电厂锅炉四管泄漏智能识别模型的制作方法

1.本发明涉及电厂锅炉四管泄漏智能识别技术领域，尤其涉及一种电厂锅炉四管泄漏智能识别模型。

背景技术：

2.随着发电技术的发展，现代发电厂锅炉已进入大容量、高参数时代，锅炉工作管介质压力不断提高，锅炉四管的泄漏、泄爆威胁也更为严重。锅炉受热面一旦发生泄漏，停机停炉在所难免，不仅直接影响电厂经济效益，威胁人身安全，甚至会影响电网的安全平稳运行。有统计数据表明火力发电厂锅炉四管的泄漏多数都是由微小泄漏逐渐发展而来的，同时在泄漏发展过程中高温高压蒸汽形成的高速射流对邻近管排会造成连锁性损伤，甚至引起连环泄爆。因此针对四管泄漏的早期识别，对于缩小锅炉损伤规模，妥善制定检修计划，缩短检修时间具有极为重要的现实意义。
3.电厂锅炉四管泄漏发生时会表现出一些外部特征。如高温过热器泄漏时高过出口蒸汽压力下降；实际负荷降低；主汽压力下降；蒸汽流量不正常的小于给水流量；炉膛负压突变为正压，引风机动叶投自动时开度不正常增大。水冷壁泄漏时水冷壁出口集箱汽温降低；实际负荷降低；主汽压力下降；蒸汽流量不正常的小于给水流量；炉膛负压突变为正压，引风机动叶投自动时开度不正常增大；排烟温度下降。高温再热器泄漏时高再出口蒸汽压力下降；实际负荷降低；主汽压力下降；炉膛负压突变为正压，引风机动叶投自动时开度不正常增大。省煤器泄漏时省煤器两侧烟气温差偏大；泄漏侧排烟温度下降；实际负荷降低；主汽压力下降；蒸汽流量不正常的小于给水流量；炉膛负压突变为正压；引风机动叶投自动时开度不正常增大。
4.目前锅炉四管泄漏的识别技术手段主要包括：基于人工巡视的现场定期检查、基于传感器的声音泄爆监听系统、基于dcs的盘面数据人工监控三种。
5.其中基于人工的现场巡视是最为传统的锅炉四管泄漏识别手段，主要依赖人耳对针对现场运行环境的异常声音进行识别判断，随着技术的发展目前已经逐渐产生诸如电子听针等辅助巡视工具的出现。基于传感器的声音泄爆监听系统最早出现于20世纪50年代。利用安装在炉体外部的多路声学传感器和信号处理系统实时监听和诊断炉内声音频谱与强度特征，以判断管道是否发生泄爆。
6.基于dcs的盘面数据人工监控主要是运行管理人员基于主观经验通过对诸如：给水流量与主蒸汽流量/再热蒸汽流量/凝结水流量的瞬时/累计水平衡差值、引风机功耗/电流、炉膛负压变化、受热面压差变化、烟温测点温度、烟温测点温度平衡、金属壁温测点温度等参数的异常进行锅炉四管的泄漏识别判断。
7.在信息系统的建设方面，火力发电厂普遍建设有dcs、sis系统。其中dcs系统又名集散控制系统(distributed control system)是以微处理器为基础的集中分散型控制系统。sis系统又名厂级监控信息系统(supervisory informntion system)是集过程实时监测、优化控制及生产过程管理为一体的厂级自动化信息系统。其中dcs与sis系统中均有针
对给水流量压力、蒸汽流量压力、炉膛烟气压力、烟气温度、金属壁温、引风机功耗参数等数据信息的实时存储。
8.现有的机组泄漏监控识别的三种技术手段基于于人工巡视的现场定期检查、基于传感器的声音泄爆监听系统、基于dcs的盘面数据人工监控。
9.基于人工的现场定期检查检查间隔大、频次低。基于sis/dcs盘面数据的人工监控严重依赖管理人员的工作经验，同时客观上仍然无法实现24小时连续监控。而基于传感器的声音泄爆监听系统价格昂贵、施工难度大，需要对锅炉本体进行改造，但实际效果上在国内几大发电集团2017-2019年百余次泄爆记录中，通过声音监听系统率先识别的泄漏事件也只达到了33％左右的占比。同时在实际工作开展过程中锅炉泄漏的识别确定需要多种方法交叉验证，因此基于sis/dcs盘面数据通过专业的数据分析算法实现锅炉泄爆状态的持续监听具备明确的现实意义与客观需求。
10.因此，有必要提供一种新的电厂锅炉四管泄漏智能识别模型解决上述技术问题。

