一种基于部件特性的火力发电机组在线性能监测方法

摘要

一种基于部件特性的火电机组在线性能监测方法，属于动力系统仿真与控制技术领域。其包括：1)选取所需电站历史测量数据并对其进行粗大误差剔除和稳态筛选处理；2)采用数据协调技术降低实测数据的不确定度，为建模提供更准确的数据来源；3)基于主导因素方法建立火力发电机组关键部件全工况精确模型；4)依据部件模型计算得到的监测变量应达值与实际测量值之间的偏差，基于统计控制技术的设备性能变化定量判定方法判别部件是否发生故障，达到火电机组在线性能监测的目的。该方法对用于建模的数据进行预处理和数据协调，建模数据更加可靠，设备健康状况可实时在线发布，并能够准确定位发生故障的部件。

权利要求

1.一种基于部件特性的火力发电机组在线性能监测方法，其特征在于该方法包括如下步骤：

1)历史测量数据的粗大误差剔除和稳态工况数据筛选：

从火力发电机组实时信息监控与管理系统中获取一段时间的历史测量数据，基于密度、基于数据间距离和基于粗大误差因子分别对历史测量数据进行粗大误差剔除；

根据火力发电机组运行状况，得到机组稳定运行的时间区间，作为后续工作所需的稳态工况数据；

2)数据协调降低测量数据不确定度：

根据火力发电机组系统的冗余测量信息，将稳态工况数据中的测量变量X1，x2，…xn及未测量变量u1，u2，…up分别记为x和u，将测量变量X1，x2，…xn的测量值y1，y2，…yn，记为y；其中，n为测量变量的总个数，p为未测量变量的总个数；

计算每个测量变量测量值的标准差，来评定测量变量的不确定度，依次记为δ1，δ2，…δn，计算公式如下：其中，i代表第i个测量变量，i取1，2，3...n；N为所有工况的个数；j代表第j组工况下的测量数据，j取1，2，3...N；xi，i代表第i个测量变量在第j组工况下的测量值， 代表第i个测量变量在所有测量工况下的平均值；

根据火力发电机组中设备的模型，构建电厂系统的约束方程；约束方程包括等式约束方程组f和不等式约束方程组g两类；

f(x，u)＝0    (2)

g(x，u)≤0       (3)

结合测量变量的测量值、测量值的不确定度、等式约束方程组f和不等式约束方程组g，利用目标函数 计算得到测量变量x的协调值x*和未测量变量u的估计值u*；

其中，x*为X1*，x2*，…xn*；u*为u1*，u2*，…up*；

按照方程(1)来评定协调值x*的不确定度δ*；比较测量变量x的测量值y的不确定度δ和协调值x*的不确定度δ*；

3)建立火力发电机组全工况关键部件模型：

利用主导因素方法得到火力发电机组各个关键部件的特性参数及其主导因素，利用数据协调后的电厂数据计算拟合得到各个关键部件特性参数的特性曲线，建立关键部件主导因素模型如下式所示；

k＝f(D1，D2，…Di，…Dm)     (5)

其中，k为关键部件的特性参数，Di为该特性参数的主导因素，m为主导因素的个数；

4)基于统计控制技术的部件性能变化定量判定方法判别部件是否发生故障：a)从火力发电机组实时信息监控与管理系统中获取关键部件的监测变量的实际测量值，在相同边界条件下，由全工况关键部件模型计算得到监测变量的健康应达值，监测变量的健康应达值与监测变量的实际测量值之间的差值为监测变量偏差；

b)突变性故障和渐变性性能劣化统计控制图设计及故障判别：

采用一段时间的监测变量偏差组成的偏差序列，利用时间序列分解的方法将偏差序列分解为各个组成部分，挑选适合用于制作统计控制图的偏差序列；

计算得到用于制作统计控制图的偏差序列均值，即 并根据公式

计算偏差序列的标准差；

其中 为偏差序列的均值，xi为偏差序列中各个监测变量偏差，M为偏差序列的监测变量偏差的总个数，σ为偏差序列的标准差；

对火电机组发生突变性故障和渐变性性能劣化分别设计统计控制图，实施方法如下：i)当火电机组性能变化为突变性故障时，统计控制图设计的实施办法为：利用下式计算统计控制图的初始控制线，

其中， 为0时刻的监测变量偏差序列的均值，UCL0为初始上控制线，CL0为初始中心线，LCL0为初始下控制线；

将实时测量变量偏差在统计控制图上进行打点，一段时间之后，按下式实时更新统计控制图的上下控制线，其中，下标t表示时刻；xt为t时刻的监测变量实际测量值； 为t时刻的监测变量偏差序列的均值； 为权重因子，取值范围是0-1；CLt为t时刻的中心线，UCLt为t时刻的上控制线，LCLt为t时刻的下控制线；

