（热能工程专业论文）汽轮机性能状态监测与分析辅助系统研究与实现.pdf

浙扛大学硕士学位论文 摘要 在现在的市场经济条件下 电厂的经济检修是十分重要的 而电厂的经济检 修的前提条件之一就是随时对汽轮机各项经济指标进行监控 分析 在过去 电 厂检修是传统的计划检修模式 存在着过修的问题 浪费着电厂大量的精力 人 力和财力 传统的检修模式不能适应现代企业的发展 现在的企业都在转变检修 模式 慢慢向状态检修过渡 因此汽轮机的状态检修有着十分重要的意义 本文以嘉兴发电有限公司3 0 0 m w 凝汽式汽轮发电机组为研究对象 利用电厂 现有的网络资源 从积累的海量的数据库中提取与汽轮机及主要辅机和热力系统 有关的信息 按电厂实际需要进行信息重组和深化 构建汽轮机综合数据平台和 汽轮机状态分析辅助系统 对要监视分析的指标进行实时计算 并在这基础上建 立趋势分析数据库 并对重要测点实行故障诊断 本文的应用程序是用m i c r o s o f t v i s u a l c 平台开发 采用电厂实际运行参 数进行测试和考核 考核结果证明了该系统的精确性和可靠性 现已投入电厂的 正常运行 整个软件系统是一个利用p i 数据库集成性和开放性特点 并与汽轮机领域 专业知识相结合的典型二次开发实侧 完成后的软件能够真实的反映监控的汽轮 机组各项经济指标 这对于正确指导机组检修有重要意义 关键字 计划检修 状态检修 p i 数据库 故障诊断 趋势分析 渐江大学硕士学位论文 a b s t r a c t i ti sv e r yi m p o r t a n tt oe x a m i n ea n dr e p a i rt h ee q u i p m e n t se c o n o m i c a l l yf o r p o w e rp l a n t su n d e rt h ec o n d i t i o no f m a r k e te c o n o m y b u to n eo fe c o n o m i c a lo v e r h a u l p r e c o n d i t i o n si ss u p e r v i s i n ga n da n a l y z i n gt h ee c o n o m yi n d e xo fs t e a mt u r b i n ea ta n y t i m e i nt h ep a s t t h em o d e lo fo v e r h a u li sc o n v e n t i o n a lp l a n n e do v e r h a u l t h ep r o b l e mi s o v e r h a u l i n gt h e mt o om u c h i tw a s t e st h ee n e r g y m a n p o w e ra n dm o n e y t h ec o n v e n t i o n a l o v e r h a u lm o d e lc a l ln o ta d a p tt ot h ed e v e l o p m e n to fm o d e mc o m p a n y t h e ya l e c h a n g i n go v e r h a u lm o d e lt os t a t eo v e r h a u l i ti so fg r e a ti m p o r t a n c et 0s t a t eo v e r h a u lo f s t e a mt u r b i n e t h ea r t i c l eu s e sc o n d e n s i n gs t e a mt u r b i n e 3 0 0 m w o fj i n x i n gp o w e r c o r p o r a t i o na so b j e c to fr e s e a r c h u s i n gt h en e t w o r kr e s o u r c eo fp o w e rp l a n t sa n d e x t r a c t i n gt h ei n f o r m a t i o no fs t e a mt u r b i n ea n dt h e r m a ls y s t e mf r o md a t a b a s e i t c o n s t r u c t st h ec o m p r e h e n s i v ed a t a b a s ep l a t f o r ma n da s s i s t a n ts y s t e mo fs t e a mt u r b i n e i nn e e do fr e c o m b i n i n ga n dd e e p e n i n gi n f o r m a t i o n i ti sr e a l t i m ec o m p u t i n gt h e s u p e r v i s e di n d e xa n db u i l d i n gt r e n da n a l y s i sd a t a b