技术实现要素：

11.本发明解决的技术问题是提供一种实现四管泄漏的早期识别，对于缩小锅炉损伤规模，降低检查维修成本，妥善制定检修计划，缩短检修时间的电厂锅炉四管泄漏智能识别模型。
12.为解决上述技术问题，本发明提供的电厂锅炉四管泄漏智能识别模型包括以下步骤：
13.s1：锅炉四管泄漏监控指标的建立；
14.s2：锅炉四管泄漏监控指标特征的建立；
15.s3：锅炉四管泄漏监控指标实时风险系数的计算；
16.s4：锅炉四管泄漏实时综合风险系数的计算。
17.优选的，所述锅炉四管泄漏监控指标指基于1个或多个由sis/dcs测点经过数学计算得出的与锅炉四管泄漏相关，能够一定程度反映锅炉四管泄漏概率的数学指标。
18.优选的，所述锅炉四管泄漏监控指标包括：积分水平衡指标、积分补水量指标、烟气温度指标、烟温平衡指标、炉膛负压指标、引风机功耗指标、金属壁温指标、受热面进出口压差指标和烟气湿度指标。
19.优选的，所述锅炉四管泄漏监控指标特征指基于sis/dcs历史数据计算得到的该指标的数学分布特征。
20.优选的，所述锅炉四管泄漏监控指标实时风险系数指该监控指标实时值与一段时间内经过处理后历史均值的偏离幅度，设所述锅炉四管泄漏监控指标实时风险系数为k，是以指标实时值偏离倍数x为自变量的关联分段函数。其中指标实时值偏离倍数x的计算公式如下：
21.x＝(s-j)/b
22.其中：s为指标的实时值；j为指标实时值同负荷区间下的历史均值；b为指标实时值同负荷区间下的历史值标准差；
23.其中当x小于3时候，k＝0，当x大于6时候，k＝100，当3《＝k《＝6时候，实时风险系数k与偏离倍数x之间的映射关系合成函数公式可得：
24.k＝9.898x
2-56.216x+80.473
25.其中，x为指标实时值偏离倍数。
26.优选的，所述锅炉四管泄漏实时综合风险系数指基于多项监控指标风险系数计算而来的反映锅炉整体泄爆风险的指标系数，设所述锅炉四管泄漏实时综合风险系数为q，其计算公式为：
27.q＝100-(k1*k2*k3…
*kn)/(100n)
28.其中：k1、k2、k3、kn为特征体系下各监控指标的实时风险系数，n为算法具体应用环节选用的指标类型数量。
29.与相关技术相比较，本发明提供的电厂锅炉四管泄漏智能识别模型具有如下有益效果：
30.本发明提供一种电厂锅炉四管泄漏智能识别模型，基于该算法构建的四管泄漏监控程序能够复现运行管理人员的锅炉泄爆分析监控能力，实现基于dcs/sis系统盘面数据的24小时无间断泄漏监控，为锅炉的停炉检修、事故发展追溯提供系统支持与工具辅助。由于火力发电厂锅炉四管的泄漏多数都是由微小泄漏逐渐发展而来的，实现四管泄漏的早期识别，对于缩小锅炉损伤规模，降低检查维修成本，妥善制定检修计划，缩短检修时间具有极为重要的现实意义；
31.经济效益分析上，实现锅炉泄爆的早起预警识别能够缩短检修时间，减少换管数量。按机组装机容量为300mw，缩短停炉检修时间5天，上网电价0.3元/千瓦时，负荷率80％，厂利润率10％计算。则一次泄爆可挽回损失发电量约2880万千瓦时，毛利润约720万元，净利润约72万元。其中尚未包含检修过程中能够减少的人工材料费用。模型投运后只要能避免一次泄爆事故发生，即可为用户挽回约70万的经济损失；
32.本模型可利用电厂既有sis/dcs测点历史数据进行模型训练与数据挖掘，通过模型打包，可作为电厂防磨防爆可视化管理系统的功能插件，也可以作为独立的功能系统为电厂提供分析监测服务。具备前期投入小，普适性强等特点。同时锅炉四管泄爆监测功能作为电力生产运行部门的普遍需求，具备广阔的应用推广应用前景。
附图说明
33.图1为本发明提供的电厂锅炉四管泄漏智能识别模型的一种较佳实施例的结构示意图；
34.图2为图1所示的锅炉四管泄漏监控指标特征的结构框图。
具体实施方式
35.下面结合附图和实施方式对本发明作进一步说明。
36.请结合参阅图1、图2，其中，图1为本发明提供的电厂锅炉四管泄漏智能识别模型的一种较佳实施例的结构示意图；图2为图1所示的锅炉四管泄漏监控指标特征的结构框图。电厂锅炉四管泄漏智能识别模型包括以下步骤：
37.s1：锅炉四管泄漏监控指标的建立；
38.s2：锅炉四管泄漏监控指标特征的建立；
