WSN中基于灰靶理論的鍋爐泄露狀態(tài)評估*

滕志軍，許建軍，張　青，張明儒，郭素陽

（1.東北電力大學(xué)信息工程學(xué)院，吉林吉林132012；2.東南大學(xué)軟件學(xué)院，江蘇蘇州215000）

WSN中基于灰靶理論的鍋爐泄露狀態(tài)評估*

滕志軍1*，許建軍1，張青2，張明儒1，郭素陽1

（1.東北電力大學(xué)信息工程學(xué)院，吉林吉林132012；2.東南大學(xué)軟件學(xué)院，江蘇蘇州215000）

針對電廠鍋爐泄露狀態(tài)評估問題，提出一種鍋爐狀態(tài)的在線識別評估方法。該方法將灰色系統(tǒng)中的灰靶理論引入到電廠鍋爐泄露狀態(tài)評估中，首先設(shè)計(jì)一種基于ZigBee的電廠鍋爐在線監(jiān)測系統(tǒng)；然后將監(jiān)測到的泄露氣體數(shù)據(jù)進(jìn)行分析，給出鍋爐泄露狀態(tài)評估的算法步驟；最后根據(jù)鍋爐狀態(tài)按泄露程度的不同給出鍋爐分級的方法，來預(yù)測其鍋爐泄露的狀態(tài)。實(shí)驗(yàn)表明，提出的方法能夠有效地解決在沒有標(biāo)準(zhǔn)故障模型的情況下鍋爐狀態(tài)識別的問題，為鍋爐狀態(tài)評估提供了一種新途徑。

電廠鍋爐；ZigBee；灰色系統(tǒng)；灰靶理論

近年來，隨著國民經(jīng)濟(jì)的高速發(fā)展，暴露的環(huán)境問題日益突出，諸如人們較為關(guān)注的霧霾天氣，霧霾是由于燃煤鍋爐排放的二氧化硫、氮氧化物和可吸入顆粒物等污染物引起的。同時(shí)由于鍋爐設(shè)備體積大和頻繁使用，使得設(shè)備老化，易出現(xiàn)故障，產(chǎn)生大量危害氣體，給生產(chǎn)生活和環(huán)境帶來巨大的損失和破壞［1-2］。

針對上述問題，傳統(tǒng)的方案是直接采用工作人員定期去現(xiàn)場檢查，這樣需要大量人力和物力，并很難及時(shí)找出故障點(diǎn)。本文設(shè)計(jì)一種基于ZigBee的監(jiān)測系統(tǒng)進(jìn)行數(shù)據(jù)傳輸，省去了布線的麻煩，非常適合于電廠復(fù)雜環(huán)境下的監(jiān)測。由于灰色系統(tǒng)理論以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統(tǒng)為研究對象，主要通過對“部分”已知信息的生成、開發(fā)，提取有價(jià)值的信息，實(shí)現(xiàn)對系統(tǒng)運(yùn)行行為、演化規(guī)律的正確描述和有效監(jiān)控。在鍋爐故障預(yù)測方面，國內(nèi)外學(xué)者采用的是神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測等分析方法［3-5］，而沒有運(yùn)用灰靶理論。鑒于此，本文將灰靶理論引入到鍋爐狀態(tài)評估中，可以大大減少電廠鍋爐事故的發(fā)生，對生產(chǎn)生活有著重要的意義。

1　灰靶理論原理

灰靶理論由我國鄧聚龍教授首次提出，包括灰決策和灰評估理論［6-7］，其理論是在沒有預(yù)先給定的標(biāo)準(zhǔn)模式的條件下設(shè)定一個(gè)灰靶，運(yùn)用灰靶理論在灰靶中找到標(biāo)準(zhǔn)模式下的靶心，進(jìn)而將系統(tǒng)監(jiān)測到的氣體指標(biāo)模式與標(biāo)準(zhǔn)靶心進(jìn)行比較，得出灰關(guān)聯(lián)差異信息Δ0i（k），最后經(jīng)由等級劃分確定評估等級［8］。結(jié)合本系統(tǒng)的設(shè)計(jì)，當(dāng)氣體濃度變化越大，鍋爐發(fā)生的可能就越大，因此選取當(dāng)前每種氣體濃度的最大值構(gòu)造標(biāo)準(zhǔn)模式；然后各模式與標(biāo)準(zhǔn)模式一起構(gòu)成灰靶，則標(biāo)準(zhǔn)模式便是灰靶的靶心，靶心度（即靶心接近度）則是由每一個(gè)灰關(guān)聯(lián)差異信息空間的模式與靶心的灰關(guān)聯(lián)度計(jì)算得出；最后根據(jù)靶心度可以對鍋爐設(shè)備進(jìn)行模式狀態(tài)的識別，同時(shí)可以對設(shè)備進(jìn)行分級以及模式評優(yōu)等。

