基于锅炉数字孪生模型的状态监控与健康评估方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114662770A(43)申请公布日2022.06.24(21)申请号202210326022.1(22)申请日2022.03.30(71)申请人西安交通大学地址710049陕西省西安市咸宁西路28号(72)发明人蔡远利赵彦博姜浩楠胡怀中(74)专利代理机构西安通大专利代理有限责任公司61200专利代理师李鹏威(51)Int.Cl.G06Q10/04(2012.01)G06Q10/06(2012.01)G06F30/20(2020.01)G06F119/02(2020.01)权利要求书9页说明书16页附图6页(54)发明名称基于锅炉数字孪生模型的状态监控与健康评估方法及系统(57)摘要本发明公开了一种基于锅炉数字孪生模型的状态监控与健康评估方法及系统，所述方法包括以下步骤：获取待状态监控与健康评估的火电机组锅炉设备的量测数据；其中，量测数据包括汽包水位、汽包出口蒸汽流量和汽包压力；采用预获取的火电机组锅炉设备的锅炉数字孪生模型产生预测数据；其中，预测数据包括液相区工质质量、蒸汽密度、汽包水焓值、上升管质量含汽率和汽包压力；基于量测数据和预测数据，利用容积卡尔曼滤波进行数据同化，获得估计结果；基于估计结果，实现火电机组锅炉设备的状态监控与健康评估。本发明提供的方法可实现锅炉结渣特性的在线预测。CN114662770ACN114662770A权利要求书1/9页1.一种基于锅炉数字孪生模型的状态监控与健康评估方法，其特征在于，包括以下步骤：获取待状态监控与健康评估的火电机组锅炉设备的量测数据；其中，所述量测数据包括汽包水位、汽包出口蒸汽流量和汽包压力；采用预获取的所述火电机组锅炉设备的锅炉数字孪生模型产生预测数据；其中，所述预测数据包括液相区工质质量、蒸汽密度、汽包水焓值、上升管质量含汽率和汽包压力；基于所述量测数据和所述预测数据，利用容积卡尔曼滤波进行数据同化，获得估计结果；基于所述估计结果，实现火电机组锅炉设备的状态监控与健康评估。2.根据权利要求1所述的一种基于锅炉数字孪生模型的状态监控与健康评估方法，其特征在于，所述火电机组锅炉设备的锅炉数字孪生模型表示为：式中，xk、tk、uk和zk+1分别为系统状态向量、参数向量、输入向量和量测向量；A、B和C均为系数矩阵；ωk和ξk均为过程噪声，vk为量测噪声，ωk～N(0,Qk)，ξk～N(0,Gk)，vk～N(0,Rk+1)；Qk和Gk均为过程噪声协方差矩阵、Rk+1为量测噪声协方差矩阵；xk、tk、uk和zk+1分别表达为：Txk＝[MdlρvhwqvPdr]tk＝[Ksl]Tuk＝[WeTbPs]Tzk+1＝[LWvPdr]系数矩阵A、B和C分别表示为：2CN114662770A权利要求书2/9页式中，a11＝1，a44＝1，a55＝1，b11＝1，c35＝1，3CN114662770A权利要求书3/9页Mdl为液相区工质质量，ρv为饱和蒸汽密度，hw为汽包水焓值，qv为汽水混合物质量含汽率，Pdr为汽包压力；Ksl水冷壁的传热系数，We为给水流量，Tb为炉膛平均温度，Ps为过热器压力，L为汽包水位，Wv为汽包出口蒸汽流量，Ts为采样时间；Wro为上升管出口汽水混合物流量，Wd为下降管入口流量，Wec为液相区动态蒸发量，Vv为汽相区体积，VL为液相区体积，ρw为汽包内水密度，he为给水焓值，hwv为上升管出口饱和水焓值，hv为饱和蒸汽焓值，Kec为经验系数，Tw为汽包水温度，Tv为饱和蒸汽温度，Vr为上升管容积，Tr为上升管平均温度，Wd为下降管流量，Wro为上升管出口流量，ρr为汽水混合物密度，Rf为管道流通阻力，Qsl为上升管总吸热量；AL、BL、CL、DL、Adr、Bdr、Cdr、Ddr、Ave、Bve、Cve、Dve、Avt、Bvt、Cvt、Dvt、Evt、Awv、Bwv、Cwv、Dwv、Ewv、Awt、Bwt、Cwt、Dwt、Awd、Bwd、Cwd和Dwd均为拟合系数。3.根据权利要求2所述的一种基于锅炉数字孪生模型的状态监控与健康评估方法，其特征在于，所述基于所述量测数据和所述预测数据，利用容积卡尔曼滤波进行数据同化，获得估计结果的步骤包括：首先，初始化滤波算法，对状态量、参数值、噪声协方差矩阵以及模型系数矩阵x0、t0、u0、P0、Qk、Gk、Rk+1、A、B和C进行初始值的设定；其次，时间更新过程计算步骤为：T计算方差平方根Sk和容积点[Xj,kTj,k]，表达式分别为：Sk＝chol{Pk}式中，chol为矩阵的Cholesky分解，n为状态量维数，Pk为滤波协方差，和分别为k时刻状态与参数滤波值，ξj为基本容积点，表达式为：式中，[I]代表对单位向量进行全排列和改变元素符号产生的点集，为完整全