層次分析法和灰色關聯(lián)法在發(fā)電廠設備運行狀態(tài)評估中的綜合應用

王 嶺，王曉華，吳進新

（浙江浙能溫州發(fā)電有限公司，浙江 溫州 325602）

0 引言

現代發(fā)電廠自動化程度高，運行設備冗雜且聯(lián)系緊密，因此在系統(tǒng)運行過程中需要采取有力措施保證各設備持續(xù)穩(wěn)定運行，從而確保發(fā)電廠整個系統(tǒng)安全穩(wěn)定運行[1-2]。目前，發(fā)電廠設備故障監(jiān)視主要是對設備單一狀態(tài)量的監(jiān)測，現代大型已建機組都配備了DCS（分散控制系統(tǒng)），其監(jiān)控及數據存儲功能強大，但數據分析方面略顯不足，缺少對設備運行狀態(tài)進行分析和預測的功能。因此，針對發(fā)電廠DCS上述不足，研究人員提出了神經元網絡技術、模糊理論等一系列機器學習方法，并廣泛應用于火電廠設備監(jiān)測和故障診斷研究[3]。

本文以發(fā)電廠DCS為基礎，以發(fā)電廠長期連續(xù)運行設備磨煤機為例，提出了一種基于層次分析法和灰色關聯(lián)法的發(fā)電廠設備運行狀態(tài)評估方法，旨在及早發(fā)現已有故障傾向的運行設備并進行調停檢修，保證發(fā)電廠系統(tǒng)安全穩(wěn)定運行，為綜合評估發(fā)電廠設備運行狀態(tài)提供一種新的思路和方法。

1 磨煤機運行狀態(tài)評估特征量的選取

某發(fā)電廠配置的HP1003-Dyn型碗式中速磨煤機，其作用是將原煤碾磨到合格的細度范圍，再輸送到爐膛進行燃燒。如果運行中磨煤機突然發(fā)生故障將導致機組RB（輔機故障減負荷），更嚴重的可能導致鍋爐熄火機組MFT（主燃料跳閘）。若能提取表征磨煤機運行狀態(tài)的特征量，提前預測磨煤機的運行狀態(tài)，對已有故障傾向的磨煤機提前調停檢修，將會避免惡性事故的發(fā)生，保證機組連續(xù)安全運行[4-5]。

以DCS為基礎，對磨煤機長期連續(xù)運行數據統(tǒng)計分析后發(fā)現，磨煤機電流、磨煤機軸承溫度、減速機推力瓦溫度、減速機輸入軸軸承溫度等數據可以準確反映磨煤機的運行狀態(tài)，因此將以上數據確定為評估磨煤機運行狀態(tài)的主要特征量。

2 磨煤機運行狀態(tài)評估算法

2.1 應用層次分析法分配評估特征量權重

層次分析法是一種簡單、科學的決策方法，能夠將復雜問題層次化，能夠綜合分析處理多種影響因素，是解決諸多受定性和定量因素影響問題的有效途徑[6-7]。影響磨煤機特征量權重分配的定性和定量因素較多，為避免多次計算調整，本文采用改進的層次分析法，只需計算一次即可滿足一致性的要求[8-9]。

應用改進層次分析法[10-11]評估磨煤機的運行狀態(tài)，需要先分析影響磨煤機運行狀態(tài)的要素，然后層次化具有邏輯關系的表征磨煤機運行狀態(tài)的特征元素。磨煤機電流、減速箱溫度、推力瓦溫度等可表征磨煤機運行狀態(tài)的各參數測點相互獨立，符合層次分析法的應用基礎[12-13]，且各參數能準確實時反映磨煤機的運行狀態(tài)，因此被選為評估磨煤機運行狀態(tài)的特征量。

磨煤機運行狀態(tài)的評估分為3個層次（如圖1所示）。磨煤機的運行狀態(tài)為目標層；磨煤機電機側和非電機側特征量為中間層；磨煤機電機電流I、電機軸承溫度T1、減速機推力瓦溫度T2、減速機輸入軸承溫度T3為指標層。

圖1 磨煤機運行狀態(tài)評估層次

各特征量對磨煤機運行狀態(tài)的評估效果不同，以下利用改進層次分析法建立準確的擬優(yōu)化傳遞矩陣，用以表征特征量的相對重要性，進而計算得出合理的特征量權重向量。