1.1建立標(biāo)準(zhǔn)模式f0

取 fi為設(shè)備的第i個(gè)狀態(tài)模式，f（k）為所有狀態(tài)模式下設(shè)備的第k個(gè)狀態(tài)參數(shù)序列，則建立狀態(tài)參數(shù)序列：

其中 ｛?fi（k）∈fi|k∈｛1，2，3，…，n｝，i∈I=｛1，2，3，…，m｝｝；則指標(biāo)模式序列f（k）為：

其中，｛?fi（k）∈f（k）|i∈I=｛1，2，3，…，m｝｝。

根據(jù)指標(biāo)的極性通常劃分為極大值極性、極小值極性和適中值極性3種。令POL（max）、POL（min）、POL（men）分別表示極大值極性、較小值極性、適中值極性，則當(dāng)POLf（k）=POL（max），取

則稱序列 f0=｛f0（1），f0（2），…，f0（n）｝為設(shè)備的靶心，即標(biāo)準(zhǔn)狀態(tài)模式。

1.2靶心系數(shù)與靶心度計(jì)算

對狀態(tài)進(jìn)行灰靶變換，記靶心系數(shù)為

式中；ρ∈［0，1］；Δ0i（k）表示待評估序列 fi與靶心 f0之間的灰關(guān)聯(lián)差異信息。稱γ（f0，fi）為 fi的靶心度，滿足

它代表各模式接近靶心（標(biāo)準(zhǔn)狀態(tài)模式）的程度，即靶心接近度。

1.3設(shè)備狀態(tài)的等級劃分

依據(jù)灰色理論平衡原理以及最小信息原理，將設(shè)備評估對象進(jìn)行劃分等級，在（0-1）按1/10比例劃分為［0.9，1］，［0.8，0.9］，…，［0，0.1］。根據(jù)設(shè)備的狀態(tài)序列參數(shù)與靶心度的接近程度確定所處的等級。從而判斷當(dāng)前設(shè)備的運(yùn)行狀態(tài)。

2　系統(tǒng)總體設(shè)計(jì)

電廠鍋爐在線監(jiān)測系統(tǒng)主要是由鍋爐環(huán)境檢測設(shè)備、ZigBee發(fā)送和接受設(shè)備［9-13］、終端監(jiān)測中心3部分組成（如圖1）。鍋爐環(huán)境檢測設(shè)備通過傳感器采集數(shù)據(jù)并處理，并將處理后的數(shù)據(jù)由ZigBee終端模塊發(fā)送出去，再經(jīng)多次ZigBee無線路由模塊轉(zhuǎn)發(fā)，最終由終端監(jiān)測中心接收并處理。本系統(tǒng)可以實(shí)現(xiàn)3個(gè)功能，即鍋爐環(huán)境狀態(tài)數(shù)據(jù)的實(shí)時(shí)檢測，鍋爐各種環(huán)境數(shù)據(jù)無線實(shí)時(shí)傳輸和終端數(shù)據(jù)分析功能。

圖1　系統(tǒng)總體框圖

3　灰靶理論在鍋爐狀態(tài)評估中的應(yīng)用

對鍋爐監(jiān)測的數(shù)據(jù)進(jìn)行分析，得出鍋爐的狀態(tài)。選取狀態(tài)指標(biāo)和標(biāo)準(zhǔn)指標(biāo)，然后進(jìn)行灰靶變換和靶心度的計(jì)算，根據(jù)靶心度的大小，結(jié)合實(shí)際鍋爐的狀態(tài)，對靶心度分級。最后對未知參數(shù)的分析預(yù)測得出其它鍋爐的狀態(tài)。

