滕志军，许建军，张　青，张明儒，郭素阳

（1.东北电力大学信息工程学院，吉林吉林132012；2.东南大学软件学院，江苏苏州215000）

WSN中基于灰靶理论的锅炉泄露状态评估*

滕志军1*，许建军1，张青2，张明儒1，郭素阳1

（1.东北电力大学信息工程学院，吉林吉林132012；2.东南大学软件学院，江苏苏州215000）

针对电厂锅炉泄露状态评估问题，提出一种锅炉状态的在线识别评估方法。该方法将灰色系统中的灰靶理论引入到电厂锅炉泄露状态评估中，首先设计一种基于ZigBee的电厂锅炉在线监测系统；然后将监测到的泄露气体数据进行分析，给出锅炉泄露状态评估的算法步骤；最后根据锅炉状态按泄露程度的不同给出锅炉分级的方法，来预测其锅炉泄露的状态。实验表明，提出的方法能够有效地解决在没有标准故障模型的情况下锅炉状态识别的问题，为锅炉状态评估提供了一种新途径。

电厂锅炉；ZigBee；灰色系统；灰靶理论

近年来，随着国民经济的高速发展，暴露的环境问题日益突出，诸如人们较为关注的雾霾天气，雾霾是由于燃煤锅炉排放的二氧化硫、氮氧化物和可吸入颗粒物等污染物引起的。同时由于锅炉设备体积大和频繁使用，使得设备老化，易出现故障，产生大量危害气体，给生产生活和环境带来巨大的损失和破坏［1-2］。

针对上述问题，传统的方案是直接采用工作人员定期去现场检查，这样需要大量人力和物力，并很难及时找出故障点。本文设计一种基于ZigBee的监测系统进行数据传输，省去了布线的麻烦，非常适合于电厂复杂环境下的监测。由于灰色系统理论以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控。在锅炉故障预测方面，国内外学者采用的是神经网络和灰色预测等分析方法［3-5］，而没有运用灰靶理论。鉴于此，本文将灰靶理论引入到锅炉状态评估中，可以大大减少电厂锅炉事故的发生，对生产生活有着重要的意义。

1　灰靶理论原理

灰靶理论由我国邓聚龙教授首次提出，包括灰决策和灰评估理论［6-7］，其理论是在没有预先给定的标准模式的条件下设定一个灰靶，运用灰靶理论在灰靶中找到标准模式下的靶心，进而将系统监测到的气体指标模式与标准靶心进行比较，得出灰关联差异信息Δ0i（k），最后经由等级划分确定评估等级［8］。结合本系统的设计，当气体浓度变化越大，锅炉发生的可能就越大，因此选取当前每种气体浓度的最大值构造标准模式；然后各模式与标准模式一起构成灰靶，则标准模式便是灰靶的靶心，靶心度（即靶心接近度）则是由每一个灰关联差异信息空间的模式与靶心的灰关联度计算得出；最后根据靶心度可以对锅炉设备进行模式状态的识别，同时可以对设备进行分级以及模式评优等。

1.1建立标准模式f0

取 fi为设备的第i个状态模式，f（k）为所有状态模式下设备的第k个状态参数序列，则建立状态参数序列：

其中 ｛∀fi（k）∈fi|k∈｛1，2，3，…，n｝，i∈I=｛1，2，3，…，m｝｝；则指标模式序列f（k）为：

其中，｛∀fi（k）∈f（k）|i∈I=｛1，2，3，…，m｝｝。

根据指标的极性通常划分为极大值极性、极小值极性和适中值极性3种。令POL（max）、POL（min）、POL（men）分别表示极大值极性、较小值极性、适中值极性，则当POLf（k）=POL（max），取

