電站汽輪機組溫度傳感器虛擬冗餘方法
2023-05-20 18:52:46 4
專利名稱：電站汽輪機組溫度傳感器虛擬冗餘方法
技術領域：
本發明涉及一種電站機組溫度傳感器冗餘方法，特別是一種大型電站汽輪機組溫度傳感器虛擬冗餘方法，屬於電站自動化技術領域。
背景技術：
由於電站汽輪機的大部分溫度傳感器需在高溫、高壓、高溼甚至振動的環境下工作，致使溫度傳感器容易損壞，損壞後也不易更換，而溫度傳感器對機組的壽命管理、設備的故障診斷以及電站經濟性能分析管理系統具有很重要的作用，一旦重要的溫度傳感器損壞，這些系統將無法繼續進行計算分析。
當溫度傳感器損壞後，現有的技術是採用如下的幾種冗餘方法 (1)硬體冗餘。一些重要參數的溫度傳感器設置較高的硬體冗餘，造成硬體費用增加，成本提高。而且有些傳感器由於汽輪機結構的特殊性，安裝在通流部分間隙很小的位置，無法進行硬體冗餘。如果硬體冗餘不足，一旦溫度傳感器損壞，壽命、故障診斷、性能分析系統在一個機組大修期內就會丟失重要的參數信息，不僅影響系統的正常運行和經濟性分析，還會因歷史數據的缺損影響機組狀態和壽命的評估。
(2)採用設計參數冗餘。由於電站汽輪機組運行工況複雜，參數隨機波動很大，設計值與運行值之間相差很大，所以沒法應用； (3)採用曲線擬合冗餘。由於對象本身具有複雜的非線性、多變量和時變特徵，採用簡單的曲線擬合方法往往存在較大的誤差，也很難滿足不同工況的計算和分析需要。
發明內容
本發明針對上述現有技術的不足，提出了一種電站汽輪機組溫度傳感器虛擬冗餘方法，即在由現場數據傳感器組採集的數據和電廠計算分析軟體之間嵌入一個電站汽輪機組溫度傳感器虛擬冗餘系統。該系統由資料庫模塊、傳感器故障識別模塊、人工控制下的在線學習建模模塊和溫度傳感器在線虛擬冗餘實現模塊組成。
本發明是通過如下技術方案實現的，本發明方法包括 步驟一、人工控制下的在線學習建模 (1)原始數據準備 選用電站機組某個重要測點的溫度傳感器A作為目標傳感器，其正常工作時候的數據作為目標數據，將容易測定的、或具有較多硬體冗餘的、或經過傳感器故障識別認定是正確的、且與目標傳感器輸出參數具有強關聯的傳感器B、C、D、E、F...作為原始數據傳感器，其正常工作時候的數據作為原始數據，選取相同時刻的一組目標數據和原始數據作為一個樣本，每隔一個固定的時間間隔取一個樣本，取N組(N≥250)樣本構成一個原始數據集。
針對每個傳感器所測得的N個數據，可以找出其最大值和最小值。若有l個原始數據傳感器和一個目標傳感器，就有l+1個最大值和l+1個最小值。
(2)原始數據集歸一化 由於網絡計算數據範圍為
，因此，在進行訓練之前必須將原始數據集進行歸一化，以減小計算量和避免誤差的擴大。歸一化採用公式(1)計算 其中 i＝0表示目標傳感器，x』0p表示原始數據集中第p組樣本的目標數據，x0p為x』0p歸一化後的值，稱為目標輸出參數； i＝1，2，...，l，表示第i個原始數據傳感器，l為原始數據傳感器個數，x』ip表示原始數據集中第p組樣本第i個原始數據，xip為x』ip歸一化後的值，稱為原始輸入參數； p＝1，2，...，N，表示第p組原始數據集的樣本，N為原始數據集的樣本總數； x』imin、x』imax分別表示原始數據集中第i個傳感器所測得的N個數據列中的最小和最大值。
