摘要：一般而言，火電機(jī)組磨煤機(jī)運(yùn)行環(huán)境十分惡劣，在整個(gè)運(yùn)行過(guò)程當(dāng)中，故障頻發(fā)。在對(duì)火電機(jī)組磨煤機(jī)典型故障預(yù)警技術(shù)的分析與應(yīng)用下，能夠有效提高火電機(jī)組運(yùn)行安全?；诖耍疚木蛯⑨槍?duì)火電機(jī)組磨煤機(jī)典型故障預(yù)警技術(shù)及其應(yīng)用展開(kāi)詳細(xì)的分析與探討。

關(guān)鍵詞：磨煤機(jī);故障預(yù)警; DBSCAN 聚類(lèi);半監(jiān)督學(xué)習(xí)方法;

中圖分類(lèi)號(hào)：TM315

引言

火力發(fā)電是現(xiàn)在電力發(fā)展的主力軍，在當(dāng)前社會(huì)運(yùn)轉(zhuǎn)下，循環(huán)經(jīng)濟(jì)環(huán)境作為主流，在提高火電技術(shù)的同時(shí)，也考慮電力對(duì)于環(huán)境的影響以及對(duì)不可再生能源的影響，發(fā)電廠可謂是社會(huì)不可缺少的能源供應(yīng)基地。在火電廠中，火電機(jī)組磨煤機(jī)的結(jié)構(gòu)十分復(fù)雜，并且其運(yùn)行環(huán)境相當(dāng)惡劣，在日常的工作運(yùn)行中多變的狀況時(shí)有發(fā)生，以至于故障頻發(fā)。目前，對(duì)于磨煤機(jī)典型故障預(yù)警技術(shù)方面的研究較少，需要在實(shí)踐與分析當(dāng)中一步一步的探尋。

一、火電機(jī)組磨煤機(jī)典型故障潛在特性分析

火電機(jī)組磨煤機(jī)典型故障可以分為設(shè)備故障以及工藝類(lèi)故障。設(shè)備故障涵蓋磨煤機(jī)震動(dòng)、風(fēng)管堵才磨煤機(jī)、出力不足、磨煤機(jī)漏粉、主軸承過(guò)熱、磨煤機(jī)自燃及靜壓軸承油壓產(chǎn)生異常狀態(tài);而在工藝類(lèi)故障中，涵蓋磨煤機(jī)滿(mǎn)煤、磨煤機(jī)斷煤、磨煤機(jī)自燃現(xiàn)象以及風(fēng)管堵塞故障，這些都?xì)w屬于運(yùn)行參數(shù)偏離正常值所引發(fā)的故障。而在這之中，火電機(jī)組磨煤機(jī)斷煤故障與自燃故障是最為典型的兩大故障。

1.火電機(jī)組磨煤機(jī)斷煤故障分析

火電機(jī)組磨煤機(jī)斷煤故障產(chǎn)生的原因多半是由于落煤管或者是給煤管發(fā)生了堵塞現(xiàn)象，當(dāng)出現(xiàn)給煤機(jī)斷煤、一次風(fēng)管堵塞、一次風(fēng)量過(guò)小時(shí)，這樣的情況都會(huì)造成磨煤機(jī)出現(xiàn)斷煤故障。在磨煤機(jī)內(nèi)存煤量不斷降低時(shí)，就會(huì)導(dǎo)致磨煤機(jī)發(fā)生斷煤故障。故障產(chǎn)生的整個(gè)環(huán)節(jié)中，少量濕煤無(wú)法吸入一次風(fēng)中過(guò)大量的熱，從而引發(fā)磨煤機(jī)出口上方的溫度不斷增高。當(dāng)系統(tǒng)自動(dòng)運(yùn)轉(zhuǎn)時(shí)，給煤機(jī)的運(yùn)轉(zhuǎn)速度不斷增高，但是進(jìn)煤量卻不斷降低，一次風(fēng)量伴隨給煤機(jī)轉(zhuǎn)速的信號(hào)持續(xù)增長(zhǎng)，最終導(dǎo)致排粉機(jī)功能消耗過(guò)大，而磨煤機(jī)中的煤料卻少之又少，最終能源消耗過(guò)大，斷煤故障隨即產(chǎn)生。

