基于数据挖掘的火电厂风机故障预警研究

潘召涛

（霍州煤电集团吕梁山煤电有限公司方山发电厂， 山西 吕梁 033102）

引言

风机的持续稳定运转对提高火电厂机组工作效率非常关键，其工作的稳定性直接影响火电厂的经济和安全。由于火电厂风机工作环境相对恶劣，经长时间大负荷运行，容易产生各种故障，而大部分火电厂对风机仍然采取巡检、定期维护、停运检修的故障预防和处理方法，这对火电厂的运行效率产生一定的影响。本文提出利用数据挖掘技术在风机故障对机组运行造成影响之前，提早发出预警，使风机管理人员及时做出维修方案，避免事故造成重大经济损失。使用数据挖掘技术首先要有完整的数据源，对数据进行集成、选取和处理，然后挖掘其中内在的关联规则，以此改善风机故障的预警方法，使其在故障发生前短时间内发出报警，对风机的管理起到优化效果。

1 风机特性及常见故障

火电厂中常用的风机主要包括引风机、冷却风机、密风机、送风机、吸潮风机、一次风机等，其中由于一次风机运行条件较差，需要连续地在烟尘浓密的环境中进行大功率输出，具有很高的故障率，进行故障维修平均每年需要两次以上，每次维修都会导致整个机组减负荷运行甚至造成非计划停机。从维修记录和现场经验总结，风机的常见故障主要包括传动机构损坏、叶片磨损、动叶卡涩、噪音过大、突发降速、喘振、轴承振动和轴承温度高等[1]。

2 基于数据挖掘的风机故障预警时间确定

KDD 是一种数据挖掘技术，其过程是根据一些特定的度量方法和阈值提取有意义的交互和迭代式多阶段过程，主要包括数据准备、数据挖掘、结果表达三个步骤，如图1 所示。……