39.s3：锅炉四管泄漏监控指标实时风险系数的计算；
40.s4：锅炉四管泄漏实时综合风险系数的计算。
41.所述锅炉四管泄漏监控指标的建立：火力发电厂针对锅炉的运行状态监控普遍安装有大量的各类监控测点，数量一般在几千到几万个不等。锅炉四管泄漏监控指标定义为基于1个或多个由sis/dcs测点经过数学计算得出的与锅炉四管泄漏相关，能够一定程度反映锅炉四管泄漏概率的数学指标；基于实际业务设定监控指标包括如下内容：
[0042][0043]
这里指标指代的不是一个具体值，而是代表的该类型下的一组同类指标计算结果。
[0044]
锅炉四管泄漏监控指标特征的建立：指标体系建设完成后，如何基于指标的历史数据建立指标的特征描述体系，是指标实时风险系数计算的前提条件。指标数据在一定的工况边界条件下会呈现正态/偏正态分布的数据特征，本模型算法中首先基于负荷区间对指标特征进行数据分段，并计算一定时间内该指标在不同负荷区间段内的均值，标准差作为该指标的模型特征量，模型构成结构如图2所示。
[0045]
锅炉四管泄漏监控指标实时风险系数的计算：锅炉四管泄漏监控指标实时风险系数k,是以指标实时值偏离倍数x为自变量的关联分段函数。其中指标实时值偏离倍数x的计算公式如下：
[0046]
x＝(s-j)/b
[0047]
其中：s为指标的实时值；j为指标实时值同负荷区间下的历史均值；b为指标实时值同负荷区间下的历史值标准差。
[0048]
其中当x小于3时候，k＝0，当x大于6时候，k＝100，当3《＝k《＝6时候，实时风险系数k与偏离倍数x之间的映射关系表如下表所示：
[0049]
偏离倍数(x)实时风险系数(k)3.003.554.0144.5285.0475.5716.0100
[0050]
将映射关系表你合成函数公式可得：
[0051]
k＝9.898x
2-56.216x+80.473
[0052]
其中，x为指标实时值偏离倍数；
[0053]
综上，锅炉四管泄漏监控指标实时风险系数的计算过程描述完毕，其结果是0-100之间的数值，数值越大反应该指标对应的泄漏风险越高。
[0054]
锅炉四管泄漏实时综合风险系数的计算：锅炉四管泄漏实时综合风险系数q是将锅炉四管泄漏监控指标特征体系下多个监控指标的风险系数进一步整合，最终通过一个指标变量来反应机组实时存在泄爆的可能概率指标。
[0055]
其计算公式为：
[0056]
q＝100-(k1*k2*k3…
*kn)/(100n)
[0057]
其中：k1、k2、k3、kn为特征体系下各监控指标的实时风险系数，n为算法具体应用环节选用的指标类型数量。
[0058]
与相关技术相比较，本发明提供的电厂锅炉四管泄漏智能识别模型具有如下有益效果：
[0059]
本发明提供一种电厂锅炉四管泄漏智能识别模型，基于该算法构建的四管泄漏监控程序能够复现运行管理人员的锅炉泄爆分析监控能力，实现基于dcs/sis系统盘面数据的24小时无间断泄漏监控，为锅炉的停炉检修、事故发展追溯提供系统支持与工具辅助。由于火力发电厂锅炉四管的泄漏多数都是由微小泄漏逐渐发展而来的，实现四管泄漏的早期识别，对于缩小锅炉损伤规模，降低检查维修成本，妥善制定检修计划，缩短检修时间具有极为重要的现实意义；
[0060]
经济效益分析上，实现锅炉泄爆的早起预警识别能够缩短检修时间，减少换管数量。按机组装机容量为300mw，缩短停炉检修时间5天，上网电价0.3元/千瓦时，负荷率80％，厂利润率10％计算。则一次泄爆可挽回损失发电量约2880万千瓦时，毛利润约720万元，净利润约72万元。其中尚未包含检修过程中能够减少的人工材料费用。模型投运后只要能避免一次泄爆事故发生，即可为用户挽回约70万的经济损失；
[0061]
本模型可利用电厂既有sis/dcs测点历史数据进行模型训练与数据挖掘，通过模型打包，可作为电厂防磨防爆可视化管理系统的功能插件，也可以作为独立的功能系统为电厂提供分析监测服务。具备前期投入小，普适性强等特点。同时锅炉四管泄爆监测功能作为电力生产运行部门的普遍需求，具备广阔的应用推广应用前景。
[0062]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技
术领域，均同理包括在本发明的专利保护范围内。