2.火電機(jī)組磨煤機(jī)自燃故障分析

火電機(jī)組磨煤機(jī)自燃故障中，磨煤機(jī)的出口溫度增高，導(dǎo)致磨煤機(jī)產(chǎn)生自燃故障。造成磨煤機(jī)出口溫度增高的主要原因有;磨煤機(jī)出現(xiàn)斷煤，導(dǎo)致磨煤機(jī)無(wú)法有效吸入一次風(fēng)熱量，磨煤機(jī)的入口熱風(fēng)堆積過(guò)多、冷風(fēng)與熱風(fēng)的比例失調(diào)等。當(dāng)磨煤機(jī)已經(jīng)產(chǎn)生自然故障之后，磨煤機(jī)出口溫度不斷增長(zhǎng)，系統(tǒng)內(nèi)部運(yùn)行時(shí)，熱風(fēng)門(mén)開(kāi)度關(guān)至到零的狀態(tài)，冷風(fēng)門(mén)就會(huì)全部打開(kāi)，以至于一次風(fēng)流量不斷降低，磨煤機(jī)出入口差壓與風(fēng)壓下降。

二、半監(jiān)督學(xué)習(xí)方法的磨煤機(jī)典型故障預(yù)警技術(shù)

基于火電機(jī)組磨煤機(jī)典型故障預(yù)警技術(shù)，提出半監(jiān)督學(xué)習(xí)方法的磨煤機(jī)故障預(yù)警技術(shù)，主要是應(yīng)用DBSCAN聚類(lèi)方法來(lái)構(gòu)建出磨煤機(jī)的故障預(yù)警模型，結(jié)合集成機(jī)器學(xué)習(xí)算法來(lái)實(shí)現(xiàn)磨煤機(jī)典型故障的預(yù)警，并有效對(duì)剩余可應(yīng)用時(shí)間進(jìn)行詳細(xì)的估算。

此外，該技術(shù)方法中包括從歷史數(shù)據(jù)中選擇與磨煤機(jī)運(yùn)作狀態(tài)相符合的歷史數(shù)據(jù)，涵蓋相似數(shù)據(jù)，還會(huì)對(duì)數(shù)據(jù)采取標(biāo)準(zhǔn)化預(yù)設(shè)處理，按照運(yùn)行日志與運(yùn)行的經(jīng)驗(yàn)，選擇磨煤機(jī)多種故障的歷史數(shù)據(jù)進(jìn)行對(duì)比，隨后選用DBSCAN聚類(lèi)算法對(duì)歷史數(shù)據(jù)進(jìn)行聚

類(lèi)分析，需要結(jié)合不同的故障狀態(tài)數(shù)據(jù)，標(biāo)出排序，即故障發(fā)生的時(shí)間線。

1.數(shù)據(jù)標(biāo)準(zhǔn)化分析處理

在此次數(shù)據(jù)標(biāo)準(zhǔn)化的分析處理中，選擇z-score的標(biāo)準(zhǔn)化數(shù)據(jù)預(yù)設(shè)處理方法，其中對(duì)涵蓋的m個(gè)樣本所蘊(yùn)含的特征xi進(jìn)行抽取，計(jì)算均值與標(biāo)準(zhǔn)差，隨后根據(jù)公式將數(shù)據(jù)的映射條件釋放的新的范圍中，可列舉公式：

