摘要
为了避免电厂设备在运行期间出现异常状态直接或间接导致机组停机增加维护成本,提出了一种基于大数据技术的设备状态评估和预警方法。多元状态估计技术是该方法实现设备故障诊断和健康管理(PHM)的可行技术之一,它的实现依赖海量健康数据的训练学习。基于大数据技术对历史状态数据离线学习并训练健康状态评估模型,针对目标设备实时分析相关参数的残差值变化,通过滑动窗口残差统计法自动检测偏差情况,实现目标设备异常状态的在线监测。以某电厂火电机组的制粉系统为例进行状态评估和健康诊断研究,引入参数贡献率来表征引起异常的强弱因素,进一步推进了对设备状态和故障问题的分析,试验结果表明该方法能够有效地进行电厂设备状态评估和设备故障预警。
学科与关键词
关键词
多元状态评估大数据技术故障诊断贡献率分析制粉系统
- 智慧化全数字技术在汽轮机运行动态风险监测防控技术及管控平台的应用研究韦媛2026年岭南电力论坛, 中国广东广州, 2026-04-10.
- 基于大数据的电力企业运维技术应用何安宏; 傅文进集成电路应用, 2019, (12): 64-65.
- Research on the Application of Large Data Analysis Technology in Equipment Monitoring SystemChengJihong; RuanChuanfeng; CuiJia; QiYudong计算机测量与控制, 2016, 24(9).
