一種基于部件特性的火力發電機組在線性能監測方法與流程

一種基于部件特性的火力發電機組在線性能監測方法，屬于電力系統仿真控制領域。

背景技術：

目前，火力發電站煤耗占國內平均年煤耗50％以上，實現火力發電站的高效穩定運行對節能環保有著重要意義，火力發電機組性能監測系統可以有效的實現發電機組的高效運行。目前現階段普遍采用的性能監測系統存在如下各方面的缺陷：由于機組運行變工況、測量儀表老化等原因導致機組測量得到的測量數據存在誤差。從電廠得到的數據直接用于建立精確模型會嚴重影響模型精度；目前常用的性能監測系統是通過歷史數據比較，或者根據熱力部件或整體邊界參數條件建立數學模型，比較實際測量值和應達值偏差判斷系統運行狀態，監測系統的有效性很大程度上取決于數學模型的精確程度，而現存的電站監測模型難以實現在全工況范圍內精確反映熱力系統部件和整體性能；缺少有效的故障判別機制，不能及時準確的對部件故障進行報警。因此，尋求一種更為有效的保證機組運行效率的在線性能監測方法顯得尤為重要。

技術實現要素：

本發明針對現有發電站監測系統技術存在的不足，提出了一種實用的、智能化的基于部件特性的火力發電機組在線性能監測方法。其目的在于通過對歷史測量數據的粗大誤差剔除和穩態工況數據篩選，數據協調降低測量數據不確定度為建立火力發電機組關鍵部件全工況精確模型提供更加可靠的數據；其目的還在于提出一種更為有效的故障判別方法，提高對部件運行過程中突變性故障和漸變性性能劣變的識別，降低誤、虛報警率，更好的實現火力發電機組在線性能監測的目的。

本發明的技術方案是：

一種基于部件特性的火力發電機組在線監測方法，其特征在于該方法包括了如下步驟：

1)歷史測量數據的粗大誤差剔除和穩態工況數據篩選：

從火力發電機組實時信息監控與管理系統中獲取一段時間的歷史測量數據，基于密度、基于數據間距離和基于粗大誤差因子分別對歷史測量數據進行粗大誤差剔除；

根據火力發電機組運行狀況，得到機組穩定運行的時間區間，作為后續工作所需的穩態工況數據；

2)數據協調降低測量數據不確定度：

根據火力發電機組系統的冗余測量信息，將穩態工況數據中的測量變量x₁,x₂,…x_n及未測量變量u₁,u₂,…u_p分別記為x和u，將測量變量x₁,x₂,…x_n的測量值y₁,y₂,…y_n，記為y；其中，n為測量變量的總個數，p為未測量變量的總個數；

計算每個測量變量測量值的標準差，來評定測量變量的不確定度，依次記為σ₁,σ₂,…σ_n，計算公式如下：

${\mathrm{\σ}}_i=\frac{1}{\stackrel{\‾}{x_i}}\sqrt{\frac{1}{N-1}{\mathrm{\Σ}}_{j=1}^N{(x_{i,j}-\stackrel{\‾}{x_i})}^2}---\left(1\right)$

其中，i代表第i個測量變量，i取1,2,3…n；N為所有工況的個數；j代表第j組工況下的測量數據，j取1,2,3…N；x_i,j代表第i個測量變量在第j組工況下的測量值，代表第i個測量變量在所有測量工況下的平均值；

根據火力發電機組中設備的模型，構建電廠系統的約束方程；約束方程包括等式約束方程組f和不等式約束方程組g兩類；

f(x,u)＝0 (2)

g(x,u)≤0 (3)

結合測量變量的測量值、測量值的不確定度、等式約束方程組f和不等式約束方程組g，利用目標函數計算得到測量變量x的協調值x^*和未測量變量u的估計值u^*；

其中，x^*為x₁^*,x₂^*,…x_n^*；u^*為u₁^*,u₂^*,…u_p^*；

按照方程(1)來評定協調值x^*的不確定度σ^*；比較測量變量x的測量值y的不確定度σ和協調值x^*的不確定度σ^*；

3)建立火力發電機組全工況關鍵部件模型：

利用主導因素方法得到火力發電機組各個關鍵部件的特性參數及其主導因素，利用數據協調后的電廠數據計算擬合得到各個關鍵部件特性參數的特性曲線，建立關鍵部件主導因素模型如下式所示；

k＝f(D₁,D₂,…D_i,…D_m) (5)

