• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 24
    • 下载费用:30 金币  

    重庆时时彩该怎么玩: 基于异常搜索和组合预测的汽轮机组在线故障预警方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201410025897.3

    申请日:

    2014.01.20

    公开号:

    CN103793601A

    公开日:

    2014.05.14

    当前法律状态:

    驳回

    有效性:

    无权

    法律详情: 发明专利申请公布后的驳回IPC(主分类):G06F 19/00申请公布日:20140514|||实质审查的生效IPC(主分类):G06F 19/00申请日:20140120|||公开
    IPC分类号: G06F19/00(2011.01)I 主分类号: G06F19/00
    申请人: 广东电网公司电力科学研究院; 华北电力大学
    发明人: 邓小文; 顾煜炯; 宋磊; 周振宇; 房丽萍; 李鹏; 陈东超; 吴冠宇; 苏璐玮; 高芬芬; 韩延鹏; 任朝旭
    地址: 510080 广东省广州市越秀区东风东路水均岗8号
    优先权:
    专利代理机构: 北京众合诚成知识产权代理有限公司 11246 代理人: 张文宝
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410025897.3

    授权公告号:

    ||||||

    法律状态公告日:

    2018.02.09|||2014.06.11|||2014.05.14

    法律状态类型:

    发明专利申请公布后的驳回|||实质审查的生效|||公开

    摘要

    本发明公开了属于电力系统的预警技术领域的一种基于异常搜索和组合预测的汽轮机组在线故障预警方法。该发明包括:负责标准化分割输入参数时间序列并提取序列特征模式的输入初始化处理;通过训练正常状态参数获取异常搜索参考标准的异常特征边界训练;通过搜索超越特征边界而确定异常序列组的异动搜索;利用回归分析识别异常变化趋势,得到异动分布变化规律的异常分析;建立预测模型对异常变化进行趋势预测;根据预测结果,结合异动参数与故障征兆的对应关系预警输出。本发明能够解决传统监测分析仅利用限值理论无法全面识别异常的缺陷,提高了异常预警的精度和深度,为机组故障起因及责任归属问题提供有利证据。

    权利要求书

    权利要求书
    1.  一种基于异常搜索和组合预测的汽轮机组在线故障预警方法,对机组监测的异常信号进行专业化搜索,并通过异动分析处理对异常进行深入挖掘分析,从而还原异常信号演绎形成的过程,解析其变化的趋势分布,最后通过故障预测模型实现汽轮机组故障预警,其特征在于,包括以下步骤:
    1)对输入机组异动数据的参数初始化处理,分割输入参数的时间序列为标准时间子序列模式,分析计算子序列模式中的;
    2)所述特征模式包括序列模式高度、模式长度、模式斜率、模式均值和标准差五个特征,并进行标准化;
    3)异常特征边界训练,在上述输入参数初始处理基础上,从机组正常运行历史参数数据中,通过训练得到较信任的特征模式值的极大值,作为异常特征边界;利用移动窗口的初始分割,采用一种匹配各个序列点的阀门编码来识别分割子序列的边界点,其中阀门编码采用二进制编码,具有对时间序列极值对位编码进行变异的功能;
    4)异动搜索,根据上述异常特征边界训练的边界结果,通过搜索超越边界的序列实现异动序列搜索,形成对应的异动序列数组;
    5)异常分析,对上述搜索得到的异动序列数组进行基于确定系数优选的回归分析,识别异常数据的变化趋势,得到异常时间序列演绎下的异动分布变化规律;
    6)预警输出,综合上述机组异动数据的发展过程的分析结果,输出异动演绎分布曲线,并结合各类监测参数应用汽轮机组故障预测模型进行故障预测,得到最大可能性故障模式的预警。

    2.  根据权利要求1所述一种基于异常搜索和组合预测的汽轮机组在线故障预警方法,其特征在于,所述输入初始化处理过程包括分割输入参数的时间序列为标准时间子序列和计算子序列特征模式并标准化两阶段;其中,前一阶段目的是以期望滑动窗口和设定的阀门编码将预定时间序列划分为不重叠的标准时间 子序列;后一阶段目的提供上述划分子序列的模式特征,并进行标准化;故障预警先采用GM(1,1)模型预测和对随机项进行AR(n)预测,最后将两种预测方法进行加权组合,形成灰色加权-AR(n)预测模型。

    3.  根据权利要求1所述一种基于异常搜索和组合预测的汽轮机组在线故障预警方法,其特征在于,所述步骤2)各模式特征计算方法如下:
    设时间序列X=(<x(t1),t1>,<x(t2),t2>,…,<x(tn),tn>),第i个子时间序列为Xi=(<x(ti1),ti1>,<x(ti2),ti2>,…,<x(tin),tin>),则其对应的特征模式定义如下:
    模式高度sph:    sph=x(tin)-x(ti1),
    显然,当x(tin)>x(ti1)时,sph的值为正;当x(tin)<x(ti1)时,sph的值为负,
    模式长度spl:    spl=in-i1+1,
    模式斜率spk:spk=x(tin)-x(ti1)spl,]]>
    模式均值spx&OverBar;=1splΣj=ti1tinx(j),]]>
    模式标准差spσ:spσ=1splΣj=tiltin(x(j)-spx&OverBar;)2,]]>
    其中,根据监测参数的变化规律,一般模式高度sph和模式长度spl模式单独使用仅用于具有周期变化的参数。