2.DBSCAN聚類(lèi)磨煤機(jī)故障分析

DBSCAN聚類(lèi)算法可以算是一種基于密度的聚類(lèi)方法，參照不同的數(shù)據(jù)樣本在樣本獨(dú)有空間內(nèi)分析數(shù)據(jù)的緊密程度，并將樣本劃分為不同簇，這樣的方式聚類(lèi)的十分迅速，能夠有效處理各類(lèi)異常的數(shù)據(jù)信息。

在DBSCAN聚類(lèi)算法的應(yīng)用中，首先要參照擬定的領(lǐng)域參數(shù)∈與MinPts來(lái)找出所在內(nèi)容中心的所有核心對(duì)象，隨后可選擇隨機(jī)核心對(duì)象作為基礎(chǔ)出發(fā)點(diǎn)，探索出密度達(dá)標(biāo)的樣本，最后生成聚類(lèi)簇，直至核心對(duì)象均勻的被訪問(wèn)到。

另外，磨煤機(jī)的絕大部分故障都存在一個(gè)逐漸發(fā)展的過(guò)程，如果故障的特征較為薄弱，那么磨煤機(jī)的相關(guān)環(huán)節(jié)參數(shù)就開(kāi)始逐漸轉(zhuǎn)向正常運(yùn)行的數(shù)值，現(xiàn)在有絕大多數(shù)的故障預(yù)警技術(shù)，更偏向于研究故障的監(jiān)控與檢測(cè)，面向不同故障的類(lèi)型和設(shè)備的剩余可用時(shí)間缺少細(xì)致和系統(tǒng)的研究，對(duì)于磨煤機(jī)產(chǎn)生的不同故障條件，設(shè)備整個(gè)過(guò)程，其參數(shù)、空間、時(shí)間都潛在一定的差別。當(dāng)考慮到故障發(fā)展一般要經(jīng)過(guò)一定的時(shí)間周期，就可利用不同故障發(fā)展過(guò)程中的不同演變趨勢(shì)，對(duì)故障的類(lèi)型以及設(shè)備剩余可用時(shí)長(zhǎng)進(jìn)行估算?？稍跉v史數(shù)據(jù)庫(kù)中選擇磨煤機(jī)正常運(yùn)行狀態(tài)與故障狀態(tài)下的歷史數(shù)據(jù)，在選擇適合變量并進(jìn)行標(biāo)準(zhǔn)化分配的數(shù)據(jù)進(jìn)行詳細(xì)處理，利用地DBSCAN聚類(lèi)對(duì)故障數(shù)據(jù)展開(kāi)故障分離，隨后經(jīng)過(guò)不同故障階段的劃分，對(duì)于每個(gè)故障環(huán)節(jié)所分配的序類(lèi)進(jìn)行排列，有效統(tǒng)計(jì)出設(shè)備在不同階段的剩余可用時(shí)長(zhǎng)。

3.集成機(jī)器學(xué)習(xí)算法的預(yù)警模型

集成機(jī)器學(xué)習(xí)算法技術(shù)也稱(chēng)為隨機(jī)森林，主要是基于決策樹(shù)的一種方法，在傳統(tǒng)的決策樹(shù)選擇劃分屬性時(shí)，主要是在當(dāng)前節(jié)點(diǎn)的d個(gè)屬性集合中挑選一個(gè)最為優(yōu)質(zhì)的決策樹(shù)。在應(yīng)用集成機(jī)器學(xué)習(xí)算法時(shí)，根據(jù)決策樹(shù)的每個(gè)節(jié)點(diǎn)，以節(jié)點(diǎn)屬性集合，隨機(jī)選擇一個(gè)包括k個(gè)屬性的子集，在根據(jù)數(shù)據(jù)分析從子集中挑選一個(gè)最為優(yōu)質(zhì)的屬性用于后續(xù)的分類(lèi)。