其中，k為關鍵部件的特性參數，D_i為該特性參數的主導因素，m為主導因素的個數；

4)基于統計控制技術的部件性能變化定量判定方法判別部件是否發生故障：

a)從火力發電機組實時信息監控與管理系統中獲取關鍵部件的監測變量的實際測量值，在相同邊界條件下，由全工況關鍵部件模型計算得到監測變量的健康應達值，監測變量的健康應達值與監測變量的實際測量值之間的差值為監測變量偏差；

b)突變性故障和漸變性性能劣化統計控制圖設計及故障判別：

采用一段時間的監測變量偏差組成的偏差序列，利用時間序列分解的方法將偏差序列分解為各個組成部分，挑選適合用于制作統計控制圖的偏差序列；

計算得到用于制作統計控制圖的偏差序列均值，即并根據公式計算偏差序列的標準差；其中為偏差序列的均值，x_i為偏差序列中各個監測變量偏差，M為偏差序列的監測變量偏差的總個數，s為偏差序列的標準差；

火電機組發生突變性故障和漸變性性能劣化分別設計統計控制圖，實施方法如下：

i)當火電機組性能變化為突變性故障時，統計控制圖設計的實施辦法為：

利用下式計算統計控制圖的初始控制線：

${\mathrm{UCL}}_0={\stackrel{\‾}{x}}_0+3\mathrm{\σ},{\mathrm{CL}}_0={\stackrel{\‾}{x}}_0,{\mathrm{LCL}}_0={\stackrel{\‾}{x}}_0-3\mathrm{\σ}$

其中，為0時刻的監測變量偏差序列的均值，UCL₀為初始上控制線，CL₀為初始中心線，LCL₀為初始下控制線；

將實時測量變量偏差在統計控制圖上進行打點，一段時間之后，按下式實時更新統計控制圖的上下控制線：

其中，下標t表示時刻；x_t為t時刻的監測變量實際測量值；為t時刻的監測變量偏差序列的均值；為權重因子，取值范圍是0-1；CL_t為t時刻的中心線，UCL_t為t時刻的上控制線，LCL_t為t時刻的下控制線；

若實時監測變量偏差超出了統計控制圖的上、下控制線，則發出故障報警，認為該關鍵部件可能發生了突變性故障；若實時監測變量偏差未超出統計控制圖的上、下控制線，則認為該關鍵部件運行正常；

ii).當火電機組性能變化為漸變性性能劣化時，統計控制圖設計的實施辦法為：

計算統計控制圖的控制線，

其中UCL為上控制線，CL中心線，LCL為下控制線；

計算歷史數據監測變量偏差的加權平均值：

其中，z_t為t時刻計算得到的歷史數據監測偏差變量的加權平均值；

將實時監測變量偏差的加權平均值在統計控制圖上進行打點，并實時更新該加權平均值；若實時監測變量偏差的加權平均值超出了統計控制圖的上、下控制線，則發出故障報警，認為該關鍵部件可能發生了漸變性性能劣化故障；若實時監測變量偏差的加權平均值未超出統計控制圖的上、下控制線，則認為該關鍵部件運行正常。

本發明的上述技術方案中，其特征在于：

所述的火力發電機組系統包含汽輪機子系統和鍋爐子系統；汽輪機系統包括汽輪機本體系統、加熱器回熱系統、給水泵組、凝結水泵組；鍋爐系統包括汽水系統、空氣預熱器、風煙系統、爐膛燃燒系統。

所述的冗余測量信息包括空間冗余和時間冗余兩類；空間冗余是指多個測量儀表對同一個測量變量進行測量，時間冗余是指儀表在不同時間內對同一個測量變量進行了多次測量。

所述的火力發電機組系統的約束方程包含質量平衡方程、能量平衡方程、換熱特性方程、壓降方程、效率方程和汽輪機通流能力方程。

所述的目標函數包含最小二乘形式的目標函數或強魯棒性的目標函數；最小二乘形式的目標函數如方程(6)所示，強魯棒性的目標函數包括方程(7)所示的目標函數：

其中，x_i^*代表x^*中第i個元素，y_i代表y中第i個元素；Σ代表由測量變量的不確定度構成的協方差矩陣；上標T代表矩陣的轉置；上標-1代表矩陣的逆；代表從第1個到第n個測量變量的求和；c_F代表設定的權重參數。

