关键词:
故障预警
汽动给水泵
双树复小波包
注意力机制
深度学习
摘要:
基于当前火电厂中汽动给水泵普遍采用单预警模型,存在误报、漏报的风险,导致给水泵发生故障,进而严重影响汽水系统安全运行的问题,提出了一种双重故障预警的健康度评价模型。首先,利用斯皮尔曼(Spearman)相关性分析筛选相关的特征参数作为输入,并通过双树复小波包变换(DTCWPT)对给水泵振动数据进行降噪处理,以提高输入数据的质量。其次,改进iTransformer模型,构建iTransformer-KAN故障预警模型,对给水泵驱动端轴承温度进行预测。最后,基于朗肯循环确定给水泵的核心故障监测参数,并利用时间动态规整(DTW)映射出期望给水流量与实际出口流量的偏离度。在计算预测残差值和实时偏离度值的基础上,采用核密度估计法(KDE)设定阈值,实现故障预警功能;同时,为便于运行人员做出决策,构建健康指数指标,可直观地展现给水泵的运行状态和机组状态等级的变化。实验结果表明:所提方法在实际数据中表现优异,预测模型的均方根误差为0.13,决定系数为0.997,预警效果优于其他对比模型;DTW监测模型可提前4.58 h提供维护建议,能够有效评估给水泵的运行状态,保障机组安全运行。