    4.  根据权利要求1所述一种基于异常搜索和组合预测的汽轮机组在线故障预警方法,其特征在于,所述步骤2)将特征模式标准化,尽管这些特征值本身的值域不同,但它们在衡量时间序列的异常情况时具有同等重要的地位,因此有必要将其规范化,设c=c1,c2,…,cn为其中一组特征值,则规范化定义为:
    norm(ci)=ci-cmincmax-ci,]]>
    其中,cmin为c=c1,c2,…,cn中的最小值;cmax为c=c1,c2,…,cn中的最大值,这样c中的每一个特征值就被规范到0-1之间。

    5.  根据权利要求1所述一种基于异常搜索和组合预测的汽轮机组在线故障预 警方法,其特征在于,所述步骤4)搜索的异动参数数据,按照异常演绎的可能规律进行回归分析拟合,有七种异??赡苎菀锴魇疲撼中干蚨附岛愣ㄐ?、跳跃型、线性增长或线性下降型、半岭形上升型、指数增长或下降型、浴盆曲线型、凸型或凹型抛物线型,利用最小二乘法估计出表达式的参数。

    6.  根据权利要求1所述一种基于异常搜索和组合预测的汽轮机组在线故障预警方法,其特征在于,所述步骤4)中七种异??赡苎菀锴魇?,首先假设表示回归函数对应估计异常参数的拟合值,x(t)表示提取异常时间序列Aλ中的数据,则异常演绎的七类回归模型描述如下:
    (1)持续恒定型:
    机组的异动搜索数据序列持续高于正常水平,且比较恒定,其时间序列模型为:y^=x(t)=a0,]]>
    其中a0为常数且a0≥0;
    (2)跳跃型:
    机组的异动搜索数据突然从较低或较高水平跃至较高或较低水平,变化急速,称为陡升或陡降分布,其时间序列模型为:
    y^x(t)=a0&PlusMinus;et,t<t0at,t&GreaterEqual;t0,at>>a0+etorat<<a0-et]]>
    其中a0、e、at为常数且a0≥0,a0±et>0,at>0;
    (3)线性:
    机组的异动数据呈线性增长是机组振动长期运行常见的参数变化规律之一,振动异动呈线性增加(降低)变化是机组故障渐变过程的表现,其时间序列变化模型为:
    y^=x(t)=a0&PlusMinus;kt,]]>
    其中a0、k为常数且a0≥0,k>0;
    (4)半岭形:
    机组的异动数据随着时间持续上升到某一定值a0后不再变化,称为半岭 型分布,其时间序列模型为:
    y^=x(t)=0ta1a0sinπ(t-a1)2(a2-a1)a1ta2a0t&GreaterEqual;a2,]]>
    其中a0、a1、a2为常数a0≥0,a2≥a1≥0;
    (5)指数型:
    机组异动数据的非线性上升或下降多呈指数型分布,其时间序列模型为:
    y^=x(t)=a&PlusMinus;bet,]]>
    其中a、b为常数且a≥0,b≥0;
    (6)浴盆型:
    机组异动数据的发展过程呈现由高到低,继而稳定一段时间,再由低到高,称为浴盆型分布,其时间序列模型为:
    y^=x(t)=a0+a1t+a2t2,tt1ort&GreaterEqual;t2a3t1tt2]]>
    其中a0、a1、a2、a3为常数;
    (7)抛物型:
    机组异动数据发展呈现由高低或由低到高,再由低到高或由到高到低的过程,称为凹或凸形抛物线型分布,其时间序列模型为:
    y^=x(t)=a0+a1t+a2t2,]]>
    其中a0、a1、a2为常数且a2>0;
    各回归分析结果模型的确定系数R,其表达式为:
    R=Σ(x^i-x&OverBar;)2Σ(xi-x&OverBar;)2,i=0,1,2&CenterDot;&CenterDot;&CenterDot;n,]]>
    其中xi为当前异常序列数据,n为序列长度,所述异常序列平均值,为回归函数对应估计异常参数,选取确定系数最大的模型作为异动参数演绎分布形式。

    7.  根据权利要求1所述一种基于异常搜索和组合预测的汽轮机组在线故障预警方法,其特征在于,所述步骤6)预警输出包括:在综合上述机组异动数据的发展过程的分析结果中,采用异动参数演绎分布形式,提供显示确定的异常分布趋势线图,触发给出异动等级作为预警输出技术方案;进行振动信号划分并分析振动参数的主要特征频率成分通过上述组合预测模型,预测得到特征频率各成分的变化趋势,由此预测特征频率进行故障预警。

    8.  根据权利要求7所述一种基于异常搜索和组合预测的汽轮机组在线故障预警方法,其特征在于,所述预测特征频率进行故障预警是将汽轮机组常见的几种故障分为基频故障、广谱频故障、高频故障和低频故障,其中基频故障包括原始质量不平衡、转子部件脱落、转子热弯曲和支撑松动;高频故障包括不对中故障和轴裂纹故障;低频故障包括油膜失稳和蒸汽激振;动静碰磨属于广谱频故障;通过预测的特征频率与故障类型的对应确定故障模式,实现汽轮机组故障预警。

    关 键 词:
    基于 异常 搜索 组合 预测 汽轮 机组 在线 故障 预警 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:基于异常搜索和组合预测的汽轮机组在线故障预警方法.pdf
    链接地址://www.4mum.com.cn/p-6156760.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03