M am dani模型在提高空气预热器热点检测准确度上的研究与应用

时 标， 梁炎明， 傅望安， 毛国明， 韦玉华

（1．华能玉环发电厂， 浙江 台州 317604； 2．西安理工大学自动化与信息工程学院， 西安 710048）

M am dani模型在提高空气预热器热点检测准确度上的研究与应用

时 标1， 梁炎明2， 傅望安1， 毛国明1， 韦玉华1

（1．华能玉环发电厂， 浙江 台州 317604； 2．西安理工大学自动化与信息工程学院， 西安 710048）

为进一步提高现有空气预热器热点检测系统的检测准确率，对原空气预热器热点检测系统进行了详细研究，结合空气预热器实际运行情况，提出了一种能够提高该系统检测准确率的辅助方法。即根据运行经验利用模糊理论建立了机组负荷与能量归一化因子的 Mamdani模糊模型， 通过模糊推理运算使能量归一化因子随着机组负荷变化进行自适应调整。实例分析表明，采用能量归一化因子自适应调整方法，能有效降低该系统的误报，从而提高了热点检测准确率。

空气预热器； 热点检测； 能量归一化因子； 自适应调整； Mamdani模糊模型

0 引言

空气预热器（简称空预器）是火力发电机组中重要的换热设备，作用是提高锅炉燃烧和制粉系统的空气温度，降低排烟温度，减少排烟热损失。如果空预器内部的空气、烟气流速低或不均匀，导致散热条件变差，空预器可能会发生火灾事故[1－2]。 为预防此类事故， 玉环发电厂安装了热点检测系统。

原有的测温传感器是以移动的方式对空预器的温度场进行检测。在空预器运行过程中，由于其内部环境极其恶劣（温度高、灰尘多和腐蚀严重），移动式热点检测系统容易发生机构卡死故障，严重影响系统的投运率。如果测温传感器所在的位置与热点位置距离较远，需要经过数个空预器转动周期才能检测到热点，移动检测方式存在严重的检测滞后问题。因此，为提高系统投运率和缩短热点检测时间，对移动式热点检测系统进行改造，替换成由西安理工大学开发的基于红外阵列传感器的固定式热点检测系统。该系统克服了移动式检测系统易发生机械故障和检测严重滞后的问题，而且其热点检测方法在可靠性和准确率方面都高于传统的阈值报警方式。目前该系统运行良好，但出现过误报情况。

结合系统的检测原理，对误报原因进行了分析，结果表明，当能量归一化因子与机组负荷不匹配时容易引起误报。为此，对机组负荷与能量归一化因子的关系进行了研究， 建立了 Mamdani模糊模型，使能量归一化因子随着负荷变化进行自适应调整。实例分析表明，采用能量归一化因子自适应调整方法，能有效降低该系统的误报，从而提高了热点检测准确率。

1 热点检测系统的工作原理[3]

1.1 系统构成

该系统的测温传感器由热电偶和红外阵列传感器组成。这两类不同性质的传感器分布在空预器空气侧的上部和下部。4只热电偶沿空预器半径方向均匀分布在上部，作为系统的辅助测温元件。5个红外阵列传感器固定在空预器下部的横梁上，由于每个红外阵列传感器拥有7个红外探头， 因此相当于有 35个红外探头布置在横梁上，完全覆盖测量范围，再配合空预器转子的转动，可以扫描整个转子蓄热元件的受热面，从而获得转子内部的温度场分布。热电偶和红外传感器的安装位置如图1所示。

图1 热电偶和红外传感器安装位置示意图

1.2 检测原理

图2 为该系统的热点检测模型， 其中 i=0，1， 2， …， n-k， 表示探头顺序号， n 表示红外探头数量， k 表示对区域 Sl（l=1， 2， 3， …， n-k +1）进行融合推理的探头个数。 根据图2， 区域 Sl的红外能量可被相邻k个红外探头检测，则 k个红外 探头的 输 出 分别为 ti+1， ti+2，… ， ti+k， 通 过 红外探头的热点局部决策函数 f（t）， 可计算出在某一红外能量下各探头的热点概率 μA和非热点概率μB，然 后利 用 DS 证 据理 论[4]推 理区域 Sl是否存在热点。 f（t）的定义如图3 所示， 其中 θ1， θ2为预先设定的门限，t为红外能量归一化信号。

图3 热点局部决策函数

DS 证据理论提供了组合 2 个证据的规则，设U 是 1 个论域集合， m1和 m2是 2 个相互的基本概率赋值， 则 m1和 m2可以按式（1）和（2）合成 1个新的基本概率赋值函数：

式中：K为不相交集合的基本概率乘积之和，若K=1， 则认为 m1与 m2矛盾， 不能对基本概率赋值进行组合；集合 E，F和G是U 的子集。

图2 基于 DS证据理论的空预器热点检测模型

根据式（1）和（2）对 k 个探头按顺序进行两两组合，最后可以得到这k个探头的推理结果。设mi（A）， mi（B）和 mi（U）表 示最后 推理 得 到的 热点 、非热点基本概率赋值和不确定度，则可按式（3）和（4）判断是否存在热点。 如果 mi（A）满足：

