火电厂锅炉 解析火电厂锅炉常见故障的数据挖掘诊断方法

　　摘 要 通过对火电厂大型的主要设备锅炉最长出现的故障进行总结，提出了诊断其故障的数据挖掘方法，数据挖掘方法主要通过建立智能化数据的挖掘工具，进而能够直接从火电厂的SCADA的系统自身历史数据库里面所存储的大量实时数据获得锅炉的故障诊断知识，进而对锅炉的故障进行诊断。数据挖掘这一工具的核心主要表现在该诊断方法采用了粗糙集这一种简约的方式，把数据库里面所抽取出来的故障诊断规则进行简化，将其简化成为基于最小变量集的一个决策表。因为决策表是直接性采用了数据库里面变量来进行表达的，所以，决策表十分利于现场的操作人员应用和理解。本文中笔者就对火电厂锅炉常见故障的数据诊断方法进行解析。
　　关键词 火电厂；锅炉；故障诊断；粗糙集；决策表
　　中图分类号TK22 文献标识码A 文章编号 1674-6708（2012）80-0164-02
　　近些年来，科技不断发展，人们生活水平也有了很大提升，因此，人们对于电力需求得到了高速增长。如果现代社会想要得到很好的发展，就要求电力必须要首先得到发展，电力工业已经逐渐成为了各个行业发展最为根本的基础，同样成为了现代的人类能够赖以生存必要的条件之一。尤其是科技的不断进步，使得火电厂自身发电机组朝着集中化以及大型化这两个方向不断发展，但是，因为发电机组运行经验缺乏、管理、安装、制造以及设计等方面存在着缺陷，在这样的环境下，数据采集与监控系统在火电厂的日常运行和管理过程中就变得极其重要，并且成为了监控火电厂锅炉主要的对象，但是，锅炉同样会存在一定的故障，下面就解析火电厂锅炉常见故障的数据挖掘诊断方法。
　　1 关于火电厂的数据采集与监控系统
　　火电厂的数据采集与监控系统也成为SCADA系统，该系统最为主要的功能就是定期对锅炉以及火电厂汽机等等设备状态的数据进行采集，在参数越限的时候就会将报警系统启动，将故障数据记录以及收集工作完成。数据采集与监控系统历史数据库通常会包括脉冲输入量、计算量以及数字输入量、模拟输入量等等，其中，每一类型的数据都包括很多数据点，比如模拟输入量也成AI量，模拟输入量主要包括火电厂锅炉的主蒸汽温度以及主给水流量等等数据点；而数字输入量也称DI量，数字输入量有火电厂锅炉上水电动门的开关以及送风机出口风门开等等数据点。通常数据点会在一分钟得以保存一次，每天每一个数据点都会有一千四百四十个数值，如果历史的数据库里面包括各个类型数据库一共五千个数据点，那么，每天就会储存五千乘以一千四百四十个数值，每一年的数据量都很大。这些数据除了应用到越限报警之外，在火电厂的大型设备产生故障诊断等方面没起到很大的作用，原因就在于历史数据库里面模拟量就是变慢量，而且没有高频的成分，如果我们想要对大型复杂设备存在的故障更加精确地进行诊断，就必须要另外检测设备测取设备故障信号里面那一部分高频的成分。
　　2 火电厂锅炉常见故障的数据挖掘诊断方法
　　我们把火电厂的数据采集与监控系统的历史数据库中存储的海量数据当成设备故障的信息来源，对于火电厂的大型设备常见故障来实施诊断，但是，诊断的前提就是这一类故障已经在数据采集与监控系统的历史数据库里面进行多次记录，所以，系统才能够从自身历史数据库里面找到和设备故障点相对应的设备状态量存在的变化规律，进而得到设备故障诊断存在的规则。所以，在对火电厂锅炉常见故障进行诊断的时候采取数据挖掘诊断方法必须要按照以下几个步骤实施：实施数据挖掘诊断方法的数据准备与目标描述工作；对数据实施预处理；实施数据挖掘工作；实施目标评估工作。其中，实施数据挖掘工作能够采取很多具体的方法来达成，在这里，我们需要根据数据预处理得到的结果，采取粗糙集这一种方法来将决策表建立起来，接着对我们所建立起来的决策表实施属性约简，然后反复重复以上四个步骤。
　　在我们进行数据挖掘工作之前，必须要对数据挖掘的目标和内容进行确定，也就是我们必须要确定采取数据挖掘这一种方式方法来实施故障诊断措施的主要目标，并且要对数据挖掘的目标实施详细、真实的描述，以便我们能够根据这一描述来进行数据的准备工作，数据挖掘的目标描述主要包括对锅炉故障状态点集合以及锅炉故障诊断数据源的集合、选择锅炉数据挖掘的具体算法，进而能够使得故障的数据源集合里面所产生的那些关键的数据点集能够真正完全对锅炉故障状态点集合进行描述。而我们所采取的数据预处理方法需要我们明确初始的数据集合里面包含所有的计算量以及模拟量，如果所有的数据点都用在数据挖掘上面，那么，一定会导致算法的运行十分缓慢，其效率太低，更有甚者会导致火电厂的锅炉故障诊断工作无法实施下去。所以，我们必须要在对数据进行预处理这一阶段中，将初始的数据集合点数降低一个数量级到两个数量级，对其实施相关分析、主成份分析以及领域专家的经验点集等。在我们实施第三个步骤数据挖掘的时候，要求我们必须要明确数据挖掘过程中预备集合里面仍然包含着很多和火电厂锅炉常见故障状态吻合程度比较低的点，并且，这些点里面包含着很多冗余点，我们必须要使数据点能够降低一个数量级到两个数量级。
　　3结论
　　本文中，笔者首先关于火电厂的数据采集与监控系统进行了分析，接着又对火电厂锅炉常见故障的数据挖掘诊断方法进行了阐述和探讨，在我们采用数据挖掘诊断方法的时候，需要我们明确并且注意的是如果我们所收集的数据里面并不包括多次锅炉故障记录，那么，我们不能从历史的数据中将诊断规律挖掘出来。
　　参考文献
　　[1]饶斐，张广明，费宏举，张柳.基于粗糙集人工神经网络的锅炉故障诊断模型[J].计算机工程与设计，2008（9）.
　　[2]陈星莺，张晓花，瞿峰，刘皓明，赵波.数据挖掘在电力系统中的应用综述[J].电力科学与技术学报，2007（3）.
　　[3]田亮，常太华，曾德良，刘吉臻.基于典型样本数据融合方法的锅炉制粉系统故障诊断[J].热能动力工程， 2005（2）.
　　[4]臧红岩.基于Rosetta的粗糙集神经网络在风机故障诊断中的应用[J].可编程控制器与工厂自动化，2011（5）.

推荐访问:火电厂 锅炉 常见故障 诊断