所述的火力發電機組關鍵部件包含汽輪機級組、給水泵、回熱系統設備、空冷島、抽汽管道、過熱器、再熱器、空氣預熱器、省煤器、旋風分離器、一次風機和二次風機。所述的汽輪機級組是以各級抽汽口作為前后兩級級組的分界線；回熱系統設備包括各級回熱加熱器、軸封加熱器和除氧器；抽汽管道是指從各級抽汽口至對應加熱器進口之間的管道。

本發明具有以下優點及突出性效果：

本發明方法對歷史測量數據的粗大誤差剔除和穩態工況數據篩選，有效剔除了顯著誤差，并基于電廠系統中冗余的測量信息，結合系統中設備的約束關系，通過數據協調計算來減少測量數據中隨機誤差的影響，降低測量變量及未測量變量的不確定度，為建立火力發電機組關鍵部件全工況精確模型提供了更為可靠的數據，從而提高了部件模型的精度；此外，本方法將統計過程控制技術與火電機組關鍵部件全工況模型計算監測變量健康應達值的方法結合起來，給出了定量的判據能夠準確地判別突變性故障和漸變性性能劣化，能夠準確反映部件實際性能變化情況的問題，有效的降低了誤、虛報警率。本發明形成了一套完整的火力發電機組在線性能監測技術，能夠實現火力發電機組整體監測的智能化和自動化。本發明方法成本低，可靠性高，運用簡便。

附圖說明

圖1是本發明方法的摘要附圖。

圖2是具體實施方式中2#高溫加熱器全工況模型示意圖。

圖3是具體實施方式中驗證加熱器給水出口溫度偏差中存在長期趨勢項的分析結果。

圖4是具體實施方式中驗證加熱器給水出口溫度偏差中存在周期項的分析結果。

圖5是具體實施方式中用魯棒局部加權回歸方法對給水出口溫度偏差進行時序分解結果。

圖6是實施案例中篩選出機組穩定工況的結果展示。

圖7是實施案例中協調前后凝結水流量對比圖。

圖8是實施案例中協調前后溫度測量變量的不確定度的對比圖。

圖9是實施案例中關鍵部件給水泵特性參數的特性曲線示意圖。

圖10是實施案例中基于統計控制技術繪制的突變性故障控制圖。

圖11是實施案例中基于統計控制技術繪制的漸變性性能劣化控制圖。

具體實施方式

下面結合附圖對本發明作進一步的說明。

本發明建成后可以為電力行業技術人員、運行人員、工程師和高層管理人員提供如下服務：

幫助發電站整體監測實現智能化和自動化，對及時反映各個部件性能，方便運行人員及時并準確地發現具體設備問題，減少頻繁現場監測所需要的人力和物力，使能耗以及設備性能一直處于可控狀態，提高設備管理的效率和精確程度。

可以實現系統各部件性能的可視化，通過在線平臺發布，各個部件特性指標的時間和空間對比曲線都會展現出來，方便公司高層管理人員和專業技術人員隨時掌握機組運行狀態，了解實時運行指標。

本發明提供的一種基于部件特性的火力發電機組在線監測方法，該方法包括了如下步驟：

1)歷史測量數據的粗大誤差剔除和穩態工況數據篩選：

從火力發電機組實時信息監控與管理系統中獲取一段時間的歷史測量數據，基于密度、基于數據間距離和基于粗大誤差因子分別對歷史測量數據進行粗大誤差剔除；

采用相關性分析方法選取關鍵變量：計算歷史測量數據中任意兩個變量的相關系數r，相關系數計算公式如下；

$r_{pq}=\frac{{\mathrm{\Σ}}_{i=1}^M(p_i-\stackrel{\‾}{p})(q_i-\stackrel{\‾}{q})}{\sqrt{{\mathrm{\Σ}}_{i=1}^M{(p_i-\stackrel{\‾}{p})}^2\×{\mathrm{\Σ}}_{i=1}^M{(q_i-\stackrel{\‾}{q})}^2}}---\left(1\right)$

