邱振波，張立杰，胡 偉，趙云山

?

基于信息通信技術(shù)的燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警技術(shù)研究及應(yīng)用

邱振波1，張立杰1，胡 偉1，趙云山2

（1.神華國華（北京）燃?xì)鉄犭娪邢薰?，北?100024；2.中國神華能源股份有限公司國華電力分公司，北京 100025）

為了提高燃?xì)廨啓C(jī)運(yùn)行穩(wěn)定性及可靠性，基于信息通信技術(shù)，進(jìn)行了燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警技術(shù)的研究，并開發(fā)了以馬田系統(tǒng)為理論依據(jù)的遠(yuǎn)程預(yù)警系統(tǒng)。實(shí)際應(yīng)用表明，該系統(tǒng)能夠提前預(yù)警人工無法判斷的情況以及機(jī)組運(yùn)行中潛在的危險(xiǎn)，充分利用大數(shù)據(jù)對該狀況進(jìn)行原因分析且提供解決方案。該系統(tǒng)的成功運(yùn)用，為燃?xì)廨啓C(jī)的安全運(yùn)行提供了保障，同時(shí)填補(bǔ)了燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警領(lǐng)域的空白，具有一定的推廣價(jià)值。

信息通信技術(shù)；燃?xì)廨啓C(jī)；遠(yuǎn)程預(yù)警；大數(shù)據(jù)；馬田系統(tǒng)；馬氏距離

燃?xì)廨啓C(jī)作為新型的動力設(shè)備，具有污染少、效率高、靈活性強(qiáng)、結(jié)構(gòu)緊湊等優(yōu)點(diǎn)，應(yīng)用范圍越來越廣。由于燃?xì)廨啓C(jī)的結(jié)構(gòu)復(fù)雜，且一直工作在高溫高壓及高轉(zhuǎn)速的惡劣環(huán)境下，容易引發(fā)各類故障，而且產(chǎn)生故障的原因十分復(fù)雜，僅僅依靠技術(shù)人員很難及時(shí)發(fā)現(xiàn)并進(jìn)行正確的判斷與處理。為了進(jìn)一步提高燃?xì)廨啓C(jī)運(yùn)行過程的穩(wěn)定性及可靠性，盡可能減少事故的發(fā)生頻率，必須加強(qiáng)燃?xì)廨啓C(jī)的預(yù)警監(jiān)測及故障診斷。本文依托燃?xì)廨啓C(jī)制造廠家開發(fā)的云監(jiān)控服務(wù)平臺，選用適合我國政策及電廠實(shí)際情況的數(shù)據(jù)傳輸方式，基于信息通信技術(shù)（ICT），以馬田系統(tǒng)（Mahalanobis-Taguchi system，MTS）為理論依據(jù)，開發(fā)了燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警系統(tǒng)。該系統(tǒng)將燃?xì)廨啓C(jī)的主要運(yùn)行數(shù)據(jù)發(fā)送至燃?xì)廨啓C(jī)制造商在國內(nèi)設(shè)置的服務(wù)器上，進(jìn)行數(shù)據(jù)分析后將運(yùn)行狀況反饋至系統(tǒng)畫面，并在發(fā)生異常情況時(shí)，發(fā)出報(bào)警畫面及報(bào)警郵件，同時(shí)通過大數(shù)據(jù)分析提供解決措施。

1 馬田系統(tǒng)理論基礎(chǔ)

馬氏距離（MD）是由印度統(tǒng)計(jì)學(xué)家Mahalanobis于1936年提出的，表示數(shù)據(jù)的協(xié)方差距離[1]，它由標(biāo)準(zhǔn)化數(shù)據(jù)和中心化數(shù)據(jù)（即原始數(shù)據(jù)與均值之差）計(jì)算出兩點(diǎn)之間的馬氏距離[2]。馬田系統(tǒng)是由田口玄一博士提出的一種新的模式識別方法，是基于多維空間多變量診斷與預(yù)測的一種方法和技術(shù)，該方法將馬氏距離與田口方法進(jìn)行了有效集成，實(shí)質(zhì)上是將馬氏距離、正交表與信噪比相結(jié)合[3-5]。馬田系統(tǒng)廣泛應(yīng)用于數(shù)據(jù)分類、模式識別以及樣本的診斷、預(yù)測分析[6]，可對數(shù)據(jù)進(jìn)行分析而無需任何假定。馬田系統(tǒng)主要有診斷、評價(jià)和預(yù)測三大功 能[7]。近年來，馬田系統(tǒng)作為多元系統(tǒng)一種潛在的模式信息技術(shù)，已在學(xué)術(shù)界和實(shí)際應(yīng)用中得到廣泛認(rèn)可[8-9]。實(shí)施馬田系統(tǒng)的基本步驟如圖1所示。