a s e i ti sa l s oc a l l yo u tf a u l td i a g n o s i s t ot h es e n s o r n l ep r o g r a m so nt h i sp r o j e c ta r ed e v e l o p e dw i t ht h ep l a t f o r mo fm i c r o s o f t v i s u a lc i tw a st e s t e db yr e a l t i m ed a t ai np o w e rp l a n tt oa s s u r ei t sr e l i a b i l i t ya n d a c c u r a c y n o wi to p e r a t e sp e r f e c t l y t h es y s t e mo ft h es o f t w a r ei sar e p r e s e n t a t i v ee x a m p l ei n t e g r a t i n gt h ek n o w l e d g e o f t u r b i n ea n dt h es p e c i a l t yo f p is y s t e m t h ep r o g r a m sc a l lr e f l e c te c o n o m yi n d e xo f m o n i t o r i n gg e n e r a t i n gu n i t i ti si m p o r t a n tt oi n s t r u c tt h eo v e r h a u lo f u n i tc o r r e c t l y k e y w o r d p l a n n e do v e r h a u l s t a t eo v e r h a u l p id a t a b a s e f a u l td i a g n o s i s t r e n d a n a l y s i s 学号 2 0 4 0 8 2 0 6 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研 究成果 据我所知 除了文中特别加以标注和致谢的地方外 论文中不包含其他人 已经发表或撰写过的研究成果 也不包含南获得逝姿盘鲎或其他教育机构的学 位或证书而使用过的材料 与我一同工作的同志对本研究所做的任何贡献均已在论 文中作了明确的说明并表示谢意 学位论文作者签名 陈锋 签字日期 上一 6 年印月 日 学位论文版权使用授权书 本学位论文作者完全了解逝姿盘堂有关保留 使用学位论文的规定 有 权保留并向国家有关部门或机构送交论文的复印件和磁盘 允许论文被查阅和借阅 本人授权迸垄盘鲎可以将学位论文的全部或部分内容编入有关数据库进行检 索 可以采用影印 缩印或扫描等复制手段保存 汇编学位论文 保密的学位论文在解密后适用本授权书 学位论文作者签名 际麓 签字日期 2 口口 年呵月 目 导师签名 蜘l 签字日期 叫万6 年 月6 日 f 浙江大学硕士学位论文 第一章绪论 第一节课题背景及意义 随着电力行业改革的进一步深化 电力工业的发展进入了一个新的历史时 期 9 8 年1 0 月在国家经贸委电力工作会议上 正式提出了从9 9 年开始用三年 时间 在全国范围内有计划地推进 厂网 分开 引入竞争机制 从而使电力 工业逐步走向市场的改革试点拉开了序幕 这一政策的出台无疑将使发电企业的 竞争更加激烈 今后影响各厂经济效益是机组发电成本和上网电价 各厂在公平 竞争的情况下实行竞价上网 因此 上网电价的高低将直接影响到电厂的经济效 益和电厂的生存 今后的设备管理模式必将从传统的有计划的以安全性为中心的 定期检修模式 逐步过渡到以可靠性为基础以经济性为中心的状态检修模式 尽 量降低发电 设备检修 成本 提高设备的可用率 适应新的电力市场竞争 现代社会的科学技术和生产力越来越发达 生产规模的日益扩大与机械化程 度不断提高 设备的生产效率越来越高 机械结构也日趋复杂 设备中不同部分 之间的相互关系 耦合也更加紧密 一个部件出现故障 将引起整个生产过程中 断 因此计划预防维修已取代了过去坏了再修的事后维修方式 但计划预防维修 往往会造成过剩维修或失修 在计划维修制度下 一些设备的零部件虽然使用已 达到维修时间但实际上尚有相当长的寿命 但也必须进行更新 这就造成了过剩 维修 但也可能有一些零部件尚未达到计划维修时间就已经失效了 这就是失修 在现代生产日益向大型化 连续化 高速化和自动化发展的今天 所以状态维修 应运而生 它根据设备实际状态决定维修还是继续运行 这是适应现代生产的一 种较为合理的维修方式 由于设备的状态监测诊断是预测维修的先决条件 因此 应尽快开展汽轮机组的状态监测工作 随着电厂控制 监测系统的发展和p i 数据库功能的完善 全厂管理信息系 统 m i s 及生产与管理各个在线系统的开发和运行 为实施状态检测工作创造 了一定条件 但是 从生产与管理各个系统所产生的在线与离线数据 数据总量 日趋庞大 如何从海量的数据中 根据设备状态监测的需要 进行数据的提取和 处理 通过深层次的数据挖掘与融合 得出反映设备状态的重要性能指标及其动 