顧 偉，杜景琦

（1. 云南電力試驗研究院（集團）有限公司，云南 昆明 650217；2. 云南電網(wǎng)公司電力科學研究院 研究生工作站，云南 昆明 650217）

基于灰熵分析法的高壓加熱器運行狀態(tài)測點選擇

顧 偉1,2，杜景琦1

（1. 云南電力試驗研究院（集團）有限公司，云南 昆明 650217；2. 云南電網(wǎng)公司電力科學研究院 研究生工作站，云南 昆明 650217）

為了建立高壓加熱器狀態(tài)預警模型，選擇合適的測點。采用灰熵關聯(lián)法，分析了抽汽溫度、抽汽壓力、出口水壓、端差、進汽溫度、疏水溫度、主給水流量對昆二電廠1號機1號高壓加熱器運行狀態(tài)（出口水溫）的關聯(lián)性程度。結果表明疏水溫度、抽汽溫度、進汽溫度是高壓加熱器運行狀態(tài)的合適測點，這為高壓加熱器故障預警模型建立提供了科學依據(jù)。

高壓加熱器；測點；出口水溫；灰熵分析法

0 引言

高壓加熱器是火電機組的主要輔助設備之一。高加系統(tǒng)長期處于高溫高壓的運行狀態(tài)，加之運行中還受到機組負荷突變、給水泵故障、旁路切換等因素的影響，造成了高加系統(tǒng)的頻繁故障。目前，高加系統(tǒng)故障已成為影響機組穩(wěn)發(fā)滿發(fā)的主要原因之一，僅次于鍋爐爆管。

提高高壓加熱器的可靠性和安全性將會極大地提高火電機組運行經(jīng)濟性，降低運行成本。因此建立高壓加熱器故障預警模型并對故障進行早期診斷是提高整個火電機組安全性的必要手段。其中用于反映設備狀態(tài)的過程變量（即測點）種類和數(shù)量繁多，這些測點分別從不同方面反映了設備的狀態(tài)信息，而不同測點之間又相互耦合關聯(lián)，且存在冗余。由于測點選擇的好壞對狀態(tài)預警算法的性能具有重要影響，需要分析設備不同測點之間的關聯(lián)程度。

灰熵關聯(lián)分析是一種系統(tǒng)分析方法，可以在不完全的信息中，對所要分析研究的各因素，通過一定的數(shù)據(jù)處理，在隨機的因素序列中找到其關聯(lián)性，提煉出影響系統(tǒng)的主要因素及主要特征和因素間對系統(tǒng)影響的差別[5]。本文從灰色系統(tǒng)的理論出發(fā)，采用灰熵關聯(lián)法，針對昆二電廠1號機1號高壓加熱器進行分析研究，同時定性分析和研究了相關測點對運行狀態(tài)的影響，這對于高加故障預警模型的建立有重要意義。

1 灰熵關聯(lián)分析法

灰色系統(tǒng)理論是由我國鄧聚龍教授創(chuàng)建的，近年來已被應用于工業(yè)、社會、經(jīng)濟等領域?；疑到y(tǒng)理論著重研究部分信息明確，部分信息未知的小樣本、貧信息的不確定性系統(tǒng)，通過對部分已知信息的處理，實現(xiàn)對系統(tǒng)的確切描述。

在實際應用過程中許多學者對灰色關聯(lián)法提出了一些改進，但這些方法在確定關聯(lián)度時都采用計算逐點關聯(lián)測度值平均值的辦法，這樣依然存在 2個缺點：（1）局部關聯(lián)點傾向，即在點關聯(lián)測度值分布離散的情況下，由點關聯(lián)測度值大的點決定總體關聯(lián)程度的傾向；（2）信息損失，即平均值淹沒了許多點關聯(lián)測度值的個性，沒有充分利用由點關聯(lián)測度值提供的豐富信息。

因此提出了灰熵關聯(lián)分析法來彌補上述不足，灰關聯(lián)熵分析是在灰關聯(lián)分析基礎上發(fā)展而來的方法?；谊P聯(lián)熵分析將參考因素和比較因素的數(shù)據(jù)序列的關聯(lián)程度用“熵”的方法進行定量分析，用灰熵關聯(lián)度表征參考序列與比較序列的相關程度。灰關聯(lián)熵分析法能夠充分利用個性信息，實現(xiàn)整體性接近，更為科學合理。

灰熵關聯(lián)分析的基本步驟：（1）求出灰色關聯(lián)系數(shù)；（2）計算灰熵關聯(lián)密度、灰關聯(lián)熵；（3）計算灰熵關聯(lián)度，并據(jù)其大小確定影響系統(tǒng)的主次因素。

1.1 灰色關聯(lián)系數(shù)

設灰關聯(lián)因子集為X，xi(k)∈ X，i=1,2,…,m，k=1,2,…,n。其中x0為參考序列；xi為比較序列， 比較序列與參考序列間的灰色關聯(lián)系數(shù)為：

