數(shù)據(jù)x(t+i)之間的殘差 e (i)，當(dāng)殘差e (i)不超過閾值時，則 i = i+Ι，以t-p+i為初始時間節(jié)點(diǎn)，繼續(xù)經(jīng)自回歸模型 獲得一殘差e (i)，直至殘差e (i)大于閾值；
[0030] 步驟106):將當(dāng)前預(yù)測數(shù)據(jù)外〃-/)、以當(dāng)前時刻t+i為始發(fā)點(diǎn)前p-1個連續(xù)時刻 對應(yīng)數(shù)據(jù)組成訓(xùn)練數(shù)據(jù)，分別經(jīng)至少兩個自回歸模型獲得對應(yīng)殘差，記錄下來，且i = i+1 ; 繼續(xù)將最新獲得的預(yù)測數(shù)據(jù)Λ_(? + 0、以當(dāng)前時刻t+i為始發(fā)點(diǎn)前p-1個連續(xù)時刻對應(yīng)數(shù)據(jù) 組成訓(xùn)練數(shù)據(jù)，直至獲得自回歸模型對應(yīng)地殘差序列；
[0031] 步驟107):對獲得的殘差序列進(jìn)行分析，當(dāng)所有殘差序列均表現(xiàn)出可能出現(xiàn)為某 種故障類型時，則判斷傳感器發(fā)生該類故障。
[0032] 基于上述技術(shù)方案，本實施例的自回歸模型為AR模型、AOSVR模型。為方便本技 術(shù)方案敘述，對于本技術(shù)方案來講，自回歸模型的個數(shù)只要符合至少兩個即可，其他實現(xiàn)方 法與本實施例大體一致。
[0033] 以國內(nèi)某600MW機(jī)組為研究對象，選擇該機(jī)組熱力系統(tǒng)的8個測點(diǎn)數(shù)據(jù)做傳感器 故障檢測的仿真研究。
[0034] 1、選擇8個測點(diǎn)數(shù)據(jù)作仿真研究，包括凝結(jié)水栗A出口壓力、凝結(jié)水栗B出口壓 力、凝結(jié)水流量（軸加前）、凝結(jié)水流量（除氧器前）、給水壓力、給水流量1、給水流量2、給 水流量3 ;
[0035] 2、確定每個測點(diǎn)的測量值在正常工況下的上下限；
[0036] 3、按照采樣時間間隔Imin在一段時間內(nèi)連續(xù)采集800個數(shù)據(jù)，以給水壓力為例作 說明；
[0037] 4、根據(jù)MDL準(zhǔn)則，計算得到AR模型的最佳階次p = 16 ;
[0038] 5、利用最小二乘法計算得到最優(yōu)的AR模型參數(shù)，得到AR模型的自回歸表達(dá)式； 6.根據(jù)p建立16輸入1輸出的AOSVR回歸模型；
[0039] 6、在第201個數(shù)據(jù)起疊加常見的傳感器故障漂移型傳感器故障，利用兩種模型對 該故障進(jìn)行檢測分析，按照每個時間窗的向前移動，將AR模型和AOSVR模型的回歸預(yù)測值 分別與實際測量值比較得到兩組殘差序列；
[0040] 7、對殘差序列進(jìn)行分析，發(fā)現(xiàn)兩組殘差序列均在200個樣本后逐漸超過閾值。如 圖2所示，為本實施例的AR模型輸出的殘差序列仿真圖；如圖3所示，為本實施例的AOSVR 模型輸出的殘差序列仿真圖。由圖2和圖3可以看出，兩組殘差序列的曲線形狀與漂移型 傳感器故障類似，初步判斷給水壓力傳感器發(fā)生了故障，并且很有可能是漂移型故障。
[0041] 本實施例將傳感器的時間序列測量數(shù)據(jù)作為模型的輸入樣本，實現(xiàn)模型的不斷更 新并預(yù)測出傳感器在下一時刻的輸出值。通過比較傳感器的預(yù)測值與實際值產(chǎn)生的殘差來 檢測傳感器故障是否發(fā)生。在傳感器有故障時通過模型實現(xiàn)故障數(shù)據(jù)的重構(gòu)，能快速準(zhǔn)確 地實現(xiàn)傳感器故障診斷與數(shù)據(jù)重構(gòu)，特別適合于在線應(yīng)用。