其中，p，q為任意的兩個變量，r_pq為變量p，q的相關系數，i代表第i組歷史測量數據，M為歷史測量數據的總組數，為變量p所有歷史測量數據的平均值，為變量q所有歷史測量數據的平均值；

得到相關系數矩陣如下；

其中，m為變量的總個數，pi，pj分別為第i個和第j個變量，i，j取1,2,…m；r_pipj為第i個和第j個變量的相關系數，R為相關系數矩陣。

比較各個變量相關性，將相關性強(相關系數絕對值接近1)的變量歸為一類，每一類中選取一個關鍵變量，最終選取的關鍵變量為給水流量、凝汽器真空。使用高斯濾波和R判據的方法，得到機組穩定運行的時間區間，作為后續工作所需的穩態工況數據。

2)數據協調降低實測數據不確定度：

根據電廠系統的測點信息，可以判斷系統中存在流量、壓力及溫度變量的空間冗余測量信息。選取參與熱力系統平衡計算的測量變量x₁,x₂,…x₉₉及未測量變量u₁,u₂,…u₈₂，包括流量、溫度和壓力，分別記為x和u，其中測量變量共有99個，未測量變量共有82個；由步驟1)得到穩態工況數據，將測量變量x₁,x₂,…x₉₉的測量值y₁,y₂,…y₉₉記為y；

按照下式計算每個測量變量測量值的標準差，來評定測量變量的不確定度，依次記為σ₁,σ₂,…σ₉₉；

${\mathrm{\σ}}_i=\frac{1}{\stackrel{\‾}{x_i}}\sqrt{\frac{1}{N-1}{\mathrm{\Σ}}_{j=1}^N{(x_{i,j}-\stackrel{\‾}{x_i})}^2}---\left(3\right)$

其中，i代表第i個測量變量，i取1,2,3…99；N為所有工況的個數；j代表第j組工況下的測量數據，j取1,2,3…N；x_i,j代表第i個測量變量在第j組工況下的測量值，代表第i個測量變量在所有測量工況下的平均值；

根據電廠系統中設備的模型，構建電廠系統的約束方程，包括質量平衡方程、能量平衡方程及設備的特性方程；約束方程分為等式約束方程組f和不等式約束方程組g兩類；在本實施例中等式約束方程共109個，沒有不等式約束方程；

f(x,u)＝0 (4)

g(x,u)≤0 (5)

系統中未測量變量的個數為82，等式約束方程的個數為109，因此，系統的冗余度R為109-82＝27。

結合測量變量的測量值及測量值的不確定度，在滿足約束方程組(4)及(5)的基礎上，進行數據協調計算，利用目標函數計算得到測量變量的協調值x^*和未測量變量的估計值u^*；

其中，x^*為x₁^*,x₂^*,…x₁₀₉^*；u^*為u₁^*,u₂^*,…u₈₂^*；

目標函數包含最小二乘形式的目標函數或強魯棒性的目標函數；常用的最小二乘形式的目標函數如方程(7)所示，在數學上表示為求解滿足一組等式和不等式約束條件方程組的最小二乘解的優化問題：

強魯棒性的目標函數包含方程(8)所示的目標函數：

其中，x_i^*代表x^*中第i個元素，y_i代表y中第i個元素；Σ代表由測量變量的不確定度構成的協方差矩陣；上標T代表矩陣的轉置；上標-1代表矩陣的逆；代表從第1個到第109個測量變量的求和；c_F代表設定的權重參數。

按照方程(3)來評定協調值x^*的不確定度σ^*；對比測量值y的不確定度σ和協調值x^*的不確定度σ^*。

3)建立火力發電機組全工況關鍵部件模型：

利用主導因素方法得到火力發電機組各個關鍵部件的特性參數及其主導因素，利用數據協調后的電廠數據計算擬合得到各個關鍵部件特性參數的特性曲線，建立關鍵部件主導因素模型如下式所示；

k＝f(D₁,D₂,…D_i,…D_n) (9)