1.2 灰關聯(lián)熵

灰關聯(lián)系數(shù)列 Ri(k)= { γ[x0(k ) ,xi( k ) ]|k = 1 ,2,… ,n}，為了使之前獲得的灰關聯(lián)系數(shù)滿足灰熵的要求：同一序列內所有元素之和為 1。進行灰關聯(lián)系數(shù)分布映射：

則比較序列xi的灰關聯(lián)熵為：

由于已對灰關聯(lián)系數(shù)進行了分布影射，所以灰關聯(lián)熵是一種灰熵，灰熵的熵增原理對灰關聯(lián)熵同樣適用?；谊P聯(lián)熵Hi越大，比較序列xi與參考序列x0之間的關聯(lián)度越大。

1.3 灰熵關聯(lián)度

設灰關聯(lián)因子集為X，xi(k)∈ X，i=1,2,…,m，k=1,2,…,n。其中x0為參考序列；xi為比較序列。Hi為比較序列xi的灰關聯(lián)熵。比較序列xi的灰熵關聯(lián)度為：

式中Hmax=ln m，m代表由比較序列xi的m個元素構成的差異信息列的最大值。

根據(jù)熵增原理，灰熵關聯(lián)度Ei越大，比較序列xi與參考序列x0之間的關聯(lián)度越大。

1.4 認識灰熵關聯(lián)準則

由的灰熵關聯(lián)度可以確定灰關聯(lián)序列的灰熵關聯(lián)準則：比較序列的灰熵關聯(lián)度越大，則比較序列與參考序列的關聯(lián)性就越強（即兩者的吻合程度越好），其在關聯(lián)排序中的位置則相應地靠前。值得指出的是，在灰熵關聯(lián)度的分析中，依據(jù)灰熵的關聯(lián)準則，序列的初始處理方法不同，會引起灰熵關聯(lián)度的大小變化，但關聯(lián)序的排序一般是不發(fā)生變化的，就是說，關聯(lián)度的大小只是序列間相互作用、相互影響的外在表現(xiàn)，而關聯(lián)序的排序才是其實質，因為人們所關注的是灰熵關聯(lián)度的排序，而不是關聯(lián)度的實際大小。

2 高壓加熱器運行狀態(tài)測點選擇

高壓加熱器的狀態(tài)參數(shù)有很多，如抽汽壓力、抽汽溫度、進口水溫、出口水溫、主給水流量疏水溫度等，其中加熱器的出口水溫最為重要，直接反應了加熱器的性能及其運行狀態(tài)。

以昆二電廠1號機1號高壓加熱器為例，把高加的出口水溫作為評價指標，對高壓加熱器運行狀態(tài)影響因素中的抽汽溫度、抽汽壓力、出口水壓、端差、進汽溫度、疏水溫度、主給水流量的關聯(lián)性進行評價。提取1000組歷史數(shù)據(jù)，通過處理顯著誤差和隨機誤差，得到參考序列和比較序列如表1所示，表中，X0為高加出口水溫，X1為抽汽溫度，X2為抽汽壓力，X3為出口水壓，X4為端差，X5為進汽溫度，X6為疏水溫度，X7為主給水流量。

將表1作為灰熵分析的原始數(shù)列，為了消除樣本數(shù)據(jù)量綱不同對灰關聯(lián)分析的影響，使序列之間具有可比性，對其進行均值化處理，其值為 Yi，i=0,…,7，結果如表2所示。

圖1 高壓加熱器示意圖Fig.1 Schematic diagram of high pressure heater

根據(jù)式（1）計算出各個測點與高加出口水溫的灰關聯(lián)系數(shù)γi，i=0,…,7，其結果如表3所示。

根據(jù)公式（2），得到灰色關聯(lián)系數(shù)分布映射密度值Pi（i=0,…,7，）的計算結果，如表4所示。

表1 測點預處理后的數(shù)據(jù)Tab.1 Data after preprocessing of measured points

表2 序列均值化Tab.2 Se quence averaging

表3 灰關聯(lián)系數(shù)Tab.3 Gr ey relational coefficient

表4 灰色關聯(lián)系數(shù)分布映射密度值Tab.4 Gr ey relational coefficient distribution mapping density value

按式（3）計算比較序列的灰關聯(lián)熵，結果為：H1=6.90765，H2= 6.90338，H3=6.90337，H4=8.39394，H5=6.90755，H6= 6.83780，H7=7.00488。由式（4）計算灰熵關聯(lián)度, 比較序列的灰熵關聯(lián)度如圖2所示。

圖2 測點的灰熵關聯(lián)度Fig.2 Grey entropy correlation degree of measurement points

由于主要測點的關聯(lián)性隨著灰熵關聯(lián)度的增大而增大，從圖1可以看出，在相同時刻下,與出口水溫的關聯(lián)性由大到小順序為: 端差、出口水壓、主給水流量、抽汽溫度、進汽溫度、抽汽壓力、疏水溫度。

設備狀態(tài)預警測點選擇的基本原則為：（1）選擇的測點能夠從機理上反映設備所處不同狀態(tài)；（2）不同測點之間的關聯(lián)性盡量小，即當兩個測點之間具有極大關聯(lián)性時，可以根據(jù)實際應用情況選擇一個測點。

