设备性能劣化监测与异常分析技术研究项目立项建议书.doc

1、附件2：设备性能劣化监测与异常分析技术研究项目建议书项目名称： 设备性能劣化监测与异常分析技术研究 申报单位： 宁夏国华宁东发电有限公司 申报日期： 年 月 日一、立项背景1国外相关产品与技术发展的概况（其代表产品、技术和公司）随着现代生产管理模式的不断改进，发电企业对设备的安全、经济和环保运行的要求也越来越高，如何借助更加先进的技术手段，实现发电机组在长周期运行中的安全稳定也变得越来越重要。如今国内外对设备经济性管理、安全管理的要求越来越高。本项目的研究能够降低设备的维修成本，减少非计划事件，延长设备的使用寿命、降低设备的单耗。由此看来本项目的研究是大势所趋。EDNA公司设备早期预警系统主要

2、针对重要辅机设备进行定量分析，实现设备故障早期预警功能，减少非计划事件。2国内相关产品与技术现状、国内已取得的最新阶段成果和达到的技术水平北京中瑞泰科技有限公司的设备故障预警系统针对磨煤机、给水泵、循环水泵等设备进行故障异常分析。通过分析主要设备的电压、电流、润滑油、温度等重要参数的变化趋势来分析设备的运行情况。初步实现指标的异常提示和报警功能。3该项目完成后市场需求前景、推广应用领域、达到的技术水平，发展中的作用辅机设备性能劣化监测与异常分析技术研究是利用工业大数据平台分析研究设备的海量历史数据，通过建模的方式寻找设备的最佳的运行工况，指导运行人员对辅机设备进行调整，提高辅机设备的使用效率，

3、延长辅机系统的使用寿命二、研究内容与预期目标1现有研究基础、特色和发展趋势1）现有研究基础拥有pi实时数据库，可存储 5年以上的历史数据；可基本实现指标整定值报警功能；拥有matlab 计算平台和成型的数据计算模型；电厂检修人员和运行人员具有丰富的经验，可为本项目实施提供强有力的业务支持。2）特色辅机设备性能劣化监测与异常分析技术研究基于大数据机器学习算法，从故障诊断角度出发，从设备安全性和经济性入手，建立实时监测模型，实现设备、系统、机组的在线状态评估与诊断。对重要辅机设备（磨煤机、循环水泵、电机、转机等设备）健康状态的样本学习和预测，自动给出重要辅机系统劣化情况、故障提示以及运行指导信息，

4、为辅机设备的管理、生产运行等提供监测与诊断平台。有效提升了辅机设备的状态监测、评价与诊断的及时性、准确性和快速性，提高辅机设备的管理和生产运行人员的工作效率，改变设备管理和生产运行人员的工作模式。使辅机设备和机组运行安全性、可靠性的管理正走向集中化、精细化。3）发展趋势随着大数据分析技术的迅速发展，世界各国纷纷将大数据机器学习运用到工业生产的设备状态监测、评价和诊断领域。辅机设备性能劣化监测与异常分析技术研究能够降低辅机设备和机组的维修成本，减少由于设备异常而引起的非计划事件。由此看来，发电企业对本项目的研究是大势所趋。2研究项目所包含的内容基于SIS海量存储与数据挖掘技术系统实现了机组重要设

5、备劣化监测或异常分析，通过数据建模的方式动态指导机组经济性运行。通过劣化分析实现智能巡检。基于工业大数据平台通过专项建模的方式针对所研究的系统或设备进行建模，寻找系统或者设备的最优运行工况，提高设备的的经济性，延长设备的使用寿命。通过本项目的研究，对电厂重要辅机设备实时状态进行评估和参数劣化趋势分析，从而保证设备劣化、缺陷等异常得到及时处理，尽可能的将故障引起的损失降低至最低水平，避免事故扩大化，最终提高设备运行的安全性、可靠性和经济性。通过本项目的研究，对发电机组重要设备的整体安全状态有定量的分析结果，实现健康状态的在线评估，并对可能的潜在的故障有定量的分析。直观对引起关键设备状态变化的测点

6、进行关联排序，方便现场设备操作与运维人员的使用，极大提高机组在线监测与故障诊断水平。3与现有产品、技术、装备的对比分析本项目的研究与国内现有设备故障早期预警平台对比情况如下：分类 平台框架 研究对象 目标 优点设备故障早期预警Oracle数据库重要辅机设备劣化分析、早期预警 、故障诊断设备性能劣化监测与异常分析技术研究工业大数据平台、Oracle 数据库、matlab所有辅机设备劣化分析、早期预警 、故障诊断、智能检修、运行指导、通过先进数据模型实现智能检修、动态指导等功能。4要达到的技术性能指标和参数1）设备智能检修利用平台建立设备状态检修专家库，监控设备的运行状况和生成检修策略建议，为电厂