若实时监测变量偏差超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发生了突变性故障；若实时监测变量偏差未超出统计控制图的上、下控制线，则认为该关键部件运行正常；

ii)当火电机组性能变化为渐变性性能劣化时，统计控制图设计的实施办法为：计算统计控制图的控制线，

其中UCL为上控制线，CL中心线，LCL为下控制线；

计算历史数据监测变量偏差的加权平均值：

其中zt为t时刻计算得到的历史数据监测偏差变量的加权平均值；

将实时监测变量偏差的加权平均值在统计控制图上进行打点，并实时更新该加权平均值；若实时监测变量偏差的加权平均值超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发生了渐变性性能劣化故障；若实时监测变量偏差的加权平均值未超出统计控制图的上、下控制线，则认为该关键部件运行正常。

2.根据权利要求1所述的一种基于部件特性的火力发电机组在线性能监测方法，其特征在于：火力发电机组包含汽轮机子系统和锅炉子系统；汽轮机子系统包括汽轮机本体系统、加热器回热系统、给水泵组和凝结水泵组；锅炉子系统包括汽水系统、空气预热器、风烟系统和炉膛燃烧系统。

3.根据权利要求1所述的一种基于部件特性的火力发电机组在线性能监测方法，其特征在于：步骤2)中所述的冗余测量信息包括空间冗余和时间冗余两类；空间冗余是指多个测量仪表对同一个测量变量进行测量，时间冗余是指仪表在不同时间内对同一个测量变量进行多次测量。

4.根据权利要求1所述的一种基于部件特性的火力发电机组在线性能监测方法，其特征在于：步骤2)中所述的火力发电机组系统的约束方程包含质量平衡方程、能量平衡方程、换热特性方程、压降方程、效率方程和汽轮机通流能力方程。

5.根据权利要求1所述的一种基于部件特性的火力发电机组在线性能监测方法，其特征在于：步骤2)中所述的目标函数 包含最小二乘形式的目标函数或强鲁棒性的目标函数；最小二乘形式的目标函数如方程(6)所示：强鲁棒性的目标函数如方程(7)所示：

其中，xi*代表x*中第i个元素，yi代表y中第i个元素；∑代表由测量变量的不确定度构成的协方差矩阵；上标T代表矩阵的转置；上标一1代表矩阵的逆； 代表从第1个到第n个测量变量的求和；cF代表设定的权重参数。

6.根据权利要求1所述的一种基于部件特性的火力发电机组在线性能监测方法，其特征在于：步骤3)中所述的火力发电机组全工况关键部件包含汽轮机级组、给水泵、回热系统设备、空冷岛、抽汽管道、过热器、再热器、空气预热器、省煤器、旋风分离器、一次风机和二次风机。

7.根据权利要求6所述的一种基于部件特性的火力发电机组在线性能监测方法，其特征在于：所述的汽轮机级组是以各级抽汽口作为前后两级级组的分界线；回热系统设备包括各级回热加热器、轴封加热器和除氧器；抽汽管道是指从各级抽汽口至对应加热器进口之间的管道。

说明书

一种基于部件特性的火力发电机组在线性能监测方法

技术领域

[0001] 一种基于部件特性的火力发电机组在线性能监测方法，属于电力系统仿真控制领域。

背景技术

[0002] 目前，火力发电站煤耗占国内平均年煤耗50％以上，实现火力发电站的高效稳定运行对节能环保有着重要意义，火力发电机组性能监测系统可以有效的实现发电机组的高效运行。目前现阶段普遍采用的性能监测系统存在如下各方面的缺陷：由于机组运行变工况、测量仪表老化等原因导致机组测量得到的测量数据存在误差。从电厂得到的数据直接用于建立精确模型会严重影响模型精度；目前常用的性能监测系统是通过历史数据比较，或者根据热力部件或整体边界参数条件建立数学模型，比较实际测量值和应达值偏差判断系统运行状态，监测系统的有效性很大程度上取决于数学模型的精确程度，而现存的电站监测模型难以实现在全工况范围内精确反映热力系统部件和整体性能；缺少有效的故障判别机制，不能及时准确的对部件故障进行报警。因此，寻求一种更为有效的保证机组运行效率的在线性能监测方法显得尤为重要。

