CN110427689B - 基于信息新技术的燃机机组机群监测诊断方法 - Google Patents
基于信息新技术的燃机机组机群监测诊断方法 Download PDFInfo
- Publication number
- CN110427689B CN110427689B CN201910690309.0A CN201910690309A CN110427689B CN 110427689 B CN110427689 B CN 110427689B CN 201910690309 A CN201910690309 A CN 201910690309A CN 110427689 B CN110427689 B CN 110427689B
- Authority
- CN
- China
- Prior art keywords
- data
- gas turbine
- monitoring
- model
- diagnosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000003745 diagnosis Methods 0.000 claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 239000000446 fuel Substances 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000007726 management method Methods 0.000 claims abstract description 9
- 238000012546 transfer Methods 0.000 claims abstract description 7
- 230000001502 supplementing effect Effects 0.000 claims abstract description 5
- 238000009826 distribution Methods 0.000 claims abstract description 4
- 238000012512 characterization method Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 5
- 238000002485 combustion reaction Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 208000033999 Device damage Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
基于信息新技术的燃机机组机群监测诊断方法。燃机数据的集成、分析和管理技术相对落后,燃机机组起停率和故障率较高,影响机组性能与可靠性。本发明组成包括:同步采用基于相似性原理,包含多传感器参数比较的动态状态空间模型和物理模型的监测诊断,将燃气机组的完整热力传递过程作为建模对象,利用质量平衡和能量平衡构建热平衡模型,校核测量参数、补充无法直接测量的参数并构建新机性能模型,采用基于数据指令和云+端的数据调度模式,融合分布‑集中存储、边缘‑中心计算方法,对各电厂分布存储的生产实时/历史数据、以及集中存储的预测诊断中间计算数据进行调用。本发明用于燃机机组机群的监测诊断。
Description
技术领域:
本发明涉及一种基于信息新技术的燃机机组机群监测诊断方法。
背景技术:
当前,电力行业对信息新技术与发电技术的融合认识不清晰、探索不***,电厂大量数据未被深度挖掘、有效的利用,存在较为严重的数据壁垒;燃机数据的集成、分析和管理技术相对落后,燃机机组起停率和故障率较高,影响机组性能与可靠性。针对这些问题,大唐集团同步采用物理模型和数学模型,建立了功能完善、覆盖范围广的燃机机群监测诊断分析平台,并首次实现了设备故障预警和厂级性能优化的有机融合。实现了6家电厂、13台燃气机组200余台设备的集中在线监测诊断,为燃机机群全生命周期提供故障预警与诊断、性能分析与优化,大幅提高燃机机群设备可靠性,优化机组运行经济性,有力地提升了燃机机群的管控能力。
发明内容:
本发明的目的是提供一种基于大数据驱动的燃机诊断流程、云加端的数据调度模式的基于信息新技术的燃机机组机群监测诊断方法,以解决燃机机组起停率和故障率较高,影响机组性能与可靠性的问题。
上述的目的通过以下的技术方案实现:
一种基于信息新技术的燃机机组机群监测诊断方法,该方法包括如下步骤:
步骤一:同步采用基于相似性原理,包含多传感器参数比较的动态状态空间模型和物理模型的监测诊断;
步骤二:将燃气机组的完整热力传递过程作为建模对象,利用质量平衡和能量平衡构建热平衡模型,校核测量参数、补充无法直接测量的参数并构建新机性能模型;
步骤三:采用基于数据指令和云+端的数据调度模式,融合分布-集中存储、边缘-中心计算方法,对各电厂分布存储的生产实时/历史数据、以及集中存储的预测诊断中间计算数据进行调用;
步骤四:构建燃机机群监测诊断云平台,建立集成管理***。
所述的基于信息新技术的燃机机组机群监测诊断方法,所述的步骤一中采用数学模型的监测诊断的具体过程为:基于相似性原理,假定设备在正常运行下工况表征参量相对稳定,相似工况下的工况表征参量具有一定相似性,把清洗后的正常工况下的运行数据输入模型并形成状态矩阵,将实时的测量数据与状态矩阵中的状态进行相似度比较,并推算出预测值,根据实测值与预测值间的残差变化,结合预定的阈值给出故障预警。