(3)初始化權矩陣Vij和Wj 在訓練學習開始，需要對權矩陣Vij和Wj進行賦初值，這裡Vij是m×l階矩陣，Wj是1×m階矩陣，計算之前先對Vij和Wj矩陣內每個元素賦初始值為0～1之間的隨機數。
其中m為該模型的中間隱層節點數，根據輸入參數的不同來選取，一般，輸入參數個數越多，m值越大。當l＝3，m＝10～15；l＝4，m＝15～25；l＝5，m＝20～30。
(4)針對p＝1，2，...，N，學習訓練，獲得權矩陣Vij和Wj ①計算中間隱層節點ypj；對於第p組學習樣本，有 j＝1，2，，m，i＝1，...，l；(2) 其中 ②計算目標傳感器冗餘值dp 其中 ③計算誤差 對每一個目標傳感器冗餘值和目標輸出參數進行誤差計算，為 ④調整修正計算獲得新的連接權矩陣Vij和Wj，調整方法 計算中間變量δ0、δyj 令p＝p+1，計算 ΔWjp＝ηδoy(p-1)j+αΔWj(p-1) ΔVjip＝ηδyx(p-1)i+αΔVji(p-1) j＝1，2，...，m(5) Wj′＝Wj+ΔWjpi＝1.2....，l Vji′＝Vji+ΔVjip 為了進行下一輪的迭代計算，需要進行數據準備令 Vij＝Vij』 Wj＝Wj』； 式中ΔWjp、ΔVjp為計算第p組到第p+1組學習樣本時調整權矩陣的增量，ΔWj(p-1)、ΔVj(p-1)為前一組調整的權矩陣的增量，式(5)中的Vij』、Wj』表示第P+1組學習樣本的權矩陣，y(p-1)j、X(p-1)i為前一組樣本的中間隱層節點和第i個輸入傳感器的原始輸入參數；α、η是為了加快收斂速度而設置的兩個係數，一般取0～1之間的任意數，開始運算時取0.5，之後根據收斂狀態可以進行增加5％或降低5％的調整。
⑤判斷N組樣本全計算結束了嗎？如果沒有計算完，則重複進行①～④的計算，直到N組樣本全計算結束，得到目標傳感器冗餘值dp，然後計算總輸出誤差E 如果E不滿足精度要求，則重新針對p＝1，2，...，N，再進行(2)～(6)式的計算，這樣重複進行，直到誤差達到要求。
通過調整各Vij、Wj，可以求得輸出的誤差平方和E達到要求精度時的Vij、Wj，將該Vij、Wj、m以及x′imin和x′imax作為虛擬冗餘溫度傳感器模型保存在資料庫模塊內。
步驟二、在線虛擬冗餘溫度傳感器實現 通過上述人工控制下的在線學習建模過程，得到保存在資料庫中虛擬冗餘溫度傳感器模型。實際使用時，當採集的現場實測數據進入資料庫保存後，調用傳感器故障識別模塊，判別原始輸入數據傳感器和目標傳感器是否存在故障，如果目標傳感器工作正常，則直接將目標輸出數據送入電廠計算分析系統；如果發現目標傳感器有故障發生，則發出報警信息，並將經傳感器識別後無故障的原始輸入數據傳感器B、C、D、E、F...輸出的數據作為虛擬冗餘溫度傳感器模型的原始數據，即x』1、x』2、…、x』l，採用資料庫中保存的x′imin和x′imax經過(1)式歸一化後得到原始輸入參數x1、x2、…、xl，將資料庫中保存的Vij、Wj、m根據公式(7)和(8)計算，即可得到所需要的經過歸一化的目標傳感器冗餘值d，採用資料庫中保存的x′0min和x′0max經過反歸一化式(9)後就可得到目標溫度傳感器虛擬冗餘值，用來冗餘損壞的傳感器溫度參數。
