麻建中，王林剛，胡凱波

(浙江浙能蘭溪發(fā)電有限責(zé)任公司，浙江,金華 321100)

0 引言

近幾年，全球電力產(chǎn)業(yè)迅猛發(fā)展，電力運行成本不斷增長，維護起來越發(fā)困難，其原因是電力機組的單機容量在擴增，電廠位置也向偏僻的陸地、海洋等地區(qū)遷移[1]。目前我國各個行業(yè)的自動化程度不斷增強，隨之而來就是需要對機械設(shè)備的運行狀況進行監(jiān)管與故障判斷，并提升這一過程的智能化程度。針對部分較為繁瑣的電廠設(shè)備，通常情況下需要以故障形成理論、因素以及成因作為設(shè)備運行狀態(tài)監(jiān)測基礎(chǔ)。由于機械設(shè)備表面故障現(xiàn)象與形成原因很模糊，給設(shè)備的運行狀態(tài)識別工作帶來了很大困擾[2]。當(dāng)下的線上識別及診斷系統(tǒng)中的數(shù)據(jù)呈現(xiàn)海量化，其中最為寶貴的資源是專家知識和實際案例數(shù)據(jù)。所以，對這一資源中的知識規(guī)則進行開發(fā)，并利用相關(guān)技術(shù)對知識庫進行完善，進而提升智能識別能力，這是設(shè)備運行狀況識別中最應(yīng)該研討的課題之一[3]。譚欣等[4]主要以在線識別三相電機運行的狀況作為研究目的，引入了電信號融合理論，并且使用主分量融合算法，提取三相電信號所反映出來的電機運行狀況特征量，在線辨識出電機運行下工作狀況和故障，并以Lab VIEW為基礎(chǔ)開發(fā)了電機運行狀況的在線識別系統(tǒng)，以此實現(xiàn)電機工程狀況的在線監(jiān)測與故障判斷。通過實驗證明了此項技術(shù)具有穩(wěn)定、快速、實用的特點，給電機運行狀態(tài)的在線識別技術(shù)提供了新的理論支持和技術(shù)指導(dǎo)。王宇等[5]以時變轉(zhuǎn)移概率為基礎(chǔ)，針對設(shè)備運行中狀態(tài)的識別及故障預(yù)測的難題，引入了隱半Markov模型，在Markov狀態(tài)轉(zhuǎn)移概率矩陣的估算過程中以設(shè)備歷史運行信息作為主要樣本數(shù)據(jù)，使Markov矩陣更有時變性，令整個電力系統(tǒng)可以自動更新歷史信息，以期更好地適應(yīng)設(shè)備運行的程序，并利用設(shè)備剩余預(yù)測方法對設(shè)備的運行狀態(tài)進行預(yù)測，得到最終的設(shè)備運行狀態(tài)識別結(jié)果。實驗結(jié)果表明,相比傳統(tǒng)隱半Markov模型，這一新方法更為有效。

以上述研究為基礎(chǔ)，本文將巡檢機器人應(yīng)用到了電廠設(shè)備運行狀態(tài)自動識別中，從而提高電廠設(shè)備運行狀態(tài)識別性能。

1 電廠設(shè)備運行狀態(tài)自動識別方法設(shè)計

1.1 基于巡檢機器人的電廠設(shè)備運行狀態(tài)預(yù)測

在實際中,通常采用故障率來描述電廠設(shè)備運行狀態(tài)[6]。假設(shè)電廠設(shè)備的壽命周期為T，F(xiàn)(t)表示電廠設(shè)備壽命的分布函數(shù)，R(t)表示電廠設(shè)備的可靠性函數(shù)，那么電廠設(shè)備的運行狀態(tài)函數(shù)表示為

(1)

其中，M表示電廠設(shè)備運行狀態(tài)樣本總數(shù)，m(t)表示電廠設(shè)備在t時刻運行狀態(tài)的樣本數(shù)，此次所用的樣本數(shù)據(jù)均是由巡檢機器人采集的。