则称序列 f0=｛f0（1），f0（2），…，f0（n）｝为设备的靶心，即标准状态模式。

1.2靶心系数与靶心度计算

对状态进行灰靶变换，记靶心系数为

式中；ρ∈［0，1］；Δ0i（k）表示待评估序列 fi与靶心 f0之间的灰关联差异信息。称γ（f0，fi）为 fi的靶心度，满足

它代表各模式接近靶心（标准状态模式）的程度，即靶心接近度。

1.3设备状态的等级划分

依据灰色理论平衡原理以及最小信息原理，将设备评估对象进行划分等级，在（0-1）按1/10比例划分为［0.9，1］，［0.8，0.9］，…，［0，0.1］。根据设备的状态序列参数与靶心度的接近程度确定所处的等级。从而判断当前设备的运行状态。

2　系统总体设计

电厂锅炉在线监测系统主要是由锅炉环境检测设备、ZigBee发送和接受设备［9-13］、终端监测中心3部分组成（如图1）。锅炉环境检测设备通过传感器采集数据并处理，并将处理后的数据由ZigBee终端模块发送出去，再经多次ZigBee无线路由模块转发，最终由终端监测中心接收并处理。本系统可以实现3个功能，即锅炉环境状态数据的实时检测，锅炉各种环境数据无线实时传输和终端数据分析功能。

图1　系统总体框图

3　灰靶理论在锅炉状态评估中的应用

对锅炉监测的数据进行分析，得出锅炉的状态。选取状态指标和标准指标，然后进行灰靶变换和靶心度的计算，根据靶心度的大小，结合实际锅炉的状态，对靶心度分级。最后对未知参数的分析预测得出其它锅炉的状态。

3.1选取锅炉状态指标

正常锅炉运行时，锅炉周围的参数，如各种气体，温度，湿度等应该与大气中的一样，但当锅炉一旦有泄露发生，周围的参数就会发生变化，根据锅炉泄露的不同各个参数有不一样的影响，这里取锅炉泄露所产生的（H2O，SO2，H2S，SO3，CO2，H2，CO）7种气体为特征气体，取8个监测节点，其泄露故障模式序列如表1所示。

表1　锅炉状态指标模式序列（单位mg/m3，e表示指数部分）

表1中，浓度是指单位体积中标所占的含量的比例。根据环境空气质量标准［14］，每种气体均小于其日平均限定值。对数据进行分析：

当k=1时，对应H2O百分含量，具有最大值极性

同理（H2，SO2，H2S，CO2，SO3，CO）也都具有极大值极性：

丢失记录和检修记录都应该是最大值序列，考虑到实际情况，设这两个指标的最大值为1，则

因此标准模式序列

3.2灰靶变换

以吉林市某电厂锅炉某个时刻数据位设别模式序列

针对上述序列进行灰靶变换，定义T［·］为变换，即

则得出：

同理有：

3.3靶心度的计算

差异信息空间为

式中：ρ为分辨系数，ρ∈［0，1］。通常情况下，ρ=0.5表示对差异信息空间的上界值和下界值具有相同的偏好，可得

靶心度

3.4锅炉状态识别

依据最小信息原理，对靶心度进行平均分为十挡，即为［0.0，0.1］，［0.1，0.2］，…，［0.9，1］。又根据灰色关联度的相关定理，在的条件下，有

即：γ（x0，xi）≥0.333

因此在小于0.33以下各档毫无意义。结合锅炉泄露状态的实际情况，则靶心度可分为以下各个档，见表2。

表2　锅炉状态靶心度分档

根据锅炉环境状态各档相比较，可知该锅炉节点处于轻度故障的第3级，经现场该节点范围内检查，没有出现任何潜在的故障，分析可能是由于锅炉老化，天气影响环境温度偏高引起的。经检验符合实际要求，说明该算法可以运用在该锅炉状态的识别中。

4　结论

本文首先设计一种基于ZigBee的电厂锅炉在线监测系统，然后借助灰靶理论对采集的数据进行分析，通过将实验结论和现场的检查对比分析可知，系统运行良好，能很好的适合于锅炉的监测。采用的灰靶理论能够很好的运用于锅炉状态的的判断，为电厂锅炉状态的评估提供了一种有效的方法。下一步的工作是如何计算每种气体的权重，改进现有灰靶理论算法，同时，将改进的灰靶理论和专家系统相结合，设计一种基于改进灰靶理论的专家系统，使得更精确地满足锅炉状态评估。

［1］杨朝婷，张欢，由世俊，等.一种既有燃煤锅炉安全性评价方法［J］.暖通空调，2014，44（10）：111-116.

