警信息，包括：

35、將預(yù)警信息發(fā)送至分散控制系統(tǒng)，以利用分散控制系統(tǒng)的圖像顯示設(shè)備展示預(yù)警信息，利用分散控制系統(tǒng)的播報設(shè)備播報預(yù)警信息。

36、一種高壓抗燃油系統(tǒng)運行內(nèi)漏的故障診斷系統(tǒng)，包括：

37、參數(shù)獲取模塊，從分散控制系統(tǒng)中獲取實際流量值和相關(guān)工藝參數(shù)值，其中，分散控制系統(tǒng)是一種用于工業(yè)自動化領(lǐng)域的控制系統(tǒng)，實際流量值為從dcs中獲取的真實值，相關(guān)工藝參數(shù)值為從dcs中獲取的真實值，用于預(yù)測閥門的目標(biāo)參數(shù)；

38、數(shù)據(jù)歸納模塊，基于在20余臺超超臨界燃煤機組的專家經(jīng)驗知識，運用汽機專業(yè)在基建調(diào)試期的調(diào)試成果和商業(yè)運行期的運行數(shù)據(jù)，歸納總結(jié)得到eh油系統(tǒng)專家知識庫；

39、模型建立模塊，根據(jù)eh油系統(tǒng)專家知識庫，建立了eh油系統(tǒng)運行綜合故障診斷模型，包括正常工況下啟動-停機過程中的多樣性比對模型，運行過程中的穩(wěn)態(tài)和變工況運行模型，以及故障工況下啟-運-停各過程中的多故障聯(lián)合分類識別的數(shù)據(jù)模型；

40、參數(shù)處理模塊，將從分散控制系統(tǒng)中獲取的相關(guān)工藝參數(shù)值輸入至eh油系統(tǒng)運行綜合故障診斷模型中，以利用eh油系統(tǒng)運行綜合故障診斷模型對相關(guān)工藝參數(shù)進(jìn)行處理，得到閥門的預(yù)測流量值，其中，eh油系統(tǒng)運行綜合故障診斷模型是使用多組訓(xùn)練數(shù)據(jù)通過機器學(xué)習(xí)的方式進(jìn)行訓(xùn)練得到的；

41、確定模塊，在預(yù)測流量值與從分散控制系統(tǒng)中獲取實際流量值之間的差值大于偏差閾值時，確定閥門發(fā)生內(nèi)漏；

42、預(yù)警模塊，在確定閥門發(fā)生內(nèi)漏后，生成預(yù)警信息；其中，預(yù)警信息包括：閥門的位置信息和內(nèi)漏信息。

43、本發(fā)明進(jìn)一步的改進(jìn)在于，參數(shù)獲取模塊中，相關(guān)工藝參數(shù)值包括油質(zhì)中顆粒度、水分、酸值、泡沫特性、電阻率、溫度、閥門的流量系數(shù)、工藝管道的參數(shù)以及反應(yīng)設(shè)備的容積。

44、與現(xiàn)有技術(shù)相比，本發(fā)明至少具有以下有益的技術(shù)效果：

45、本發(fā)明提供的一種高壓抗燃油系統(tǒng)運行內(nèi)漏的故障診斷方法及系統(tǒng)，通過數(shù)據(jù)清洗，篩選建立eh油系統(tǒng)專家知識庫，通過eh油系統(tǒng)專家知識庫，選取特征數(shù)據(jù)建立eh油系統(tǒng)運行閥門內(nèi)漏綜合故障診斷模型，使用eh油系統(tǒng)運行閥門內(nèi)漏綜合故障診斷模型，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到閥門組流量預(yù)測值，通過閥門組預(yù)測流量值與實際流量值的差距閾值確定內(nèi)漏故障狀態(tài)，生成預(yù)警信息，預(yù)警信息包含閥門的位置和內(nèi)漏信息。本發(fā)明可以讓運行人員在eh油內(nèi)泄露預(yù)警發(fā)生時，對油泄露的剩余時間和當(dāng)前油泄露速率進(jìn)行實時監(jiān)控，讓運行人員了解到事故發(fā)生時最有價值的指標(biāo)信息。