3.1選取鍋爐狀態(tài)指標(biāo)

正常鍋爐運(yùn)行時(shí)，鍋爐周圍的參數(shù)，如各種氣體，溫度，濕度等應(yīng)該與大氣中的一樣，但當(dāng)鍋爐一旦有泄露發(fā)生，周圍的參數(shù)就會(huì)發(fā)生變化，根據(jù)鍋爐泄露的不同各個(gè)參數(shù)有不一樣的影響，這里取鍋爐泄露所產(chǎn)生的（H2O，SO2，H2S，SO3，CO2，H2，CO）7種氣體為特征氣體，取8個(gè)監(jiān)測節(jié)點(diǎn)，其泄露故障模式序列如表1所示。

表1　鍋爐狀態(tài)指標(biāo)模式序列（單位mg/m3，e表示指數(shù)部分）

表1中，濃度是指單位體積中標(biāo)所占的含量的比例。根據(jù)環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)［14］，每種氣體均小于其日平均限定值。對數(shù)據(jù)進(jìn)行分析：

當(dāng)k=1時(shí)，對應(yīng)H2O百分含量，具有最大值極性

同理（H2，SO2，H2S，CO2，SO3，CO）也都具有極大值極性：

丟失記錄和檢修記錄都應(yīng)該是最大值序列，考慮到實(shí)際情況，設(shè)這兩個(gè)指標(biāo)的最大值為1，則

因此標(biāo)準(zhǔn)模式序列

3.2灰靶變換

以吉林市某電廠鍋爐某個(gè)時(shí)刻數(shù)據(jù)位設(shè)別模式序列

針對上述序列進(jìn)行灰靶變換，定義T［·］為變換，即

則得出：

同理有：

3.3靶心度的計(jì)算

差異信息空間為

式中：ρ為分辨系數(shù)，ρ∈［0，1］。通常情況下，ρ=0.5表示對差異信息空間的上界值和下界值具有相同的偏好，可得

靶心度

3.4鍋爐狀態(tài)識別

依據(jù)最小信息原理，對靶心度進(jìn)行平均分為十擋，即為［0.0，0.1］，［0.1，0.2］，…，［0.9，1］。又根據(jù)灰色關(guān)聯(lián)度的相關(guān)定理，在的條件下，有

即：γ（x0，xi）≥0.333

因此在小于0.33以下各檔毫無意義。結(jié)合鍋爐泄露狀態(tài)的實(shí)際情況，則靶心度可分為以下各個(gè)檔，見表2。

表2　鍋爐狀態(tài)靶心度分檔

根據(jù)鍋爐環(huán)境狀態(tài)各檔相比較，可知該鍋爐節(jié)點(diǎn)處于輕度故障的第3級，經(jīng)現(xiàn)場該節(jié)點(diǎn)范圍內(nèi)檢查，沒有出現(xiàn)任何潛在的故障，分析可能是由于鍋爐老化，天氣影響環(huán)境溫度偏高引起的。經(jīng)檢驗(yàn)符合實(shí)際要求，說明該算法可以運(yùn)用在該鍋爐狀態(tài)的識別中。

4　結(jié)論

本文首先設(shè)計(jì)一種基于ZigBee的電廠鍋爐在線監(jiān)測系統(tǒng)，然后借助灰靶理論對采集的數(shù)據(jù)進(jìn)行分析，通過將實(shí)驗(yàn)結(jié)論和現(xiàn)場的檢查對比分析可知，系統(tǒng)運(yùn)行良好，能很好的適合于鍋爐的監(jiān)測。采用的灰靶理論能夠很好的運(yùn)用于鍋爐狀態(tài)的的判斷，為電廠鍋爐狀態(tài)的評估提供了一種有效的方法。下一步的工作是如何計(jì)算每種氣體的權(quán)重，改進(jìn)現(xiàn)有灰靶理論算法，同時(shí)，將改進(jìn)的灰靶理論和專家系統(tǒng)相結(jié)合，設(shè)計(jì)一種基于改進(jìn)灰靶理論的專家系統(tǒng)，使得更精確地滿足鍋爐狀態(tài)評估。

［1］楊朝婷，張歡，由世俊，等.一種既有燃煤鍋爐安全性評價(jià)方法［J］.暖通空調(diào)，2014，44（10）：111-116.