［2］Price J W H.10-Risk-Based Inspection and Life Management in Boilers in Coal Power Plants［J］.Coal Power Plant Materials and Life Assessment，2014：265-287.

［3］余廷芳，李鹏辉.基于神经网络的NO_x燃煤锅炉排放预测及优化［J］.热力发电，2015，44（4）：112-115.

［4］尹正文，姜麟，茅颖.实时灰色最小二乘支持向量机模型在蒸汽预测中的应用［J］.科学技术与工程，2012，12（24）：6158-6161

［5］单文娟，景国勋，刘军.灰色系统理论在预测电厂年供电量中的应用［J］.工业安全与环保，2009，35（9）：1-2.

［6］罗逸，邓聚龙，郑家粲.腐蚀评估中的灰靶方法［J］.中国腐蚀与防护学报，2001，21（6）：374-378.

［7］李建坡，赵继印，郑蕊蕊，等.基于灰靶理论的电力变压器状态评估新方法［J］.吉林大学学报（工学版），2008，38（1）：201-205.

［8］陈士玮，李柱国，徐启圣.基于灰靶理论和油液监测的磨损模式识别研究［J］.中国矿业大学学报，2005，34（3）：353-357.

［9］Iqbal M S.Performance Evaluation of IEEE 802.15.4 Standard for Low Data Rate Ad Hoc Wireless Sensor Networks［C］//IEEE Conference Publications，2013：300-304.

［10］滕志军，李国强，何鑫，等.基于ZigBee的高压电气设备温度在线监测系统［J］.电测与仪表，2014，51（1）：85-88.

［11］曹明勤，张涛，王健，等.基于ZigBee的农业物联网监测系统的设计与实现［J］.电子技术应用，2013，39（12）：86-89.

［12］刘卫东，张薇，孟晓静.基于物联网的煤矿检测监控系统研究［J］.电子器件，2015，38（03）：718-724.

［13］王世平，王志武，颜国正.基于ZigBee的可穿戴式病房无线监护系统［J］.传感技术学报，2015，28（10）：1563-1569.

［14］GB 3095—2012环境空气质量标准［S］.

滕志军（1973-），男，教授，博士，主要从事无线通信技术研究，tengzhijun@163.com；

许建军（1991-），男，硕士研究生，从事无线通信技术研究，1031630501@qq.com。

Boiler Leaked State Assessment Based on Grey Target Theory in WSN*

TENG Zhijun1*，XU Jianjun1，ZHANG Qing2，ZHANG Mingru1，GUO Suyang1
（1.Department of Information Engineering，Northeast Dianli University，Jilin Jilin 132012，China；2.College of Software Engineering，Southeast University，Suzhou Jiangsu 215000，China）

For the problem of state assessment for power plant boiler leak，a boiler state line identification assessment method is proposed.This method introduces the gray target theory into the state boiler leaked state assessment，first to design a power plant boiler-line monitoring system based on ZigBee，then monitored gas leak data and analysed them to give the state of the boiler leaked assessment algorithm steps，and finally given the different methods according to the disclosure of the extent of boiler stage in order to predict the state of the boiler leaks.Experiments show that the proposed method can effectively solve boiler state identification problems without standard fault model，for boiler state providing a new way to assess.

power plant boiler；ZigBee；grey system；grey target theory

TM41

A

1005-9490（2016）05-1166-04

项目来源：国家自然基金项目（51277023）

2015-10-12修改日期：2015-11-26

EEACC:6150P10.3969/j.issn.1005-9490.2016.05.029