浙江大学硕士学位论文 态变化 是实现电厂数字化管理的重要组成部分 是进行设备状态检测必须解决 的问题 同时 由于电力工业的迅速发展 高参数 大容量机组增多 火电机组的热 力系统变得越来越复杂 为了获得更好的经济性 计算机的广泛应用已成为必然 当前 i n t e m e t 和i n t r a n e t 技术迅速发展 对信息的收集 传输 存储 处理 输 出的方式产生了巨大的冲击 因此 火电厂汽轮机状态监测和分析辅助系统的建 设中 使用i n t e m e t i n t r a n e t 技术是一个必然趋势 大力开展火电厂汽轮机状态监测与分析对企业的作用和意义 主要可归结为 如下几方面 2 1 1 及时掌握设备运行状态异常或故障的早期征兆 以便采取相应的措施 将故障消灭在萌芽状态 将避免或减少重大事故的发生 2 一旦发生故障 能自动记录下故障过程的完整数据和信息 以便事后进 行故障原因分析 缩短维修时间和费用 提高设备利用率 避免再次发生同类事 故 3 通过对设备状态异常的原因和性质进行分析 采取适当措施 对设备状 态实行在线调理 延长设备运行周期 为生产和维修决策提供科学依据 4 通过监测得到的大量机器状态数据 可以更充分地了解机器的性能 为 改进设备 维修设备提供有力的依据 5 随时掌握设备运行状态的变化情况 各部分性能的劣化程度和机械性能 发展趋势 对设备状态变化情况做到心中有数 提高设备管理现代化水平 第二节国内外研究现状 提高效益已成为每一个电力企业的目标 而性能监测可对生产过程进行全面 的经济分析 可以精确地 动态地反映企业的经济效益状况 在线实时性能监测 和在线实时偏差分析有助于运行人员更好地选择运行方式 以提高机组主机与辅 机的效率 进而提高整套机组的效率 为企业赢得效益 同时也可作为状态检修 的依据 性能监测还是节能降耗的行之有效的分析手段 而发电厂的热力系统及 设备的节能给电厂运营带来明显的经济效益 现在大多数电厂都已经运用了在线实时热力性能监测系统 该系统通过采集 2 浙江大学硕士学位论文 实时的生产数据 根据蒸汽数据表和其它存入的参数及相应的计算公式 实时计 算锅炉效率 锅炉热损失 汽机效率 汽机热耗 高低加性能 凝汽器性能 空 气预热器等的性能 并给出实际效率与厂家保证的效率的偏差 实时反映不同运 行方式的影响 不同燃料或同燃料不同量的影响 可监视整套机组和各部件的性 能 给出电厂运行的完整状况 电厂的汽轮发电机组 作为企业的关键设备 一旦出现故障 将给企业和国 家带来巨大的经济损失 例如 1 9 8 5 年山西某电厂一台2 0 0 m w 机组连轴器断裂 事故 直接损失1 0 0 0 万元以上 并严重影响当地的供电 o o 从1 9 8 4 年到1 9 9 1 年间我国5 0 m w 以上的汽轮发电机组转子严重破坏等重大事故就达六起之多 每次事故造成的直接经济损失就达千万元以上 而由事故带来的间接经济损失和 社会影响 更是难以估量 为掌握设备运行状态 避免设备事故的发生 我国对发电设备的监测诊断和 维修工作越来越重视 对国外使用的一些先进的状态监测诊断技术也很感兴趣 从国外引进的汽轮发电机组一般都装有完善的监控系统 国产大机组也选配一些 进口的监控设备 此外 我国还自行开发或合作生产了故障诊断仪器 并达到了 一定的水平 其中振动诊断技术较为成熟 南京汽轮发电机厂开发了以微机为核 心的多功能振动分析系统 其中旋转机械振动状态监视及预测维修系统 c r a s 包含5 个软件 振动监测软件 稳态分析软件 瞬稳态分析软件 振动数据采集及管理软件 趋势分析软件等 其性能可与国外产品相媲美 现在许多研究院和大学与电厂合作开发状态监测和故障诊断系统 取得了不 少的成果 重庆大学与江油电厂合作 运用重庆大学研制的c c d d s l 信号处理软件系统 对该厂5 0 姗汽轮发电机组进行诊断识别 对机组检修起了指导作用 浙江大学研制的汽轮机组寿命管理专家系统 已在国内不少电厂使用 并取 得了较大的经济效益和社会效益 在国外 电厂设备应用预测维修技术非常普遍 对一个企业来说 设备众多 根据设备本身特点和状况运用状态检修能提高设备利用率 鲫 英国中央电力局8 0 年代初建成一个可对所属电厂有关运行部分进行集中控 制的监测试验中心 它既可调用电厂的测试数据进行分析 又能将分析结果反馈 浙匹人学硕士学位论文 给有关电厂 美国弗罗里达奥兰多的西屋汽轮机 发电机人工智能监测中心 利用在线专 家系统对电厂的设备进行远程诊断 每个电厂都装有监视器和数据中心 电厂数 据中心的作用是作为一个就地监视系统和数据采集系统 采集的数据通过调制解 调器传送到诊断中心 诊断中心的人工智能程序接收到就对它进行解释并做出诊 断 然后将诊断结果送回电厂 电厂把这个诊断结果连同解决问题的建议和步骤 一起显示出来 1 9 9 7 年 西门子公司的s e h a d e 等报道了对电厂设备进行监测和趋势分析 推行状态检修的一个实例 e p 赳的v i a w a n a t h a a 等总结了过去十年中 对在高 温下工作的汽轮机转子的状态评价研究 指出准确的评价结果可以决定维修过 程 维修周期以及优化运行的效果 美国费城电力公司 p e c o 的埃迪斯通 e d d y s t o n e 电厂的四台机组运用 状态检修技术 先后安装了4 0 多套各种监测诊断系统 大修期由3 5 年提高到 6 8 年 小修期由1 2 个月提高到1 8 个月 5 年收益2 5 0 万美金 2 0 世纪8 0 年代以来 由于国内外相继开展了设备诊断技术工作 特别是对 于生产中的主要关键机组实行在线监测和诊断 较好地保障了设备的安全运行 取得了显著的经济效益和社会效益 例如 在采用故障诊断技术后 日本每年节 省维修费用3 亿英镑 扣除由于故障诊断工作投入的0 5 亿英镑 净获利2 5 亿 英镑 英国节约维修费用约7 5 亿英镑 美国的一些知名企业 如杜帮 通用汽 车 3 m 德州仪器等的维修费用都平均减少5 0 宾州电厂开展状态维修后 每年平均节约维修费用2 0 0 万美金 等等 瑰圆电力行业状态检修工作的开展应该说是走在前列的 1 9 9 6 年1 1 月在上 海召开了全国电 设备状态检修工作经验交流会 这对电力设备状态检修无疑起 到了巨大的推动作用 近几年的实践表明 国内发电设备状态检修工作正在积极 稳步推进 技术思想逐步统一 管理观念不断进步 许多发电厂迈出了大胆尝试 的步伐 例如 汽轮发电机组远程故障监测诊断系统 汽轮机调节系统诊断技术 热力系统监测诊断系统等一系列科技项目的完成和应用 为发电设备状态检修工 作提供了技术手段 可以预见 状态检修这一先进的技术和管理体制必将在我国 电力行业中得到越来越多的推广和应用 p s l 4 浙江大学硕士学位论文 经过多年的发展 国内外状态监测和故障诊断技术在以下几个方面有了长足 进步 1 信号分析和处理方面 分析清楚故障原因 就必须使用各种先进的分 析手段 从所获取的信号中 分辨出故障信息 近年来 小波分析 w i g n e r 时 频分布 分形维数 全息谱等较先进的分析手段被广泛采用于实际系统之中 2 智能诊断方面 模糊数学由于可以对被分析信号进行非精确描述 非常适合于故 障诊断 已被广泛应用于实用诊断系统中 近年来 神经网络方法 由于其具有 高度并行性 非线性 联想记忆等特性 也开始在诊断系统中投入实际应用 取 得了良好的效果 各种快速的神经网络算法 如遗传算法 快速b p 算法 被广 泛研究 3 数据库方面 数据库用于保存管理各种动态历史数据 特征数据及 网上数据发布 历史数据库应包括如下历史数据 定时采集动态数据 报警动态 数据 异常动态数据 人工采集动态数据 工艺量数据 开关量数据 特征参数 其他测量数据等 4 硬件技术方面 采用嵌入式c p u 及d s p 技术 并实现网络 化 采用t c p i i p 等协议 可以同企业的网络一起组建或通过网络接口接入 汽轮机状态检修技术是电厂检修技术发展的结果 在具体实施过程中 现阶 段可以采取分步实施的方法 对于被监测的设备 应该选择好适用的监测技术以 及配套应用软件 在状态监测的实施过程中 要考虑好监测点 报警值 停机值 监测频率的设定 远程故障诊断是一个重要发展方向 采用远程故障诊断技术 可为实施状态 检修拓宽技术支持 智能诊断系统是故障诊断技术研究中一个比较活跃的研究课 题 目前在理论研究方面具有不少进展 但真正在实践中成功应用的实例还是比 较少 我国汽轮机组故障诊断技术的研究晚于国外多年 目前虽已取得一定的成 绩 为配合设备进行监测诊断 应尽快筹建电网的诊断中心和建立故障档案库 同时还需建立一支从事维修方式选择 监测诊断系统设计以及具体实施的专业技 术队伍 第三节本课题研究内容 本课题在电厂汽轮机计划检修的基础上 运用现代电厂原有的网络和信息系 浙江大学硕士学位论文 统 实现状态维修 利用网站实时显示诊断结果 指导运行和检修人员根据分析结 果及时进行设备检修 使机组运行和检修成本降至最低 实现机组安全 经济 稳定 高效运行 提高火电机组整体运行指标 本文的工作主要有以下几方面 第一部分简要介绍了课题的研究背景及意义 国内外研究现状及论文的主 要研究工作 第二部分介绍了仪控测量参数状态检测的意义 应用神经网络算法理论和 偏最 b 乘算法理论进行传感器测量数据检验及故障诊断的研究 包括模型的建 立 交叉有效性原则确定主成分个数 相关变量的选择原则和预测回归方程的推 导 并进行传感器故障诊断的相关理论分析 第三部分分析了汽轮机组实时性能 为监视和评价机组运行提供了经济性 能指标 按不同负荷段和时间段分别建立机组的主要性能趋势分析模块 为机组 故障诊断提供辅助决策 第四部分详细介绍如何实现汽轮机性能状态监测与分析辅助系统网站 全 面地阐述了网站设计过程 第五部分对课题的研究成果进行总结 指出研究的不足之处 为下一步的 研究指明了方向 整个课题对电厂汽轮机系统参数实现了在线实时监测 并实时的判断汽轮机 系统的性能状态 为状态检修做出了依据 同时 m i s 网络的建设也为该系统提 供了更为快捷方便的应用平台 第二章仪控实时参数状态监测研究 第一节仪控实时参数预警与识别的意义 大多数设备故障的发生都有征兆 即在故障发生前有一些不同的特征信号 6 浙江大学硕士学位论文 如汽轮机机组某个部件损坏 可能会出现异常的振动和噪声 某处轴承损坏必然 会出现异常的振动 润滑油温度升高等信号 设备由正常状态到发生故障 其参 数有一个发展过程 而不是瞬间完成的 那么我们就可以通过对这些参数的监测 及早发现故障部位 性质及其变化规律 以采取措施防止故障的发生 这也为状 态检修提供了前提条件 故障设备发展过程如图2 1 1 所示 图中潜在故障点a 表示故障逐渐发展 尚未在功能方面表现出来 但又能通过一定的手段加以鉴别 如汽轮机有点超速 说明调节保安油系统将出现故障 机组有点振动 说明叶片可能不对称 功能故 障点b 表示潜在故障已变成功能故障 设备发生损坏 丧失了它应有的功能 探 明潜在故障 就有可能在达到功能故障前进行排除 避免发生功能故障而带来的 不利后果 p 4 设 各 性 能 时间 故障点b 图2 1 1 设备故障发展图 状态检修就是根据设备运行的健康状态来决定进行何种检修活动的检修方 法 状态检修的重点是及早发现潜在故障点a 以便及时采取预防措施 必要时 进行适时地检修 避免设备发生功能性故障 汽轮机状态检修的基础和前提是对汽轮机实施状态监测 监测与正常运行时 参数的偏差 检测出将要发生或即将发生的故障 及时对设备进行检修 而不是 对己损坏的设备进行计划外被动检修 与传统检修相比 状态检修有以下优点 1 节省大量检修费用 2 提高电力设备可用系数 3 增加发电能力 4 7 浙江大学硕士学位论文 延长设备使用寿命 5 确保发供电可靠性 6 降低维修成本 减小维修风险 状态检修相对于传统的计划检修而言 具有提高机组运行可靠性 可用率 降低检修成本等优点 具有显著的社会效益和长远的经济效益 随着传感技术 信号处理技术 计算机网络技术 模糊数学以及神经网络技术的迅速发展 对设 备状态监测 故障诊断的研究和实践水平不断提高 逐步形成完整的理论和实践 体系 检修体制逐步由计划检修向状态检修发展 应用诊断技术进行状态检修是 汽轮机检修的发展方向 为实现状态检修 应大力发展和引进状态监测技术 状 态监测将成为今后确定汽轮机是否检修的依据 完善化的在线监测和高可靠性的 计算机监测系统及实用化的管理信息系统的有机结合 将为设备状态检修提供一 个高效 智能化的自动决策环境 状态检修是一项具有挑战性的艰巨任务 汽轮机状态监测手段 故障机理的 研究和诊断知识的获取是一项长期的工作 现场经验的积累也有一个漫长过程 应在充分总结汽轮机运行和维修管理经验的基础上 统一规划 分步实施 本着 可靠 实用 经济 的原则 积极应用在线监测技术 不失时机地开展适合国 情 厂情的状态检修工作 第二节基于神经网络偏最小二乘法 n n p l s 的仪控实 时参数状态监测研究 2 2 1 神经网络算法的基本思想 人工神经网络 a r t i f i c i a ln e u r a ln e t w o r k 简称神经网络 的研究开始于1 9 4 3 年 美国心理学家麦克劳 m o c u l l o c h 和数学家匹茨 p i t t s 提出了一个非常 简单的神经元模型 即m p 模型 m p 模型将神经元当作一个功能逻辑件来看 待 从而开创了神经网络模型的理论研究 进入9 0 年代后 由于计算机技术和 信息技术的发展 神经网络的研究逐步深入 应用面也逐步扩大 人工神经网络是对生物神经网络的模拟 中枢神经元的细胞体上有许多树突 和轴突 树突可以接受从其他神经元传达过来的冲动信号 这些冲动信号在树突 的细胞膜上产生局部性的膜电位变化 当从不同的神经元传来的冲动信号所引致 的局部膜电位变化相互叠加 使总的膜电位变化达到某个程度 超过该神经元细 8 浙江大学硕士学位论文 胞的闽值时 就导致该神经元兴奋 发放冲动 这种冲动表现为整个细胞膜电位 的变化 这种变化沿轴突传输出去 轴突的末端有许多分岔 冲动沿这些分岔传 送到其他神经元 成千上万的神经元以这种方式连接在一起 就构成了一个复杂 网络 单个神经元的数学模型就是基于这种生理学认识 在这种模型中 神经元 接受冲动信号模型化为输入变量 神经元发放的冲动模型化为输出变量 而神经 元由接受冲动到发放冲动的过程由一个作用函数来模拟 如下图所示 图 2 2 1 输入变量x x 2 x 并行地输入神经元 神经元对输入的反应 表现在输出变量y 的值上 f l q x l x 2 k o f y 图2 2 1 神经元模型图 用f x 表示作用函数 这个模型可表示为 y f w x 0 相应的权向量w w l w 2 w n 式中0 为神经元本身的阈值 f 为单元函数 即 m 搦 人工神经网络是用于模拟人脑部分功能的一种计算系统 因其具有巨量并行 性 存储分布性 自学习性及自组织性等特点 近年来正成为世界各国科学家研 究的热点之一 由于它不必预先知道系统的结构参数而可以通过对已采集的数据 进行学习 训练 来达到预期目的 因此特别适于处理一些复杂系统问题 如 动态非线性系统的辨识与预测问题 9 渐江大学硕士学位论文 2 2 2 偏最t j 乘法的基本思想 偏最小二乘回归 p a r t i a ll e a s t s q u a r e sr e g r e s s i o n 是多种多元统计分析方法 的综合应用 它可以将建模类型的预测分析方法与非模型式的数据内涵分析方法 有机地结合起来 实现回归建模 主成分分析以及两组变量间的相关分析 嘲 对于某一特定的系统 其各测量值之间并不是相互独立的 而是彼此之间具 有一定的相关性 比如普遍存在的质量守恒 能量守恒规律就约束着系统中某些 物理量之间的关系 某个物理量的大小不能随意确定 而必须同其他物理量之间 遵守一定的约束关系 某个物理量的改变会引起其它相关物理量的变化 正是利 用这种物理量之间的内在变化一致性 我们可以建立偏最小二乘模型进行数据的 预测 偏最小二乘回归分析的是样本点 定量变量类型的数据表 偏最d 乘回归 分析的两张数据表是非对称的 数据表根据预测对象不同划分为自变量集合和因 变量集合 偏最小二乘回归即是求因变量集合的主成分对自变量集合的主成分的 线性回归 假设矩阵x 和矩阵y 分别代表自变量集合和因变量集合 自变量个数为p 因变量个数为g 观测的样本点个数为n 则自变量集合x 可表示为 x 五 因变量集合y 乃 g 记t 和u 分别为输入和输出主元 集合 主元个数为m 则主元集合可表示为t 1 0 u h 根据回归方程 输入和输出主元要尽可能大地携带自变量集合和因变量集合 的变异信息 这样能提取满意的精度 否则 将利用残余信息进行下一轮成分提 取直到达到满意的精度为止 2 2 3n n p l s 算法概述 n n p l s 模型整合了神经网络 n n 和偏最小二乘 p l s 两种常用预测手段 来解决输入具有相关性的非线性动态问题 偏最小二乘的外部映射将具有相关性 的输入特征提取 以主元线性组合形式表现出来 各主元之间互不线性相关 通 过训练神经网络以期在内部空间中寻找输入主元和输出主元的非线性关系 假设 1 0 浙江大学硕士学位论文 有两个存放数据的矩阵x 和y x 存放输入数据 y 存放输出数据 矩阵的每 行代表同一时刻的每一组输入的样本 而每列代表相应变量的所有时序值 我们 要通过n n p l s 模型来找到x 和y 的关系 与单一的神经网络不同的是 n n p l s 法 并不是直接将x 和y 输入神经网络学习 而是通过了一个外部变换 k x t p k 2 1 y u q k 2 2 其中 u h 是第h 个主元的得分向量 p q 是与该主元相关的负荷向量 向量 组气 h 1 2 k 能很好的概括x 和y 中的信息 屯和u h 之间的内部关系 由一个单输入单输出的神经网络建立 u a n t h 2 3 其中n x 表示神经网络训练出来的非线性关系 原则上可以采用现有的任意算 法来建立神经网络 如b p r b f 径向基函数神经网络 前馈网络等 不断修正 网络中的权值和阈值 使得残差 符合精度要求 每次神经网络训练之后 分别计算矩阵x 和y 的残差 e e 4 一t h p 瓦 e nm q 2 4 2 5 残差迭代过程一直延续到矩阵x 和y 中所有信息均被主元气和n 所包含 在残差中只残余少量噪声信息 主元个数h 可以采用交叉确认的方法决定 当 n n p l s 模型建立起来后 就可以用来进行数据预测工作了 在一个新的输入数据 样本x t t 递归计算出输入主元得分向量k 通过神经网络得到b 和 之间的 关系 从而计算出预测值多 f 2 2 4n n p l s 算法步骤 在线性p l s 基础上建立的n n p l s 算法步骤如下 将输入输出数据矩阵x 和y 分别标准化为e o 和f o 使得标准化后的样本均 f 芝豁融 叫 e f o f o l f 0 2 l e o y j 一如 1 5 j 知 旬 q 其中p g 为输入输出单个样本的变量个数 以为样本个数 e e 乃 分别为列向量薯 乃的均值 墨分别为列向量五 乃的均方差 2 h l 时 第一个主成分t 和u 的提取 t e o w 1 1 w i i l u f o e j l c j i 1 2 8 2 9 w c 1 分别为e f o 的第一个轴 若使t 和u l 能尽可能大的代表数据矩阵x 和y 中的变异信息 同时t 对u 1 有最大的解释能力 根据典型相关分析 要求t 1 和u 的协方差最大 即解最优化问题 m a x e w l f 0 c 1 2 1 0 记目标函数0 一 w t n t f o c 采用拉格朗日算法推导得出 密数襄 2 1 1 lf 弘 瑶f 0 c 1 啪 呼为矩阵的特征值 w c l 为特征向量 0 1 取最大值 w c 则分别是矩 阵e 砜昭e o l 椰砜最大特征值对应的特征向量 为了简化计算 不妨取c l 1 则u l f o 浙江大学硕士学位论文 w u t e o e r a l 2 一1 2 w l 求得 则主成分t i e o w 求f o 对t 的回归系数 负荷向量q q j t 汛 2 一t 3 根据q 计算出主元u i l 瑶铂 2 1 4 将此次计算的u 1 与初始化的u 比较 若收敛继续计算 若不收敛则反复迭 代步骤2 直到收敛为止 求e 0 对t 的回归系数 负荷向量p 1 p f f ia t e o u j u l 2 1 5 建立神经网络模型 拟合t u 的非线性关系 氐 n t 2 1 6 计算第一个主元下的残差 e i e o t l p i 2 1 7 e f o t 3 q j 2 一1 8 3 办 1 时 按上述方法迭代 w f f iu e l h h 2 1 9 单位化w e w 2 2 0 q e 1 u r n 2 2 1 n 耻l q 2 2 2 判断u 收敛后计算 p t e i t k 2 2 3 f 1 浙江大学硕士学位论文 神经网络拟合非线性关系 残差计算 e e i t p e f 一a q 2 2 4 2 2 5 2 2 6 主成分h 的选择采用交叉有效性原则 4 预测回归方程 采用训练好的n n p l s 模型预测同一样本集中的数据信息 童关于t t t 的 最小二乘回归方程为 它 d q f o 得原始变量的n n p l s 回归方程为 t 喜n x 触y w 卜 卜e t n ix 兀 i w p 卜小 f 4 l 从该回归方程中能直接看出预测值与输入样本的非线性关系 2 2 5 交叉有效性原则 2 2 7 2 2 8 2 2 9 2 3 0 2 3 1 假设采用 个成分 乃为原始数据 教师数据 将去除第f 个样本点的样本 集 取 1 1 个成分建立回归方程后 代入第f 个样本的得到的预测值记为氟 将 用全部样本集在 1 1 个成分下建立回归方程后 第 个样本点的预测值记为丸 6 1 咒的预测误差平方和为p z s s n 一段 2 2 3 2 1 4 卜 r j p w一 l 兀一 w 浙江大学硕士学位论文 的误差平方和为 定义 窆 一丸 2 骈 卜p r e s s h a s h l 2 3 3 2 3 4 s 0 是用全部样本拟合 i 一1 个成分的样本误差平方和 若奶 o 0 9 7 5 时 则引入新的成分 对模型的预测能力有显著提高 反之则无 这就是交叉有效性 原则 2 2 6n n p l s 算法应用 对有些不太重要的点 例如6 段抽汽压力 它的表压一般在o o 5 个大气压 之间 如果超出或者低于这个值 这个监测点肯定有问题 所以只要设置这个数 据的上下限值 进行初判就可以了 对一些重要的测点 例如主蒸汽流量 有四个相关变量机组功率 主蒸汽压 力 主蒸汽温度和再热器出口蒸汽压力 取具有代表性的1 0 0 组数据 5 0 组数 据用来训练 表2 2 1 另外5 0 组数据用来预测 表2 2 2 利用n n p l s 算法 来建该测点的仿真模型 相关变量的历史测量值作为模型的输入 该测点的测量 值作为模型的输出 仿真出网络的权向量和负荷向量等参数存入s q ls e r v e r 数 据库 表2 2 3 是预测结果 表2 2 1 主蒸汽流量训练数据 主蒸汽流量功率主蒸汽压力主蒸汽温度再热器出口蒸汽压力 1 0 0 4 9 0 5 0 93 0 1 1 6 1 4 3 81 6 7 8 1 5 25 2 1 7 6 1 4 1 3 63 4 5 2 7 0 6 8 9 8 3 5 9 1 9 1 9 2 8 3 5 6 6 9 8 6 11 6 7 9 7 9 25 3 8 8 8 4 7 0 4 63 2 2 1 9 6 8 1 0 0 4 6 8 6 0 3 53 0 1 0 4 2 6 0 2 51 6 7 7 9 65 2 1 8 0 7 8 6 1 33 4 5 2 7 9 3 9 0 0 6 7 4 4 3 8 52 8 3 9 6 5 3 6 2 5 1 6 8 0 1 3 9 5 3 8 8 8 3 9 7 2 23 2 2 2 6 6 5 1 0 0 4 4 6 6 9 1 93 0 0 2 0 6 6 9 5 6 1 6 7 7 7 6 75 2 1 8 5 4 3 0 9 1 3 4 5 2 8 8 1 9 0 2 9 8 9 6 2 42 8 3 6 2 9 6 6 9 21 6 8 0 4 8 75 3 8 8 8 3 2 3 9 73 2 2 3 3 6 3 1 0 0 4 2 4 7 8 6 43 0 1 5 1 5 9 6 0 71 6 7 7 5 7 55 2 1 9 0 0 7 5 6 83 4 5 2 9 6 8 9 0 3 7 6 3 4 2 7 7 2 8 4 0 8 5 8 7 6 51 6 8 0 8 3 45 3 8 8 8 2 5 0 7 33 2 2 4 0 6 1 0 0 4 0 2 8 7 4 83 0 0 7 2 0 3 3 6 91 6 7 7 3 8 25 2 1 9 4 7 2 6 5 63 4 5 3 0 5 5 9 0 4 1 5 1 8 5 5 52 8 4 2 0 3 7 0 4 81 6 8 1 1 8 l5 3 8 8 8 1 7 7 4 93 2 2 4 7 5 7 1 0 0 3 8 0 9 6 3 l3 0 0 8 8 9 5 2 1 6 7 7 1 95 2 1 9 9 3 7 1 3 43 4 5 31 4 3 9 0 4 5 4 0 3 4 4 22 8 3 9 6 0 8 1 5 4 1 6 8 1 5 2 95 3 8 8 8 1 0 4 2 53 2 2 5 4 5 5 浙江大学硕士学位论文 1 0 0 3 5 9 0 5 7 63 0 1 0 5 8 7 1 5 81 6 7 6 9 9 75 2 2 0 4 0 1 6 1 13 4 5 3 2 3 9 0 4 9 2 8 7 7 22 8 2 7 4 6 3 6 8 41 6 8 1 8 7 65 3 8 8 8 0 3 1 0 13 2 2 6 1 5 2 1 0 0 3 3 7 1 4 63 0 0 7 4 0 4 7 8 51 6 7 6 8 0 55 2 2 0 8 6 6 0 8 93 4 5 3 3 1 7 9 0 5 3 1 7 2 6 0 72 8 3 2 6 7 0 8 9 81 6 8 2 2 2 4 5 3 8 8 7 9 5 7 7 6 3 2 2 6 8 4 9 1 0 0 3 1 5 2 4 0 52 9 9 9 3 4 7 8 3 91 6 7 6 6 1 25 2 2 1 3 3 0 5 6 6 3 4 5 3 4 0 5 9 0 5 7 0 5 7 4 9 52 8 2 8 7 17 9 5 71 6 8 2 5 7 15 3 8 8 7 8 8 4 5 2 3 2 2 7 5 4 6 1 0 0 2 9 3 3 2 8 93 0 0 0 7 9 1 3 21 6 7 6 4 25 2 2 1 7 9 5 0 4 4 3 4 5 3 4 9 2 9 0 6 0 9 4 17 7 22 8 2 6 0 7 4 5 2 41 6 8 2 9 185 3 8 8 7 8 1 1 2 83 2 2 8 2 4 4 1 0 0 2 7 1 4 1 7 2 3 0 1 1 7 3 5 2 2 91 6 7 6 2 2 75 2 2 2 2 5 9 5 2 13 4 5 3 5 7 9 9 0 7 1 1 5 3 5 6 42 8 2 3 4 3 0 7 8 61 6 8 3 2 6 65 3 8 8 7 7 3 8 0 43 2 2 8 9 4 l 1 0 0 2 4 9 5 1 1 72 9 9 9 5 4 9 2 5 51 6 7 6 0 3 55 2 2 2 7 2 4 6 0 93 4 5 3 6 6 7 9 0 8 2 9 4 7 3 8 8 2 8 2 0 7 8 7 0 4 81 6 8 3 6 1 35 3 8 8 7 6 7 0 93 2 2 9 6 3 8 1 0 0 2 2 7 6 0 0 13 0 2 0 2 9 5 7 1 51 6 7 5 8 4 25 2 2 318 9 0 8 73 4 5 3 7 5 4 9 0 9 4 7 4 1 2 1 12 8 4 0 5 9 3 5 6 7 1 6 8 3 9 65 3 8 8 7 5 9 7 6 63 2 3 0 3 3 5 1 0 0 2 0 5 6 9 4 63 0 0 6 9 0 1 2 4 51 6 7 5 6 55 2 2 3 6 5 3 5 6 43 4 5 3 8 4 1 9 1 0 6 5 3 5 0 3 4 2 8 4 5 4 8 1 5 6 7 1 6 8 3 2 8 45 3 8 8 7 5 2 4 4 13 2 3 1 0 3 3 1 0 0 1 8 3 7 8 33 0 1 3 5 4 7 9 7 4 1 6 7 5 4 5 75 2 2 4 1 1 8 0 4 23 4 5 3 9 2 9 9 1 1 8 3 2 8 8 5 7 2 8 4 2 1 5 7 8 9 81 6 8 2 4 9 3 5 3 8 8 7 4 5 11 73 2 3 1 7 3 1 0 0 1 6 1 8 7 7 4 3 0 1 1 8 6 1 2 6 71 6 7 5 2 6 5 5 2 2 4 5 8 2 5 23 4 5 4 0 1 6 9 1 3 0 1 2 2 6 8 1 2 8 3 9 8 3 5 8 1 51 6 8 1 7 0 3 5 3 8 8 7 3 7 7 9 33 2 3 2 4 3 1 0 0 1 3 9 9 6 5 8 3 0 0 1 8 4 0 5 1 51 6 7 5 0 7 25 2 2 5 0 4 6 9 9 7 3 4 5 4 1 0 4 9 1 4 1 9 1 6 5 0 42 8 3 7 2 5 3 4 181 6 8 0 9 1 25 3 8 8 7 3 0 4 6 9 3 2 3 3 1 5 2 1 0 0 1 1 8 0 5 4 22 9 9 7 6 3 5 8 0 31 6 7 4 8 85 2 2 5 51 2 0 8 5 3 4 5 4 1 9 1 9 1 5 6 9 3 1 7 6 3 2 8 3 4 6 4 4 7 7 51 6 8 0 1 2 25 3 8 8 7 2 31 4 5 3 2 3 3 8 7 4 1 0 0 0 9 6 1 4 8 7 2 9 9 9 2 4 7 1 3 l1 6 7 4 6 8 75 2 2 5 9 7 6 5 6 3 3 4 5 4 2 7 8 9 18 4 8 3 5 2 0 52 8 3 9 0 15 8 0 8 1 6 7 9 3 3 l5 3 8 5 5 1 7 5 7 8 3 2 3 4 5 9 6 1 0 0 0 6 6 3 5 7 43 0 0 0 8 5 8 4 5 9 1 6 7 4 4 9 55 2 2 6 4 4 1 0 4 3 4 5 4 3 6 6 9 2 1 2 7 3 8 6 4 72 8 3 7 9 2 8 1 6 2 1 6 7 8 5 45 3 7 9 1 1 4 3 83 2 3 5 31 7 1 0 0 0 3 1 3 1 7 13 0 0 2 4 6 9 7 8 816 7 4 3 0 2 5 2 2 6 9 0 5 5 1 83 4 5 4 4 5 3 9 2 4 0 6 4 2 0 92 8 3 2 9 7 3 0 2 2 1 6 7 7 7 55 3 7 2 7 1 1 1 8 23 2 3 6 0 3 9 9 9 9 9 6 2 7 6 8 62 9 9 1 7 9 6 5 71 6 7 4 1 1 5 2 2 7 3 6 9 9 9 53 4 5 4 5 4 9 2 6 8 5 4 5 5 3 22 8 3 8 0 5 0 5 3 71 6 7 6 9 5 9