其中，k為關鍵部件的特性參數，D_i為該特性參數的主導因素，n為主導因素的個數；

主導因素方法根據部件的內在機理選定反映過程本質的特性參數，并確定在全工況范圍內決定特性參數變化的主導因素；

火力發電機組部分關鍵部件的特性參數及其主導因素如下：

設備特性參數：

汽輪機級組：級組內效率，弗留格爾系數；

給水泵：給水泵揚程，給水泵效率；

回熱系統設備：加熱器過熱凝結段換熱系數KA，加熱器疏水冷卻段換熱系數KA；

空冷系統：換熱系數KA

抽汽管道：管道壓降；

主導因素：

汽輪機級組：折合流量，壓比

給水泵：給水泵流量

回熱系統設備：抽汽流量，水側流量

空冷系統：風機轉速，管內蒸汽流量

抽汽管道：管道抽汽流量

4)基于統計控制技術的設備性能變化定量判定方法判別部件是否發生故障：

圖2所示，為利用主導因素建模方法得到的2#高溫加熱器部件全工況精確模型；從火電機組實時信息監控與管理系統中獲取關鍵部件的監測變量加熱器出口給水溫度實際測量值，在相同邊界條件下，由模型計算得到加熱器出口給水溫度健康應達值，加熱器出口給水溫度健康應達值與加熱器出口給水溫度實際測量值之間的差值為加熱器出口給水溫度偏差；

分析加熱器出口給水溫度的偏差結構組成特征，對其組成特征進行驗證，圖3所示為驗證加熱器出口給水溫度偏差中長期趨勢項，圖4為驗證加熱器出口給水溫度偏差中周期項；采用一段時間的加熱器出口給水溫度偏差組成的偏差序列，利用適當的時間序列分解的方法將偏差序列分解為各個組成部分，分析各組成部分所表征的物理含義，如圖5所示為用魯棒局部加權回歸法方法(STL)對加熱器出口給水溫度偏差進行時序分解的結果；

a)當火電機組性能變化為突變性故障時，統計控制圖設計的實施辦法為：

i.計算統計控制圖的初始控制線；

${\mathrm{UCL}}_0={\stackrel{\‾}{x}}_0+3\mathrm{\σ},{\mathrm{CL}}_0={\stackrel{\‾}{x}}_0,{\mathrm{LCL}}_0={\stackrel{\‾}{x}}_0-3\mathrm{\σ};$

其中UCL₀為初始上控制線，CL₀為初始中心線，LCL₀為初始下控制線；

ii.將實時測量變量偏差在統計控制圖上進行打點，一段時間之后，按下式實時更新統計控制圖的上下控制線：

其中，下標t表示時刻；為t時刻的監控變量；為權重因子，取值范圍是0-1，具體取多少應經過多次測試來確定，使得最終能夠達到較好的監測效果；CL_t為t時刻的中心線，UCL_t為t時刻的上控制線，LCL_t為t時刻的下控制線；

若實時監測變量偏差超出了統計控制圖的上、下控制線，則發出故障報警，認為該關鍵部件可能發生了突變性故障；若實時監測變量偏差未超出統計控制圖的上、下偏差線，則認為該關鍵部件運行正常；

b)當火電機組性能變化為漸變性性能劣化時，統計控制圖設計的實施辦法為：

i.計算統計控制圖的控制線，

其中UCL為上控制線，CL中心線，LCL為下控制線；

ii.計算歷史數據監測變量偏差的加權平均值

其中z_t為t時刻計算得到的歷史數據監測偏差變量的加權平均值；

將實時監測變量偏差的加權平均值在統計控制圖上進行打點，并實時更新該加權平均值；若實時監測變量偏差的加權平均值超出了統計控制圖的上、下偏差線，則發出故障報警，認為該關鍵部件可能發生了漸變性性能劣化故障；若實時監測變量偏差的加權平均值未超出統計控制圖的上、下偏差線，則認為該關鍵部件運行正常。

實施例：對一330MW火力發電機組搭建在線性能監測平臺

針對山西省火電機組面臨煤質多變和頻繁變負荷等狀況，在保證火電機組安全、經濟可靠的前提下開發新一代火電機組節能監測技術：研究熱力設備部件級/設備/系統的全工況高精度數學建模技術，基于動靜態模型的機組性能監測方法；建立熱立設備動/靜態數學模型運行平臺，基于冗余信息的測量數據校正平臺，熱力設備運行性能在線監測及異常甄別平臺；在山西漳電同達發電有限公司330MW火電機組實施循環流化床鍋爐機組節能監測示范工程；形成火電機組節能監測關鍵技術體系和軟件包。

