为进一步提升对所服务区域发电厂的技术监督和技术服务能力，保障电力系统安全稳定运行，近年来，冀北电力科学研究院针对煤电机组设备智能预警和监测技术开展各项研究。常规大型煤电机组由锅炉、汽轮机等构成，仅锅炉设备的在线测点就接近2000个，依赖人工判断测点参数是否异常，进而识别机组安全隐患的效率较低。2023年年初，冀北电科院赵振宁组建智能发电质量管理小组，计划研发一种能够自动监测、提前预警煤电机组运行问题的系统。

 

智能发电质量管理小组成员使用基于非线性状态估计技术的残差判断方法，在系统上构建煤电机组设备记忆矩阵。当煤电机组设备测点的参数出现异常时，记忆矩阵立即捕捉并自动判断异常参数及对应的设备，判断准确率达100%，较之前使用分布式控制系统（DCS）时参数异常告警时间缩短了300秒。

 

煤电机组需要根据电网运行情况灵活调节工况，使其参数变化更加频繁、复杂。为进一步提升系统判断的准确性，小组成员在系统上构建了煤电机组设备在多维参数空间的相似度模型，并计算出设备当前状态与理想状态的相似度。当相似度低于设定阈值时，系统自动诊断设备故障。此外，偶然因素导致的设备参数突变会影响系统判断。为解决这一问题，小组成员采用滑动窗口方法对输入模型前的参数进行处理，将相似度模型准确率提高到98.61%。今年6月，小组成员成功研发出煤电机组智能预警监测系统。

 

9月，该系统在冀北电科院服务的一家发电厂首次使用，让煤电机组设备安全隐患排查时间由使用DCS的19.7分钟缩短至6.3分钟，为后续隐患处置争取了更多时间，提高了煤电机组运行可靠性。

 

11月，煤电机组智能预警监测系统获得了2024年河北省质量管理小组活动成果一等奖。该系统在研发过程中获得了国家发明专利授权1项、软件著作权2项。该系统已在冀北电科院动力源数字仿真与智能运维实验室部署应用，辅助该公司所服务的华北区域发电厂开展机组设备运行监测。

 

目前，小组成员正采用模糊综合评价方法继续改进该系统，以进一步提高设备健康评价的准确率，让隐患预警更精准。

 

来源：国家电网报