基于灰熵分析法的高壓加熱器運行狀態測點選擇

顧 偉，杜景琦

（1. 云南電力試驗研究院（集團）有限公司，云南 昆明 650217；2. 云南電網公司電力科學研究院 研究生工作站，云南 昆明 650217）

基于灰熵分析法的高壓加熱器運行狀態測點選擇

顧 偉1,2，杜景琦1

（1. 云南電力試驗研究院（集團）有限公司，云南 昆明 650217；2. 云南電網公司電力科學研究院 研究生工作站，云南 昆明 650217）

為了建立高壓加熱器狀態預警模型，選擇合適的測點。采用灰熵關聯法，分析了抽汽溫度、抽汽壓力、出口水壓、端差、進汽溫度、疏水溫度、主給水流量對昆二電廠1號機1號高壓加熱器運行狀態（出口水溫）的關聯性程度。結果表明疏水溫度、抽汽溫度、進汽溫度是高壓加熱器運行狀態的合適測點，這為高壓加熱器故障預警模型建立提供了科學依據。

高壓加熱器；測點；出口水溫；灰熵分析法

0 引言

高壓加熱器是火電機組的主要輔助設備之一。高加系統長期處于高溫高壓的運行狀態，加之運行中還受到機組負荷突變、給水泵故障、旁路切換等因素的影響，造成了高加系統的頻繁故障。目前，高加系統故障已成為影響機組穩發滿發的主要原因之一，僅次于鍋爐爆管。

提高高壓加熱器的可靠性和安全性將會極大地提高火電機組運行經濟性，降低運行成本。因此建立高壓加熱器故障預警模型并對故障進行早期診斷是提高整個火電機組安全性的必要手段。其中用于反映設備狀態的過程變量（即測點）種類和數量繁多，這些測點分別從不同方面反映了設備的狀態信息，而不同測點之間又相互耦合關聯，且存在冗余。由于測點選擇的好壞對狀態預警算法的性能具有重要影響，需要分析設備不同測點之間的關聯程度。

灰熵關聯分析是一種系統分析方法，可以在不完全的信息中，對所要分析研究的各因素，通過一定的數據處理，在隨機的因素序列中找到其關聯性，提煉出影響系統的主要因素及主要特征和因素間對系統影響的差別[5]。本文從灰色系統的理論出發，采用灰熵關聯法，針對昆二電廠1號機1號高壓加熱器進行分析研究，同時定性分析和研究了相關測點對運行狀態的影響，這對于高加故障預警模型的建立有重要意義。

1 灰熵關聯分析法

灰色系統理論是由我國鄧聚龍教授創建的，近年來已被應用于工業、社會、經濟等領域。灰色系統理論著重研究部分信息明確，部分信息未知的小樣本、貧信息的不確定性系統，通過對部分已知信息的處理，實現對系統的確切描述。

在實際應用過程中許多學者對灰色關聯法提出了一些改進，但這些方法在確定關聯度時都采用計算逐點關聯測度值平均值的辦法，這樣依然存在 2個缺點：（1）局部關聯點傾向，即在點關聯測度值分布離散的情況下，由點關聯測度值大的點決定總體關聯程度的傾向；（2）信息損失，即平均值淹沒了許多點關聯測度值的個性，沒有充分利用由點關聯測度值提供的豐富信息。

因此提出了灰熵關聯分析法來彌補上述不足，灰關聯熵分析是在灰關聯分析基礎上發展而來的方法?；谊P聯熵分析將參考因素和比較因素的數據序列的關聯程度用“熵”的方法進行定量分析，用灰熵關聯度表征參考序列與比較序列的相關程度。灰關聯熵分析法能夠充分利用個性信息，實現整體性接近，更為科學合理。

灰熵關聯分析的基本步驟：（1）求出灰色關聯系數；（2）計算灰熵關聯密度、灰關聯熵；（3）計算灰熵關聯度，并據其大小確定影響系統的主次因素。

1.1 灰色關聯系數

設灰關聯因子集為X，xi(k)∈ X，i=1,2,…,m，k=1,2,…,n。其中x0為參考序列；xi為比較序列， 比較序列與參考序列間的灰色關聯系數為：

1.2 灰關聯熵

灰關聯系數列 Ri(k)= { γ[x0(k ) ,xi( k ) ]|k = 1 ,2,… ,n}，為了使之前獲得的灰關聯系數滿足灰熵的要求：同一序列內所有元素之和為 1。進行灰關聯系數分布映射：