1)歷史測量數據的粗大誤差剔除和穩態工況數據篩選：

從火力發電機組實時信息監控與管理系統中獲取一段時間的歷史測量數據，基于密度、基于數據間距離和基于粗大誤差因子分別對歷史測量數據進行粗大誤差剔除；

采用相關性分析方法選取關鍵變量，最終選取的關鍵變量為給水流量、凝汽器真空。使用高斯濾波和R判據的方法，得到機組穩定運行的時間區間，作為后續工作所需的穩態工況數據。附圖6為篩選出機組穩定工況的結果展示。

2)數據協調降低實測數據不確定度：

該電廠熱力系統的關鍵設備包括：鍋爐、發電機、汽輪機高壓缸、中壓缸、低壓缸、凝汽器、凝結水泵、高壓給水加熱器、低壓給水加熱器、除氧器、給水泵、高壓蒸汽管道、再熱蒸汽管道、抽蒸汽管道。從這些設備中選取合適的測量變量和未測量變量，最終測量變量的個數為99個，未測量變量的個數為82個。

根據上述測量變量的測量值，按照具體實施方式中所述的方程(3)計算每個測量變量的測量值的標準差，來評定測量變量測量值的不確定度。由于測量變量數目較多，這里不再具體列出每個測量變量的測量值及不確定度。

根據汽輪機系統的質量平衡方程、能量平衡方程及級組的特性方程，建立關于測量變量及未測量變量的等式約束方程組，約束方程的個數為109，依次記為f₁,f₂,…f₁₀₉。

根據上述測量變量的測量值、測量值的不確定度以及系統的約束方程組，構建并求解數據協調問題。在實施例中，選取最小二乘形式的目標函數進行計算，即具體實施方式中的方程(7)。計算結束后得到測量變量的協調值和未測量變量的估計值。根據具體實施方式中的方程(3)來評定協調值的不確定度，并對比測量值的不確定度和協調值的不確定度。

根據數據協調前后的結果，如圖7、圖8所示，這里只展示出部分結果。圖7代表了實施例中協調前后凝結水流量的對比圖。可以看到協調前凝結水流量的測量值的不確定度為±4.8kg/s，而協調后凝結水流量的協調值的不確定度為±3.7kg/s，比之前降低了24％。

圖8代表了實施例中協調前后溫度測量變量的不確定度的對比圖。從該圖中可以看到，抽蒸汽管道的出口溫度的不確定度分別降低了29.2％、28.9％、29.3％、29.3％、29.3％、34.2％、39.9％和16.6％。另外，給水加熱器的出口溫度的不確定度也降低了10％～30％。

3)建立火力發電機組全工況關鍵部件模型：

利用主導因素方法得到火力發電機組各個關鍵部件的特性參數及其主導因素，利用數據協調后的電廠數據計算擬合得到各個關鍵部件特性參數的特性曲線，建立關鍵部件主導因素模型；火力發電機組部分關鍵部件的特性參數及其主導因素如下：

設備特性參數：

汽輪機級組：級組內效率，弗留格爾系數；

給水泵：給水泵揚程，給水泵效率；

回熱系統設備：加熱器過熱凝結段換熱系數KA，加熱器疏水冷卻段換熱系數KA；

空冷系統：換熱系數KA

抽汽管道：管道壓降；

主導因素：

汽輪機級組：折合流量，壓比

給水泵：給水泵流量

回熱系統設備：抽汽流量，水側流量

空冷系統：風機轉速，管內蒸汽流量

抽汽管道：管道抽汽流量

圖9所示為利用數據協調后的電廠數據計算擬合得到的關鍵部件給水泵特性參數的特性曲線。

4)基于統計控制技術的設備性能變化定量判定方法判別部件是否發生故障：

以#1高壓加熱器為例，加熱器實際運行遵循質量、能量守恒和換熱器傳熱特性，其輸入變量包括給水流量D_w1(t)、給水入口壓力P_w1、給水入口溫度T_w1、抽汽進口壓力P_s、抽汽進口溫度T_s。輸出變量包括給水出口溫度T_w2、疏水出口溫度T_ss。結合物理模型，利用主導因素建模方法建立1#高壓加熱器全工況精確模型，計算得到1#高壓加熱器給水出口溫度健康應達值，與給水出口溫度實際測量值做差得到給水出口溫度偏差。