假設(shè)電廠設(shè)備到達(dá)故障狀態(tài)之前需要經(jīng)歷i種狀態(tài)，D(i)表示電廠設(shè)備在線狀態(tài)逗留時間的期望值，在參數(shù)估計的基礎(chǔ)上，可以得到以下公式：

D(i)=μ(i)+ρδ2(i)

(2)

(3)

式中，μ(i)表示當(dāng)前的電廠設(shè)備狀態(tài)，δ(i)表示歷史電廠設(shè)備狀態(tài)，ρ表示當(dāng)前狀態(tài)持續(xù)時間[7]。

(4)

當(dāng)電廠設(shè)備運行狀態(tài)i的停留時間為d時，其剩余的壽命可以表示為

(5)

基于巡檢機器人的電廠設(shè)備運行狀態(tài)預(yù)測過程如下。

Step 1 利用巡檢機器人采集電廠設(shè)備運行參數(shù)，并提取電廠設(shè)備全壽命運行特征向量，以此為基礎(chǔ)計算初始前向概率公式和初始后向概率公式以及觀測向量序列O=(O1,O2,…,OT)的條件概率。

Step 2 根據(jù)設(shè)備參數(shù)估計結(jié)果[10]，得到電廠設(shè)備運行狀態(tài)i停留時間dt(i)=d之后，轉(zhuǎn)移到運行狀態(tài)j的概率估計結(jié)果以及電廠設(shè)備在時刻t運行狀態(tài)i停留時間dt(i)=d的概率估計結(jié)果。

Step 4 利用式(4)計算電廠設(shè)備運行狀態(tài)i逗留時間為d時的剩余壽命，得到電廠設(shè)備運行狀態(tài)預(yù)測結(jié)果。

1.2 設(shè)定電廠設(shè)備運行狀態(tài)指標(biāo)

電廠設(shè)備在運行過程中，每一個窗口時間段的參數(shù)關(guān)系都是在不斷變化的，為了度量電廠設(shè)備運行過程中狀態(tài)參數(shù)關(guān)系的變化量，以電廠設(shè)備正常運行階段的SCADA數(shù)據(jù)以及輸入與輸出參數(shù)關(guān)系作為參照，利用滑動窗口模型實時處理SCADA數(shù)據(jù)[11]，滑動窗口會隨著時間的推移而發(fā)生變化，采用式(6)分別對待分析的電廠設(shè)備運行狀態(tài)參數(shù)進行擬合處理，公式如下：

y=a0+a1x+a2x2+…+anxn

(6)

其中，x、y表示輸入?yún)?shù)和輸出參數(shù)，a0,a1,…,an表示不同的輸入?yún)?shù)和輸出參數(shù)關(guān)系系數(shù)，n表示擬合階次。

假設(shè)i時刻的電廠設(shè)備輸入和輸出運行參數(shù)分別為xi和xj，則二者之間的函數(shù)關(guān)系表示為

xj,std=astd,0+astd,1xi+…+astd,nxn

(7)

則在tk時刻電廠設(shè)備輸入運行參數(shù)xi和輸出運行參數(shù)xj的函數(shù)關(guān)系利用下述公式表示：

(8)

結(jié)合以上結(jié)果，將電廠設(shè)備在tk時刻基于輸入運行參數(shù)xi和輸出運行參數(shù)xj關(guān)系的運行狀態(tài)指標(biāo)定義為

(9)

其中，xmin和xmax表示電廠設(shè)備運行狀態(tài)窗口數(shù)據(jù)某一個參數(shù)的最小值和最大值。例如,當(dāng)電廠設(shè)備在最大風(fēng)能捕獲區(qū)域運行時，xmin和xmax可以看作切入風(fēng)速和額定風(fēng)速。