发明内容

[0003] 本发明针对现有发电站监测系统技术存在的不足，提出了一种实用的、智能化的基于部件特性的火力发电机组在线性能监测方法。其目的在于通过对历史测量数据的粗大误差剔除和稳态工况数据筛选，数据协调降低测量数据不确定度为建立火力发电机组关键部件全工况精确模型提供更加可靠的数据；其目的还在于提出一种更为有效的故障判别方法，提高对部件运行过程中突变性故障和渐变性性能劣变的识别，降低误、虚报警率，更好的实现火力发电机组在线性能监测的目的。

[0004] 本发明的技术方案是：

[0005] 一种基于部件特性的火力发电机组在线性能监测方法，其特征在于该方法包括了如下步骤：

[0006] 1)历史测量数据的粗大误差剔除和稳态工况数据筛选：

[0007] 从火力发电机组实时信息监控与管理系统中获取一段时间的历史测量数据，基于密度、基于数据间距离和基于粗大误差因子分别对历史测量数据进行粗大误差剔除；

[0008] 根据火力发电机组运行状况，得到机组稳定运行的时间区间，作为后续工作所需的稳态工况数据；

[0009] 2)数据协调降低测量数据不确定度：

[0010] 根据火力发电机组系统的冗余测量信息，将稳态工况数据中的测量变量x1，x2，…xn及未测量变量u1，u2，…up分别记为x和u，将测量变量x1，x2，…xn的测量值y1，y2，…yn，记为y；其中，n为测量变量的总个数，p为未测量变量的总个数；

[0011] 计算每个测量变量测量值的标准差，来评定测量变量的不确定度，依次记为δ1，δ2，…δn，计算公式如下：

[0012]

[0013] 其中，i代表第i个测量变量，i取1，2，3...n；N为所有工况的个数；j代表第j组工况下的测量数据，j取1，2，3...N；xi，j代表第i个测量变量在第j组工况下的测量值， 代表第i个测量变量在所有测量工况下的平均值；

[0014] 根据火力发电机组中设备的模型，构建电厂系统的约束方程；约束方程包括等式约束方程组f和不等式约束方程组g两类；

[0015] f(x，u)＝0  (2)

[0016] g(x，u)≤0  (3)

[0017] 结合测量变量的测量值、测量值的不确定度、等式约束方程组f和不等式约束方程* *组g，利用目标函数 计算得到测量变量x的协调值x 和未测量变量u的估计值u ；

[0018]

[0019] 其中，x*为x1*，x2*，…xn*；u*为u1*，u2*，…up*；

[0020] 按照方程(1)来评定协调值x*的不确定度δ*；比较测量变量x的测量值y的不确定度δ和协调值x*的不确定度δ*；

[0021] 3)建立火力发电机组全工况关键部件模型：

[0022] 利用主导因素方法得到火力发电机组各个关键部件的特性参数及其主导因素，利用数据协调后的电厂数据计算拟合得到各个关键部件特性参数的特性曲线，建立关键部件主导因素模型如下式所示；

[0023] k＝f(D1，D2，…Di，…Dm)  (5)

[0024] 其中，k为关键部件的特性参数，Di为该特性参数的主导因素，m为主导因素的个数；

[0025] 4)基于统计控制技术的部件性能变化定量判定方法判别部件是否发生故障：

[0026] a)从火力发电机组实时信息监控与管理系统中获取关键部件的监测变量的实际测量值，在相同边界条件下，由全工况关键部件模型计算得到监测变量的健康应达值，监测变量的健康应达值与监测变量的实际测量值之间的差值为监测变量偏差；

[0027] b)突变性故障和渐变性性能劣化统计控制图设计及故障判别：

[0028] 采用一段时间的监测变量偏差组成的偏差序列，利用时间序列分解的方法将偏差序列分解为各个组成部分，挑选适合用于制作统计控制图的偏差序列；

[0029] 计算得到用于制作统计控制图的偏差序列均值，即 并根据公式计算偏差序列的标准差；其中 为偏差序列的均值，xi为偏差序列中各个监测
变量偏差，M为偏差序列的监测变量偏差的总个数，σ为偏差序列的标准差；

[0030] 火电机组发生突变性故障和渐变性性能劣化分别设计统计控制图，实施方法如下：

[0031] i)当火电机组性能变化为突变性故障时，统计控制图设计的实施办法为：

[0032] 利用下式计算统计控制图的初始控制线：

[0033]

[0034] 其中， 为0时刻的监测变量偏差序列的均值，UCL0为初始上控制线，CL0为初始中心线，LCL0为初始下控制线；

[0035] 将实时测量变量偏差在统计控制图上进行打点，一段时间之后，按下式实时更新统计控制图的上下控制线：

[0036]

