一种面向智能电厂大型燃煤发电机组制粉系统的分布式动静协同综合监测方法

    公开(公告)号:CN109283912B

    公开(公告)日:2020-06-30

    申请号:CN201810892942.3

    申请日:2018-08-07

    Applicant: 浙江大学

    Abstract: 本发明公开了一种面向智能电厂大型燃煤发电机组制粉系统的分布式动静协同综合监测方法。本发明对上层制粉系统过程划分成各类下层子设备。对下层子设备,利用慢特征分析提取子设备的动静态信息及子设备内部变量的线性相关性,实现对各个子设备的独立监测;在上层系统,利用核慢特征分析,提取整个制粉系统的动静态信息及不同子设备变量组间的非线性相关性,实现对整个制粉系统过程全局状态的监测。本方法不仅能对制粉系统中单个子设备运行状态进行监测,同时可以协同各个子设备,综合分析整个制粉系统运行的动静态特性,改善了监测性能并能有效地区分系统及子设备的正常的工况切换和过程故障,大大提高了工业大规模系统状态监测和故障检测的性能。

    基于闭环信息分析的电厂前置泵故障退化状态预测方法

    公开(公告)号:CN109667751B

    公开(公告)日:2019-11-22

    申请号:CN201811056760.9

    申请日:2018-09-11

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于闭环信息分析的大型燃煤发电机组前置泵故障退化状态预测方法。本发明针对智能电厂大型火力发电机组前置泵,采用典型变量分析(CVA)和慢特征分析(SFA)的方法提取特征,并使用所提取的特征来训练连续隐马尔可夫模型(CHMM),从而预测闭环控制系统故障退化状态。该方法同时考虑了大型火力发电机组前置泵发生故障时,其闭环控制系统动态调节过程中变量的时序相关性和变化速度,能够更加准确地预测智能电厂大型火力发电机组前置泵的闭环控制系统故障退化状态,有助于现场工程师提前采取防范措施,从而保证了大型火力发电机组的安全可靠运行并提高了生产效益。

    基于CVA-SFA的智能电厂大型燃煤发电机组空气预热器控制性能监测方法

    公开(公告)号:CN109471420A

    公开(公告)日:2019-03-15

    申请号:CN201811109196.2

    申请日:2018-09-21

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于CVA-SFA的智能电厂大型燃煤发电机组空气预热器控制性能监测方法。针对大型火力发电机组空气预热器因参数众多、机组运行工况多变导致的控制性能监测困难的问题,运用典型变量分析(CVA)提取空气预热器控制系统变量间的相关信息,再利用慢特征分析(SFA)算法提取相关信息中的动态信息。最后,结合变量的相关性和变化快慢信息构造空气预热器控制性能在线监测模型。该方法克服了大型火电机组空气预热器因变量众多、工况变化而导致的控制性能监测困难的问题,大大提高了动态过程控制性能在线监测的准确度,有助于火电厂对空预器控制系统进行智能及时的监测,有助于保证大型火力发电机组的安全可靠运行。

    一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法

    公开(公告)号:CN109270917B

    公开(公告)日:2020-10-27

    申请号:CN201810892240.5

    申请日:2018-08-07

    Applicant: 浙江大学

    Abstract: 本发明公开了一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法。首先,用典型变量分析(CVA)来提取变量中时序相关的部分,然后对时序相关的部分进行慢特征分析(SFA),分别提取稳态特征和时变特征。所提取的时变特征和稳态特征能充分反映汽轮机轴承的闭环控制系统中变量的时序相关性及变化速度。最后,将提取出来的特征输入连续隐马尔可夫模型(CHMM)中预测故障退化状态。该方法同时考虑了故障发生时,闭环控制系统动态调节过程中变量的时序相关性和变化速度,能够更加准确地预测智能电厂汽轮机轴承的闭环控制系统故障的退化状态。

    一种面向百万千瓦超超临界机组锅炉动态信息的控制性能监测方法

    公开(公告)号:CN109491358B

    公开(公告)日:2020-08-14

    申请号:CN201811109191.X

    申请日:2018-09-21

    Applicant: 浙江大学

    Abstract: 本发明公开了一种面向百万千瓦超超临界机组锅炉动态信息的控制性能监测方法。电厂锅炉是集中生产大量高温、高压过热蒸汽的一种重要热力设备,但也存在易积灰结渣影响运行的问题。本发明针对百万千瓦超超临界机组锅炉因参数众多、结构复杂、工况多变导致的控制性能监测困难的问题,运用典型变量分析提取锅炉控制系统变量间的相关信息,再利用慢特征分析算法,分别提取相关信息中和残差信息中的动态信息。最后,结合变量的相关性和变化快慢信息构造锅炉控制性能在线监测模型。该方法克服了大型锅炉因变量众多、工况变化而导致的控制性能监测困难的问题,大大提高了动态过程控制性能在线监测的准确度,有助于火电厂对锅炉控制系统进行有效及时的监测,对防范各种锅炉事故于未然,保证整个发电厂的安全、经济生产具有决定性的作用。