此外，在對(duì)比單分類(lèi)器時(shí)，集成機(jī)器學(xué)習(xí)算法中具有泛化能力以及高質(zhì)量的準(zhǔn)確程度，相比于其他的集成分類(lèi)器而言，集成機(jī)器學(xué)習(xí)算法更為簡(jiǎn)單、靈活，并且其有關(guān)數(shù)據(jù)技術(shù)的計(jì)算量較小。

經(jīng)過(guò)DBSCAN聚類(lèi)對(duì)磨煤機(jī)的歷史數(shù)據(jù)進(jìn)行研究和分析，獲取到了帶有類(lèi)別標(biāo)記的歷史數(shù)據(jù)。采用集成機(jī)器學(xué)習(xí)算法，對(duì)帶有類(lèi)別標(biāo)記的歷史數(shù)據(jù)進(jìn)行了分類(lèi)學(xué)習(xí)，有效區(qū)分不同標(biāo)記下的數(shù)據(jù)，并對(duì)新的數(shù)據(jù)采取預(yù)測(cè)和分類(lèi)。通過(guò)集成機(jī)器學(xué)習(xí)算法，對(duì)實(shí)時(shí)數(shù)據(jù)展開(kāi)了詳細(xì)的預(yù)測(cè)和分類(lèi)，能夠判斷出磨煤機(jī)在當(dāng)前運(yùn)行狀態(tài)下的不同變化趨勢(shì)，這種趨勢(shì)的測(cè)算和評(píng)估，可建立預(yù)警模型，從模型中分析性能測(cè)試數(shù)據(jù)的最終驗(yàn)證結(jié)果，在結(jié)果中給出故障預(yù)測(cè)，可進(jìn)一步的對(duì)設(shè)備的剩余可用時(shí)間進(jìn)行計(jì)算。如果故障預(yù)警系統(tǒng)給出的狀態(tài)評(píng)估與運(yùn)行人員所判斷的不相同，需要重新建立新的故障預(yù)警模型。

三、磨煤機(jī)典型故障預(yù)警技術(shù)的應(yīng)用

1.仿真試驗(yàn)應(yīng)用

在仿真試驗(yàn)的應(yīng)用中以某100mw火電機(jī)組的歷史數(shù)據(jù)為例，從該歷史數(shù)據(jù)中提取與磨煤機(jī)運(yùn)行過(guò)程有關(guān)的參數(shù)，文章上述所提出的各種方法進(jìn)行應(yīng)用后，選取和故障相關(guān)的變量，具體結(jié)果參數(shù)詳見(jiàn)表1，故障數(shù)據(jù)集合的基本信息詳見(jiàn)表2。

在對(duì)歷史數(shù)據(jù)提取的過(guò)程中，要選擇磨煤機(jī)在正常狀態(tài)下與故障狀態(tài)下運(yùn)行的數(shù)據(jù)，該數(shù)據(jù)的提取年限在一年以?xún)?nèi)，提取采樣時(shí)間為1s。

面對(duì)仿真試驗(yàn)的整個(gè)環(huán)節(jié)中，根據(jù)上表描述，將I組正常運(yùn)行數(shù)據(jù)與Ⅲ組故障數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)的集合，并建立有效的預(yù)警技術(shù)模型，將斷煤故障Ⅲ數(shù)據(jù)測(cè)試數(shù)據(jù)的集合當(dāng)訓(xùn)練數(shù)據(jù)集合占據(jù)數(shù)據(jù)集合的84%，需要建立磨煤機(jī)故障預(yù)警技術(shù)模型。而測(cè)試數(shù)據(jù)集合占據(jù)數(shù)據(jù)集合的16%.需要采用評(píng)價(jià)估測(cè)的預(yù)警技術(shù)模型。

2.磨煤機(jī)運(yùn)行狀態(tài)的DBSCAN聚類(lèi)

