常 志, 鲍克勤, 傅望安

(1.上海电力大学 自动化工程学院, 上海 200090;2.华能国际电力股份有限公司玉环电厂, 浙江 玉环 317600)

在电厂生产运行过程中,风机是不可或缺的辅机设备。风机在复杂多变的环境下运行,会出现多种故障类型,倘若发生故障就需要停机维修,则会降低了电厂的经济效益。因此,需要对电厂风机设备进行监测,根据现场数据偏离正常值的程度,对风机采取不同的措施,避免发生故障需要停机的现象,尽可能减小电厂的经济损失。传统的监测技术早期主动识别故障的能力非常有限。国内外对风机故障的判断通常是以振动信号为主要依据,其他信号只起到辅助判断的作用[1]。引风机监测的参数包含振动幅值、温度和压力等,各参数之间相互关联,在不同的工况下所表现出的状态也不同,因此依靠单变量的阈值监测造成故障预警准确率不高。

为了能够提前发现故障和避免漏报,提高预警准确率,应进行多变量相关分析。多元状态估计技术(Multivariate State Estimation Technology,MSET)可以为此问题提供一种解决方法。本文根据引风机正常的历史数据,对其进行MSET建模,构成状态矩阵,由状态矩阵产生估计值与实际值相比较而产生正负偏差阈值,一旦超过报警带,就可以形成早期异常报警。MSET相比其他方法具有建模简单、满足现场的实时工况等优点。

1 MSET原理

MSET是一种非线性的多变量预测估计算法。通过对设备正常工况下的数据建立模型[2],根据模型对正常的历史数据做运算,得出各项参数的最优估计值,最终对设备的实时数据与最优估计值作对比分析,根据两者的偏差,做出诊断结果。……