[0037] 其中，下标t表示时刻；xt为t时刻的监测变量实际测量值；为t时刻的监测变量偏差序列的均值；为权重因子，取值范围是0-1；CLt为t时刻的中心线，UCLt为t时刻的上控制线，LCLt为t时刻的下控制线；

[0038] 若实时监测变量偏差超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发生了突变性故障；若实时监测变量偏差未超出统计控制图的上、下控制线，则认为该关键部件运行正常；

[0039] ii).当火电机组性能变化为渐变性性能劣化时，统计控制图设计的实施办法为：

[0040] 计算统计控制图的控制线，

[0041]

[0042] 其中UCL为上控制线，CL中心线，LCL为下控制线；

[0043] 计算历史数据监测变量偏差的加权平均值：

[0044]

[0045] 其中，zt为t时刻计算得到的历史数据监测偏差变量的加权平均值；

[0046] 将实时监测变量偏差的加权平均值在统计控制图上进行打点，并实时更新该加权平均值；若实时监测变量偏差的加权平均值超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发生了渐变性性能劣化故障；若实时监测变量偏差的加权平均值未超出统计控制图的上、下控制线，则认为该关键部件运行正常。

[0047] 本发明的上述技术方案中，其特征在于：

[0048] 所述的火力发电机组系统包含汽轮机子系统和锅炉子系统；汽轮机系统包括汽轮机本体系统、加热器回热系统、给水泵组、凝结水泵组；锅炉系统包括汽水系统、空气预热器、风烟系统、炉膛燃烧系统。

[0049] 所述的冗余测量信息包括空间冗余和时间冗余两类；空间冗余是指多个测量仪表对同一个测量变量进行测量，时间冗余是指仪表在不同时间内对同一个测量变量进行了多次测量。

[0050] 所述的火力发电机组系统的约束方程包含质量平衡方程、能量平衡方程、换热特性方程、压降方程、效率方程和汽轮机通流能力方程。

[0051] 所述的目标函数 包含最小二乘形式的目标函数或强鲁棒性的目标函数；最小二乘形式的目标函数如方程(6)所示，强鲁棒性的目标函数包括方程(7)所示的目标函数：

[0052]

[0053]

[0054] 其中，xi*代表x*中第i个元素，yi代表y中第i个元素；∑代表由测量变量的不确定度构成的协方差矩阵；上标T代表矩阵的转置；上标-1代表矩阵的逆； 代表从第1个到第n个测量变量的求和；cF代表设定的权重参数。

[0055] 所述的火力发电机组关键部件包含汽轮机级组、给水泵、回热系统设备、空冷岛、抽汽管道、过热器、再热器、空气预热器、省煤器、旋风分离器、一次风机和二次风机。所述的汽轮机级组是以各级抽汽口作为前后两级级组的分界线；回热系统设备包括各级回热加热器、轴封加热器和除氧器；抽汽管道是指从各级抽汽口至对应加热器进口之间的管道。

[0056] 本发明具有以下优点及突出性效果：

[0057] 本发明方法对历史测量数据的粗大误差剔除和稳态工况数据筛选，有效剔除了显著误差，并基于电厂系统中冗余的测量信息，结合系统中设备的约束关系，通过数据协调计算来减少测量数据中随机误差的影响，降低测量变量及未测量变量的不确定度，为建立火力发电机组关键部件全工况精确模型提供了更为可靠的数据，从而提高了部件模型的精度；此外，本方法将统计过程控制技术与火电机组关键部件全工况模型计算监测变量健康应达值的方法结合起来，给出了定量的判据能够准确地判别突变性故障和渐变性性能劣化，能够准确反映部件实际性能变化情况的问题，有效的降低了误、虚报警率。本发明形成了一套完整的火力发电机组在线性能监测技术，能够实现火力发电机组整体监测的智能化和自动化。本发明方法成本低，可靠性高，运用简便。