則比較序列xi的灰關聯熵為：

由于已對灰關聯系數進行了分布影射，所以灰關聯熵是一種灰熵，灰熵的熵增原理對灰關聯熵同樣適用?；谊P聯熵Hi越大，比較序列xi與參考序列x0之間的關聯度越大。

1.3 灰熵關聯度

設灰關聯因子集為X，xi(k)∈ X，i=1,2,…,m，k=1,2,…,n。其中x0為參考序列；xi為比較序列。Hi為比較序列xi的灰關聯熵。比較序列xi的灰熵關聯度為：

式中Hmax=ln m，m代表由比較序列xi的m個元素構成的差異信息列的最大值。

根據熵增原理，灰熵關聯度Ei越大，比較序列xi與參考序列x0之間的關聯度越大。

1.4 認識灰熵關聯準則

由的灰熵關聯度可以確定灰關聯序列的灰熵關聯準則：比較序列的灰熵關聯度越大，則比較序列與參考序列的關聯性就越強（即兩者的吻合程度越好），其在關聯排序中的位置則相應地靠前。值得指出的是，在灰熵關聯度的分析中，依據灰熵的關聯準則，序列的初始處理方法不同，會引起灰熵關聯度的大小變化，但關聯序的排序一般是不發生變化的，就是說，關聯度的大小只是序列間相互作用、相互影響的外在表現，而關聯序的排序才是其實質，因為人們所關注的是灰熵關聯度的排序，而不是關聯度的實際大小。

2 高壓加熱器運行狀態測點選擇

高壓加熱器的狀態參數有很多，如抽汽壓力、抽汽溫度、進口水溫、出口水溫、主給水流量疏水溫度等，其中加熱器的出口水溫最為重要，直接反應了加熱器的性能及其運行狀態。

以昆二電廠1號機1號高壓加熱器為例，把高加的出口水溫作為評價指標，對高壓加熱器運行狀態影響因素中的抽汽溫度、抽汽壓力、出口水壓、端差、進汽溫度、疏水溫度、主給水流量的關聯性進行評價。提取1000組歷史數據，通過處理顯著誤差和隨機誤差，得到參考序列和比較序列如表1所示，表中，X0為高加出口水溫，X1為抽汽溫度，X2為抽汽壓力，X3為出口水壓，X4為端差，X5為進汽溫度，X6為疏水溫度，X7為主給水流量。

將表1作為灰熵分析的原始數列，為了消除樣本數據量綱不同對灰關聯分析的影響，使序列之間具有可比性，對其進行均值化處理，其值為 Yi，i=0,…,7，結果如表2所示。

圖1 高壓加熱器示意圖Fig.1 Schematic diagram of high pressure heater

根據式（1）計算出各個測點與高加出口水溫的灰關聯系數γi，i=0,…,7，其結果如表3所示。

根據公式（2），得到灰色關聯系數分布映射密度值Pi（i=0,…,7，）的計算結果，如表4所示。

表1 測點預處理后的數據Tab.1 Data after preprocessing of measured points

表2 序列均值化Tab.2 Se quence averaging

表3 灰關聯系數Tab.3 Gr ey relational coefficient

表4 灰色關聯系數分布映射密度值Tab.4 Gr ey relational coefficient distribution mapping density value

按式（3）計算比較序列的灰關聯熵，結果為：H1=6.90765，H2= 6.90338，H3=6.90337，H4=8.39394，H5=6.90755，H6= 6.83780，H7=7.00488。由式（4）計算灰熵關聯度, 比較序列的灰熵關聯度如圖2所示。

圖2 測點的灰熵關聯度Fig.2 Grey entropy correlation degree of measurement points

由于主要測點的關聯性隨著灰熵關聯度的增大而增大，從圖1可以看出，在相同時刻下,與出口水溫的關聯性由大到小順序為: 端差、出口水壓、主給水流量、抽汽溫度、進汽溫度、抽汽壓力、疏水溫度。

設備狀態預警測點選擇的基本原則為：（1）選擇的測點能夠從機理上反映設備所處不同狀態；（2）不同測點之間的關聯性盡量小，即當兩個測點之間具有極大關聯性時，可以根據實際應用情況選擇一個測點。

為了使狀態預警模型準確率和效率達到平衡，只取4個測點。由于出口水溫與端差兩測點具有極大關聯性，出口水溫必不可少，舍去端差。疏水溫度關聯性最小，為1個測點。抽汽溫度與抽汽壓力關聯性相差不大，且加熱器抽汽壓力值可靠度較低，抽汽溫度為1測點。

