首页 >
论文范文 >
工程工业论文 >
电力工业论文 >
动态反馈下电厂机组复杂工况运行信号异常值检测
摘要：当前电厂机组受到复杂工况影响，存在高维信号，导致漏报或误报情况发生。为了解决这一问题，提出了一种动态反馈下电厂机组复杂工况运行信号异常值检测方法。该方法通过投影操作、多维信号均值计算、信号中心化处理、建立信号初始协方差矩阵等步骤进行降维处理。使用经验模式分解法提取信号细节特征，并计算时间序列信号变化速率，从而完成复杂工况运行信号异常值的检测。实验结果表明，该方法在两种工况下均能够成功检测出全部的异常信号，且幅值波动范围在[2, 4] dB之间，与实际情况相符。因此，说明该方法能够有效保障电厂机组安全稳定运行。
加入收藏
在电厂机组运行过程中,由于工况的复杂性和动态性,机组运行信号往往呈现出多样性和不确定性[1]｡异常值的出现会导致机组性能下降､故障频发,甚至引发安全事故｡因此,对电厂机组复杂工况下的运行信号进行异常值检测是十分必要的｡
文献[2]采用DeepSVDD方法检测信号异常值,但受深度学习模型超参数选择影响较大｡文献[3]结合频域分析和深度学习检测信号异常值,但容易出现关键特征丢失的问题｡文献[4]提出采用大数据驱动方法检测信号异常值,但对历史数据质量和完整性要求高｡
为了解决上述方法中存在的问题,提出一种新的动态反馈下电厂机组复杂工况运行信号异常值检测方法｡
1、动态反馈下复杂工况运行信号降维处理
首先,计算动态反馈下电厂机组复杂工况下的信号均值[5-7],公式为:
式中,N表示运行信号数量;an表示第n个信号样本[8]｡
然后,获取信号中心化处理结果,表达式为:
之后,建立信号初始协方差矩阵,表示为:
式中,aˉn(k)表示信号样本aˉn展开k模后的矩阵;aˉRn(k)表示矩阵aˉn(k)的投影矩阵[9]｡
在动态反馈机制下,对投影矩阵展开投影操作,由此确定总散度,公式为:
式中,‖aˉn‖2T表示协方差矩阵张量范数[10]｡完成投影操作后,提取k模协方差矩阵对应的特征值,设置阈值β,用如下公式作为衡量中心化处理的指标:
如果式(5)成立,则对信号开展降维处理,如下:
根据动态反馈机制,对电厂机组复杂工况运行信号进行降维处理,不仅能够有效地提取出信号的主要特征,还可以增强异常值检测的精度和实时性｡
2、信号异常值检测
对于复杂工况下的运行信号,经验模式分解法动态性和非线性特性会导致传统的信号处理方法效果较差,而EMD能够更好地适应和捕捉信号的非线性变化,从而提高信号异常值检测的有效性[12]｡
对于降维后的信号x(t),利用三次样条函数插值得到上､下包络线ϑmax(t)､ϑmin(t),计算均值,公式为:
基于此,提取信号细节特征,公式为:
经验模式分解的目的是将复杂的信号分解为一系列本征模函数的叠加,这些本征模函数必须满足以下两个条件:
条件1:局部对称性
在一个本征模函数在任意点处,其上包络线和下包络线的平均值都是0,这意味着在一个本征模函数中,信号局部波动是对称的,没有明显的偏移或趋势[13]｡这个条件保证了本征模函数只包含一个单一的振荡模式｡
条件2:极值点与过零点数目相同
在一个本征模函数中,极值点与过零点数目相同[14]｡这个条件确保了本征模函数在时间上是对称的,从而具有明确的物理意义｡
判断f(t)是否满足上述两个条件,若满足,则得到m个满足条件的本征模函数的分量,如图1所示｡
图1基于经验模式分解的本征模函数分量
根据经验模式分解获得的函数分量,令um(t)=ϑˉm(t),得到残差分量,由此获取的经验模式分解结果为:
式中,fi(t)表示第i次提取的信号细节特征[15];um(t)表示信号趋势｡
读取待检测信号{x(t)}W=lW=1,其中W为信号位置,计算该时间序列信号变化速率,公式为:
计算动态反馈下电厂机组复杂工况运行时间序列信号变化速率的均值与方差,公式为:
基于时间序列信号变化速率的统计分布,结合时间序列分析特性,通过监控信号变化速率来检测信号异常值｡如果某个信号的变化速率超出了上控制限或下控制限,则认为该点是一个异常值[16]｡具体判定公式为
式中,j表示检测增益｡
3、实验
3.1实验平台
为了有效地检测电厂机组在复杂工况下的运行信号异常值,设计并构建了一个先进的实验平台,如图2所示
图2信号检测平台
3.2实验环境
以某电厂型号为N600-24.2/538/538的汽轮机组为例,该机组配套发电机为QFSN-600-2-22A型｡该电厂是某地区的主要电力供应商之一,为城市提供稳定可靠的电力供应｡夏季高温和用电高峰时,电厂需要满负荷运行,但此时机组可能面临复杂工况,如过热和过压｡在高温环境下,冷却系统效率下降可能导致机组温度难以控制,产生异常信号｡同时,电力需求激增时,机组控制系统可能面临压力,响应延迟导致过压情况和异常信号的产生｡对于这两种工况,运行信号异常值检测结果如图3所示｡
