浅析基于物联网的火电机组远程诊断服务.docxVIP

浅析基于物联网的火电机组远程诊断服务 南京华盾电力信息安全测评有限公司 江苏南京 210000 摘 要：文章基于物联网的火电机组远程诊断服务，即通过对机组运行 数据的集中采集、存储和挖掘，建立涵盖设备级、参数级和重要的工艺流程的针 对性专业诊断模型，实现故障早期预警，提升了设备管理及监控水平。 关键词：物联网；火电机组；远程诊断服务；运行数据；故障预警 1基于物联网的火电机组远程诊断服务平台技术路线 系统核心技术是研究神经网络技术在基于物联网的火电机组远稈诊断 服务领域开发和应用，在开发的系统平台上，通过感知系统内部大量节点之间相 互连接的关系，达到系统、设备、参数故障预警和诊断的目的。主要研究及开发 内容如下： 1.1自适应与自组织能力 神经网络在学习或训练过程中改变突触权重值，以适应周围环境的要求。 它较之专家系统的固定的推理方式及传统计算机的指令稈序方式更能够适应化 环境的变化，总结规律，完成某种运算、推理、识别及控制任务。因而它具有更 高的智能水平，更接近人的大脑。 1.2非线性映射能力 神经网络有多种算法，如BP算法、Hebb算法、LMS算法、RNN算法、 高斯混合模型(gmm)等，这些算法各有特点。高斯混合模型(gmm)是其中 最高效的一种：高斯混合模型是单一高斯机率密度函数的延伸，由于gmm能够 平滑地近似任意形状的密度分布，划分更为精细，适用于多类别的划分，可以应 用于复杂对象建模。 例：有一批观察数据X = {xl,-,xn},数据个数为n,在d维空间中的分 布不是椭球状，那么就不适合以一个单一的高斯密度函数来描述这些数据点的机 率密度函数。此时我们采用一个变通方案，假设每个点均由一个单高斯分布生成 （具体参数mu;j Sigma;j未知），而这一批数据共由M （明确）个单高斯模型 生成，具体某个数据xi属于哪个单高斯模型未知，且每个单高斯模型在混合模 型中占的比例alpha;j未知，将所有来自不同分布的数据点混在一起，该分布称 为高斯混合分布。 图1表示所有样本数据 图2表示已经明确了样本的分类 由图2可以看出，gmm将原本杂乱无章的分布收敛到了三种近似椭圆 形的分布模型。结合神经网络各种算法的特点和发电企业的经验， 本方案选择了高斯混合模型（gmm）作为诊断服务平台模型建设的主要 算法，诊断模型具有计算准确、创建简单、易于掌握、便于扩展使用等特点。模 型的创建要求不依赖专业研究院或高校学者级别的专家参与，模型的训练只需要 找岀模型对象各工况的正常吋段即可，适合有丰富电厂运行和设备维护经验，对 设备运行特性熟悉的电厂级专家使用。 2基于物联网的火电机组远程诊断服务平台系统结构 2.1系统体系结构 基于物联网的火电机组远程诊断服务平台由电厂侧和诊断中心侧组成, 按照功能架构分为四层：数据采集层、数据存储层、业务处理层、信息展示层。 主要功能由多个业务子系统完成：核心诊断系统、辅助诊断系统、集中预警处理 系统、远程诊断决策支持系统。系统功能架构角度如图3所示，整个系统包括数 据采集层、数据存储层、业务处理层和信息展示层。 图3系统功能架构图 2.1.1数据采集层。将发电单位相关的实吋数据库系统以及点巡检和 TDM等业务系统产生的实时数据和关系型数据，通过与电厂的不低于2M的专线 网络,采用OLEDB、OPC、PITOPL Webservices或其他特定接口的采集方式实现 对底层系统生产过程和历史数据的采集。 2.1.2数据存储层。主要将数据采集层采集到的数据，通过统一吋标、 描述、分类处理后存储在诊断中心实时数据库和关系型数据库。 2.1.3业务处理层。以数据存储层的数据为基础，通过辅助诊断系统和 其他诊断系统将数据存储层数据转化为各子系统所需数据格式，进行相关业务处 理。将处理后产生的中间结果发送到核心诊断系统处理和预警。然后将各子系统 和核心诊断系统产生的分析报告和结果发送到数据展示层。业务处理层的基础功 能由核心诊断系统、辅助诊断系统以及后期根据需要增加其他专业子系统（例如 正在研发的锅炉寿命管理系统等其他诊断系统）。 第一，核心诊断系统具有对所有过程信号进行整体分析的能力，根据当 前实际运行状态与历史正常运行状态产生的偏差提供早期预警。核心诊断系统可 以实现对电厂的各类转机进行监测，还可以完成系统、设备、参数级的模型建设 和诊断。核心诊断系统主要基础功能包括状态预测、数据计算、模式设定、工况 选择、组态功能、分析界面、报警功能、规则定义。 第二，辅助诊断系统作为核心诊断系统的补充，以电厂旋转机械为关注 对象进行诊断，进行基于振动分频段的部件（如转子、轴承等）以及模糊综合评 价整机为核心的状态评价。主要基础功能包括设备静态模型管理、监测和分析、 数据综合管理、故障诊断知识库管理、事件通知。 2.1.4