因此取4個測點為出口水溫、疏水溫度、抽汽溫度、進汽溫度。

3 結論

采用灰熵分析法分析了不同測點對高壓加熱器運行狀態的關聯性程度，分析結果表明端差、出口水壓和主給水流量對高壓加熱器運行狀態（即出口水溫）關聯性較大，抽汽溫度、進汽溫度和抽汽壓力關聯性次之，疏水溫度的關聯性最小。找出不同測點對高壓加熱器運行狀態的關聯性的主次關系, 可以為建立高壓加熱器狀態預警模型提供科學依據。選擇合適數量和代表性的測點，是高加狀態預警的關鍵步驟，直接影響故障預警方法的有效性和效率。將高壓加熱器看作灰色系統，對高壓加熱器進行灰關聯熵分析，整個過程步驟清晰，算法簡單?；异胤治龇ǚ治龅玫矫總€測點與高壓加熱器狀態之間的灰熵關聯度，量化測點與高壓加熱器狀態之間的關聯程度。利用灰熵關聯度對測點進行排序，克服了測點選擇的主觀性和盲目性，保證了測試點選擇的客觀性和正確性。

[1] 馬良玉, 王兵樹, 高建強, 等. 300MW火電機組高加系統典型故障特征規律的仿真研究[J]. 系統仿真學報, 2002,14(4): 455-458.

[2] 黃亮, 侯建軍, 劉穎, 等. 基于灰關聯熵的模擬電路測試點優選算法[J]. 電子測量與儀器學報, 2009, 23(9): 27-32.

[3] 張祎, 楊春霞, 栗保明. 基于灰熵分析法的電樞出口速度影響因素分析[J]. 彈道學報, 2011, 23(1): 93-96.

[4] 楊玉中, 吳立云, 張強, 等. 煤礦運輸安全性的灰熵綜合評價[J]. 中國安全科學學報, 2005, 15(9): 83-87.

[5] 張岐山, 郭喜江, 鄧聚龍. 灰關聯熵分析方法[J]. 系統工程理論與實踐, 1996, (8): 7-11.

[6] 李裕, 郭子彥, 朱會柱, 等. 基于混沌多目標粒子群算法的測點優選方法[J]. 電子測量與儀器學報, 2016, 30(7):1052-1061.

[7] 李艷, 李英浩, 高峰, 等. 基于互信息法和改進模糊聚類的溫度測點優化[J]. 儀器儀表學報, 2015, 36(11): 2466-2472.

[8] 魯豐坤, 王勇, 李保軍, 等. 深水隔水管疲勞多測點數據傳輸與仿真研究[J]. 國外電子測量技術, 2015, 34(12): 18-22.

[9] 王剛毅. 電廠高加水位控制的現狀及改進[J].機電信息,2010, 10(18): 102-103.

[10] 任志遠, 楊亞媛. #3機高加漏泄原因分析及治理方案[J].電力科學與工程, 2007, 23(5): 52-54,68.

Selection of Operation Point of High Pressure Heater Based on Grey Entropy Analysis

GU Wei, DU Jing-qi
(1. Yunnan Electric Power Research Institute (Group) Co., Ltd. Kunming 650217;2. Yunnan Power grid Co., LTD Electric Power Research Institute, Graduate Workstation Kunming 650217)

In order to establish an early warning model of high pressure heater, the suitable measuring point is chosen. By the gray entropy correlation analysis method, extraction pressure, outlet pressure, temperature difference,inlet temperature, temperature, feed water flow rate of steam turbine No. 1 Kunming two power plant No. 1 high-pressure heater operation state of the correlation degree (outlet water temperature). The results show that the hydrophobic temperature, the extraction temperature and the inlet temperature are the appropriate measuring points for the operation of the high pressure heater. This provides a scientific basis for the establishment of the fault warning model of the high pressure heater.

High pressure heater; Measuring point; Outlet water temperature; Grey entropy analysis method

TP206+.3 故障預測、診斷與排除

A

10.3969/j.issn.1003-6970.2017.11.023

本文著錄格式：顧偉，杜景琦. 基于灰熵分析法的高壓加熱器運行狀態測點選擇[J]. 軟件，2017，38（11）：119-122

顧偉(1992-），男，碩士，昆明理工大學在讀研究生，從事自動化控制研究工作；杜景琦，碩士，工程師，云南電力試驗研究院(集團)有限公司，從事電力系統自動化研究工作。