李晓杰， 田 亮

(华北电力大学 控制与计算机工程学院，河北 保定 071003)

0 引言

火电机组是我国的主力发电机组，近年由于煤炭价格上涨，许多火电机组通过采取掺烧劣质煤的手段以提高经济收益。劣质煤水分与灰分含量大，可磨性差，相同负荷下所需给煤量增加，易造成磨煤机堵塞。需要及时判断磨煤机是否发生堵塞，更加重要的是要发现磨煤机是否出现堵塞征兆。文献[1]采用机理分析方法，提出广义可磨性的概念，利用数据融合技术检测磨煤机的可磨性变化情况；文献[2]提出基于小波多尺度分解与D-S证据理论相结合的方法，对磨煤机临界堵塞状态进行识别判断。文献[3-4]分别利用基于大数据的状态检测方法和小波多尺度分析方法，对磨煤机磨辊磨损状态进行检测。

主元分析在处理线性相关的数据时能起到降维的作用，在低维空间中判断磨煤机是否出现堵塞征兆[5-6]。常规主元分析一般对于过程信号发生较大变动的机组故障检测较为有效，对于变化较小的信号检测能力变弱。通过小波多尺度分解[7]能够捕捉磨煤机输出信号的微小变化。对此提出多尺度判别法检测磨煤机堵磨，对磨煤机输出信号进行多层分解重构建立多个检验模型，再对磨煤机实时数据进行分解，在各个尺度上计算SPE统计量的值，检测是否出现堵磨。若有堵磨状况，通过绘制贡献图分辨影响堵磨的主要信号，较好的对磨煤机运行状况做出判断。

1 主元分析诊断模型

主元分析能够简化采集到的数据，降低数据的维度，揭示变量间的相关关系[8-9]。……