1.1 馬氏距離計(jì)算

本文通過分析燃?xì)廨啓C(jī)傳感器發(fā)出的信號特征參數(shù)來分析初始故障的敏感性和退化狀態(tài)的相關(guān)性，建立并優(yōu)化馬田系統(tǒng)的基準(zhǔn)空間，根據(jù)優(yōu)化后馬氏距離的變化趨勢監(jiān)測燃?xì)廨啓C(jī)的初始故障和退化狀況。馬氏距離計(jì)算主要包括以下步驟[10-11]。

1）基準(zhǔn)空間的確定 為了區(qū)分設(shè)備存在故障時(shí)馬氏距離的變化特征，采用燃?xì)廨啓C(jī)部件無故障時(shí)樣本的特征參數(shù)作為馬田系統(tǒng)的基準(zhǔn)空間，根據(jù)馬氏距離變化趨勢判斷其部件的性能退化狀態(tài)。

2）基準(zhǔn)空間的有效性驗(yàn)證 為了驗(yàn)證基準(zhǔn)空間的有效性，采集設(shè)備無故障階段和故障階段的信號數(shù)據(jù)樣本，利用基準(zhǔn)空間的均值、方差、相關(guān)矩陣對2組樣本的基準(zhǔn)空間進(jìn)行標(biāo)準(zhǔn)化并計(jì)算其馬氏距離。如果故障樣本的馬氏距離明顯大于正常樣本的馬氏距離，則證明所建立的基準(zhǔn)空間有效；否則，需要重新選擇特征參數(shù)定義基準(zhǔn)空間。

3）基準(zhǔn)空間的優(yōu)化 燃?xì)廨啓C(jī)部件初始故障監(jiān)測和狀態(tài)監(jiān)測過程中，并非所有的特征參數(shù)都有助于提高計(jì)算精度。因?yàn)樵诖_定基準(zhǔn)空間時(shí)一般由專業(yè)人員來定義正常和異?？傮w，不同的人見解各異，故對無故障樣本的定義有較大的模糊性，所以有些特征參數(shù)甚至存在干擾。為了簡化馬氏距離的計(jì)算，縮短計(jì)算時(shí)間，提高診斷精度，需要對原始馬田系統(tǒng)的基準(zhǔn)空間進(jìn)行特征優(yōu)化，選擇有效的特征參數(shù)構(gòu)建馬田系統(tǒng)的基準(zhǔn)空間。在燃?xì)廨啓C(jī)部件初始故障監(jiān)測過程中，選擇對初始故障比較敏感的特征參數(shù)構(gòu)建馬田系統(tǒng)基準(zhǔn)空間；狀態(tài)監(jiān)測過程中選擇與燃?xì)廨啓C(jī)退化狀態(tài)相關(guān)的特征參數(shù)構(gòu)建馬田系統(tǒng)的基準(zhǔn)空間。

4）計(jì)算樣本空間的馬氏距離 通過判斷樣本的馬氏距離是否屬于基準(zhǔn)空間確立的區(qū)間來判定設(shè)備的運(yùn)行狀態(tài)。

1.2 信噪比

在應(yīng)用馬田系統(tǒng)過程中，選擇合適的兩水平正交表，以信噪比作為變量有效性評價(jià)指標(biāo)。信噪比定義為信號強(qiáng)度和雜音強(qiáng)度的比值S/N[12-13]。一般來說，信噪比越大，說明混在信號里的噪聲越小，否則相反。在該馬田系統(tǒng)方法中，通過取每一個(gè)類型的馬氏距離均方根作為異常變量的已知水平，然后使用動態(tài)特性。

1.3 閾值

構(gòu)建基準(zhǔn)空間的目的是為了模式識別，即是為了判別未知樣品y是否屬于基準(zhǔn)空間G。判別的量化指標(biāo)采用未知樣品點(diǎn)到基準(zhǔn)空間基準(zhǔn)點(diǎn)的馬氏距離D。

這里馬氏距離的界限值D即稱為閾值。

2 燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警系統(tǒng)實(shí)現(xiàn)過程

基于信息通信技術(shù)，以馬田系統(tǒng)為理論依據(jù)，開發(fā)了燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警系統(tǒng)。