第一步，構造判斷矩陣。設有n個特征向量，根據各個特征量對磨煤機運行狀態(tài)的重要程度構造判斷矩陣A，如式（1）所示：

式中aij采用三標度法，應用準則如（2）所示：

式中： i， j均為正整數， 1≤i≤n， 1≤j≤n， 且 aij=1/aji，aii=1。（注：下文中i，j的取值范圍與此處相同）。

磨煤機電機側和非電機側運行數據均包含了表征磨煤機運行狀態(tài)的大量信息，但電機側數據反映磨煤機運行狀態(tài)信息較為靈敏，磨煤機本體側因適應磨煤機復雜運行工況能力較強，反映磨煤機運行狀態(tài)的信息相對滯后，可得到目標層對中間層的判斷矩陣A，如式（3）所示：

中間層對指標層電機側特征量中，磨煤機電流I為電氣量特征量，根據磨煤機的運行工況實時變化，且反映磨煤機趨向于故障的變工況運行較為靈敏；而磨煤機電機軸承溫度T1需要時間積累才能反映出磨煤機運行工況，反映較為滯后。因此磨煤機電流參數I比磨煤機電機軸承溫度T1更具參考性，可得中間層電機側對指標層的判斷矩陣B1如式（4）所示：

中間層對指標層非電機特征量中，推力瓦軸承溫度T2比減速機軸承溫度T3更能靈敏準確地反映磨煤機的運行狀況，因此中間層非電機側對指標層的判斷矩陣B2如式（5）所示：

第二步，構造擬優(yōu)化傳遞矩陣。以判斷矩陣A為例，對判斷矩陣A的各元素取對數處理，即即w為滿足一致性校驗的擬優(yōu)化傳遞矩陣；同理B1，B2的擬優(yōu)化傳遞矩陣為 w1， w2，如式（6）所示：

第三步，應用規(guī)范列平均法確定擬優(yōu)化傳遞矩陣的權重。以擬優(yōu)化傳遞陣w為例，對其進行歸一化處理，如式（7）所示：

利用式（5）即可計算出各個特征量的權重值wi， 如式（8）所示：

由式（6）計算所得的矩陣元素即構成了特征向量的權重。經以上步驟計算得到擬優(yōu)化傳遞矩陣A，B1和B2最大特征值對應的特征向量分別為：

第四步，求指標層各特征向量對目標層的總權重Q。Q=w·[w1w2]，經計算得到總權重Q為：

2.2 應用灰色關聯(lián)法評估設備運行狀態(tài)

影響磨煤機運行狀態(tài)的因素不十分明確，但也不是一無所知，可視為復雜的灰色x系統(tǒng)，因此可運用灰色理論評估磨煤機的運行狀態(tài)[14]。本文在量化評估磨煤機運行狀態(tài)指標體系上，引入灰色關聯(lián)評估法來對磨煤機運行狀態(tài)進行綜合評估。

綜合應用層次分析法和灰色關聯(lián)法評估磨煤機運行狀態(tài)之前，首先必須明確評估磨煤機運行狀態(tài)的狀態(tài)向量。本文選取4個磨煤機運行狀態(tài)評估特征量構成評估磨煤機運行狀態(tài)的狀態(tài)向量X， 如式（9）所示：

式中：x（1）， x（2），x（3），x（4）分別表示磨煤機電流I，電機側軸承溫度T1，推力瓦溫度T2和非電機側軸承溫度T3。這4個特征參數相互獨立，且均可從DCS中提取數據并分析，能準確反映磨煤機的運行狀態(tài)。

根據所確定的狀態(tài)向量元素，可建立磨煤機運行狀態(tài)的評估流程，如圖2所示。

圖2 磨煤機運行狀態(tài)評估流程

第一步，構建標準狀態(tài)向量表。首先，從DCS中提取磨煤機運行數據。

第二步，根據所提取的運行數據將磨煤機分為正常運行狀態(tài)和故障運行狀態(tài)2類，對2類狀態(tài)所對應的特征數據取平均值后建立向量表X1和X2，構成標準狀態(tài)向量表。

第三步，向量無量綱化。為了提高精度，避免多指標之間因單位和量級不同而無法直接進行評價的問題，對狀態(tài)向量中各個元素進行無量綱化處理[15]。本文應用均值化算子對待診磨煤機運行狀態(tài)向量X0及標準狀態(tài)向量X1和X2進行無量綱化處理， 得到 X0′， X1′和 X2′， 如式（10）所示：

第四步：計算關聯(lián)系數。根據灰色理論，待評估的磨煤機狀態(tài)向量x0′與標準狀態(tài)向量xi′（i=1，2）關聯(lián)度計算公式如（11）所示：