所述的基于信息新技术的燃机机组机群监测诊断方法,所述的步骤一中采用物理模型的监测诊断的具体过程为:通过燃机运行历史数据搭建典型故障失效模式库,当设备出现故障通过物理模型触发报警。该技术可以在设备故障初期阶段,根据设备潜在问题识别故障。故障失效库将根据故障数据和外部故障库不断拓展完善。
所述的基于信息新技术的燃机机组机群监测诊断方法,所述的步骤二的具体过程为:将燃气机组的完整热力传递过程作为建模对象,利用质量平衡和能量平衡构建热平衡模型,校核测量参数、补充无法直接测量的参数,并将这些参数用于计算当前工况下单体设备及全厂性能。依据设计参数构建新机性能模型,用于计算当前工况下的性能期望值,计算修正到标准工况下的机组性能,将机组性能数据输入故障诊断的状态空间模型,延伸状态空间模型性能劣化分析能力,实现故障预警和设备性能分析的功能打通。
所述的基于信息新技术的燃机机组机群监测诊断方法,所述的步骤三中分布-集中存储的具体过程为:各电厂的生产实时/历史数据,存储在各电厂的燃机SIS和辅机SIS***里的实时/历史数据库里,对海量生产实时数据秒级间隔的分布存储,各电厂的预测诊断中间实时/历史计算数据,集中存储在燃机监测与诊断中心***数据库里,实现高效的集中存储。
所述的基于信息新技术的燃机机组机群监测诊断方法,所述的步骤三中边缘-中心计算的具体过程为:在电厂的就地服务器中,对实时/历史数据进行过程中间计算,并将中间计算结果存储回就地服务器,利用其高效的压缩性能和压缩时间,快速响应高速数据,实现边缘计算,在燃机监测与诊断中心,通过数据指令调取各电厂分布存储的生产实时/历史数据,根据建立的诊断预测数据模型完成诊断分析和预测计算,实现中心计算。
有益效果:
1.本发明实现了对燃机发电机组集群运行数据的采集、监测、分析与诊断,通过与中国大唐集团,促进了“互联网+”、云计算、大数据的混合运用,该项目以发电行业的自动化、数字化、信息化为基础,综合应用工业互联网+、大数据、云计算等新兴信息技术,应用***涵盖安全生产、故障预警、热效率分析等发电企业主要资源,符合国家智慧电力的产业发展战略,为建设集团级智能发电模式做出了开拓性探索,***应用价值巨大、市场空间广阔,经济效益和社会效益十分显著。
2.本发明同步利用云计算、物联网、大数据分析等先进的信息化技术,提升了大唐集团对燃机核心技术的掌握能力,显著提高了对机组设备的集中管控能力,为燃机设备全生命周期提供预警、故障诊断,提高设备可靠性,优化运行经济性,降低运维成本。项目成果成功对6家发电企业、13台燃机机组、200余台设备的运行状况进行集中在线监测诊断,先后为厂级提供故障预警百余次,有效避免了设备异常可能导致的临时消缺百余次、避免电厂非停和设备损坏事故几十次,同时改善和提高了厂级机组及主设备性能。
3.本发明实现了燃机全生命周期管理,消除了区域、行业及企业间的壁垒,为国家能源行业生产运营提供新探索与借鉴。它的建设不仅是加强燃机关键资源、核心要素管控的重要手段,更是信息化、工业化“两化”融合的具体实践,促进实现工业互联网与实体经济的深度融合。
附图说明:
附图1是数学模型的原理图;
附图2是基于数据指令和云加端的数据调度模式原理图;
附图3是集团级燃气-蒸汽联合循环机组智能预测诊断平台原理图。
具体实施方式:
实施例1:
一种基于信息新技术的燃机机组机群监测诊断方法,该方法包括如下步骤:
步骤一:同步采用基于相似性原理,包含多传感器参数比较的动态状态空间模型和物理模型的监测诊断;
步骤二:将燃气机组的完整热力传递过程作为建模对象,利用质量平衡和能量平衡构建热平衡模型,校核测量参数、补充无法直接测量的参数并构建新机性能模型;
步骤三:采用基于数据指令和云+端的数据调度模式,融合分布-集中存储、边缘-中心计算方法,对各电厂分布存储的生产实时/历史数据、以及集中存储的预测诊断中间计算数据进行调用;
步骤四:构建燃机机群监测诊断云平台,建立集成管理***。
实施例2:
根据实施例1所述的基于信息新技术的燃机机组机群监测诊断方法,所述的步骤一中采用数学模型的监测诊断的具体过程为:基于相似性原理,假定设备在正常运行下工况表征参量相对稳定,相似工况下的工况表征参量具有一定相似性,把清洗后的正常工况下的运行数据输入模型并形成状态矩阵,将实时的测量数据与状态矩阵中的状态进行相似度比较,并推算出预测值,根据实测值与预测值间的残差变化,结合预定的阈值给出故障预警。
实施例3:
根据实施例1或2所述的基于信息新技术的燃机机组机群监测诊断方法,所述的步骤一中采用物理模型的监测诊断的具体过程为:通过燃机运行历史数据搭建典型故障失效模式库,当设备出现故障通过物理模型触发报警。该技术可以在设备故障初期阶段,根据设备潜在问题识别故障。故障失效库将根据故障数据和外部故障库不断拓展完善。
实施例4:
根据实施例1或2或3所述的基于信息新技术的燃机机组机群监测诊断方法,所述的步骤二的具体过程为:将燃气机组的完整热力传递过程作为建模对象,利用质量平衡和能量平衡构建热平衡模型,校核测量参数、补充无法直接测量的参数,并将这些参数用于计算当前工况下单体设备及全厂性能。依据设计参数构建新机性能模型,用于计算当前工况下的性能期望值,计算修正到标准工况下的机组性能,将机组性能数据输入故障诊断的状态空间模型,延伸状态空间模型性能劣化分析能力,实现故障预警和设备性能分析的功能打通。
实施例5:
根据实施例1或2或3或4所述的基于信息新技术的燃机机组机群监测诊断方法,所述的步骤三中分布-集中存储的具体过程为:各电厂的生产实时/历史数据,存储在各电厂的燃机SIS和辅机SIS***里的实时/历史数据库里,对海量生产实时数据秒级间隔的分布存储,各电厂的预测诊断中间实时/历史计算数据,集中存储在燃机监测与诊断中心***数据库里,实现高效的集中存储。
实施例6:
根据实施例1或2或3或4或5所述的基于信息新技术的燃机机组机群监测诊断方法,所述的步骤三中边缘-中心计算的具体过程为:在电厂的就地服务器中,对实时/历史数据进行过程中间计算,并将中间计算结果存储回就地服务器,利用其高效的压缩性能和压缩时间,快速响应高速数据,实现边缘计算,在燃机监测与诊断中心,通过数据指令调取各电厂分布存储的生产实时/历史数据,根据建立的诊断预测数据模型完成诊断分析和预测计算,实现中心计算。
Claims (1)
1.一种基于信息新技术的燃机机组机群监测诊断方法,其特征是:该方法包括如下步骤:
步骤一:将燃机机组物理模型的监测诊断和基于相似性原理多传感器参数比较的燃机机组动态状态空间模型的监测诊断同步;
步骤二:将燃气机组的完整热力传递过程作为建模对象,利用质量平衡和能量平衡构建热平衡模型,校核测量参数、补充无法直接测量的参数并构建新机性能模型;
步骤三:采用基于数据指令和云+端的数据调度模式,融合分布-集中存储、边缘-中心计算方法,对各电厂分布存储的生产实时/历史数据、以及集中存储的预测诊断中间计算数据进行调用;
步骤四:构建燃机机群监测诊断云平台,建立集成管理***;
所述的步骤一中基于相似性原理多传感器参数比较的燃机机组动态状态空间模型的监测诊断具体过程为:基于相似性原理,假定设备在正常运行下工况表征参量相对稳定,相似工况下的工况表征参量具有一定相似性,把清洗后的正常工况下的运行数据输入模型并形成状态矩阵,将实时的测量数据与状态矩阵中的状态进行相似度比较,并推算出预测值,根据实测值与预测值间的残差变化,结合预定的阈值给出故障预警;
所述的步骤一中燃机机组物理模型的监测诊断具体过程为:通过燃机运行历史数据搭建典型故障失效模式库,当燃机设备出现故障通过所述物理模型触发报警,已在燃机设备故障初期阶段,根据燃机设备潜在问题识别故障;
所述的步骤二的具体过程为:将燃气机组的完整热力传递过程作为建模对象,利用质量平衡和能量平衡构建热平衡模型,校核测量参数、补充无法直接测量的参数,并将这些参数用于计算当前工况下燃机机组及燃机机组机群性能,依据设计参数构建新机性能模型,用于计算当前工况下的性能期望值,计算修正到标准工况下的机组性能,将机组性能数据输入故障诊断的状态空间模型,延伸状态空间模型性能劣化分析能力,实现故障预警和设备性能分析的功能打通;
所述的步骤三中分布-集中存储的具体过程为:各电厂的生产实时/历史数据,存储在各电厂的燃机SIS和辅机SIS***里的实时/历史数据库里,对海量生产实时数据秒级间隔的分布存储,各电厂的预测诊断中间实时/历史计算数据,集中存储在燃机监测与诊断中心***数据库里,实现高效的集中存储;
所述的步骤三中边缘-中心计算的具体过程为:在电厂的就地服务器中,对实时/历史数据进行过程中间计算,并将中间计算结果存储回就地服务器,利用其高效的压缩性能和压缩时间,快速响应高速数据,实现边缘计算,在燃机监测与诊断中心,通过数据指令调取各电厂分布存储的生产实时/历史数据,根据建立的诊断预测数据模型完成诊断分析和预测计算,实现中心计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910690309.0A CN110427689B (zh) | 2019-07-29 | 2019-07-29 | 基于信息新技术的燃机机组机群监测诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910690309.0A CN110427689B (zh) | 2019-07-29 | 2019-07-29 | 基于信息新技术的燃机机组机群监测诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427689A CN110427689A (zh) | 2019-11-08 |
CN110427689B true CN110427689B (zh) | 2024-01-26 |
Family
ID=68413022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910690309.0A Active CN110427689B (zh) | 2019-07-29 | 2019-07-29 | 基于信息新技术的燃机机组机群监测诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427689B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275938A (zh) * | 2020-01-20 | 2020-06-12 | 广州普瑞电力控制***设备有限公司 | 一种基于辅机设备的预警方法、装置、设备及存储介质 |
CN113738510A (zh) * | 2021-09-27 | 2021-12-03 | 上海电气燃气轮机有限公司 | 一种双压无再热联合循环电厂及其性能优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245912A (zh) * | 2013-03-23 | 2013-08-14 | 中国水利电力物资有限公司 | 一种风电机组运行状态分析诊断方法和*** |
CN104573307A (zh) * | 2014-10-14 | 2015-04-29 | 山东创德软件技术有限公司 | 一种基于数据协调的电站状态在线诊断及运行优化*** |
CN106249728A (zh) * | 2016-09-28 | 2016-12-21 | 清华大学 | 一种基于部件特性的火力发电机组在线性能监测方法 |