2.1 燃?xì)廨啓C(jī)結(jié)構(gòu)

燃?xì)廨啓C(jī)主要分為壓氣機(jī)、燃燒室和透平三大部分（圖2）。

圖2 燃?xì)廨啓C(jī)結(jié)構(gòu)

2.2 樣本采集

每臺燃?xì)廨啓C(jī)選取了近500個(gè)重要的數(shù)據(jù)點(diǎn)（含開關(guān)量和模擬量）作為樣本，如軸瓦的振動值、軸瓦溫度值、壓氣機(jī)進(jìn)氣溫度、燃?xì)廨啓C(jī)葉片通道溫度、燃?xì)廨啓C(jī)排氣溫度、潤滑油溫度、控制油溫度、進(jìn)氣系統(tǒng)過濾器壓差等。當(dāng)樣本的馬氏距離屬于基準(zhǔn)空間確立的區(qū)間，則判定設(shè)備的運(yùn)行狀態(tài)為健康狀態(tài)；若該距離明顯大于正常的馬氏距離，則判定設(shè)備狀態(tài)為亞健康或故障，此時(shí)系統(tǒng)就會發(fā)出超出閾值的報(bào)警信息（圖3）。

圖3 發(fā)出報(bào)警信息時(shí)的數(shù)據(jù)群

2.3 數(shù)據(jù)傳輸

根據(jù)我國對信息安全的要求及電廠內(nèi)外網(wǎng)分離的限制，機(jī)組運(yùn)行數(shù)據(jù)不能直接通過網(wǎng)絡(luò)傳輸至外界。所以，該系統(tǒng)采集了內(nèi)網(wǎng)PI系統(tǒng)（或安全儀表系統(tǒng)）中相應(yīng)點(diǎn)的數(shù)據(jù)，通過內(nèi)部郵件發(fā)送至燃?xì)廨啓C(jī)制造廠家的服務(wù)器，每分鐘發(fā)送1封郵件，運(yùn)行數(shù)據(jù)通過其服務(wù)器進(jìn)行分析計(jì)算，得出數(shù)據(jù)結(jié)果后反饋至遠(yuǎn)程預(yù)警系統(tǒng)平臺（圖4），該平臺以網(wǎng)頁的形式呈現(xiàn)，便于直觀了解運(yùn)行情況。

圖4 數(shù)據(jù)傳輸?shù)木W(wǎng)絡(luò)拓?fù)鋱D

2.4 系統(tǒng)主要功能

2.4.1 登錄界面

遠(yuǎn)程預(yù)警系統(tǒng)通過互聯(lián)網(wǎng)網(wǎng)頁瀏覽器登陸，登錄界面如圖5所示。

2.4.2 人工智能預(yù)警監(jiān)測畫面

通過人工智能預(yù)警監(jiān)測畫面可監(jiān)視燃?xì)廨啓C(jī)運(yùn)轉(zhuǎn)狀況，實(shí)現(xiàn)監(jiān)測異常的預(yù)警，告知發(fā)生異常的部位，在發(fā)生重大故障之前預(yù)知異常，提高燃?xì)廨啓C(jī)的安全性。圖6為人工智能預(yù)警監(jiān)測畫面，可顯示目前機(jī)組是否有異常。圖6中，馬氏距離線表示燃?xì)廨啓C(jī)采集的所有數(shù)據(jù)樣本計(jì)算出的馬氏距離MD，閾值線是根據(jù)燃?xì)廨啓C(jī)運(yùn)行實(shí)際值設(shè)定在預(yù)報(bào)警線。機(jī)組運(yùn)行正常時(shí)MD線在閾值線下方，機(jī)組負(fù)荷線顯示綠色，右側(cè)圓形邊緣線為綠色。當(dāng)MD線的數(shù)值變大超過閾值線時(shí)，表明燃?xì)廨啓C(jī)發(fā)生異常，此時(shí)畫面右側(cè)的綠色圓形會變成灰色或紅色，并在下方顯示發(fā)生異?；驁?bào)警的傳感器測點(diǎn)名稱，同時(shí)推測出異常或報(bào)警發(fā)生的部位。監(jiān)測到異常預(yù)警時(shí)，發(fā)送郵件給相關(guān)人員，郵件內(nèi)容包括報(bào)警畫面、數(shù)據(jù)分析圖表和建議檢查措施等。