式中： r0i（k）為 X0′和 Xi′的關聯(lián)度； Δi（k）為待評估的狀態(tài)向量X0′與標準狀態(tài)向量Xi′在k點的絕對差值； Δ（min）為兩級最小差； Δ（max）為兩級最大差，計算如式（12）所示；為了減小兩級最大差過大造成的失真，分辨系數ξ取值范圍在[0，1]，本文取0.5。

第五步：計算關聯(lián)度。計算待評估磨煤機的狀態(tài)向量與標準運行狀態(tài)下狀態(tài)向量的關聯(lián)度，判斷待評估的磨煤機屬于何種運行模式。計算公式如式（13）所示：

通過計算得出2個關聯(lián)度的大小，找出與待評估磨煤機關聯(lián)度最大的標準運行模式，即可判斷待評估磨煤機處于哪種運行狀態(tài)。磨煤機的運行狀態(tài)評估判據為：若待評估磨煤機運行狀態(tài)與標準向量表中磨煤機正常運行狀態(tài)關聯(lián)度最高，則磨煤機處于正常運行狀態(tài)；若待評估磨煤機運行狀態(tài)與需檢修磨煤機運行狀態(tài)關聯(lián)度最高，則磨煤機處于故障運行狀態(tài)，需調停檢修；若所計算出的關聯(lián)度值與磨煤機對應的各標準向量值都接近時，需加強對運行磨煤機的監(jiān)視，再次選取新的特征向量值重新計算。

3 實例分析

本文通過DCS提取了磨煤機大量的運行數據，并進行分類統(tǒng)計，將磨煤機運行狀態(tài)分為故障運行狀態(tài)和正常運行狀態(tài)2類。將所提取的分類數據取平均值，分類后磨煤機狀態(tài)向量如表1所示，X1為第1類，表示磨煤機正常運行狀態(tài)；X2為第2類，表示磨煤機故障運行狀態(tài)，此磨煤機需要調停檢修。所有數據均是統(tǒng)一運行狀態(tài)下的平均數據，表1數據對應的磨煤機運行狀態(tài)為：煤量43 t/h，風量86 t/h，出口溫度75℃。

為驗證本文所提灰色關聯(lián)評估方法的正確性，特提取一組運行參數相同的磨煤機，對其正常運行狀態(tài)和故障運行狀態(tài)的數據進行計算分析，如表2所示。

表1 磨煤機運行狀態(tài)標準向量

表2 磨煤機運行狀態(tài)特征向量

首先對兩個待評估計算量X3/X4與標準狀態(tài)向量X1/X2進行無量綱化處理，然后計算出灰色關聯(lián)系數，最后計算出與標準向量的關聯(lián)度r01和r02，計算結果如表3所示。

表3 磨煤機2種運行工況下的關聯(lián)度

由表3可以看出：磨煤機在運行狀態(tài)X3下，與磨煤機標準運行狀態(tài)X1和X2的關聯(lián)度分別為0.797和0.683，其中與磨煤機標準運行狀態(tài)X1關聯(lián)度最大為0.797；磨煤機故障運行狀態(tài)X4與標準向量運行狀態(tài)X2關聯(lián)度最大為0.57。依據本文提出的磨煤機運行狀態(tài)評估判據，磨煤機在X3時運行正常，在X4時已經處于故障運行狀態(tài)。為避免不安全事件的發(fā)生，當磨煤機處于X4狀態(tài)時需要停磨檢修，這與磨煤機實際運行情況一致，從而驗證了本文所提方法的正確性。

4 結語

發(fā)電廠DCS可實時監(jiān)測系統(tǒng)設備，并對設備運行狀態(tài)參數進行儲存，然而DCS僅當設備個別參數嚴重偏離正常值時才會報警。針對DCS系統(tǒng)數據分析能力的不足，本文提出了一種層次分析法和灰色關聯(lián)法相結合的綜合評估方法，綜合應用表征設備運行狀態(tài)的所有特征信息來評估其運行狀態(tài)，及早發(fā)現有故障傾向的運行設備并調停檢修，避免不安全事件發(fā)生。

本文提出的評估方法具有廣泛適用性，可以與發(fā)電廠DCS相融合應用于凝結水泵、閉冷泵等發(fā)電廠重要輔助設備。需要注意的是，本方法在建立標準向量表上存在一定的局限性，需要對設備的各類故障運行數據不斷進行統(tǒng)計分類，以保證此方法應用的準確性。