電站設備參數(shù)異動搜索分析與故障預警研究.pdf

1、傳統(tǒng)在線監(jiān)控系統(tǒng)的報警模式大多采用設定閾值，通過監(jiān)測參數(shù)實測值與設定閾值的比較實現(xiàn)報警功能。由于這種單一報警機制在系統(tǒng)狀態(tài)監(jiān)測過程中難以及時發(fā)現(xiàn)故障早期的征兆，并對其發(fā)展趨勢進行跟蹤而往往導致被迫停機，造成慘重的損失。因此針對這種故障后處理的閾值報警在復雜系統(tǒng)狀態(tài)監(jiān)測方面的不完善，本文提出了一套以主動預防故障為特色的系統(tǒng)在線狀態(tài)監(jiān)測與故障早期預警體系，充分利用現(xiàn)場實時/歷史數(shù)據(jù)庫，在線地展示系統(tǒng)參數(shù)的動態(tài)變化過程，反映出系統(tǒng)運行的健康狀

2、態(tài)。
　　 本文提出了一種參數(shù)異動搜索算法，基于重要點劃分時間子序列為各個子模式，根據(jù)參數(shù)的監(jiān)測信號類型分別提取各個子模式的模式特征值，并將其映射到高維空間，從模式的角度搜索出明顯不滿足一般數(shù)據(jù)模式的異常參數(shù)序列及其異常持續(xù)時間和基本趨勢；融合灰色等維加權預測模型與時序預測模型各自的優(yōu)勢，提出了一種灰色-時序組合動態(tài)預測方法，應用灰色模型預測序列的趨勢項，應用時序模型預測序列的殘差項，對系統(tǒng)監(jiān)測參數(shù)的異常發(fā)展趨勢進行預測，提高了

3、預測的精度并為系統(tǒng)異常狀態(tài)分析奠定了基礎。
　　 本文對復雜系統(tǒng)進行了合理且有效的層次結(jié)構(gòu)劃分；挖掘出參數(shù)對預測故障模式發(fā)生的重要程度及參數(shù)與參數(shù)之間的相關關系，為系統(tǒng)的異常狀態(tài)分析提供了知識化信息；建立了基于系統(tǒng)異常監(jiān)測參數(shù)預警潛在故障發(fā)生的計算模型，架起了參數(shù)異常與系統(tǒng)狀態(tài)異常分析的橋梁。
　　 本文闡明了汽輪發(fā)電機組狀態(tài)監(jiān)測參數(shù)異動搜索分析及故障預警的應用，結(jié)果表明該方法體系能夠從海量的監(jiān)測參數(shù)數(shù)據(jù)中挖掘出機組出現(xiàn)