圖6 人工智能預(yù)警監(jiān)測畫面的功能

2.4.3 報(bào)警智能導(dǎo)向畫面

報(bào)警智能導(dǎo)向畫面是面向運(yùn)行人員的導(dǎo)向服務(wù)，與控制系統(tǒng)操作員站的報(bào)警事件聯(lián)動，提出故障發(fā)生時(shí)的處理建議，并通過用戶經(jīng)驗(yàn)積累達(dá)到自我成長。通過該畫面可實(shí)現(xiàn)存儲/閱覽作業(yè)日志或指令文件，可以對報(bào)警做出快速的響應(yīng)，并通過發(fā)生的警報(bào)信息，實(shí)時(shí)顯示警報(bào)對象（圖7）。

2.4.4 關(guān)鍵參數(shù)指標(biāo)分析畫面

關(guān)鍵參數(shù)包括運(yùn)行參數(shù)、容量、可用性、可靠性等，其分析畫面如圖8所示。這些參數(shù)不僅僅局限于常見的實(shí)時(shí)參數(shù)，還包括工程師幕后分析的經(jīng)濟(jì)效益等參數(shù)。對于電廠來說，可用性、非計(jì)劃停運(yùn)、效率這3個(gè)參數(shù)最關(guān)鍵。該系統(tǒng)針對這3個(gè)關(guān)鍵指標(biāo)制定解決方案：1）提升可用性，主要采用預(yù)警監(jiān)測技術(shù)；2）非計(jì)劃停運(yùn)時(shí)發(fā)生報(bào)警，可以迅速查閱信息，進(jìn)行緊急處理；3）效率方面，可以提供技術(shù)解決方案，也可以提供經(jīng)濟(jì)性分析。

2.5 系統(tǒng)主要功能

全面利用信息通信技術(shù)，提供預(yù)警監(jiān)測網(wǎng)絡(luò)服務(wù)、故障部位推斷和面向運(yùn)行人員的指導(dǎo)服務(wù)。

2.5.1 預(yù)警監(jiān)測網(wǎng)絡(luò)服務(wù)

1）通過馬田方法（MT method）來提前預(yù)警，應(yīng)用人工智能（AI）、機(jī)械學(xué)習(xí)技術(shù)，通過馬氏距離對燃?xì)廨啓C(jī)全體的異常進(jìn)行監(jiān)測，運(yùn)用田口方法確定異常的傳感器。

2）通過人工智能來推斷故障部位，通過感知異常的樣本推定故障部位和原因。根據(jù)現(xiàn)實(shí)異常的傳感器種類和式樣，從過去發(fā)生問題的現(xiàn)象中檢索出最相似的例子，推斷出最可能發(fā)生故障的部位。

3）郵件通知功能。

2.5.2 運(yùn)行監(jiān)視員操作指導(dǎo)

1）控制系統(tǒng)操作員站和事件報(bào)警聯(lián)動，預(yù)先設(shè)置好重要報(bào)警的處理方法，通過實(shí)際處理內(nèi)容的寫入，可與運(yùn)行人員共享；運(yùn)行人員通過檢索過去同一報(bào)警發(fā)生時(shí)的處理方法，確認(rèn)后進(jìn)行處理。通過大量數(shù)據(jù)的共享，可完全覆蓋燃?xì)廨啓C(jī)上經(jīng)常發(fā)生的報(bào)警和重要報(bào)警。

2）及時(shí)閱覽原設(shè)備廠家所推薦的解決策略，通過大數(shù)據(jù)的存儲與應(yīng)用，快速準(zhǔn)確地獲得建議。

3）從數(shù)據(jù)庫錄入對應(yīng)的日志，通過及時(shí)的操作建議，減免損失，并可以將本次解決方案形成記錄，存入數(shù)據(jù)庫。

3 燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警系統(tǒng)應(yīng)用

3.1 案例分析

該系統(tǒng)自2017年4月1日上線試運(yùn)行以來，多次發(fā)生報(bào)警事件（表1），對機(jī)組的安全運(yùn)行起到了保障作用。

表1 遠(yuǎn)程預(yù)警事件列表

Tab.1 The remote warning events list

以事件③為例，介紹該系統(tǒng)報(bào)警情況。2017年7月5日3:53，遠(yuǎn)程預(yù)警系統(tǒng)監(jiān)測到汽輪機(jī)高壓推力瓦測點(diǎn)數(shù)據(jù)有變化（圖9），MD線發(fā)生突變，其數(shù)值超過閾值線（Threshold），由于此時(shí)原因不明，右側(cè)圓形區(qū)域呈現(xiàn)灰色，左下方給出了異常參數(shù)所對應(yīng)的傳感器和可能的原因。