j＝1，2，…，m；(7) j＝1，2，…，m；(8) x′0＝d·(x′0max-x′0min)+x′0min(9) 有益效果 本方法基於現場實測數據和人工神經網絡的有機結合，在理論上和實際應用上對任何形狀的曲線進行逼近，尤其是在汽輪機系統啟動和停機過程的非穩態過程，由於採用了大量現場實際信息，故所得的傳感器冗餘溫度的精度一般在1％以內，傳統的擬合方法對非穩態過程無法在線生成一個具有一定精度的溫度虛擬傳感器。電站汽輪機組監測參數較多，若將各個參數都用雙倍的傳感器作冗餘，則硬體費用大幅度上升，且系統複雜，從而使系統可靠性下降，採用虛擬冗餘，則靈活多用，使系統簡化，可靠性提高。
實際應用表明，該虛擬傳感器冗餘程度可以達到10～20％，即在10～20％傳感器損壞時能保持監測診斷系統繼續工作。電站汽輪機組溫度傳感器虛擬冗餘系統可以減少傳感器的熱備用，使電站汽輪機組監測診斷系統的運行可靠性和性能價格比大大提高。
圖1是本發明溫度傳感器虛擬冗餘方法的系統原理圖 圖2是本發明溫度傳感器虛擬冗餘人工控制下的在線學習建模示意圖 圖3是本發明溫度傳感器在線虛擬冗餘方法示意圖
具體實施例方式 下面結合附圖和汽輪機調節級後溫度傳感器虛擬冗餘方法對本發明的具體實施作進一步的描述。
如圖1、圖2和圖3所示，本發明在現場傳感器組採集的數據和電廠計算分析軟體之間嵌入一個電廠汽輪機組溫度參數虛擬冗餘系統。該系統由資料庫模塊、傳感器故障識別模塊、人工控制下的在線學習建模模塊和溫度傳感器在線虛擬冗餘實現模塊組成。
本發明實施方法包括 步驟一、人工控制下的在線學習建模 (1)原始數據集準備 本發明將調節級後溫度傳感器A作為待冗餘的目標傳感器，其正常工作時候的輸出數據作為目標數據，將功率傳感器B、主蒸汽溫度傳感器C、內缸內壁溫度傳感器D、第一級抽汽溫度傳感器E、調節級後壓力傳感器F五個原始輸入數據傳感器的輸出數據作為原始數據，選取相同時刻的一組目標數據和原始數據作為一個樣本，每隔一個固定的時間間隔實測一組樣本數據，共取250組樣本數據，如表1所示。
表1
將表1中的每一列數據如傳感器B下面的一列共有250個數據，選擇其中的最大值記為x』1max，將其中的最小值記為x』imin，同理可以得到傳感器C列的最大和最小值x』2max、x』2min，...，得到表2的x』imax、x』imin，(i＝0，l，2，3，4，5)。
表2
(2)原始數據集歸一化 將表1數據運用式(1)和表2的最大值和最小值進行歸一化計算，其結果如表3所示；其中，l＝5，N＝250。
表3
(3)建立初始權矩陣Vij和Wj 在訓練學習開始，選m＝20，建立初始權矩陣Vij和Wj，這裡Vij是20×5階矩陣，Wj是1×20階矩陣，對初始值Vij和Wj矩陣內每個元素賦初始值為0～1之間的隨機數。
(4)針對p＝1，2，...，250，學習訓練，獲得模型Vij和Wj ①利用原始數據集中的原始輸入參數，對p＝1，2，...，250組學習樣本，根據公式(2)計算中間隱層節點； ②根據公式(3)計算未經誤差分析的目標傳感器冗餘值dp； ③根據公式(4)計算目標輸出參數與目標傳感器冗餘值dp的誤差； ④根據公式(5)調整修正計算獲得新的權矩陣Vij和Wj； ⑤判斷250組樣本全計算結束了嗎？如果沒有計算完，則重複進行①～④計算，直到250組樣本全計算結束，得到目標傳感器冗餘值dp，並根據公式(6)計算得到總輸出誤差 如果總輸出誤差不滿足精度要求(1e-3)，則重新對250個樣本進行(2)～(6)式的計算，這樣重複進行，直到誤差達到要求。