附图说明

[0058] 图1是本发明方法的摘要附图。

[0059] 图2是具体实施方式中2#高温加热器全工况模型示意图。

[0060] 图3是具体实施方式中验证加热器给水出口温度偏差中存在长期趋势项的分析结果。

[0061] 图4是具体实施方式中验证加热器给水出口温度偏差中存在周期项的分析结果。

[0062] 图5是具体实施方式中用鲁棒局部加权回归方法对给水出口温度偏差进行时序分解结果。

[0063] 图6是实施案例中筛选出机组稳定工况的结果展示。

[0064] 图7是实施案例中协调前后凝结水流量对比图。

[0065] 图8是实施案例中协调前后温度测量变量的不确定度的对比图。

[0066] 图9是实施案例中关键部件给水泵特性参数的特性曲线示意图。

[0067] 图10是实施案例中基于统计控制技术绘制的突变性故障控制图。

[0068] 图11是实施案例中基于统计控制技术绘制的渐变性性能劣化控制图。

具体实施方式

[0069] 下面结合附图对本发明作进一步的说明。

[0070] 本发明建成后可以为电力行业技术人员、运行人员、工程师和高层管理人员提供如下服务：

[0071] 帮助发电站整体监测实现智能化和自动化，对及时反映各个部件性能，方便运行人员及时并准确地发现具体设备问题，减少频繁现场监测所需要的人力和物力，使能耗以及设备性能一直处于可控状态，提高设备管理的效率和精确程度。

[0072] 可以实现系统各部件性能的可视化，通过在线平台发布，各个部件特性指标的时间和空间对比曲线都会展现出来，方便公司高层管理人员和专业技术人员随时掌握机组运行状态，了解实时运行指标。

[0073] 本发明提供的一种基于部件特性的火力发电机组在线性能监测方法，该方法包括了如下步骤：

[0074] 1)历史测量数据的粗大误差剔除和稳态工况数据筛选：

[0075] 从火力发电机组实时信息监控与管理系统中获取一段时间的历史测量数据，基于密度、基于数据间距离和基于粗大误差因子分别对历史测量数据进行粗大误差剔除；

[0076] 采用相关性分析方法选取关键变量：计算历史测量数据中任意两个变量的相关系数r，相关系数计算公式如下；

[0077]

[0078] 其中，p，q为任意的两个变量，rpq为变量p，q的相关系数，i代表第i组历史测量数据，M为历史测量数据的总组数，为变量p所有历史测量数据的平均值，为变量q所有历史测量数据的平均值；

[0079] 得到相关系数矩阵如下；

[0080]

[0081] 其中，m为变量的总个数，pi，pj分别为第i个和第j个变量，i，j取1，2，…m；rpipj为第i个和第j个变量的相关系数，R为相关系数矩阵。

[0082] 比较各个变量相关性，将相关性强(相关系数绝对值接近1)的变量归为一类，每一类中选取一个关键变量，最终选取的关键变量为给水流量、凝汽器真空。使用高斯滤波和R判据的方法，得到机组稳定运行的时间区间，作为后续工作所需的稳态工况数据。

[0083] 2)数据协调降低实测数据不确定度：

[0084] 根据电厂系统的测点信息，可以判断系统中存在流量、压力及温度变量的空间冗余测量信息。选取参与热力系统平衡计算的测量变量x1，x2，…x99及未测量变量u1，u2，…u82，包括流量、温度和压力，分别记为x和u，其中测量变量共有99个，未测量变量共有82个；由步骤1)得到稳态工况数据，将测量变量x1，x2，…x99的测量值y1，y2，…y99记为y；

[0085] 按照下式计算每个测量变量测量值的标准差，来评定测量变量的不确定度，依次记为δ1，δ2，…δ99；

[0086]

[0087] 其中，i代表第i个测量变量，i取1，2，3...99；N为所有工况的个数；j代表第j组工况下的测量数据，j取1，2，3...N；xi，j代表第i个测量变量在第j组工况下的测量值，代表第i个测量变量在所有测量工况下的平均值；

[0088] 根据电厂系统中设备的模型，构建电厂系统的约束方程，包括质量平衡方程、能量平衡方程及设备的特性方程；约束方程分为等式约束方程组f和不等式约束方程组g两类；在本实施例中等式约束方程共109个，没有不等式约束方程；

[0089] f(x，u)＝0  (4)

[0090] g(x，u)≤0  (5)

[0091] 系统中未测量变量的个数为82，等式约束方程的个数为109，因此，系统的冗余度R为109-82＝27。

[0092] 结合测量变量的测量值及测量值的不确定度，在满足约束方程组(4)及(5)的基础上，进行数据协调计算，利用目标函数 计算得到测量变量的协调值x*和未测量变量的估计值u*；

[0093]

[0094] 其中，x*为x1*，x2*，…X109*；u*为u1*，u2*，…u82*；

[0095] 目标函数 包含最小二乘形式的目标函数或强鲁棒性的目标函数；常用的最小二乘形式的目标函数如方程(7)所示，在数学上表示为求解满足一组等式和不等式约束条件方程组的最小二乘解的优化问题：

[0096]

[0097] 强鲁棒性的目标函数包含方程(8)所示的目标函数：

[0098]