则判断结果为热点，否则不是热点或者不确定，可根据基本概率赋值决策方法进行进一步判定， 其中 ε1， ε1为预先设定的门限。

2 能量归一化因子的自适应调整

2.1 能量归一化信号

系统的红外探头输出信号为能量归一化信号，该信号与接收到的红外辐射能量关系为：

式中： t为红外探头的能量归一化信号； Et为红外探头接收到的红外辐射能量；M为该系统的能量归一化因子。

由式（5）可知， 当 M 固定时， 能量规一化信号与红外探头接收到的红外辐射能量成正比，即可以用 t的大小判断物体温度的高低。 因此，系统利用 t代替 Et来判断热点是否存在。 基于 t的热点判断方法要求M的取值要合理，否则会影响判断结果，目前常用经验法确定M的值。这种值确定方法不适用于工况复杂的情况，容易出现误报，实际应用效果也是如此。为此，本文提出一种自适应调整M值的方法。

2.2 M am dani模型建立

针对经验法确定M值不具备自适应性，引入Mamdani 模糊模型[4]，其规则如下：

其中： xj表示第 j个输入变量（ j=1， 2， …， k）； Aj表示 xj采用的模糊集； yi表示第 i条规则对应的局域输出； Hi表示 yi采用的模糊子集。

根据运行经验，选取机组运行负荷量L和机组运行负荷量每小时的变化率 Lc作为模型的输入变量，能量归一化因子M作为输出变量，假设共有k条规则，可得到如下形式的模糊规则：

模型输入变量 L 的论域取[0， 1 000 MW]， 语言变量设为{B（大）， M（中）， S（小）}； 输入变量 Lc的论域取[-300，300 MW]， 语言变量设为{NB（负大）， Z（零）， PB（正大）}； 输出变量 M 的论域取[180，340]，语 言 变 量 设 为 {TB （真 大 ），WB （弱大）， M（中等）， WS（弱小）， TS（真小）}。 图4-6 分别为 L， Lc和 M 的隶属度函数 μ， 这些隶属度函数是根据现场运行经验获得的。

根据现场运行经验，可以总结出较为合理的模糊规则表，如表1所示。

表1 能量规一化因子调整规则表

图4 负荷L的隶属度函数

图5 Lc的隶属度函数

2.3 能量归一化因子计算

得到上述 Mamdani模型后， 通过模糊推理运算，可以根据机组实际运行负荷来确定能量归一化因子，步骤如下：

（1）计算在负荷 L′和负荷变化率 Lc′下每条规

图6 M的隶属度函数则的权值：

（2）计算在负荷 L′和负荷变化率 Lc′下，能量归一化因子对应的模糊集合 H′：

（3）采用重心法将模糊集合 H′进行反模糊化计算， 得到的值便是能量归一化因子 M′。

3 实例验证

为了验证本文介绍的新方法的有效性，取玉环发电厂 3 号炉在 2010 年 7－9 月份的部分运行数据， 与原系统（能量归一化因子为 260）的热点检测结果作比较。为简化计算，降低计算复杂度，将连续输出模糊集合化简为离散模糊集合，从输出论域[180， 340]中以 5 为单位， 等距离地取 33个离散值， 将这 33个离散值构成离散模糊集合，则式（8）的积分运算变成求和运算。 表2 给出了测试和比较结果，可以看出该方法可以使能量归一化因子能随机组运行负荷变化而做自适应调整，与原系统的检测结果相比，有效降低了误报率。

表2 测试和比较结果

4 结语

根据现场运行经验， 利用 Mamdani模型较好地建立了热点检测系统能量归一化因子与机组负荷之间的关系，使能量归一化因子的确定更加合理。实例分析表明，本文提出的空预器热点检测辅助方法有效并使原来的热点检测系统具有较高的判警准确率。

[1]刘涵，李琦，刘丁，等．基于最小二乘支持向量机的电站锅炉空预器热点检测系统研究[J]．中国电机工程学报，2005，25（3）∶147－151．

[2]梁炎明，刘丁，李琦，等．基于证据推理的电站锅炉空预器热点检测[J]．传感技术学报，2009，22（12）∶1843－1847．

[3]梁炎明，李琦，吴军军，等．基于红外阵列传感器的电站锅 炉 空 气 预 热 器 热 点 检 测 系 统 设 计[J]．西 安 理 工 大 学学报，2010，26（1）∶106－110．

[4]孙增析．智能控制理论与技术[M]．北京：清华大学出版社，1997．

（本文编辑：陆 莹）

Research and App lication of M am daniM odel for Accuracy Im provement of Air Preheater Hot Spot Detection

SHIBiao1， LIANG Yan-ming2， FUWang-an1， MAO Guo-ming1， WEIYu-hua1
（1．Huaneng Yuhuan Power Plant， Taizhou Zhejiang 317604， China；2．School of Automation and Information Engineering，Xi′an University of Technology， Xi′an 710048,China）

To further improve the accuracy of the existing air preheater hot spot detection system， the air preheater hot spot detection system is studied in detail．According to the actual operation of air preheater， an assistantmethod that can improve the system detection accuracy is proposed．The Mamdanimodel of unit load and energy normalization factor is established by means of fuzzy theory based on operation experience，the energy normalization factor can be adaptively adjusted by fuzzy logic operation according to the variations of unit load．The result of case analysis shows that the adaptive adjustmentmethod of energy normalization factor can effectively reduce false alarms of the system to improve the hot spot detection accuracy．

air preheater； hot spot detection； energy normalization factor； adaptive adjustment； Mamdani fuzzymodel

TK311∶TP272

： B

：1007－1881（2011）07－0034－04

2011-2-11

时 标（1979-）， 男， 安徽阜阳人， 工程师， 从事发电厂热控专业管理工作。