電站設備參數異動搜索分析與故障預警研究.pdf

1、傳統(tǒng)在線監(jiān)控系統(tǒng)的報警模式大多采用設定閾值，通過監(jiān)測參數實測值與設定閾值的比較實現報警功能。由于這種單一報警機制在系統(tǒng)狀態(tài)監(jiān)測過程中難以及時發(fā)現故障早期的征兆，并對其發(fā)展趨勢進行跟蹤而往往導致被迫停機，造成慘重的損失。因此針對這種故障后處理的閾值報警在復雜系統(tǒng)狀態(tài)監(jiān)測方面的不完善，本文提出了一套以主動預防故障為特色的系統(tǒng)在線狀態(tài)監(jiān)測與故障早期預警體系，充分利用現場實時/歷史數據庫，在線地展示系統(tǒng)參數的動態(tài)變化過程，反映出系統(tǒng)運行的健康狀

2、態(tài)。
　　 本文提出了一種參數異動搜索算法，基于重要點劃分時間子序列為各個子模式，根據參數的監(jiān)測信號類型分別提取各個子模式的模式特征值，并將其映射到高維空間，從模式的角度搜索出明顯不滿足一般數據模式的異常參數序列及其異常持續(xù)時間和基本趨勢；融合灰色等維加權預測模型與時序預測模型各自的優(yōu)勢，提出了一種灰色-時序組合動態(tài)預測方法，應用灰色模型預測序列的趨勢項，應用時序模型預測序列的殘差項，對系統(tǒng)監(jiān)測參數的異常發(fā)展趨勢進行預測，提高了

3、預測的精度并為系統(tǒng)異常狀態(tài)分析奠定了基礎。
　　 本文對復雜系統(tǒng)進行了合理且有效的層次結構劃分；挖掘出參數對預測故障模式發(fā)生的重要程度及參數與參數之間的相關關系，為系統(tǒng)的異常狀態(tài)分析提供了知識化信息；建立了基于系統(tǒng)異常監(jiān)測參數預警潛在故障發(fā)生的計算模型，架起了參數異常與系統(tǒng)狀態(tài)異常分析的橋梁。
　　 本文闡明了汽輪發(fā)電機組狀態(tài)監(jiān)測參數異動搜索分析及故障預警的應用，結果表明該方法體系能夠從海量的監(jiān)測參數數據中挖掘出機組出現