基于集成STGCN–DBN框架的CFB锅炉受热面动态故障风险评估

《Modelling》：Dynamic Failure Risk Assessment of CFB Boiler Heating Surfaces Based on an Integrated STGCN–DBN Framework

　　

摘要

大规模整合可再生能源迫使燃煤发电厂在深度削减峰值的条件下运行，这导致了循环流化床（CFB）锅炉加热表面因严重热冲击和压力波动而面临更高的故障风险。为了解决传统静态风险评估的局限性，本研究提出了一种新的动态风险评估框架，该框架结合了时空图卷积网络（STGCN）和动态贝叶斯网络（DBN）。STGCN通过一个适应运行的动态交叉注意力延迟模块来预测高温加热表面的时空温度和压力变化，并将这些预测变量作为动态证据纳入DBN中。DBN利用噪声OR逻辑和内嵌的Weibull物理退化模型来连续量化累积故障概率。案例研究结果表明，STGCN在预测准确性上优于传统的LSTM和RNN模型。此外，DBN能够有效映射各个锅炉组件的独特退化特征，准确识别出水壁和过热器在快速负荷循环过程中具有最高的故障风险和最大的故障概率波动。这种集成数据驱动的方法能够提供高度精确的实时风险预测，为CFB锅炉的预测性维护和安全灵活运行提供必要的决策支持。