技术特征：

1.一种电厂锅炉四管泄漏智能识别模型，其特征在于，包括以下步骤：s1：锅炉四管泄漏监控指标的建立；s2：锅炉四管泄漏监控指标特征的建立；s3：锅炉四管泄漏监控指标实时风险系数的计算；s4：锅炉四管泄漏实时综合风险系数的计算。2.根据权利要求1所述的电厂锅炉四管泄漏智能识别模型，其特征在于，所述锅炉四管泄漏监控指标指基于1个或多个由sis/dcs测点经过数学计算得出的与锅炉四管泄漏相关，能够一定程度反映锅炉四管泄漏概率的数学指标。3.根据权利要求2所述的电厂锅炉四管泄漏智能识别模型，其特征在于，所述锅炉四管泄漏监控指标包括：积分水平衡指标、积分补水量指标、烟气温度指标、烟温平衡指标、炉膛负压指标、引风机功耗指标、金属壁温指标、受热面进出口压差指标和烟气湿度指标。4.根据权利要求1所述的电厂锅炉四管泄漏智能识别模型，其特征在于，所述锅炉四管泄漏监控指标特征指基于sis/dcs历史数据计算得到的该指标的数学分布特征。5.根据权利要求1所述的电厂锅炉四管泄漏智能识别模型，其特征在于，所述锅炉四管泄漏监控指标实时风险系数指该监控指标实时值与一段时间内经过处理后历史均值的偏离幅度，设所述锅炉四管泄漏监控指标实时风险系数为k，是以指标实时值偏离倍数x为自变量的关联分段函数。其中指标实时值偏离倍数x的计算公式如下：x＝(s-j)/b其中：s为指标的实时值；j为指标实时值同负荷区间下的历史均值；b为指标实时值同负荷区间下的历史值标准差；其中当x小于3时候，k＝0，当x大于6时候，k＝100，当3<＝k<＝6时候，实时风险系数k与偏离倍数x之间的映射关系合成函数公式可得：k＝9.898x
2-56.216x+80.473其中，x为指标实时值偏离倍数。6.根据权利要求1所述的电厂锅炉四管泄漏智能识别模型，其特征在于，所述锅炉四管泄漏实时综合风险系数指基于多项监控指标风险系数计算而来的反映锅炉整体泄爆风险的指标系数，设所述锅炉四管泄漏实时综合风险系数为q，其计算公式为：q＝100-(k1*k2*k3…
*k
n
)/(100
n
)其中：k1、k2、k3、k
n
为特征体系下各监控指标的实时风险系数，n为算法具体应用环节选用的指标类型数量。

技术总结

本发明提供一种电厂锅炉四管泄漏智能识别模型。所述电厂锅炉四管泄漏智能识别模型包括以下步骤：S1：锅炉四管泄漏监控指标的建立；S2：锅炉四管泄漏监控指标特征的建立；S3：锅炉四管泄漏监控指标实时风险系数的计算；S4：锅炉四管泄漏实时综合风险系数的计算。本发明提供的电厂锅炉四管泄漏智能识别模型实现四管泄漏的早期识别，对于缩小锅炉损伤规模，降低检查维修成本，妥善制定检修计划，缩短检修时间。间。间。