由于設備老化、熱力系統中不凝性氣體堆積等原因導致設備性能發生漸變，并以長期趨勢項的形式存在于偏差信號中；電廠長期變負荷運行，給水流量隨負荷發生相應的變化，而不同給水流量導致的換熱量也不同，因此給水流量的周期性變化將帶來監測偏差存在周期項；而隨機擾動項是隨時存在的。

利用加熱器仿真模型對給水出口溫度偏差的結構組成進行驗證：首先驗證偏差存在長期增長項，假定換熱器主導因素模型為kA＝2.67D_w1+90，性能漸變的形式表現為kA與D_w1線性表達式發生變化，這里假定其變化形式如下：

$kA=2.67-\frac{0.02}{2016}t*D\_w1+90-\frac{36.28}{2016}t$

其中，k為換熱器的換熱系數，kW/(m2·℃)，A為換熱面積，m2，t為時間，5min，D_w1為給水流量，kg/s，這里取恒定值280kg/s。按照這樣的性能變化，在給水流量D_w1＝280kg/s時，經過一周時間(t＝2016)發生漸變的kA為正常狀態下kA的95％，由此結合換熱器的傳熱方程kA*Δt_m＝D_w1*Cp*(T_w2-T_w1)，其中，Δt_m為換熱器對數平均溫差。得到給水出口溫度偏差如圖3所示，偏差存在明顯的增長趨勢項；

接著驗證監測偏差存在周期項，在如上實驗方案的基礎之上，改變給水流量，按正弦波的形式給出，得到偏差如圖4所示，可以看到偏差在趨勢項的基礎之上呈現很明顯的周期性變動。加熱器給水出口溫度偏差的組成特征為：偏差＝長期趨勢項+周期項+隨機擾動項。其中，各部分組成的物理含義為：長期趨勢項，由于設備老化、熱力系統中不凝性氣體堆積等原因導致設備性能發生漸變，并以長期趨勢項的形式存在于偏差信號中；周期項，電廠長期變負荷運行，導致偏差序列存在周期項；隨機項，隨機擾動項是臨時性、偶然性因素引起的。

從物理機理、仿真實驗對給水出口溫度偏差的結構組成進行驗證之后，分別針對突變性故障以及漸變性性能劣化，建立基于統計控制技術的火電機組性能變化定量判定方法，用于在線監控火電機組運行過程中的性能變化情況。本例采用Matlab程序實施計算的全過程，對換熱器從性能正常、發生性能漸變、發生突變以及突變、漸變相繼消失的全過程進行仿真實驗，測試本發明提出的基于統計控制技術的火電機組性能變化定量判定方法能否準確地捕捉到換熱器全過程性能的變化情況。換熱器性能變化情況如圖4所示。利用魯棒局部加權回歸法方法(STL)將監測偏差進行時間序列的分解，結果如圖5所示。從圖中可以看到，趨勢項能夠很好地跟隨加熱器性能的變化情況。從趨勢項中挑選變化比較平緩的偏差數據，建立圖10所示的突變性故障控制圖進行突變故障監測，建立圖11所示的漸變性故障控制圖進行漸變性性能劣化監測。

5)集合以上模塊實現火力發電機組在線性能監測：

開發了一套節能監測軟件，用于發布部件在線性能監測結果，主要內容包括：數據流程設計、后臺數據庫設計研發、WEB應用功能研發。

數據流程設計：系統可根據需要從SIS數據區、MIS數據區進行實時數據采集，系統采用B/S模式進行系統功能發布，用戶在客戶機進行訪問和操作。

后臺數據庫設計研發：節能監測軟件的研發涉及電廠PI實時數據庫以及后臺SQL Server關系數據庫。對數據庫的操作是通過軟件系統的三大工具進行，主要功能是進行數據采集、后臺計算服務、評價卡生成服務的配置和啟停控制；對SIS數據庫測點進行篩選，對系統后臺數據庫進行測點配置；進行WEB界面生產，通過將前端WEB界面與后臺SQL Server數據庫進行綁定，從而界面化展示監測結果。

WEB應用功能研發：WEB發布功能包括運行監測平臺總圖以及其服務于工作人員的九大功能，即綜合信息、運行監視、操作指導、常用報表、性能評價、指標競賽、異常監視、離線數據、系統管理。