將通過以上計算誤差達到要求時的Vij、Wj、m以及x′iminn和x′imax(即表2數據)作為虛擬冗餘溫度傳感器模型保存供溫度傳感器在線虛擬冗餘實現時使用。
步驟二、溫度傳感器在線虛擬冗餘實現過程 實際應用時，當採集的調節級後溫度傳感器A、功率傳感器B、主蒸汽溫度傳感器C、內缸內壁溫度傳感器D、第一級抽汽溫度傳感器E、調節級後壓力傳感器F六個傳感器數據進入資料庫保存後，調用傳感器故障識別模塊，判別調節級後溫度傳感器A是否存在故障，如果工作正常，則直接將數據送入電廠計算分析系統；如果發現調節級後溫度傳感器A有故障發生，則發出報警信息，並將經傳感器識別後無故障的功率傳感器B、主蒸汽溫度傳感器C、內缸內壁溫度傳感器D、第一級抽汽溫度傳感器E、調節級後壓力傳感器F五個原始輸入數據傳感器輸出的原始數據經過(1)式歸一化後得到原始輸入參數，歸一化使用表2中的最大和最小值送入(7)和(8)式，得到歸一化後的調節級後溫度傳感器冗餘值，經過反歸一化式(9)計算後就可用來代替損壞的調節級後溫度傳感器的輸出值。
權利要求
1.一種電站汽輪機組溫度傳感器虛擬冗餘方法，其特徵在於該方法包括；步驟一、人工控制下的在線學習建模
(1)原始數據準備
選用電站機組一個測點的溫度傳感器輸出數據作為原始數據集的目標數據，l個傳感器輸出數據作為原始數據集的原始數據。選取相同時刻的一組目標數據和原始數據作為一個樣本，每隔一個固定的時間間隔取一個樣本，取N組樣本構成一個原始數據集。
(2)原始數據集歸一化
採用公式(1)對原始數據集進行歸一化計算
(1)式中
i＝0表示目標傳感器，x』0p表示原始數據集中第p組樣本的目標數據，x0p為x』0p歸一化後的值，稱為目標輸出參數；
i＝1，2，...，l，表示第i個原始數據傳感器，l為原始數據傳感器個數，x』ip表示原始數據集中第p組樣本第i個原始數據，xip為x』ip歸一化後的值，稱為原始輸入參數；
p＝1，2，...，N，表示第p組原始數據集的樣本，N為原始數據集的樣本總數；
x′imin、x′imax分別表示原始數據集中第i個傳感器所測得的N個數據列中的最小和最大值。
(3)初始化權矩陣Vij和Wj
Vij是m×l階矩陣，Wj是1×m階矩陣，開始學習時對Vij和Wj矩陣內每個元素賦初始值為0～1之間的隨機數。
其中m為該模型的中間隱層節點數。
(4)針對p＝1，2，...，N，學習訓練，獲得權矩陣Vij和Wj
①計算中間隱層節點ypj；對於第p組學習樣本，有
其中
②計算目標傳感器冗餘值dp
其中
③計算誤差
對每一個目標傳感器冗餘值和目標輸出參數進行誤差計算，為
④調整修正計算獲得新的連接權矩陣Vij和Wj，調整方法
計算中間變量δ0、δyj
令p＝p+1，計算
ΔWjp＝ηδoy(p-1)j+αΔWj(p-1)
ΔVjip＝ηδyx(p-1)i+αΔVji(p-1)j＝1，2，...，m(5)
Wj′＝Wj+ΔWjpi＝1.2....，l
Vji′＝Vji+ΔVjip
Vij＝Vij′
