汽轮发电机组智能诊断大数据系统研究及应用

发布时间：2020-07-17 11:51

【摘要】：随着我国电力体质改革的深入推进,新能源在电网构成中的份额逐年提高。为降低信息能源随机性和不可控性对电网运转稳定性的影响,保障供电品质,大容量汽轮机组参与电网调峰和调频工作已成为常态。更多运行工况因素的介入给汽轮机组的稳定运行带来了极大挑战,火电行业对于汽轮发电机组运行状态监测与智能诊断工作提出了更高的要求。信息技术的发展推动发电设备智能诊断工作进入大数据时代。“数据为王”的学术思想有望成为主流,全面把握整机或系统运行状态成为可能。大数据技术为挖掘设备运行的深层规律提供有利条件,全面解析设备劣化规律,把握机组健康状态成为新的趋势。首先,结合发电设备智能诊断大数据的特性和业务场景,建立诊断大数据的应用技术路线,并对大数据分析系统构建中的关键问题进行研究,形成大数据在发电设备智能诊断领域的应用体系,为后续研究奠定理论基础。其次,从汽轮机组系统组成结构角度出发,对汽轮机本体和发电机组成设备信息进行全面描述,明确各设备的主要功能及运行特点;基于失效模式影响分析和故障树分析方法,对汽轮发电机组典型故障进行机理分析,梳理机组故障征兆、原因、影响、风险、维护措施等信息,形成机组状态监测与维护的数据信息源。接下来,基于实际用户及监测系统功能需求,确定汽轮发电机组运行状态监测与维护系统主要功能模块及其具体内容;构建大数据系统体系,以满足监测系统对汽轮机组运行监测、故障诊断及维护决策的功能要求;从数据流转的角度,说明在系统运行中数据库内容的调用与实现情况。最后,将汽轮发电机组大数据系统技术框架应用于工程实践,研发完成的汽轮发电机组运行状态监测与维护的实体系统,开展机组状态监测、诊断以及维护的分析工作,实现研究工作的技术成果转化及工程应用。
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.13;TM311
【图文】：

体如表２－１所示。大数据的价值在于蕴含在海量数据中的“大知识”、“”。逡逑表２－１大数据的特点逡逑特点逦传统数据逦大数据逡逑数据量逦ＧＢ－＞ＴＢ逦ＴＢ－＞ＰＢ以上逡逑速度逦数据量稳定，增长慢逦持续产生数据，增长量快逡逑结构化数据、半结构化数据、多维多样ｔ生逦结构佭逦据、音视频等逡逑用价值逦统计和报表逦数据挖掘和预测分析逡逑电设备是电厂重要资产之一，如汽轮发电机组、风力发电机组等，其安运行也是各类生产工作稳定开展的重要前提。从发电设备智能诊断的角，各类能直接或间接反映设备状态的数据，根据其更新速度可分为：①动按秒、分钟、小时或天为周期更新，是反映设备状态变化的关键数据，运行数据、点检数据、在线监测数据、环境气象等。由于设备状态监测杂旋转机械有几十个甚至上百个测点，且采样频率高且时间长，动态数巨大而且增长速度快［５４］。②静态数据：主要包括设备台帐、技术参数、验数据、专家经验知识、文献资料、研究成果等。③准动态数据：按月或不定期更新，如缺陷／故障／隐患记录、检修记录等。逡逑｜稗能诊断系统信息分逡逑

重数据背后的物理意义和数据间关系的机理，因此，发电机组智能诊断大数据的逡逑研究不仅包含数据处理算法，还需建立符合诊断逻辑的分析流程与技术体系，其逡逑一般技术流程如图２－３所示，主要分为信息采集模块、数据收集分析处理模块和逡逑业务管理模块【５６］。逡逑智能诊断大数据包含终端传感器生产的结构化数据，故障知识、设备设计及逡逑维护等非结构化或半结构化数据等，且分布于不同的系统中，是一个典型的多源逡逑异构数据集合。采用数据抽取技术将分散在不同数据库的历史数据、实时数据提逡逑取出来，融合分布式数据库和分布式文件系统对不同类型的数据进行存储；根据逡逑不同业务需求的实时性，选用不同的数据处理方式实现数据的快速处理，完成二逡逑次指标计算、特征提取、数据融合等任务，并保存结果。在上述基础上，以系统逡逑－逦业务需求为依托，融合机器学习、数据挖掘、人工智能等方法，实现发电设备的逡逑１０逡逑

逦组运行Ａ逡逑图２－２发电智能诊断大数据典型应用场景逡逑在汽轮发电机组智能诊断与健康维护研宄中，机组健康问题以安全性（故障）逡逑为诱因，以经济性（能效异常）为表现，以可靠性（寿命损失）为最终结果。发逡逑电设备的智能诊断在大数据环境下的发展趋势，将是建立一个综合故障、能效、逡逑寿命状态的、全生命周期的数据模型，融合各类数据，得出设备状态全景分析结逡逑果，提高发电设备管理水平。逡逑２．３大数据下的智能诊断技术路线逡逑对于发电设备的“智能诊断”指通过有效的检测手段与分析诊断技术，及时、逡逑准确地掌握设备运行状态，保障设备安全、可靠、高效的运行，以满足电力系统逡逑负荷变化的需求。逡逑智能诊断中的大数据与其他领域相比

【相似文献】

中国期刊全文数据库 前10条

1 高原;陈星s

本文编号：2759400