[0099] 其中，xi*代表x*中第i个元素，yi代表y中第i个元素；∑代表由测量变量的不确定度构成的协方差矩阵；上标T代表矩阵的转置；上标-1代表矩阵的逆； 代表从第1个到第109个测量变量的求和；cF代表设定的权重参数。

[0100] 按照方程(3)来评定协调值x*的不确定度δ*；对比测量值y的不确定度δ和协调值x*的不确定度δ*。

[0101] 3)建立火力发电机组全工况关键部件模型：

[0102] 利用主导因素方法得到火力发电机组各个关键部件的特性参数及其主导因素，利用数据协调后的电厂数据计算拟合得到各个关键部件特性参数的特性曲线，建立关键部件主导因素模型如下式所示；

[0103] k＝f(D1，D2，…Di，…Dn)  (9)

[0104] 其中，k为关键部件的特性参数，Di为该特性参数的主导因素，n为主导因素的个数；

[0105] 主导因素方法根据部件的内在机理选定反映过程本质的特性参数，并确定在全工况范围内决定特性参数变化的主导因素；

[0106] 火力发电机组部分关键部件的特性参数及其主导因素如下：

[0107] 设备特性参数：

[0108] 汽轮机级组：级组内效率，弗留格尔系数；

[0109] 给水泵：给水泵扬程，给水泵效率；

[0110] 回热系统设备：加热器过热凝结段换热系数KA，加热器疏水冷却段换热系数KA；

[0111] 空冷系统：换热系数KA

[0112] 抽汽管道：管道压降；

[0113] 主导因素：

[0114] 汽轮机级组：折合流量，压比

[0115] 给水泵：给水泵流量

[0116] 回热系统设备：抽汽流量，水侧流量

[0117] 空冷系统：风机转速，管内蒸汽流量

[0118] 抽汽管道：管道抽汽流量

[0119] 4)基于统计控制技术的设备性能变化定量判定方法判别部件是否发生故障：

[0120] 图2所示，为利用主导因素建模方法得到的2#高温加热器部件全工况精确模型；从火电机组实时信息监控与管理系统中获取关键部件的监测变量加热器出口给水温度实际测量值，在相同边界条件下，由模型计算得到加热器出口给水温度健康应达值，加热器出口给水温度健康应达值与加热器出口给水温度实际测量值之间的差值为加热器出口给水温度偏差；

[0121] 分析加热器出口给水温度的偏差结构组成特征，对其组成特征进行验证，图3所示为验证加热器出口给水温度偏差中长期趋势项，图4为验证加热器出口给水温度偏差中周期项；采用一段时间的加热器出口给水温度偏差组成的偏差序列，利用适当的时间序列分解的方法将偏差序列分解为各个组成部分，分析各组成部分所表征的物理含义，如图5所示为用鲁棒局部加权回归法方法(STL)对加热器出口给水温度偏差进行时序分解的结果；

[0122] a)当火电机组性能变化为突变性故障时，统计控制图设计的实施办法为：

[0123] i.计算统计控制图的初始控制线；

[0124]

[0125] 其中UCL0为初始上控制线，CL0为初始中心线，LCL0为初始下控制线；

[0126] ii.将实时测量变量偏差在统计控制图上进行打点，一段时间之后，按下式实时更新统计控制图的上下控制线：

[0127]

[0128] 其中，下标t表示时刻；为t时刻的监控变量；为权重因子，取值范围是0-1，具体取多少应经过多次测试来确定，使得最终能够达到较好的监测效果；CLt为t时刻的中心线，UCLt为t时刻的上控制线，LCLt为t时刻的下控制线；

[0129] 若实时监测变量偏差超出了统计控制图的上、下控制线，则发出故障报警，认为该关键部件可能发生了突变性故障；若实时监测变量偏差未超出统计控制图的上、下偏差线，则认为该关键部件运行正常；

[0130] b)当火电机组性能变化为渐变性性能劣化时，统计控制图设计的实施办法为：

[0131] i.计算统计控制图的控制线，

[0132]

[0133] 其中UCL为上控制线，CL中心线，LCL为下控制线；

[0134] ii.计算历史数据监测变量偏差的加权平均值

[0135]

[0136] 其中zt为t时刻计算得到的历史数据监测偏差变量的加权平均值；

[0137] 将实时监测变量偏差的加权平均值在统计控制图上进行打点，并实时更新该加权平均值；若实时监测变量偏差的加权平均值超出了统计控制图的上、下偏差线，则发出故障报警，认为该关键部件可能发生了渐变性性能劣化故障；若实时监测变量偏差的加权平均值未超出统计控制图的上、下偏差线，则认为该关键部件运行正常。