    基于动静协同差异分析的两层实时监测与报警溯源方法

    公开(公告)号:CN110209144B

    公开(公告)日:2020-08-04

    申请号:CN201910409428.4

    申请日:2019-05-16

    Abstract: 本发明公开了一种基于动静协同差异分析的两层实时监测与报警溯源方法。该上层监测算法可以有效地从小尺度对过程波动性、过程状态的动静角度进行全面考虑,并且能够结合基于贡献图和传递熵的根源追溯方法,划定当前下层DCS系统的报警优先级,有效定位到故障源头。本发明综合了控制器调节能力、过程运行状态的动静态在线监测指标作为报警管理方法的选择依据,合理抑制干扰报警,有效解决了报警泛滥这一关键问题,从而保障了工业过程的安全、高效运行。

    基于典型相关分析与慢特征分析的智能电厂燃煤发电机组磨煤机的在线监测方法

    公开(公告)号:CN109238760B

    公开(公告)日:2020-06-30

    申请号:CN201811056765.1

    申请日:2018-09-11

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于典型相关分析与慢特征分析的智能电厂燃煤发电机组磨煤机的在线监测方法。本发明针对磨煤机过程变量众多,控制器调节作用复杂的问题,运用典型变量分析提取过程的时序相关关系的信息,同时,结合慢特征分析算法,提取过程动静态特征,综合闭环系统调节作用与运行状态相关的时序相关关系和动静态特征,在不同的子空间内建立了动静态在线监测指标对磨煤机进行过程监测。该方法的优势在于能够充分反应闭环系统的调节作用,有利于对复杂过程特性的了解,增强了对磨煤机在线过程监测的可靠性和可信度,有助于火电厂对磨煤机运行状态做出准确判断,及时发现故障,从而保证了磨煤机的安全可靠运行。

    基于动静协同差异分析的两层实时监测与报警溯源方法

    公开(公告)号:CN110209144A

    公开(公告)日:2019-09-06

    申请号:CN201910409428.4

    申请日:2019-05-16

    Abstract: 本发明公开了一种基于动静协同差异分析的两层实时监测与报警溯源方法。该上层监测算法可以有效地从小尺度对过程波动性、过程状态的动静角度进行全面考虑,并且能够结合基于贡献图和传递熵的根源追溯方法,划定当前下层DCS系统的报警优先级,有效定位到故障源头。本发明综合了控制器调节能力、过程运行状态的动静态在线监测指标作为报警管理方法的选择依据,合理抑制干扰报警,有效解决了报警泛滥这一关键问题,从而保障了工业过程的安全、高效运行。

    一种面向百万千瓦超超临界机组锅炉动态信息的控制性能监测方法

    公开(公告)号:CN109491358A

    公开(公告)日:2019-03-19

    申请号:CN201811109191.X

    申请日:2018-09-21

    Applicant: 浙江大学

    Abstract: 本发明公开了一种面向百万千瓦超超临界机组锅炉动态信息的控制性能监测方法。电厂锅炉是集中生产大量高温、高压过热蒸汽的一种重要热力设备,但也存在易积灰结渣影响运行的问题。本发明针对百万千瓦超超临界机组锅炉因参数众多、结构复杂、工况多变导致的控制性能监测困难的问题,运用典型变量分析提取锅炉控制系统变量间的相关信息,再利用慢特征分析算法,分别提取相关信息中和残差信息中的动态信息。最后,结合变量的相关性和变化快慢信息构造锅炉控制性能在线监测模型。该方法克服了大型锅炉因变量众多、工况变化而导致的控制性能监测困难的问题,大大提高了动态过程控制性能在线监测的准确度,有助于火电厂对锅炉控制系统进行有效及时的监测,对防范各种锅炉事故于未然,保证整个发电厂的安全、经济生产具有决定性的作用。

    一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法

    公开(公告)号:CN109270917A

    公开(公告)日:2019-01-25

    申请号:CN201810892240.5

    申请日:2018-08-07

    Applicant: 浙江大学

    Abstract: 本发明公开了一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法。首先,用典型变量分析(CVA)来提取变量中时序相关的部分,然后对时序相关的部分进行慢特征分析(SFA),分别提取稳态特征和时变特征。所提取的时变特征和稳态特征能充分反映汽轮机轴承的闭环控制系统中变量的时序相关性及变化速度。最后,将提取出来的特征输入连续隐马尔可夫模型(CHMM)中预测故障退化状态。该方法同时考虑了故障发生时,闭环控制系统动态调节过程中变量的时序相关性和变化速度,能够更加准确地预测智能电厂汽轮机轴承的闭环控制系统故障的退化状态。

Patent Agency Ranking