[0042] 以上所述的【具體實施方式】，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步 詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的【具體實施方式】而已，并不用于限定本發(fā)明 的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含 在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項】
1. 一種火電廠熱力系統(tǒng)傳感器故障診斷方法，其特征在于，該方法包括： 對熱力系統(tǒng)的傳感器信息數(shù)據(jù)進(jìn)行采樣； 根據(jù)傳感器信息采樣數(shù)據(jù)確定階次數(shù)P; 根據(jù)所述階次數(shù)P選擇自回歸模型； 確定自回歸模型中的參數(shù)，同時確定自回歸模型的表達(dá)式； i= 1，Wt-p+i為初始時間節(jié)點(diǎn)，時間序列窗口長度為P，對傳感器信息數(shù)據(jù)采樣得 到的P個實際測量數(shù)據(jù)作為自回歸模型的輸入，經(jīng)自回歸模型輸出第t+1時刻的預(yù)測數(shù)據(jù) 蛛+ 1)，并確定預(yù)測數(shù)據(jù)部+U與對應(yīng)的實際測量數(shù)據(jù)x(t+l)之間的殘差e(i)，當(dāng)殘差 e(i)不超過闊值時，則i=i+1，Wt-p+i為初始時間節(jié)點(diǎn)，繼續(xù)經(jīng)自回歸模型獲得一殘差e(i)，直至殘差e(i)大于闊值； 將當(dāng)前預(yù)測數(shù)據(jù).v(4〇、W當(dāng)前時刻t+i為始發(fā)點(diǎn)前P-1個連續(xù)時刻對應(yīng)數(shù)據(jù)組成訓(xùn) 練數(shù)據(jù)，分別經(jīng)至少兩個自回歸模型獲得對應(yīng)殘差，記錄下來，且i=i+1 ;繼續(xù)將最新獲得 的預(yù)測數(shù)據(jù)邸+Z)、W當(dāng)前時刻t+i為始發(fā)點(diǎn)前P-1個連續(xù)時刻對應(yīng)數(shù)據(jù)組成訓(xùn)練數(shù)據(jù)，直 至獲得自回歸模型對應(yīng)地殘差序列； 對獲得的殘差序列進(jìn)行分析，當(dāng)所有殘差序列均表現(xiàn)出可能出現(xiàn)為某種故障類型時， 則判斷傳感器發(fā)生該類故障。2. 如權(quán)利要求1所述的方法，其特征在于，所述自回歸模型包括AR模型、AOSVR模型。3. 如權(quán)利要求1或2所述的方法，其特征在于，所述階次數(shù)P通過MDL準(zhǔn)則確定。4. 如權(quán)利要求1或2所述的方法，其特征在于，所述自回歸模型中的參數(shù)通過最小二乘 法確定D5. 如權(quán)利要求2所述的方法，其特征在于，所述AR模型的表達(dá)式為：I二
【專利摘要】本發(fā)明涉及一種火電廠熱力系統(tǒng)傳感器故障診斷方法，包括：對熱力系統(tǒng)的傳感器信息數(shù)據(jù)進(jìn)行采樣；根據(jù)傳感器信息采樣數(shù)據(jù)確定階次數(shù)p；根據(jù)所述階次數(shù)p選擇自回歸模型；確定自回歸模型中的參數(shù)，同時確定自回歸模型的表達(dá)式；利用自回歸模型預(yù)測出傳感器在下一時刻的輸出值，通過比較傳感器的預(yù)測值與實際值產(chǎn)生殘差，獲得殘差序列；對獲得的殘差序列進(jìn)行分析，當(dāng)所有殘差序列均表現(xiàn)出可能出現(xiàn)為某種故障類型時，則判斷傳感器發(fā)生該類故障。本技術(shù)方案能快速準(zhǔn)確地實現(xiàn)傳感器故障診斷與數(shù)據(jù)重構(gòu)，特別適合于在線應(yīng)用。
【IPC分類】G01D18/00
【公開號】CN105318905
【申請?zhí)枴緾N201410840047
【發(fā)明人】仇曉智, 周衛(wèi)慶, 黃葆華, 劉雙白
【申請人】國家電網(wǎng)公司, 華北電力科學(xué)研究院有限責(zé)任公司, 北京博望華科科技有限公司
【公開日】2016年2月10日
【申請日】2014年12月30日