7、对设备的管理提供辅助决策支持。根据设备的不同状态参数特征使用了不同的分析模型，以提高对设备状态参数分析的准确性。通过对设备的状态进行推理分析，综合了正反向推理、神经网络法、模糊数学、时间序列预测法、免疫算法等多种分析手段和数据模型进行分析。对设备的状态评估时，引入数据模型对设备的重要性进行评价，综合评估设备下一次检修时间应采取的检修策略、检修时间和检修内容，并形成检修计划。同时，检修中产生的各类数据又为下一次评估提供依据，形成生产数据的闭环管理。2）设备劣化分析与早期预警基于高维空间状态点相似度原理进行设备状态评估，简单直观，并且能够持续跟踪和监视。 实现分级别的参数预警，预警触发支持相似度劣

8、化报警、实际值限值报警两种告警模式，从而实现了设备监测参数的早期劣化或故障预警。在充分考虑参数类、设备、系统的对于上层设备状态评价的影响程度或贡献度的基础上，采用分层次的设备状态评价方法，由监测参数状态评分进而计算设备的状态评分及对应状态（正常、注意、异常、严重）。当机组、系统或设备出现不同级别的预警提示时，系统能通过不同颜色进行标识展示，同时会把引起该异常的主要测点罗列出来，便于电厂技术人员进行故障定位分析和查找原因。3）设备经济性分析与运行指导通过工业大数据平台工业大数据平台通过专项建模的方式分析设备的经济性并提供必要的运行指导（如：针对磨煤机出力、一次风流量、风/煤比、出口风温、入口温度

9、、出入口差压、磨粉细度、磨盘转速、电机功率等重要参数进行建模，寻找磨煤机运行的最优工况。根据最优工况各指标的运行情况指导调整经济指标，从提高磨煤机的经济性。）4）延长设备使用寿命分别针对机组设备使用寿命单独建立数学模型，通过海量的历史数据分析出最合理的指标动态区间（如：煤粉颗粒、给煤量、风/煤比、湿度等）。通过指导相关参数的调整，提供设备的良好的运行环境，从而延长的使用寿命。三、实施方案1技术特点、关键技术和关键工艺 采用先进的数据挖掘技术，从大量正常运行历史数据中挖掘出隐含的参数关联性、耦合性，让计算机不断学习和记忆设备正常运行时参数随工况的变化规律，实时预测出设备监测参数的基准曲线，如下图

10、： 采用分层次的评估方法，实现了对于设备、系统以及机组的健康状态评价，评价结果有据可查； 实时跟踪和判断测点数据的准确性，主动发现测点异常，自动生成告警提示信息，能有效消除测点异常对设备状态评价的影响，同时辅助热工测量维护工作；预置机组设备故障模式库，并提供便捷的知识库更新和维护功能2实施的具体内容和技术路线2.1实施的具体内容（1）数据准确性甄别作为数据建模的第一步，要求跟踪判断监测样本数据的准确性，主动发现测点异常，生成告警提示信息。支持实时/历史数据准确性异常告警信息查询。数据准确性甄别方法基于动态测试数据处理的经典方法，同时引入热力生产过程经验对数据准确性做判断，判断过程科学，判断结果

11、可靠。数据准确性甄别判断异常的测点将不参与参数评估的过程。包括标准差检验、突变点检验、冗余检验、粗范围检验和相关检验。（2）设备监测模型创建梳理重要监测参数，针对机组重要辅机设备建立实时监测模型，依据海量历史数据中隐含的参数关联性、耦合性以及设备正常运行的样本数据，建立基于大数据机器学习算法的设备监测模型。（3）参数相关性分析针对机组设备的任意2个监测参数，可以进行 X-Y参数曲线查看和相关性分析。确定X 、Y轴参数与采集间隔后，展示出所查时间段的历史数据散点图，帮助设备维护员进行监测参数的异常分析。（4）设备状态评价基于高维空间状态点相似度原理进行设备状态评估，简单直观，并且能够持续跟踪和监

12、视。系统支持分级别的参数预警，预警触发支持相似度劣化报警、实际值限值报警两种告警模式，从而实现了设备监测参数的早期劣化或设备故障预警。在充分考虑参数类、设备、系统的对于上层设备状态评价的影响程度或贡献度的基础上，采用分层次的设备状态评价方法，由监测参数状态评分进而计算机组主要设备的监测参数、系统、机组的状态评分及对应状态（正常、注意、异常、严重）。当机组、系统或设备出现不同级别的预警提示时，系统能通过不同颜色进行标识展示，同时会把引起该异常的主要测点罗列出来，便于电厂技术人员进行故障定位分析和查找原因。预警理念与思路见下图：（5）设备状态监测当监测参数相似度出现劣化，实测值达到或超过热工保护定值上的报