從數(shù)據(jù)變化趨勢分析，3:53系統(tǒng)監(jiān)測到運(yùn)行數(shù)據(jù)較前期有異常變化，因此預(yù)警畫面（圖9a)）12:00左右，該測點(diǎn)溫度急劇下降，6 h內(nèi)下降了約60 ℃，而溫度測點(diǎn)1的數(shù)據(jù)無明顯變化。系統(tǒng)判斷傳感器可能出現(xiàn)斷線，提出了檢查更換傳感器的建議。

2018年5月利用機(jī)組檢修機(jī)會解體檢查高壓推力軸承，并對高壓推力軸承金屬溫度2進(jìn)行檢測，發(fā)現(xiàn)該傳感器內(nèi)部存在接線斷路情況。更換新傳感器后溫度顯示正常。

3.2 人工智能評估與人工評估的區(qū)別

人工智能評估通過與以往的數(shù)據(jù)進(jìn)行比較，判斷現(xiàn)在的運(yùn)行狀態(tài)是否正常。因此，在事例③中看上去數(shù)據(jù)穩(wěn)定，此時(shí)人工評估會認(rèn)為金屬溫度穩(wěn)定，運(yùn)行狀態(tài)正常；但人工智能評估通過與以往數(shù)據(jù)比較，由金屬溫度偏低判斷出其中的異常，并迅速發(fā)出通知。人工智能評估與人工評估的區(qū)別如圖10所示。

通過以上事件可以看出，遠(yuǎn)程預(yù)警系統(tǒng)在機(jī)組日常運(yùn)行過程中起到了舉足輕重的作用，能夠提前預(yù)警人工無法判斷的情況，可以提前對機(jī)組運(yùn)行中潛在的危險(xiǎn)進(jìn)行預(yù)警，并充分利用大數(shù)據(jù)對該狀況進(jìn)行原因分析且提供解決方案，真正起到了遠(yuǎn)程預(yù)警及故障診斷的作用。

4 結(jié) 語

基于ICT的燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警系統(tǒng)，具有可視化、智能化、自動化、信息化、安全化和首創(chuàng)性等關(guān)鍵技術(shù)，其成功應(yīng)用為燃?xì)廨啓C(jī)的安全運(yùn)行提供了保障，提高了機(jī)組的安全系數(shù)，避免了多次機(jī)組非計(jì)劃停運(yùn)，同時(shí)也彌補(bǔ)了馬田系統(tǒng)應(yīng)用在國內(nèi)燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警領(lǐng)域的空白，對國內(nèi)燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警技術(shù)的應(yīng)用起到了推廣作用。

［1］ WANG Z, WANG Z, TAO L, et al. Fault diagnosis for bearing based on Mahalanobis-Taguchi system[C]// Prognostics and System Health Management. IEEE, 2012: 1-5.

［2］ 王力緯, 賈鯤鵬, 方文嘯, 等. 基于馬氏距離的硬件木馬檢測方法[J]. 微電子學(xué), 2013, 43(6): 8-18.

WAGN Liwei, JIA Kunpeng, FANG Wenxiao, et al. An approach to detecting hardware trojans based on Maha- lanobis distance[J]. Microelectronics, 2013, 43(6): 8-18.

［3］ SU C T, HSIAO Y H. Multiclass MTS for simultaneous feature selection and classification[J]. Transactions on Knowledge and Data Engineering, 2009, 21(2): 192-205.

［4］ 李昭陽, 韓之俊. 一種新的判別預(yù)測方法-馬田系統(tǒng)(MTS)[J]. 管理工程學(xué)報(bào), 2000, 14(2): 54-55.

LI Shaoyang, HAN Zhijun. A new discriminant prediction method- Mahalanobis-Taguchi system (MTS)[J]. Journal of Industrial Engineering/Engineering Management, 2000, 14(2): 54-55.

［5］ 陳湘來, 顧玉萍, 韓之俊. 馬田系統(tǒng)在數(shù)據(jù)分類中的應(yīng)用[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識, 2010, 40(8): 74-79.

CHEN Xianglai, GU Yuping, HAN Zhijun. Data classification using Mahalanobis-Taguchi system[J]. Mathematics in Practice and Theory, 2010, 40(8): 74-79.

［6］ GHASEMI E, AAGHAIE A, CUDNEY E A. Maha- lanobis Taguchi system: a review[J]. International Journal of Quality & Reliability Management, 2015, 32(3): 291-307.

