技术新讯 > 控制调节装置的制造及其应用技术 > 一种火电设备故障检测方法、装置及存储介质与流程  >  正文

一种火电设备故障检测方法、装置及存储介质与流程

  • 国知局
  • 2024-07-31 23:51:24

本发明涉及火电设备,尤其是指一种火电设备故障检测方法、装置、设备及计算机存储介质。

背景技术:

1、当前,随着火电厂装机容量逐渐创造新高,火力发电在能源领域依旧发挥着重要的主导作用。在火力发电厂中,锅炉用煤量可达总用量的一半以上,是火电厂的核心设备。此外,锅炉也是火电厂中故障发生率最高的设备之一,其故障可能导致严重的安全生产事故,对于火电厂的运行有着严重的威胁。因此,针对火电厂锅炉开展故障诊断技术的研究具有重要意义。

2、锅炉由多个子系统和子设备组成,其结构较为复杂,导致其故障难以直观发现。与此同时,故障数据往往具有非线性特性,简单的数学模型也往往难以确定其规律,这也给锅炉的故障诊断提出了挑战。目前,锅炉的故障诊断主要还是根据人工经验开展,而这种传统诊断方法由于准确性较低难以适应当前的生产需要。因此,诸多学者针对锅炉故障诊断的新技术开展了研究。现有技术针对锅炉中的空气预热器故障开展研究,通过大量案例分析确定了主要的故障特征,在此基础提出了故障树分析(fta)法,可以有效实现故障的诊断与定位。现有技术针对电厂余热锅炉,建立了基于传热机理的变工况模型,并通过给定锅炉受热面处具有的性能退化参量构建了相应的故障诊断模型,该模型可有效检测锅炉中低压汽水系统的异常。现有技术提出了一种动态加双窗的联合时频分析方法,通过比对锅炉背景声音以及承压管线的泄漏声音所具有的时频特征,能够有效判断锅炉承压管线的泄露故障。现有技术针对船舶辅锅炉故障,设计了一种混合神经网络诊断模型来弥补单一神经网络诊断的不足,并引入粒子群算法对模型进行参数寻优,通过试验对比发现所获得的改进混合神经网络模型的诊断性能较好。尽管以上方法取得了一定的成果,但是在准确性方面仍然距离实际生产要求存在一定的差距,且在火电厂锅炉的故障诊断中还未有切实有效的应用。目前,亟需一种可用于火电厂锅炉并且高效准确的故障诊断方法。

技术实现思路

1、为此,本发明所要解决的技术问题在于克服现有技术中故障诊断准确性低的问题。

2、为解决上述技术问题,本发明提供了一种火电设备故障检测方法,包括:

3、步骤1:获取故障特征数据并进行预处理,建立训练集;

4、步骤2:初始化isbo种群参数和dcnn模型学习参数,输入所述训练集,将所述dcnn模型学习参数作为isbo种群中的求偶舍进行更新寻优;

5、步骤3:计算各求偶舍的吸引度和各求偶舍的位置,并随机执行个体变异,若舍位未超过上限,则对故障特征数据进行分类,重新获取种群内个体适应度;

6、步骤4:更新种群个体中最优舍位及全局最优舍位,并计算各代种群内部个体全局最优值适应度值;

7、步骤5:重复所述步骤4直至迭代次数达到上限,输出最优学习参数,并基于所述最有学习参数建立最优故障检测模型。

8、优选地,若所述舍位超过上限,则更新各求偶舍的位置,并随机执行个体变异,直至所述舍位不超过上限。

9、优选地,所述预处理包括归一化处理。

10、优选地,所述各求偶舍的吸引度pi的计算公式为:

11、

12、

13、其中,fni为第i个求偶舍的适应度值,f(xi)表示第i个求偶舍所对应的目标函数,n表示种群中求偶舍的数量,xi表示第i个求偶舍。

14、优选地,所述各求偶舍的位置的计算公式为:

15、

16、其中,表示第i+1次迭代时第i只雄鸟的第k维分量,表示第i次迭代时第i只雄鸟的第k维分量,xj为第j只雄鸟,xjk为第j只雄鸟的第k维分量,xbest,k表示种群内部现有的最优求偶舍的第k维分量,ηk为分量系数。

17、优选地,所述isbo种群引入了避险原则,即当求偶舍被其余雄鸟发现后,求偶舍拥有者会将求偶舍进行迁移:

18、生成随机数r,若所述随机数大于求偶舍被其余雄鸟发现的概率perm∈[0,1],则生成新的可行解xnew;