電廠設(shè)備運行狀態(tài)指標(biāo)屬于一個沒有量綱的指標(biāo)，指標(biāo)值越大，說明電廠設(shè)備運行狀態(tài)與正常狀態(tài)的偏離程度越大;指標(biāo)值越小，說明電廠設(shè)備運行狀態(tài)與正常狀態(tài)的偏離程度越小[12]。

以電廠設(shè)備正常運行階段的SCADA數(shù)據(jù)和輸入輸出參數(shù)關(guān)系作為參照，利用滑動窗口模型實時處理SCADA數(shù)據(jù)，擬合處理待分析的電廠設(shè)備運行狀態(tài)參數(shù)，利用電廠設(shè)備輸入運行參數(shù)和輸出運行參數(shù)之間的正常函數(shù)關(guān)系，完成了電廠設(shè)備運行狀態(tài)指標(biāo)的設(shè)置。

1.3 電廠設(shè)備運行狀態(tài)自動識別

電廠設(shè)備運行狀態(tài)自動識別是監(jiān)控電廠設(shè)備的一項關(guān)鍵技術(shù)，結(jié)合巡檢機器人分析電廠設(shè)備的運行狀態(tài)信號[13]，以期提高電廠設(shè)備運行狀態(tài)的識別效率。

電廠設(shè)備運行狀態(tài)自動識別原理如圖1所示。

圖1 電廠設(shè)備運行狀態(tài)自動識別原理

分析圖1可知，電廠設(shè)備運行狀態(tài)自動識別原理為利用巡檢機器人采集電廠設(shè)備正常運行狀態(tài)和故障運行狀態(tài)下的樣本數(shù)據(jù)，并將所有數(shù)據(jù)分為2組，一組作為訓(xùn)練數(shù)據(jù)，另一組則作為測試數(shù)據(jù)。在此基礎(chǔ)上分別對2組數(shù)據(jù)進行預(yù)處理，包括剔除重復(fù)數(shù)據(jù)以及填補缺失數(shù)據(jù)，并將處理好的2組數(shù)據(jù)分別用于電廠設(shè)備運行狀態(tài)自動識別模型學(xué)習(xí)以及模型實際識別過程中，輸出識別結(jié)果[14]。

將巡檢機器人應(yīng)用到電廠設(shè)備運行狀態(tài)自動識別中的具體步驟如下。

Step 1 巡檢機器人參數(shù)初始化

巡檢機器人參數(shù)初始化過程包括輸入層的權(quán)值矩陣為Wm、DR層的權(quán)值矩陣為WDR和輸出層的權(quán)值矩陣為Wout的初始化，DR層的權(quán)值矩陣譜半徑大于1就可以。

Step 2 更新電廠設(shè)備運行狀態(tài)參量

假設(shè)電廠設(shè)備的數(shù)量為M，DR層電廠設(shè)備運行狀態(tài)向量為 [f(i),d(i)]，i=1,…,M，其中，f(i)表示電廠設(shè)備正常運行狀態(tài)變量，d(i)表示電廠設(shè)備故障狀態(tài)變量。

Step 3 采集電廠設(shè)備運行狀態(tài)向量

Step 4 計算輸出權(quán)值

選擇非線性激活函數(shù)提高電廠設(shè)備狀態(tài)識別過程中的非線性逼近能力的關(guān)鍵，非線性激活函數(shù)表示為

(10)

Step 5 輸出電廠設(shè)備輸入信號的識別結(jié)果

基于巡檢機器人的電廠設(shè)備運行狀態(tài)自動識別流程如圖2所示。

圖2 電廠設(shè)備運行狀態(tài)自動識別流程圖

綜上所述，通過所設(shè)計的電廠設(shè)備運行狀態(tài)自動識別流程，實現(xiàn)了電廠設(shè)備運行狀態(tài)的自動識別。

2 實驗對比分析

為了驗證基于巡檢機器人的電廠設(shè)備運行狀態(tài)自動識別方法的有效性，構(gòu)建了仿真環(huán)境，并對文獻(xiàn)[4]方法、文獻(xiàn)[5]方法以及本文方法進行30次仿真操作，測試了3種方法的電廠設(shè)備運行狀態(tài)識別精度和運行耗時情況，測試結(jié)果如圖3和圖4所示。