图3不同工况下信号异常值
由图3可知,理想情况下的信号幅值在[-0.5,0.5]dB范围内波动,受到不同工况影响,出现了异常运行信号｡其中工况一在20~40s时出现了5个异常信号,且信号幅值在[2,4]dB范围内波动;工况二在60~80s时出现了6个异常信号,且信号幅值在[-4,-2]dB范围内波动｡
3.3实验结果与分析
将基于经验模式分解的检测方法､基于DeepSVDD的检测方法､基于频域叠加和深度学习的检测方法､基于大数据驱动的检测方法所提出的动态反馈下信号异常值检测方法的检测结果进行对比分析,如图4所示｡
由图4(a)可知,基于经验模式分解检测方法下,工况一在20~40s时出现了5个异常信号,且信号幅值在[0,2]dB范围内波动;工况二在60~80s时出现了6个异常信号,且信号幅值在[-2,0]dB范围内波动｡
由图4(b)可知,DeepSVDD检测方法下,工况一在20~40s时出现了3个异常信号,且信号幅值在[2,4]dB范围内波动;工况二在60~80s时出现了3个异常信号,且信号幅值在[-4,2]dB范围内波动｡
由图4(c)可知,基于频域叠加和深度学习检测方法下,工况一在30~40s时出现了3个异常信号,且信号幅值为4dB;工况二在70~80s时出现了3个异常信号,且信号幅值为-4dB｡
由图4(d)可知,基于大数据驱动检测方法下,工况一在20~30s时出现了2个异常信号,且信号幅值在[2,2.7]dB范围内波动;工况二在70~80s时出现了3个异常信号,且信号幅值为-4dB｡
图4不同方法异常值检测结果对比分析
由图4(e)可知,所提出方法应用下,工况一在20~40s时出现了3个异常信号,且信号幅值在[2,4]dB范围内波动;工况二在60~80s时出现了6个异常信号,且信号幅值在[-4,-2]dB范围内波动｡
上述结果显示,所提出方法的检测结果与实际信号异常值结果一致｡
4、结束语
传统方法往往依赖于固定的阈值或简单的统计分析,难以适应机组运行过程中不断变化的工况和环境因素,容易出现漏报或误报的情况｡针对该问题,采用了动态反馈的方法来检测电厂机组复杂工况下的运行信号异常值｡通过动态反馈机制对信号降维处理,结合经验模式分解法,检测异常信号,为电厂机组的安全稳定运行提供有力支持｡
图4不同方法异常值检测结果对比分析
参考文献:
[1]董世兴,侯晓磊,周光祥.基于经验模式分解的通信信号异常漂移检测[J].计算机仿真,2023,40(11):126-129,160.
[2]康颖,赵治华,吴灏,等.基于DeepSVDD的通信信号异常检测方法[J].系统工程与电子技术,2022,44(7):2319-2328.
[3]周宇航,侯进,李嘉新,等.基于频域叠加和深度学习的频谱信号识别[J].计算机应用研究,2023,40(3):874-879.
[4]周仁娟,赵亮凯.基于大数据驱动的高光谱信号异常检测研究[J].激光杂志,2023,44(7):154-159.
[5]陈静,卢燕臻,江灏,等.基于孪生模型的堆芯自给能中子探测器信号异常检测[J].核动力工程,2023,44(3):210-216.
[6]卞艺潼,聂志喜,王振杰,等.一种BDS广播星历异常值实时探测方法[J].大地测量与地球动力学,2022,42(11):1122-1127.
[7]李开壮,刘璐,刘方建,等.一种等差参差脉冲信号的检测方法研究[J].现代雷达,2023,45(3):65-71.
[8]刘峙江,赵晴晴,徐立军.基于轻量化卷积神经网络的水声通信前导信号检测方法[J].信号处理,2023,39(10):1831-1841.
[9]闫少辉,宋进才,孙溪,等.一个非自治混沌系统及其弱信号检测的应用[J].深圳大学学报(理工版),2023,40(2):227-235.
[10]陈涛,钟晓晖,孙香宇.复杂工况下100kW风热机组运行特性分析[J].工程热物理学报,2023,44(4):961-967.
[11]张苏祺,李浩,张宇宁,等.水泵水轮机复杂振动信号特征提取与智能识别[J].水力发电学报,2023,42(12):70-78.
[12]刘燚,刘伟,时有松,等.水电机组复杂工况振动信号多尺度清洗[J].水力发电学报,2022,41(12):153-162.
[13]胡炜,陈传海,郭劲言,等.考虑工况变化的数控刀架运行状态异常检测方法[J].吉林大学学报(工学版),2022,52(2):329-337.
[14]张保生,王强东,李明.柱塞泵空化振动信号提取及其极限学习机检测[J].机械设计与制造,2023,388(6):101-104.