為了使狀態(tài)預警模型準確率和效率達到平衡，只取4個測點。由于出口水溫與端差兩測點具有極大關聯(lián)性，出口水溫必不可少，舍去端差。疏水溫度關聯(lián)性最小，為1個測點。抽汽溫度與抽汽壓力關聯(lián)性相差不大，且加熱器抽汽壓力值可靠度較低，抽汽溫度為1測點。

因此取4個測點為出口水溫、疏水溫度、抽汽溫度、進汽溫度。

3 結論

采用灰熵分析法分析了不同測點對高壓加熱器運行狀態(tài)的關聯(lián)性程度，分析結果表明端差、出口水壓和主給水流量對高壓加熱器運行狀態(tài)（即出口水溫）關聯(lián)性較大，抽汽溫度、進汽溫度和抽汽壓力關聯(lián)性次之，疏水溫度的關聯(lián)性最小。找出不同測點對高壓加熱器運行狀態(tài)的關聯(lián)性的主次關系, 可以為建立高壓加熱器狀態(tài)預警模型提供科學依據(jù)。選擇合適數(shù)量和代表性的測點，是高加狀態(tài)預警的關鍵步驟，直接影響故障預警方法的有效性和效率。將高壓加熱器看作灰色系統(tǒng)，對高壓加熱器進行灰關聯(lián)熵分析，整個過程步驟清晰，算法簡單?；异胤治龇ǚ治龅玫矫總€測點與高壓加熱器狀態(tài)之間的灰熵關聯(lián)度，量化測點與高壓加熱器狀態(tài)之間的關聯(lián)程度。利用灰熵關聯(lián)度對測點進行排序，克服了測點選擇的主觀性和盲目性，保證了測試點選擇的客觀性和正確性。

[1] 馬良玉, 王兵樹, 高建強, 等. 300MW火電機組高加系統(tǒng)典型故障特征規(guī)律的仿真研究[J]. 系統(tǒng)仿真學報, 2002,14(4): 455-458.

[2] 黃亮, 侯建軍, 劉穎, 等. 基于灰關聯(lián)熵的模擬電路測試點優(yōu)選算法[J]. 電子測量與儀器學報, 2009, 23(9): 27-32.

[3] 張祎, 楊春霞, 栗保明. 基于灰熵分析法的電樞出口速度影響因素分析[J]. 彈道學報, 2011, 23(1): 93-96.

[4] 楊玉中, 吳立云, 張強, 等. 煤礦運輸安全性的灰熵綜合評價[J]. 中國安全科學學報, 2005, 15(9): 83-87.

[5] 張岐山, 郭喜江, 鄧聚龍. 灰關聯(lián)熵分析方法[J]. 系統(tǒng)工程理論與實踐, 1996, (8): 7-11.

[6] 李裕, 郭子彥, 朱會柱, 等. 基于混沌多目標粒子群算法的測點優(yōu)選方法[J]. 電子測量與儀器學報, 2016, 30(7):1052-1061.

[7] 李艷, 李英浩, 高峰, 等. 基于互信息法和改進模糊聚類的溫度測點優(yōu)化[J]. 儀器儀表學報, 2015, 36(11): 2466-2472.

[8] 魯豐坤, 王勇, 李保軍, 等. 深水隔水管疲勞多測點數(shù)據(jù)傳輸與仿真研究[J]. 國外電子測量技術, 2015, 34(12): 18-22.

[9] 王剛毅. 電廠高加水位控制的現(xiàn)狀及改進[J].機電信息,2010, 10(18): 102-103.

[10] 任志遠, 楊亞媛. #3機高加漏泄原因分析及治理方案[J].電力科學與工程, 2007, 23(5): 52-54,68.

Selection of Operation Point of High Pressure Heater Based on Grey Entropy Analysis

GU Wei, DU Jing-qi
(1. Yunnan Electric Power Research Institute (Group) Co., Ltd. Kunming 650217;2. Yunnan Power grid Co., LTD Electric Power Research Institute, Graduate Workstation Kunming 650217)

In order to establish an early warning model of high pressure heater, the suitable measuring point is chosen. By the gray entropy correlation analysis method, extraction pressure, outlet pressure, temperature difference,inlet temperature, temperature, feed water flow rate of steam turbine No. 1 Kunming two power plant No. 1 high-pressure heater operation state of the correlation degree (outlet water temperature). The results show that the hydrophobic temperature, the extraction temperature and the inlet temperature are the appropriate measuring points for the operation of the high pressure heater. This provides a scientific basis for the establishment of the fault warning model of the high pressure heater.

High pressure heater; Measuring point; Outlet water temperature; Grey entropy analysis method

TP206+.3 故障預測、診斷與排除

A

10.3969/j.issn.1003-6970.2017.11.023

本文著錄格式：顧偉，杜景琦. 基于灰熵分析法的高壓加熱器運行狀態(tài)測點選擇[J]. 軟件，2017，38（11）：119-122

顧偉(1992-），男，碩士，昆明理工大學在讀研究生，從事自動化控制研究工作；杜景琦，碩士，工程師，云南電力試驗研究院(集團)有限公司，從事電力系統(tǒng)自動化研究工作。