圖3 電廠設(shè)備運行狀態(tài)識別精度測試結(jié)果

從圖3的測試結(jié)果可以看出，采用文獻(xiàn)[4]方法來識別電廠設(shè)備運行狀態(tài)時，電廠設(shè)備運行狀態(tài)識別的精度達(dá)到了84.5%，在第10次實驗到第20次實驗過程中，電廠設(shè)備運行狀態(tài)識別精度出現(xiàn)了很明顯的下降，第20次實驗之后雖然有上升的趨勢，但是幅度很??；采用文獻(xiàn)[5]方法來識別電廠設(shè)備運行狀態(tài)時，電廠設(shè)備運行狀態(tài)識別精度只有76.8%，隨著實驗次數(shù)的增加，識別結(jié)果出現(xiàn)了很大幅度的波動；采用基于巡檢機器人的電廠設(shè)備運行狀態(tài)自動識別方法來識別電廠設(shè)備運行狀態(tài)時，電廠設(shè)備運行狀態(tài)識別精度高達(dá)93.4%，與其他2種方法相比，識別精度分別提高了8.9%和16.6%，具有一定的優(yōu)勢。其中，在第5次實驗與第20次實驗時，本文方法和文獻(xiàn)[4]方法的識別精度之差分別達(dá)到了最小值與最大值，原因在于文獻(xiàn)[4]方法的識別過程并不穩(wěn)定，造成識別精度波動較大，以此證明了本文方法具有較高的穩(wěn)定性。

圖4 電廠設(shè)備運行狀態(tài)識別耗時測試結(jié)果

從圖4可以看出，采用文獻(xiàn)[4]方法來識別電廠設(shè)備運行狀態(tài)時，電廠設(shè)備運行狀態(tài)識別耗時最大值為68.3 min，并且第10次實驗到第20次實驗之間，電廠設(shè)備運行狀態(tài)識別耗時出現(xiàn)了突增的現(xiàn)象；采用文獻(xiàn)[5]方法來識別電廠設(shè)備運行狀態(tài)時，電廠設(shè)備運行狀態(tài)識別耗時最大值為53.9 min，隨著實驗次數(shù)的增加，電廠設(shè)備運行狀態(tài)識別耗時也隨著增加；采用基于巡檢機器人的電廠設(shè)備運行狀態(tài)自動識別方法來識別電廠設(shè)備運行狀態(tài)時，電廠設(shè)備運行狀態(tài)識別耗時最大值僅有35.9 min，且隨著實驗次數(shù)的增加，電廠設(shè)備運行狀識別耗時沒有太大變化。

總體上看，基于巡檢機器人的電廠設(shè)備運行狀態(tài)自動識別方法具有一定的魯棒性。

3 總結(jié)

針對傳統(tǒng)方法存在的問題，提出了基于巡檢機器人的電廠設(shè)備運行狀態(tài)自動識別方法。采用巡檢機器人采集電廠設(shè)備運行狀態(tài)參數(shù)，并對電廠設(shè)備運行狀態(tài)進行了精準(zhǔn)預(yù)測，在此基礎(chǔ)上設(shè)定了電廠設(shè)備運行狀態(tài)指標(biāo)。通過所設(shè)計的電廠設(shè)備運行狀態(tài)自動識別流暢，實現(xiàn)了電廠設(shè)備運行狀態(tài)的自動識別。結(jié)果顯示，該方法可以快速準(zhǔn)確實現(xiàn)電廠設(shè)備運行狀態(tài)自動識別，綜合性能最優(yōu)。