王 博, 吴智群

(西安热工研究院有限公司，陕西西安710032)

两种记忆矩阵算法在送风机状态监测中的应用分析

王 博, 吴智群

(西安热工研究院有限公司，陕西西安710032)

为提高多元状态估计在送风机状态监测中的准确度，对比分析了两种不同的记忆矩阵构建算法特点及对预测结果的影响。以南京某电厂送风机为监测对象进行研究，分别用等距插值和快速聚类算法构造正常运行状态下的过程记忆矩阵；然后用多元状态估计技术对观测向量进行估计。计算估计值与实测值之间的残差，比较两种方法的预测效果。结果表明，等距插值算法在机组启停机过程或者负荷较低时预测精度更高，而快速聚类算法在机组其他正常工况下预测精度更高。该结果对于指导分段建模，从而提高模型预测精度有实用价值。

多元状态估计；风机状态监测；记忆矩阵；等距插值；快速聚类；预测精度

0 引言

送风机系统是电厂主要的辅机设备之一，其运行情况对炉膛内燃烧的安全性有重要影响，因此有必要对送风机的运行状态进行实时全面地监测，实现对异常状态的早期预警，对于电厂的安全生产和经济运行有着重要的现实意义[1]。

多元状态估计技术( Multivariate State Estimation Technique, MSET )由美国阿尔贡国立实验室开发，利用非线性状态估计技术对设备的传感器信号建立物理过程模型，从而对设备当前运行状态和历史运行状态进行比较，得到设备当前状态的一个最优估计[2]。由于算法的物理意义明确，模型构建速度快，预测精度高，MSET近几年逐渐成为研究热点。……