基于深度学习的超超临界机组系统与设备特性分析系统研究及应用可行性研究报告2017.07.10（华电）.docxVIP

— PAGE 24 — 附件2 基于深度学习的超超临界机组系统与设备特性分析系统研究及应用科技项目 可行性研究报告 课题名称： 基于深度学习的超超临界机组系统与设备特性分析系统研究及应用 申请单位： 华电国际十里泉发电厂 起止时间： 2018 年1月 至 2018年 12月 课题组长： 韩荣利 手 机：固定电话： 0632-3292012 电子邮箱： 申请日期： 2017年7月 中国华电集团公司科技环保部制 二〇一〇年七月 目的和意义 此课题主要针对十里泉电厂新机组分部调试的系统和设备所表现出的设计值、特征值以及经验值进行数据分析、数据挖掘、模型对比等工作，得出调试过程、实验结果以及状态特性的优劣，有针对性地采取措施，进行优化，直至达到可管控的动态优化边界。 主要研究设备包括：锅炉本体、汽机本体、锅炉重要辅机（磨煤机、送风机、一次风机等）、汽机重要辅机（给水泵、循环水泵、凝结水泵、凝汽器、高低加设备等）。同时对电气重要设备（发电机、高压变压器等）进行数据特性分析和特征提取工作。 （1）系统设备重要指标的设计曲线、实际曲线、优化曲线实时展示和比对，便于提前预测设备问题、发现缺陷，提前采取设备异常防范措施。 （2）建立平台支持系统，建立数据库、特征库、模型库、知识库，便于查询、跟踪分析各个机组的固有特征，以便评估设备的的状态。 （3）通过对系统设备特征提取分析，结合建模分析、优化模型等手段，提供系统优化策略；并为其他同类型机组调试提供知识，缩短新机组调试启动时间，降低试运行成本。 （4）归纳、分析设备的动态特征，摸清新机组的设备特性，形成新机组的特征向量，便于为机组运行提供原始特征参照。 二、国内外研究水平综述 目前国内外对设备状态特征的研究主要集中在，机组试运行一段时间以后分析特征值，对机组调试、试运行过程中的数据分析、数据特征提取工作几近空白，我们在机组正式投入运行前对设备状态特征进行全面分析的工作属于科技领先。当前对设备特征提取的方法主要有两种：一是通过热力试验：通过热力实验摸索机组、设备的关键静态特性，该方法需要的现场运行配合来完成，主要局限于重要的静态特性，对全面掌握设备的状态特征不利；二是借助数据工具，综合分析一段时间数据的特征值。 设备实际运行中，需要对系统的大量的历史数据进行分析处理，才能对设备的运行做出正确的评估和预测。面对这些数据处理难度的增加，数据仓库技术和数据挖掘技术是是近年来应运而生的新兴学科。它利用现有的数据库、人工智能、统计学、知识库等相关知识，以积累下来的历史数据为研究对象，通过对数据的归类、分析、处理，从而找出隐藏在其中的有用的知识，分析设备的不同运行情况下的检测数据分布情况提供了数据基础，因此，我们将采用数据挖掘技术对设备的状态特征进行提取。 目的理论和实践依据 设备或系统的震动、噪音、温度、压力、流量、位移等物理量通过传感器变成电信号输入到计算机系统，这些原信号很难直接反应出信号和系统的特征，必须采用一定的方法对其进行变换和处理，获得对设备工况故障征兆敏感的特征量。 能否准确地提取出设备的特征是进行一系列工作的关键，例如电厂设备故障诊断、设备状态评估以及设备维修分析等工作。设备状态特征的提取和分析工作对设备后续运行分析工作至关重要。设备状态监测与故障诊断的过程可从纵向分为检测层、分析层以及诊断层。三层次的主要内容为： （1）根据设备的类型和工况，选择合适的传感器，测取与设备状态有关的信号。 （2）从状态信号中提取与设备运行状态有关的、对状态变化最敏感的特征量(征兆）；根据特征量构造判据，作为对工况状态进行分类的原则；根据判据和设备的实际运行情况做出。正确的判断，并进一步分析其状态及发展趋势如故障的部位、类型、原因和趋势。 （3）做出评价和决策，包括控制、自诊治、调整、维修、继续监测等措施。 其中设备状态特征的提取和分析工作至关重要，选择与设备运行状态有关的、对状态变化最敏感的特征量是关系到后续工作能否顺利开展的重要环节。 目前国内外常用的设备状态特征处理工作：例如特征提取、特征降维等方法得到了很大发展。 四、研究内容和实施方案 1、研究机组设计特性，结合调试进度，参与制定调试启动优化措施，保证机组安全经济运行； 设备原始、出厂特征研究与分析 收集和记录试运过程设备的原始特征，校正设备的设计参数。新机组的设备出厂时，带有设备说明书等设计资料，其所提供的参数，往往是通过计算多个设备试验结果的平均值得到的，未考虑单一设备因加工、安装等原因，导致的设计参数变化。直接采用设计数据作为该设备的基准，不能精确反应设备的基准。分析设备的原始、出厂特征可以提取表征新机组设备的动态基准。 设备静态特性研究与分析 分析设备无