[0138] 实施例：对一330Mw火力发电机组搭建在线性能监测平台

[0139] 针对山西省火电机组面临煤质多变和频繁变负荷等状况，在保证火电机组安全、经济可靠的前提下开发新一代火电机组节能监测技术：研究热力设备部件级/设备/系统的全工况高精度数学建模技术，基于动静态模型的机组性能监测方法；建立热立设备动/静态数学模型运行平台，基于冗余信息的测量数据校正平台，热力设备运行性能在线监测及异常甄别平台；在山西漳电同达发电有限公司330MW火电机组实施循环流化床锅炉机组节能监测示范工程；形成火电机组节能监测关键技术体系和软件包。

[0140] 1)历史测量数据的粗大误差剔除和稳态工况数据筛选：

[0141] 从火力发电机组实时信息监控与管理系统中获取一段时间的历史测量数据，基于密度、基于数据间距离和基于粗大误差因子分别对历史测量数据进行粗大误差剔除；

[0142] 采用相关性分析方法选取关键变量，最终选取的关键变量为给水流量、凝汽器真空。使用高斯滤波和R判据的方法，得到机组稳定运行的时间区间，作为后续工作所需的稳态工况数据。附图6为筛选出机组稳定工况的结果展示。

[0143] 2)数据协调降低实测数据不确定度：

[0144] 该电厂热力系统的关键设备包括：锅炉、发电机、汽轮机高压缸、中压缸、低压缸、凝汽器、凝结水泵、高压给水加热器、低压给水加热器、除氧器、给水泵、高压蒸汽管道、再热蒸汽管道、抽蒸汽管道。从这些设备中选取合适的测量变量和未测量变量，最终测量变量的个数为99个，未测量变量的个数为82个。

[0145] 根据上述测量变量的测量值，按照具体实施方式中所述的方程(3)计算每个测量变量的测量值的标准差，来评定测量变量测量值的不确定度。由于测量变量数目较多，这里不再具体列出每个测量变量的测量值及不确定度。

[0146] 根据汽轮机系统的质量平衡方程、能量平衡方程及级组的特性方程，建立关于测量变量及未测量变量的等式约束方程组，约束方程的个数为109，依次记为f1，f2，…f109。

[0147] 根据上述测量变量的测量值、测量值的不确定度以及系统的约束方程组，构建并求解数据协调问题。在实施例中，选取最小二乘形式的目标函数进行计算，即具体实施方式中的方程(7)。计算结束后得到测量变量的协调值和未测量变量的估计值。根据具体实施方式中的方程(3)来评定协调值的不确定度，并对比测量值的不确定度和协调值的不确定度。

[0148] 根据数据协调前后的结果，如图7、图8所示，这里只展示出部分结果。图7代表了实施例中协调前后凝结水流量的对比图。可以看到协调前凝结水流量的测量值的不确定度为±4.8kg/s，而协调后凝结水流量的协调值的不确定度为±3.7kg/s，比之前降低了24％。

[0149] 图8代表了实施例中协调前后温度测量变量的不确定度的对比图。从该图中可以看到，抽蒸汽管道的出口温度的不确定度分别降低了29.2％、28.9％、29.3％、29.3％、29.3％、34.2％、39.9％和16.6％。另外，给水加热器的出口温度的不确定度也降低了10％～30％。

[0150] 3)建立火力发电机组全工况关键部件模型：

[0151] 利用主导因素方法得到火力发电机组各个关键部件的特性参数及其主导因素，利用数据协调后的电厂数据计算拟合得到各个关键部件特性参数的特性曲线，建立关键部件主导因素模型；火力发电机组部分关键部件的特性参数及其主导因素如下：

[0152] 设备特性参数：

[0153] 汽轮机级组：级组内效率，弗留格尔系数；

[0154] 给水泵：给水泵扬程，给水泵效率；

[0155] 回热系统设备：加热器过热凝结段换热系数KA，加热器疏水冷却段换热系数KA；

[0156] 空冷系统：换热系数KA

[0157] 抽汽管道：管道压降；

[0158] 主导因素：

[0159] 汽轮机级组：折合流量，压比

[0160] 给水泵：给水泵流量

[0161] 回热系统设备：抽汽流量，水侧流量

[0162] 空冷系统：风机转速，管内蒸汽流量

[0163] 抽汽管道：管道抽汽流量

[0164] 图9所示为利用数据协调后的电厂数据计算拟合得到的关键部件给水泵特性参数的特性曲线。

[0165] 4)基于统计控制技术的设备性能变化定量判定方法判别部件是否发生故障：

[0166] 以#1高压加热器为例，加热器实际运行遵循质量、能量守恒和换热器传热特性，其输入变量包括给水流量D_w1(t)、给水入口压力P_w1、给水入口温度T_w1、抽汽进口压力P_s、抽汽进口温度T_s。输出变量包括给水出口温度T_w2、疏水出口温度T_ss。结合物理模型，利用主导因素建模方法建立1#高压加热器全工况精确模型，计算得到1#高压加热器给水出口温度健康应达值，与给水出口温度实际测量值做差得到给水出口温度偏差。

