數據挖掘在電站故障預警的應用

導語：數據挖掘在電站故障預警的應用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：近年，電站企業從自動化轉型為信息化、智能化的需求升高，通過對電站DCS中儲存的大量數據進行分析，能夠提示設備劣化狀態，對電站企業提高生產效率、經濟安全運行有積極的指導意義。將數據挖掘應用于電站數據分析，試圖為電站安全性運行提供理論依據。介紹了數據挖掘的概念，著重研究了數據挖掘中數據預處理、聚類、回歸的方法，之后將該方法應用于實際電站的預警中取得了較好的效果。

關鍵詞：數據挖掘；故障預警；聚類；回歸

電站設備的可靠、安全運行是各個發電企業管理者最為關注的事情。同時，為了追求高利潤，就需要合理安排檢修周期和內容。實現設備的高可靠性運行與減少檢修費用的雙向需求，是電廠管理者的難題，往往現場人員少、任務多，能夠讓計算機代替人員在海量的數據中挖掘出有價值的信息，并主動、準確地發現設備潛在的問題，幫助電站有重點、合理的安排檢修計劃。目前大多電站主要以DCS報警為依據對設備進行故障狀態觀察，這些傳統的技術方法無法發現數據背后隱藏的規律，很難了解設備運行的劣化狀態，造成了數據資源的巨大浪費。近年來，數據挖掘隨著計算機性能的發展越來越多的得到了人們的關注，它是一門利用數據庫、統計學、人工智能、專家知識庫等知識，把海量歷史數據作為研究對象，對這些數據通過分類、關聯規則分析、回歸擬合等方式進行分析、處理，從而挖掘出隱藏在數據中有用的知識，幫助管理者和技術人員決策提供有力的依據。將數據挖掘應用于電站故障預警中，可幫助電站實現預測性檢修管理，在保證設備安全有效的情況下，減少檢修費用。

1數據挖掘

1.1數據預處理過程。在工況復雜的工業電站中傳感器數據通過DCS讀取和傳輸，傳感器數據往往會因為環境影響產生數值跳變或者損壞。為了提高預警建模的準確性，首先我們需要提高數據的質量，清除數據中的噪聲，糾正不一致。數據預處理就是將準確、完整、一致、可信的數據提取出來。數據預處理通過數據清理、數據集成的方式來完成。通過填寫缺失值，光滑噪聲數據，識別或刪除離群點對原始數據進行清理。首先對于采集的數據進行偏差檢測，對于錯誤和退化的數據進行分離或者修正。數據的缺失值采用回歸基于推理的方式填寫。噪聲數據采用分箱的方法將數據分成多個不同的區間，進行箱中位數光滑或者箱邊界光滑。同時設置數據上下限過濾和時間過濾，可按照上下限或時間對于故障數據、停機數據進行過濾處理。對于一般的離群點數據進行分析，對于無效數據刪除，離群點清理如圖所示。1.2數據聚類。數據挖掘中主要的數據類別定義算法是分類和聚類，其中分類算法常見的有KNN、決策樹、支持向量機、樸素貝葉斯等，聚類算法常見的有K-means、DBSCAN等。本文選取的是聚類算法k-means，該算法是無監督學習算法可以在不定義樣本類別的情況下，自動的根據數據特征進行迭代分析從而聚類。該算法的主要思想是將數據分為K類，則隨機選取K個對象作為初始的聚類中心，然后計算每條數據與定義過的中心之間的距離，把該條數據分配給距離它最近的一個聚類中心。聚類中心以及分配給它的所有數據條就代表一個類。系統會不斷迭代計算聚類中心直到滿足條件結束，一般來說就是每條數據到聚類中心的誤差平方和最小為最佳聚類方案。迭代方法，給定數據集劃分假設的聚類數K，每個類各自一個聚類中心：準則函數：ᥘᥘ1.3標準值預測模型。將數據分類后，對機理意義上數據相關的兩個或多個屬性進行數據挖掘找尋他們之間的關系建立標準值預測模型。本文標準值預測模型選取的算法是回歸算法，回歸算法模型中利用梯度下降法對損失函數求最優解。損失函數：ᥘᥘᥘᥘᥘ批梯度下降：ᥘᥘᥘᥘᥘᥘ

2數據挖掘在電站故障預警中的應用

2.1省煤器泄漏預警。鍋爐水冷壁、過熱器、再熱器和省煤器為火電最易發生泄漏的四類受熱面，他們造成的泄漏統稱為“四管泄漏”。在發電機組的非計劃停運統計中，鍋爐四管泄漏占30％以上，在具體泄漏表現形式中，爆管約占90%。在泄漏事故發生時，影響重大，不僅對機組的穩定運行構成了嚴重威脅，影響發電指標的完成和導致經濟效益降低，影響機組壽命，而且還直接影響到電網的正常調度，鍋爐四管泄漏的防治是電廠的重點工作，對因四管泄漏造成的非計劃停運意義很大。本文針對省煤器泄漏進行分析，選取測點為：省煤器入口煙溫、省煤器出口煙溫、主蒸汽流量。2.2省煤器預警模型。首先利用k-means算法將選擇的3個屬性的數據進行聚類，經過驗證當k取值為4時，聚類誤差最小。然后將每個類別的數據（選取省煤器入口煙溫、省煤器出口煙溫）利用回歸算法進行曲線擬合。擬合結果圖如下。2.3省煤器泄漏預警模型在電站中的應用。下圖是某電廠省煤器出口煙溫實時值和模型輸出正常值的曲線圖，曲線中可以看出當泄漏故障發生時實際值和正常值發生明顯偏離，根據數據偏離提示與現場省煤器位置進行驗證，發現省煤器部分確實有少量泄漏現象，經過現場工作人員檢修后，數據恢復正常。

3結論

省煤器是電站鍋爐系統的主要設備，在應用中及時發現了省煤器泄漏風險，經提示現場及時檢修避免了故障進一步擴大，基于數據挖掘的預警模型建立為機組安全性運行提供了有效依據。

參考文獻

[1]湯羽,林迪.大數據分析與計算[M].2018.

[2]DHand,HMannila,PSmith.PrincipleofDataMining[M].2011.

[3]沙德生,陳江.火電廠設備狀態檢修技術與管理[M].2016.

作者:張振宇 孟兆博 亓皓寬 單位:哈爾濱電站設備成套設計研究所有限公司