[15]周璇,王馨瑶,闫军威,等.基于机器学习的建筑复杂用能系统运行状态异常检测[J].华南理工大学学报(自然科学版),2022,50(7):144-154.
[16]孙春义,于长波.一种农用发动机的控制系统信号检测布局研究[J].农机化研究,2022,44(7):253-257.
基金资助:新疆水利科技项目(T202004);
文章来源:肖记存,董奇星.动态反馈下电厂机组复杂工况运行信号异常值检测[J].电子设计工程,2025,33(13):129-132+137.
分享：
风能､潮汐能､太阳能等可再生能源存在间歇性供应和地域分布不均衡等特点,对自然条件的依赖性很强｡因此,开发新型储能材料成为解决这一问题的核心｡超级电容器因其具备高功率密度､超快的充放电速率及较长的循环使用寿命成为储能领域中非常重要的一员[1,2]｡
2025-09-07
根据《智能光伏产业创新发展行动计划(2021—2025年)》的指导,各相关部门推动智能制造与运维融合,国家数据局的成立也为数据资源整合提供了支持[1]｡基于大数据､人工智能和物联网技术构建的智慧运维平台,实现了设备实时监测､预测性维护及资源优化调度,显著提升了运维效率,降低了成本并增强了安全性｡
2025-09-07
新能源是人类传统能源外,以新技术诞生的地热能､太阳能､风能等能源种类,具有可再生､资源丰富的优点,对人类､环境负面影响小,却存在开发难度大问题｡而在新能源开发中,采取电气自动化技术,利用先进控制算法,能够提高新能源转换能源效率,如太阳能发电优化阵列倾斜方向。
2025-09-04
双进双出钢球磨煤机作为发电厂广泛应用的制粉设备,具有生产效率高､能耗低､不受异物影响等特点｡但是,由于煤种特性因素的变化､电网用电需求不确定,煤质与电厂负荷发生变化,要求磨煤机能够及时响应,提高燃烧效率,减少CO2与NOx排放｡因此,在发电厂双进双出钢球磨煤机运行中,应结合实际情况,对其进行优化调整,从而推动发电厂可持续发展｡
2025-09-04
随着电力系统规模的不断扩大和技术的日益复杂,高压输电线路的二次回路面临的故障类型也日趋多样化｡目前,专家学者大多对二次回路的继电保护回路､电流电压互感器回路的故障进行了研究,但是基于系统安全的高压输电线路二次回路全方位､全过程的故障研究分析相对缺乏｡
2025-09-04
电力载波通信(PowerLineCommunication,PLC)作为一种利用电力线进行数据传输的技术,凭借成本低廉和覆盖范围广泛的优势,在众多领域得到了广泛应用[1]｡特别是在智能电网､家庭自动化和工业控制等领域,PLC技术能通过现有的电力基础设施实现高效的数据传输[2]｡
2025-09-04
文献[6]提出基于随机规划的多能源系统日前调度模型,考虑了风电光伏的不确定性,但未纳入光热储能的长期调节能力｡文献[7]利用模型预测控制优化光热-光伏联合系统,侧重短期功率平滑,难以适应周计划的时间跨度｡文献[8]构建了“风光火储”多目标优化模型,但将储能视为独立单元,忽略了光热发电与储能的一体化特性｡
2025-09-04
高电压设备通常是在恶劣环境和长期高负荷状态下运行,在运维检修工作不到位情况下,极易造成较大经济损失和人身安全隐患｡尤其是绝缘老化现象,导致绝缘层无法对高压电起到良好绝缘效果,出现绝缘击穿､设备故障､通电故障及放电故障等多种问题｡
2025-08-29
根据国家电网公司抽检试验数据,熔断器主要缺陷集中于上导电片连接处､熔管螺纹接合部等关键部位｡材质缺陷与温升异常直接相关,导电部件材质不达标会造成接触电阻增大,正常负荷电流下产生过热现象,长期运行将加速触头氧化和弹性元件老化｡
2025-08-29
数字化浪潮中,智能工厂建设是企业高质量发展的必然选择｡开展基于MES系统的配电盘智能化生产线建设,是提升公司配电盘产能､品质和核心竞争力的重要路径｡智能工厂MES模块与产线对接投入生产后,预计投入5年后产量由现有的1200面增至2500面以上,产能得到有效提升｡
2025-08-29
人气：4358
人气：1977
人气：1923
人气：1432
人气：1186
我要评论
期刊名称：水力发电学报
期刊人气：1805
主管单位：中国科学技术协会
主办单位：中国水力发电工程学会
出版地方：北京
专业分类：水利
国际刊号：1003-1243
国内刊号：11-2241/TV
创刊时间：1982年
发行周期：月刊
期刊开本：大16开
见刊时间：1年以上
影响因子：0.212
影响因子：1.298
影响因子：0.360
影响因子：0.663
影响因子：0.210
科普杂志阅读、期刊信息查询、论文下载、文献查询、原创文章检测等多项服务。
服务热线
您的论文已提交，我们会尽快联系您，请耐心等待！
你的密码已发送到您的邮箱，请查看！
2025-07-08
49
上传者：管理员