［2］Price J W H.10-Risk-Based Inspection and Life Management in Boilers in Coal Power Plants［J］.Coal Power Plant Materials and Life Assessment，2014：265-287.

［3］余廷芳，李鵬輝.基于神經(jīng)網(wǎng)絡(luò)的NO_x燃煤鍋爐排放預(yù)測及優(yōu)化［J］.熱力發(fā)電，2015，44（4）：112-115.

［4］尹正文，姜麟，茅穎.實(shí)時(shí)灰色最小二乘支持向量機(jī)模型在蒸汽預(yù)測中的應(yīng)用［J］.科學(xué)技術(shù)與工程，2012，12（24）：6158-6161

［5］單文娟，景國勛，劉軍.灰色系統(tǒng)理論在預(yù)測電廠年供電量中的應(yīng)用［J］.工業(yè)安全與環(huán)保，2009，35（9）：1-2.

［6］羅逸，鄧聚龍，鄭家粲.腐蝕評估中的灰靶方法［J］.中國腐蝕與防護(hù)學(xué)報(bào)，2001，21（6）：374-378.

［7］李建坡，趙繼印，鄭蕊蕊，等.基于灰靶理論的電力變壓器狀態(tài)評估新方法［J］.吉林大學(xué)學(xué)報(bào)（工學(xué)版），2008，38（1）：201-205.

［8］陳士瑋，李柱國，徐啟圣.基于灰靶理論和油液監(jiān)測的磨損模式識別研究［J］.中國礦業(yè)大學(xué)學(xué)報(bào)，2005，34（3）：353-357.

［9］Iqbal M S.Performance Evaluation of IEEE 802.15.4 Standard for Low Data Rate Ad Hoc Wireless Sensor Networks［C］//IEEE Conference Publications，2013：300-304.

［10］滕志軍，李國強(qiáng)，何鑫，等.基于ZigBee的高壓電氣設(shè)備溫度在線監(jiān)測系統(tǒng)［J］.電測與儀表，2014，51（1）：85-88.

［11］曹明勤，張濤，王健，等.基于ZigBee的農(nóng)業(yè)物聯(lián)網(wǎng)監(jiān)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.電子技術(shù)應(yīng)用，2013，39（12）：86-89.

［12］劉衛(wèi)東，張薇，孟曉靜.基于物聯(lián)網(wǎng)的煤礦檢測監(jiān)控系統(tǒng)研究［J］.電子器件，2015，38（03）：718-724.

［13］王世平，王志武，顏國正.基于ZigBee的可穿戴式病房無線監(jiān)護(hù)系統(tǒng)［J］.傳感技術(shù)學(xué)報(bào)，2015，28（10）：1563-1569.

［14］GB 3095—2012環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)［S］.

滕志軍（1973-），男，教授，博士，主要從事無線通信技術(shù)研究，tengzhijun@163.com；

許建軍（1991-），男，碩士研究生，從事無線通信技術(shù)研究，1031630501@qq.com。

Boiler Leaked State Assessment Based on Grey Target Theory in WSN*

TENG Zhijun1*，XU Jianjun1，ZHANG Qing2，ZHANG Mingru1，GUO Suyang1
（1.Department of Information Engineering，Northeast Dianli University，Jilin Jilin 132012，China；2.College of Software Engineering，Southeast University，Suzhou Jiangsu 215000，China）

For the problem of state assessment for power plant boiler leak，a boiler state line identification assessment method is proposed.This method introduces the gray target theory into the state boiler leaked state assessment，first to design a power plant boiler-line monitoring system based on ZigBee，then monitored gas leak data and analysed them to give the state of the boiler leaked assessment algorithm steps，and finally given the different methods according to the disclosure of the extent of boiler stage in order to predict the state of the boiler leaks.Experiments show that the proposed method can effectively solve boiler state identification problems without standard fault model，for boiler state providing a new way to assess.

power plant boiler；ZigBee；grey system；grey target theory

TM41

A

1005-9490（2016）05-1166-04

項(xiàng)目來源：國家自然基金項(xiàng)目（51277023）

2015-10-12修改日期：2015-11-26

EEACC:6150P10.3969/j.issn.1005-9490.2016.05.029