解析火電廠鍋爐常見故障的數據挖掘診斷方法

朱貴森，李喜玲，趙麗華

烏海職業技術學院，內蒙古烏海 016000

近些年來，科技不斷發展，人們生活水平也有了很大提升，因此，人們對于電力需求得到了高速增長。如果現代社會想要得到很好的發展，就要求電力必須要首先得到發展，電力工業已經逐漸成為了各個行業發展最為根本的基礎，同樣成為了現代的人類能夠賴以生存必要的條件之一。尤其是科技的不斷進步，使得火電廠自身發電機組朝著集中化以及大型化這兩個方向不斷發展，但是，因為發電機組運行經驗缺乏、管理、安裝、制造以及設計等方面存在著缺陷，在這樣的環境下，數據采集與監控系統在火電廠的日常運行和管理過程中就變得極其重要，并且成為了監控火電廠鍋爐主要的對象，但是，鍋爐同樣會存在一定的故障，下面就解析火電廠鍋爐常見故障的數據挖掘診斷方法。

1 關于火電廠的數據采集與監控系統

火電廠的數據采集與監控系統也成為SCADA系統，該系統最為主要的功能就是定期對鍋爐以及火電廠汽機等等設備狀態的數據進行采集，在參數越限的時候就會將報警系統啟動，將故障數據記錄以及收集工作完成。數據采集與監控系統歷史數據庫通常會包括脈沖輸入量、計算量以及數字輸入量、模擬輸入量等等，其中，每一類型的數據都包括很多數據點，比如模擬輸入量也成AI量，模擬輸入量主要包括火電廠鍋爐的主蒸汽溫度以及主給水流量等等數據點；而數字輸入量也稱DI量，數字輸入量有火電廠鍋爐上水電動門的開關以及送風機出口風門開等等數據點。通常數據點會在一分鐘得以保存一次，每天每一個數據點都會有一千四百四十個數值，如果歷史的數據庫里面包括各個類型數據庫一共五千個數據點，那么，每天就會儲存五千乘以一千四百四十個數值，每一年的數據量都很大。這些數據除了應用到越限報警之外，在火電廠的大型設備產生故障診斷等方面沒起到很大的作用，原因就在于歷史數據庫里面模擬量就是變慢量，而且沒有高頻的成分，如果我們想要對大型復雜設備存在的故障更加精確地進行診斷，就必須要另外檢測設備測取設備故障信號里面那一部分高頻的成分。

2 火電廠鍋爐常見故障的數據挖掘診斷方法

我們把火電廠的數據采集與監控系統的歷史數據庫中存儲的海量數據當成設備故障的信息來源，對于火電廠的大型設備常見故障來實施診斷，但是，診斷的前提就是這一類故障已經在數據采集與監控系統的歷史數據庫里面進行多次記錄，所以，系統才能夠從自身歷史數據庫里面找到和設備故障點相對應的設備狀態量存在的變化規律，進而得到設備故障診斷存在的規則。所以，在對火電廠鍋爐常見故障進行診斷的時候采取數據挖掘診斷方法必須要按照以下幾個步驟實施：實施數據挖掘診斷方法的數據準備與目標描述工作；對數據實施預處理；實施數據挖掘工作；實施目標評估工作。其中，實施數據挖掘工作能夠采取很多具體的方法來達成，在這里，我們需要根據數據預處理得到的結果，采取粗糙集這一種方法來將決策表建立起來，接著對我們所建立起來的決策表實施屬性約簡，然后反復重復以上四個步驟。

在我們進行數據挖掘工作之前，必須要對數據挖掘的目標和內容進行確定，也就是我們必須要確定采取數據挖掘這一種方式方法來實施故障診斷措施的主要目標，并且要對數據挖掘的目標實施詳細、真實的描述，以便我們能夠根據這一描述來進行數據的準備工作，數據挖掘的目標描述主要包括對鍋爐故障狀態點集合以及鍋爐故障診斷數據源的集合、選擇鍋爐數據挖掘的具體算法，進而能夠使得故障的數據源集合里面所產生的那些關鍵的數據點集能夠真正完全對鍋爐故障狀態點集合進行描述。而我們所采取的數據預處理方法需要我們明確初始的數據集合里面包含所有的計算量以及模擬量，如果所有的數據點都用在數據挖掘上面，那么，一定會導致算法的運行十分緩慢，其效率太低，更有甚者會導致火電廠的鍋爐故障診斷工作無法實施下去。所以，我們必須要在對數據進行預處理這一階段中，將初始的數據集合點數降低一個數量級到兩個數量級，對其實施相關分析、主成份分析以及領域專家的經驗點集等。在我們實施第三個步驟數據挖掘的時候，要求我們必須要明確數據挖掘過程中預備集合里面仍然包含著很多和火電廠鍋爐常見故障狀態吻合程度比較低的點，并且，這些點里面包含著很多冗余點，我們必須要使數據點能夠降低一個數量級到兩個數量級。

3 結論

本文中，筆者首先關于火電廠的數據采集與監控系統進行了分析，接著又對火電廠鍋爐常見故障的數據挖掘診斷方法進行了闡述和探討，在我們采用數據挖掘診斷方法的時候，需要我們明確并且注意的是如果我們所收集的數據里面并不包括多次鍋爐故障記錄，那么，我們不能從歷史的數據中將診斷規律挖掘出來。

[1]饒斐，張廣明，費宏舉，張柳.基于粗糙集人工神經網絡的鍋爐故障診斷模型[J].計算機工程與設計，2008(9).

[2]陳星鶯，張曉花，瞿峰，劉皓明，趙波.數據挖掘在電力系統中的應用綜述[J].電力科學與技術學報，2007(3).

[3]田亮，常太華，曾德良，劉吉臻.基于典型樣本數據融合方法的鍋爐制粉系統故障診斷[J].熱能動力工程, 2005(2).

[4]臧紅巖.基于Rosetta的粗糙集神經網絡在風機故障診斷中的應用[J].可編程控制器與工廠自動化，2011(5).