CN109524139A (zh) * | 2018-10-23 | 2019-03-26 | 中核核电运行管理有限公司 | 一种基于设备工况变化的实时设备性能监测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10454801B2 (en) * | 2017-06-02 | 2019-10-22 | Vmware, Inc. | Methods and systems that diagnose and manage undesirable operational states of computing facilities |
-
2019
- 2019-07-29 CN CN201910690309.0A patent/CN110427689B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245912A (zh) * | 2013-03-23 | 2013-08-14 | 中国水利电力物资有限公司 | 一种风电机组运行状态分析诊断方法和*** |
CN104573307A (zh) * | 2014-10-14 | 2015-04-29 | 山东创德软件技术有限公司 | 一种基于数据协调的电站状态在线诊断及运行优化*** |
CN106249728A (zh) * | 2016-09-28 | 2016-12-21 | 清华大学 | 一种基于部件特性的火力发电机组在线性能监测方法 |
CN109524139A (zh) * | 2018-10-23 | 2019-03-26 | 中核核电运行管理有限公司 | 一种基于设备工况变化的实时设备性能监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110427689A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111985561B (zh) | 一种智能电表的故障诊断方法、***及电子装置 | |
CN103323772B (zh) | 基于神经网络模型的风力发电机运行状态分析方法 | |
CN107330056B (zh) | 基于大数据云计算平台的风电场scada***及其运行方法 | |
CN113708493B (zh) | 基于云边协同的配电终端运维方法、装置和计算机设备 | |
CN105337765A (zh) | 一种分布式hadoop集群故障自动诊断修复*** | |
CN111985558A (zh) | 一种电能表异常诊断方法及其*** | |
KR20160017681A (ko) | 풍력플랜트 관리 시스템 및 그 방법 | |
CN112526251B (zh) | 一种基于数据驱动的变电站电力设备故障诊断方法 | |
KR20160073945A (ko) | 풍력플랜트 관리 시스템 및 그 방법 | |
CN109885021A (zh) | 一种基于实时采集数据对采集设备进行监测的方法及*** | |
CN110427689B (zh) | 基于信息新技术的燃机机组机群监测诊断方法 | |
CN111191872B (zh) | 一种电网多维度韧性评估***及方法 | |
CN105958652A (zh) | 基于大数据分析的无人值守变电站预警***及方法 | |
CN114297265A (zh) | 基于物联技术的智能运维方法 | |
CN103645060A (zh) | 基于状态监控***的风力发电机组突发故障识别诊断方法 | |
Chen et al. | Risk warning system based on big data applied in the power informatization of state grid | |
Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions | |
CN105138755A (zh) | 一种液体火箭发动机试验台故障响应生成器的设计方法 | |
CN111539642B (zh) | 一种基于面向对象的电厂数据采集处理***及其方法 | |
CN114709923A (zh) | 一种电力物联网的智能故障判断方法 | |
Zhou et al. | Power Grid transient stability prediction method based on improved CNN under big data background | |
Guo et al. | The construction of running data analysis platform for pumped storage power station | |
Li et al. | Research and Design of Power Equipment Operation and Maintenance System Based on Big Data Technology | |
Xie | Offshore wind turbines operation and maintenance in China: a case study of Donghai bridge offshore wind farm | |
CN117875946B (zh) | 一种用于变电站设备运维的人机协同自主红外巡检方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |