基于KPCA算法的电厂设备在线故障诊断研究

贾志军，白德龙，宋燕杰，王剑飞，李春新

JIA Zhijun1，BAIDelong1，SONGYanjie2，WANGJianfei1，LIChunxin1

（1.内蒙古京隆发电有限责任公司，内蒙古乌兰察布012100；2.内蒙古化工职业学院，呼和浩特010070）

（1.Inner Mongolia Jinglong Electric Power Generation Company Limited，Ulanqab 012100，China；2.Inner Mongolia Vocational College of Chemical Engineering，Hohhot 010070，China）

0 引言

随着“两化融合”的不断深入和“新基建”的开展，智能电厂、智慧电厂的推进逐步深入［1-4］。依托电厂运行产生的海量数据进行经济性、安全性分析和预测受到了广泛关注，其中参数预警和故障诊断是研究的重点方向。

目前主流的参数预警和故障诊断技术大多是在生产控制系统外对实时生产数据进行诊断，只能为生产运行提供分析和指导，不能直接控制生产设备和系统，对传统运行方式的改变和生产智能化的提升作用有限，不能满足火电机组生产运行因人员结构、经济环境和安全形势等对智能化的迫切需求。文献［5-7］均是研究基于主成分分析和相关技术结合的故障诊断方法，但只是给出了离线故障诊断的方法，没有直接作用于生产系统。姜健［8］提出了改进型主成分分析（Principal Component Analysis，PCA）算法，将不同工况进行分段线性化处理，再通过平方预测误差（SPE）时间阈实现故障诊断，同样没有对诊断结果与实际控制关联。文献［9］提出一种化工过程故障诊断知识自动化方法，作者基于专家知识库的故障诊断，实现了专业经验的数字化，但缺乏大数据的支持，对异常工况的覆盖存在局限性。文献［10］改进PCA算法及数据重构在工业系统中的故障诊断研究，通过对历史故障数据进行检查实现故障检测。但在实际生产过程中故障数据过少且故障类型不全，该方法不具备故障诊断普适性。……