19、若所述新的可行解对应的目标函数值优于种群内部现有的最优求偶舍的第k维分量xbest,k,则第i+1次迭代时第i只雄鸟的第k维分量否则:

20、

21、其中,表示第i+1次迭代时第i只雄鸟飞行速率的第k维分量,表示第i次迭代时第i只雄鸟飞行速率的第k维分量,表示种群全局的极值,lr表示学习参量,w表示惯性参量,l表示第l次迭代,r1表示第一随机数,l2表示第l2次迭代,r2表示第二随机数,n表示雄鸟总数。

22、优选地,所述随机执行个体变异的计算公式为:

23、

24、ω=s*(xmax-xmin)

25、其中,ω表示标准差,δ2表示标准差约束条件,s表示尺度伸缩参量,xmax和xmin分别表示xi的上下限值,xi表示第i个求偶舍。

26、本发明还提供了一种火电设备故障检测装置,包括:

27、数据获取模块,用于获取故障特征数据并进行预处理,建立训练集;

28、模型初始化模块,用于初始化isbo种群参数和dcnn模型学习参数,输入所述训练集,将所述dcnn模型学习参数作为isbo种群中的求偶舍进行更新寻优;

29、种群更新模块,用于计算各求偶舍的吸引度和各求偶舍的位置,并随机执行个体变异,若舍位未超过上限,则对故障特征数据进行分类,重新获取种群内个体适应度;

30、寻优模块,用于更新种群个体中最优舍位及全局最优舍位,并计算各代种群内部个体全局最优值适应度值;

31、模型训练模块,用于重复所述寻优模块的步骤直至迭代次数达到上限,输出最优学习参数,并基于所述最有学习参数建立最优故障检测模型。

32、本发明还提供了一种火电设备故障检测设备,包括:

33、存储器,用于存储计算机程序;

34、处理器,用于执行所述计算机程序时实现上述一种火电设备故障检测方法步骤。

35、本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种火电设备故障检测方法的步骤。

36、本发明的上述技术方案相比现有技术具有以下优点:

37、本发明所述的火电设备故障检测方法,通过归一化处理保证了数据的有效性,为后续的故障检测打下了良好的基础;采用dcnn作为故障检测的基础模型,针对其人工参数设定导致的诊断准确性不高的问题,采用isbo算法实现dcnn参数寻优,最终设计得到了基于isbo-dcnn的故障检测模型,提高了故障检测的准确性。

技术特征:

1.一种火电设备故障检测方法,其特征在于,包括:

2.根据权利要求1所述的火电设备故障检测方法,其特征在于,若所述舍位超过上限,则更新各求偶舍的位置,并随机执行个体变异,直至所述舍位不超过上限。

3.根据权利要求1所述的火电设备故障检测方法,其特征在于,所述预处理包括归一化处理。

4.根据权利要求1所述的火电设备故障检测方法,其特征在于,所述各求偶舍的吸引度pi的计算公式为:

5.根据权利要求1所述的火电设备故障检测方法,其特征在于,所述各求偶舍的位置的计算公式为:

6.根据权利要求5所述的火电设备故障检测方法,其特征在于,所述isbo种群引入了避险原则,即当求偶舍被其余雄鸟发现后,求偶舍拥有者会将求偶舍进行迁移:

7.根据权利要求6所述的火电设备故障检测方法,其特征在于,所述随机执行个体变异的计算公式为:

8.一种火电设备故障检测装置,其特征在于,包括:

9.一种火电设备故障检测设备,其特征在于,包括:

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种火电设备故障检测方法的步骤。

技术总结本发明涉及火电设备技术领域,尤其是指一种火电设备故障检测方法、装置、设备及计算机存储介质。本发明所述的火电设备故障检测方法,通过归一化处理保证了数据的有效性,为后续的故障检测打下了良好的基础;采用DCNN作为故障检测的基础模型,针对其人工参数设定导致的诊断准确性不高的问题,采用ISBO算法实现DCNN参数寻优,最终设计得到了基于ISBO‑DCNN的故障检测模型,提高了故障检测的准确性。技术研发人员:杨沛豪,曹志华,林知良,薛晓锋,潘喜良,郭昊,梁晓斌,李菁华,王栋,姜滨,林怡玢,张宗祯,燕云飞,孙梦瑶,王劼文,王小辉,寇水潮受保护的技术使用者:西安热工研究院有限公司技术研发日:技术公布日:2024/6/23

本文地址:https://www.jishuxx.com/zhuanli/20240730/198861.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。