基于主元分析法的火電廠鍋爐故障檢測分析

李 峰

（華電國際電力股份有限公司十里泉發電廠，棗莊 277103）

信息化時代，我國科學技術不斷發展，促使機械制造水平和設備自動化水平不斷提高，有利于提升人工操作的便捷性。但是，復雜的機械操作原理無形中增加了機械維修費用，一旦機器在運行中出現重要故障，易給企業帶來巨大的經濟損失[1]。故障檢測在企業運行中所占地位逐漸提升，主要通過專業工具檢驗設備的運行情況，提前預測可能出現的故障，并及時定位故障原因，針對性地提出解決措施，避免設備損壞出現運行停止、錯誤報警等，確保系統能正常運行。本文通過分析火電企業日常運行過程，發現企業在故障檢測方面存在的問題[2]。

1 主元分析法的改進原因

傳統主元分析法（Principal Component Analysis，PCA）將側重點放在穩定運行方面，對動態條件下的運行重視程度不足。如果在動態環境下采用傳統方式，很容易產生大量錯誤信號或者漏檢等，嚴重影響系統檢測可靠性。因此，企業需要通過改進PCA方式來更好地面對不穩定系統。主元模型利用歷史建模數據構建，不僅擁有變量間的相關關系，也擁有各種統計特性如方差統計、數據變量均值統計等。當工作人員利用主元模型檢測時，新的數據樣本需要利用元數據進行標準化。在日常運行過程中，方差和變量間的相關性基本不變。當工況出現改變時，變量會出現不同程度的變化，這時變量和方差間的相關性會出現較大改變。專業人員分析發現，當出現工作狀態變化時，平方預測誤差（Squared Prediction Error，SPE）和T統計量會呈現逐漸增加趨勢，導致統計量超過控制規定，但不一定會出現機械故障。因此，工作人員要注重主元模型單一性問題和實用性問題，不能隨便將主元模型應用到其他環境。工作人員要合理優化固定控制限，使得控制限不再像傳統模式中毫無變化，確保其根據不同情況變化，即科學推理適應控制限[3]。

2 自適應控制限的確定

通過分析數據矩陣X統計的變量，能利用專業方式測量基本數據，得到方差和均值。所以，工作人員可合理利用統計學方法進行相關計算。在統計學中，數據方差和均值都能根據數據變化出現改變，無論整個過程出現何種變化，其方差和均值都會出現隨機變動。為了能達到預期目標，工作人員能利用控制限將方差和均值相互連接，從而使其可在動態過程中使用PCA方法進行分析[4]。

2.1 T 2自適應控制限的確定

均值和方差用式（1）和式（2）表示，即

2.2 SPE自適用控制限確定

通過推理T2自適應控制限，能大致掌握SPE自適應控制限的推理思路。SPE的方差和均值能利用專業方式獲得，所以工作人員可應用上述方法或者直接套用z值，將SPE固定控制設置為δSPEα和自適應控制限為δSPEadp。

自適應控制限δSPEadp為

針對工作情況變化，可獲得SPE控制限為

2.3 數據仿真實驗

為檢驗優化PCA方法控制限的作用，將其應用于日常運行過程。由于火電廠參數過于復雜，無法利用直接方式體現新方法在故障檢測中的作用，選擇使用仿真軟件來實施。MATLAB軟件具有操作簡單、效率高等特點，可利用火電廠基本數據來對比新舊控制限方法的效果。在選擇數據方面，工作人員科學選擇工況出現改變的數據，才能真正對比新方法的作用。本文選擇的數據來自某火電廠的磨煤機數據，其中磨煤機的給煤量經過一段時間的沉淀后出現10 t左右的數據變化[5]。該機械數據采樣時間為1 min，選擇使用前498 min的數據構建主元模型，在模型建設完成后利用360 min進行測試。選擇的磨煤機參數，用數據矩陣X來表示，如表1所示。

表1 建模用量列表

為確定PCA方法自適應控制性，工作人員要從運行中選擇一段穩定到動態的階段，如圖1所示。通過圖1可知，前190 min，給煤量長期停留在43 t左右，后給煤量出現大幅度增加，上升到55 t左右。因此，工作人員可將前190 min作為穩態處理，將190 min后作為變工況處理。

圖1 給煤量

為更好地對比2種PCA方法，利用對照法進行研究。一組利用傳統測量值計算固定測量值，判斷后期數據真實性；另一組利用自適應控制限的主元分析法分別測量2個測量值，有利于工作人員從圖像上觀察超限問題。MATLAB仿真實驗結果如圖2所示，可查看利用傳統PCA方法計算呈現的3個測量值和控制限的關系，其中虛直線為固定控制限[6]。

圖2 采用傳統方法的平方預測誤差及其控制限

分析圖2可知，正常情況下平方預測誤差完成超過標準值，一旦將這種方法應用于實際工作，很容易觸發報警系統。初期平方預測誤差出現少量超限問題，直到190 min后，由于給煤量不斷增加，平方預測誤差數值同樣出現不同程度的增加，但其控制限仍處于固定值，超限問題嚴重，影響整個企業的正常運行。另外，傳統PCA計算的控制限存在誤差，即使在穩態情況下運行也無法達到故障檢測的作用。所以，站在平方預測誤差角度來看，在穩態和動態相結合的情況下，傳統PCA無法達到行業標準[7]。

圖3利用傳統主元分析法檢測T2測量值和固定控制限的關系。可見，在工況變化前，利用固定控制限能提高運行穩定性，但在190 min后隨著給煤量的不斷增加，T2值會明顯增長，出現超限問題而觸發報警系統。

圖3 采用傳統PCA的T 2值和控制限

3 結語

通過分析可知，火電企業在故障檢測方面存在很多問題。本文主要深入研究了火電企業在故障檢測方面的誤報警，根據多元統計方法，提出將主元分析法用于控制限，推導出自適應控制限的公式，提出平方預測誤差和T2統計指標對應控制限的自適應算法。將該方法應用于火電廠磨煤機運行狀態檢測，選取單臺磨煤機，利用MATLAB進行仿真測試。實驗證明，改進后的自適應控制限對火電廠穩態與暫態都是有效的。最后，運用綜合評價方法對該技術改造的技術性與經濟性進行了評價，得出該技術改造的綜合效益為優。