[0167] 由于设备老化、热力系统中不凝性气体堆积等原因导致设备性能发生渐变，并以长期趋势项的形式存在于偏差信号中；电厂长期变负荷运行，给水流量随负荷发生相应的变化，而不同给水流量导致的换热量也不同，因此给水流量的周期性变化将带来监测偏差存在周期项；而随机扰动项是随时存在的。

[0168] 利用加热器仿真模型对给水出口温度偏差的结构组成进行验证：首先验证偏差存在长期增长项，假定换热器主导因素模型为kA＝2.67D_w1+90，性能渐变的形式表现为kA与D_w1线性表达式发生变化，这里假定其变化形式如下：

[0169]

[0170] 其中，k为换热器的换热系数，kW/(m2·℃)，A为换热面积，m2，t为时间，5min，D_w1为给水流量，kg/s，这里取恒定值280kg/s。按照这样的性能变化，在给水流量D_w1＝280kg/s时，经过一周时间(t＝2016)发生渐变的kA为正常状态下kA的95％，由此结合换热器的传热方程kA*Δtm＝D_w1*Cp*(T_w2-T_w1)，其中，Δtm为换热器对数平均温差。得到给水出口温度偏差如图3所示，偏差存在明显的增长趋势项；

[0171] 接着验证监测偏差存在周期项，在如上实验方案的基础之上，改变给水流量，按正弦波的形式给出，得到偏差如图4所示，可以看到偏差在趋势项的基础之上呈现很明显的周期性变动。加热器给水出口温度偏差的组成特征为：偏差＝长期趋势项+周期项+随机扰动项。其中，各部分组成的物理含义为：长期趋势项，由于设备老化、热力系统中不凝性气体堆积等原因导致设备性能发生渐变，并以长期趋势项的形式存在于偏差信号中；周期项，电厂长期变负荷运行，导致偏差序列存在周期项；随机项，随机扰动项是临时性、偶然性因素引起的。

[0172] 从物理机理、仿真实验对给水出口温度偏差的结构组成进行验证之后，分别针对突变性故障以及渐变性性能劣化，建立基于统计控制技术的火电机组性能变化定量判定方法，用于在线监控火电机组运行过程中的性能变化情况。本例采用Matlab程序实施计算的全过程，对换热器从性能正常、发生性能渐变、发生突变以及突变、渐变相继消失的全过程进行仿真实验，测试本发明提出的基于统计控制技术的火电机组性能变化定量判定方法能否准确地捕捉到换热器全过程性能的变化情况。换热器性能变化情况如图4所示。利用鲁棒局部加权回归法方法(STL)将监测偏差进行时间序列的分解，结果如图5所示。从图中可以看到，趋势项能够很好地跟随加热器性能的变化情况。从趋势项中挑选变化比较平缓的偏差数据，建立图10所示的突变性故障控制图进行突变故障监测，建立图11所示的渐变性故障控制图进行渐变性性能劣化监测。

[0173] 5)集合以上模块实现火力发电机组在线性能监测：

[0174] 开发了一套节能监测软件，用于发布部件在线性能监测结果，主要内容包括：数据流程设计、后台数据库设计研发、WEB应用功能研发。

[0175] 数据流程设计：系统可根据需要从SIS数据区、MIS数据区进行实时数据采集，系统采用B/S模式进行系统功能发布，用户在客户机进行访问和操作。

[0176] 后台数据库设计研发：节能监测软件的研发涉及电厂PI实时数据库以及后台SQL Server关系数据库。对数据库的操作是通过软件系统的三大工具进行，主要功能是进行数据采集、后台计算服务、评价卡生成服务的配置和启停控制；对SIS数据库测点进行筛选，对系统后台数据库进行测点配置；进行WEB界面生产，通过将前端WEB界面与后台SQL Server数据库进行绑定，从而界面化展示监测结果。

[0177] WEB应用功能研发：WEB发布功能包括运行监测平台总图以及其服务于工作人员的九大功能，即综合信息、运行监视、操作指导、常用报表、性能评价、指标竞赛、异常监视、离线数据、系统管理。