DBSCAN聚類(lèi)相關(guān)的參數(shù)∈和MinPts并沒(méi)有相互通用的確定方法，需要按照所分析數(shù)據(jù)的基本特征進(jìn)行選擇。其中，MinPts的取值一旦很小就會(huì)產(chǎn)生很多的簇，這就可以應(yīng)用ln（n）進(jìn)行確定，并且n是數(shù)據(jù)的點(diǎn)數(shù)，通過(guò)這些聚類(lèi)線索分析磨煤機(jī)運(yùn)行狀態(tài)屬于正常還是故障即可。

與此同時(shí)，在故障數(shù)據(jù)的集中整合中，最終簇類(lèi)數(shù)是9，用類(lèi)標(biāo)記序列來(lái)描述各種故障的類(lèi)標(biāo)記分配狀態(tài)，在這之中異常數(shù)據(jù)I類(lèi)類(lèi)標(biāo)記為-1，正常運(yùn)行數(shù)據(jù)1類(lèi)被標(biāo)記為0，斷煤故障I數(shù)據(jù)3類(lèi)標(biāo)記序列是1、2、3排序，斷煤故障II數(shù)據(jù)是3類(lèi)標(biāo)記序列則是1、6、7，自然故障數(shù)據(jù)為2類(lèi)標(biāo)記序列數(shù)是4和5。同時(shí)，較為細(xì)致的統(tǒng)計(jì)各種故障下設(shè)備剩余可用時(shí)長(zhǎng)與各類(lèi)數(shù)據(jù)所涵蓋的樣本，通過(guò)樣本的聚類(lèi)結(jié)果獲悉磨煤機(jī)的斷沒(méi)故障或自燃故障情況。

結(jié)束語(yǔ)：綜上所述，針對(duì)火電機(jī)組磨煤機(jī)典型故障預(yù)警技術(shù)主要利用DBSCAN方法對(duì)磨煤機(jī)故障進(jìn)行詳細(xì)的聚類(lèi)分析，能夠有效將磨煤機(jī)發(fā)生故障的整個(gè)過(guò)程劃分為不同類(lèi)別，便于闡述故障發(fā)展的不同階段，利用半監(jiān)督學(xué)習(xí)方法將很好的觀察到磨煤機(jī)在運(yùn)行中的故障狀態(tài)，在通過(guò)仿真試驗(yàn)中的技術(shù)應(yīng)用，了解火電機(jī)組磨煤機(jī)典型故障在不同階段的變化趨勢(shì)，根據(jù)預(yù)警故障狀態(tài)有效應(yīng)對(duì)故障帶來(lái)的損壞和影響。

參考文獻(xiàn)：

[1]孫同敏.基于ISAE的磨煤機(jī)故障預(yù)測(cè)與診斷方法研究[J].煤炭工程，2021，53（05）：148-155.

[2]馮普鋒，張寶國(guó)，吳家偉，高憲賓，劉行行.電廠磨煤機(jī)故障智能監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電子元器件與信息技術(shù)，2020，4（11）：115-116.

[3]陳星宇.基于多元狀態(tài)估計(jì)的中速磨煤機(jī)運(yùn)行狀態(tài)診斷和故障預(yù)警研究[D].浙江大學(xué)，2021.

[4]牛玉廣，李曉彬，張佳輝.基于多元狀態(tài)估計(jì)與自適應(yīng)閩值的電站輔機(jī)故障預(yù)警[J].動(dòng)力工程學(xué)報(bào)，2019，39（09）：717-724.

[5]邱天，許楊旸.磨煤機(jī)緩變故障預(yù)警研究[A].中國(guó)自動(dòng)化學(xué)會(huì).2018中國(guó)自動(dòng)化大會(huì)（CAC2018）論文集[C].中國(guó)自動(dòng)化學(xué)會(huì)：中國(guó)自動(dòng)化學(xué)會(huì)，2018：6.

王昕（1986.10.8），男，漢族，寧夏吳忠，本科，工程師，中國(guó)神華能源股份有限公司惠州熱電分公司，研究方向：火電機(jī)組智慧運(yùn)行