Wj＝Wj′；
式中ΔWjp、ΔVjp為計算第p組到第p+1組學習樣本時調整權矩陣的增量，ΔWj(p-1)、ΔVj(p-1)為前一組調整的權矩陣的增量，式(5)中的Vij′、Wj′表示第P+1組學習樣本的權矩陣，y(p-1)j、x(p-1)i為前一組樣本的中間隱層節點和第i個輸入傳感器的原始輸入參數；α、η是為了加快收斂速度而設置的兩個係數。
⑤判斷N組樣本全計算結束了嗎？如果沒有計算完，則重複進行①～④的計算，直到N組樣本全計算結束，得到目標傳感器冗餘值dp，然後計算總輸出誤差E
如果E不滿足精度要求，則重新針對p＝1，2，...，N，再進行(2)～(6)式的計算，這樣重複進行，直到誤差達到要求。
通過調整各Vij、Wj，可以求得輸出的誤差平方和E達到要求精度時的Vij、Wj，將該Vij、Wj、m以及x′imin和x′imax作為虛擬冗餘溫度傳感器模型保存在資料庫模塊內。
步驟二、在線虛擬冗餘溫度傳感器實現
當採集的現場實測數據進入資料庫保存後，調用傳感器故障識別模塊，判別原始輸入數據傳感器和目標傳感器是否存在故障，如果目標傳感器工作正常，則直接將目標輸出數據送入電廠計算分析系統；如果發現目標傳感器有故障發生，則發出報警信息，並將經傳感器識別後無故障的原始輸入數據作為虛擬冗餘溫度傳感器模型的原始數據，即x′1、x′2、…、x′l，經過(1)式歸一化後得到原始輸入參數x1、x2、…、xl，將資料庫中保存的Vij、Wj、m根據公式(7)和(8)計算，即可得到所需要的經過歸一化的目標傳感器冗餘值d，經過反歸一化式(9)後就可得到目標溫度傳感器虛擬冗餘值，用來冗餘損壞的傳感器溫度參數。
x′0＝d·(x′0max-x′0min)+x′0min(9)
2.根據權利要求1所述的電站汽輪機組溫度傳感器虛擬冗餘方法，其特徵是在步驟一(3)初始化權矩陣Vij和Wj中所述的中間隱層節點數m是根據輸入參數的不同來選取，一般，輸入參數個數越多，m值越大。當l＝3，m＝10～15；l＝4，m＝15～25；l＝5，m＝20～30；
3.據權利要求1所述的電站汽輪機組溫度傳感器虛擬冗餘方法，其特徵是在步驟一公式(5)中所述的α、η兩個係數，在開始運算時取0.5，之後根據收斂狀態可以進行增加5％或降低5％的調整。
全文摘要
電站汽輪機組溫度傳感器虛擬冗餘方法，屬於電站自動化技術領域。本發明在由現場數據傳感器組採集的數據和電廠計算分析軟體之間嵌入一個電站汽輪機組溫度傳感器虛擬冗餘系統。該系統由資料庫模塊、傳感器故障識別模塊、人工控制下的在線學習建模模塊和溫度傳感器在線虛擬冗餘實現模塊組成。由於該方法採用了大量現場實際信息，故所得的傳感器冗餘溫度的精度一般在1％以內，彌補了傳統的擬合方法對非穩態過程無法在線生成一個具有一定精度的溫度虛擬傳感器的不足。電站汽輪機組監測參數較多，若將各個參數都用雙倍的傳感器作冗餘，則硬體費用大幅度上升，且系統複雜，從而使系統可靠性下降，採用虛擬冗餘，則靈活多用，使系統簡化，可靠性提高。
文檔編號G05B13/04GK101813920SQ20101017210
公開日2010年8月25日 申請日期2010年5月14日 優先權日2010年5月14日
發明者忻建華, 蘇明, 杜光程, 張東歐, 葛佳男, 葉春 申請人:上海交通大學