［7］ 陳俊洵, 程龍生, 胡紹林, 等. 基于EMD的改進(jìn)馬田系統(tǒng)的滾動軸承故障診斷[J]. 振動與沖擊, 2017, 36(5): 152.

CHEN Junxun, CHENG Longsheng, HU Shaolin, et a1. Fault diagnosis of rolling bearings using modified Mahalanobis-Taguchi system based on EMD[J]. Journal of Vibration and Shock, 2017, 36(5): 152.

［8］ DAS P, DATTA S. Exploring the effects of chemical composition in hot rolled steel product using Mahalano- bis distance scale under Mahalanobis-Taguchi system[J]. Computational Materials Science, 2007, 38(4): 671-677.

［9］ LEE Y C, TENG H L. Predicting the financial crisis by Mahalanobis-Taguchi system: examples of Taiwan’s electronic sector[J]. Expert systems with Applications, 2009, 36(4): 7469-7478.

［10］ 任江濤, 蔡遠(yuǎn)文, 史建偉, 等. 基于馬田系統(tǒng)的設(shè)備健康監(jiān)測技術(shù)研究[J]. 計(jì)算機(jī)測量與控制, 2012, 20(3): 634-641.

REN Jiangtao, CAI Yuanwen, SHI Jianwei, et a1. Research on equipment health monitoring using Mahalanobis-Taguchi system[J]. Computer Measurement and Control, 2012, 20(3): 634-641.

［11］ 剡昌鋒, 朱濤, 吳黎曉, 等. 基于馬田系統(tǒng)的滾動軸承初始故障檢測和狀態(tài)監(jiān)測[J]. 振動與沖擊, 2017, 36(12): 156-157.

YAN Changfeng, ZHU Tao, WU Lixiao, et al. Incipient fault detection and condition monitoring of rolling bearings by using the Mahalanobis-Taguchi system[J]. Journal of Vibration and Shock, 2017, 36(12): 156-157.

［12］ 陳湘來, 韓之俊. 基于MTS的供應(yīng)商評價(jià)體系研究[J]. 商場現(xiàn)代化, 2007, 22: 4-5.

CHEN Xianglai, HAN Zhijun. Research on supplier evaluation system based on MTS[J]. Market Moderni- zation, 2007, 22: 4-5.

［13］ 宗鵬. 馬田系統(tǒng)理論與應(yīng)用研究[D]. 北京: 北京理工大學(xué), 2006: 39.

ZONG Peng. Researchontheoryandapplicationof MTS[D]. Beijing: Beijing Institute of Technology, 2006: 39.

Research and application of ICT-based remote early warning technology for gas turbines

QIU Zhenbo1, ZHANG Lijie1, HU Wei1, ZHAO Yunshan2

(1. Shenhua Guohua (Beijing) Gas Power Cogeneration Co., Ltd., Beijing 100024, China; 2. China Shenhua Energy Co., Ltd., Guohua Electric Power Branch, Beijing 100025, China)

In order to improve the operation stability and reliability of gas turbines, the remote early warning technology based on the information communication technology (ICT) was investigated. Moreover, the remote early-warning system (REWS) based on the Mahalanobis-Taguchi system (MTS) was developed. The practical application shows that, this system can early warn the situations which the humans cannot judge or the potential danger during the unit operation, and make full use of the large data to analyze the cause and provide the solutions. The successful application of this system not only provides a guarantee for safe operation of gas turbines, but also fills the gap of gas turbine remote warning field, which plays a certain role in popularizing of the REWS.

ICT, gas turbine, remote early-warning, big data, Mahalanobis-Taguchi system, Mahalanobis-distance

China Energy Investment Group Guo Hua Electric Power Company 2017 Technological Innovation Project (GHRQRDHT170302)

TK47

A

10.19666/j.rlfd.201804129

邱振波, 張立杰, 胡偉, 等. 基于信息通信技術(shù)的燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警技術(shù)研究及應(yīng)用[J]. 熱力發(fā)電, 2019, 48(2): 120-125. QIU Zhenbo, ZHAGN Lijie, HU Wei, et al. Research and application of ICT-based remote early warning technology for gas turbines[J]. Thermal Power Generation, 2019, 48(2): 120-125.

2018-04-13

國家能源投資集團(tuán)國華電力公司2017年科技創(chuàng)新基金項(xiàng)目(GHRQRDHT170302)

邱振波(1979—)，男，碩士，高級工程師，主要從事燃?xì)廨啓C(jī)技術(shù)管理，16032814@shenhua.cc。

（責(zé)任編輯 劉永強(qiáng)）