基于多元状态估计的电厂设备状态评估和故障预警研究

针对电厂生产环境复杂，设备故障频发且不易及时发现的特点，为了提高机组运行效率和设备健康度，提出了一种基于多元状态估计的电厂设备状态评估和故障预警方法。首先，分析设备状态监测所需的监测参数，根据参数采集历史运行数据，筛选健康运行状态数据，筛选典型运行状态数据构建记忆矩阵；然后，搭建状态评估和故障预警模型，利用健康运行状态数据对模型进行训练得到成熟模型，利用成熟模型即可对设备实时运行状态进行健康度评估和故障预警。本文以某燃气发电厂燃气轮机为对象开展研究论证，结果表明，该方法能准确地评估设备运行状态，提早发现设备故障，有效实现设备故障早期预警。     

基于混合粒子滤波的电力设备载流故障预测

为有效预防设备载流故障,提高设备稳定运行能力和延长使用寿命,提出基于混合粒子滤波的滚动式电力设备载流故障趋势预测方法.首先,借助传热学理论,分析电力设备触点在载流故障状态下的温度变化,建立触点温升模型;然后,利用降维思想,根据温升模型给定参数估计方程,初始化温升模型参数.最后,基于在线更新的温度,利用粒子滤波修正模型参数,滚动式优化温度预测曲线,实现载流故障发展趋势的精确预测.基于某电站实际温度数据的验证表明,所提方法能够快速精准地预测载流故障的发展趋势,有效保护电力系统安全运行.     

基于迁移学习的离心鼓风机故障预警方法

工厂实际运行环境下,基于实验室数据的离心鼓风机故障预警模型常常失效,且实际运行数据难以支撑高精度预警模型的构建。提出一种基于自编码的迁移学习方法来快速构建适用于实际运行环境的故障预警模型。首先对实验室采集的离心鼓风机监测数据进行加窗重采样,建立融合稀疏限制的自编码模型;然后将工厂和实验室数据输入自编码网络得到低维特征,最小化两者低维特征的最大均值差异,进而采用较小学习率调整自编码模型完成模型迁移;最后,基于调整后的模型与预警指标制定故障预警策略,实现工厂实际环境下离心鼓风机故障的准确预警。在某型号离心鼓风机数据集上的实验结果表明,该方法与其他三种方法相比具有更高的故障预警精度。     

基于LS-SVM的一次风机振动在线监测及故障预警研究

针对火电厂一次风机运行工况复杂和多状态变量强耦合特性而难以构建设备精确模型问题,将智能数据挖掘方法应用于风机设备故障预警和诊断中。通过对风机典型运行特性进行分析,提出了一种基于最小二乘支持向量机(LS-SVM)的一次风机振动状态估计和故障预警方法。结合山西河曲发电厂1号机组的1#一次风机历史运行数据,应用Matlab对所提出的方法进行了验证和分析。研究结果表明,该预测方法有较高的估计精度,能够及时辨别一次风机在运行中的振动异常,适用于火电厂辅机设备的故障诊断,具有一定的工程应用价值。     

风电机组齿轮箱早期故障预警方法研究

为实现风力发电机组等变工况机电设备的早期故障预警,研发了变工况齿轮箱状态监测系统。在基于该系统的多种变工况行星齿轮磨损实验研究基础上,提出了一种基于流形学习的早期故障预警方法。该方法首先研究采用完全总体经验模态分解与改进快速独立成分分析盲源分离技术,有利于对复杂振动信号的滤波与盲源分离;然后研究改进了局部线性嵌入流形学习方法,基于时域、频域信息融合提取了早期故障敏感特征;最后应用k-近邻分类器实现变工况齿轮箱早期故障预警。实验研究表明,该方法提高了早期故障预警准确率,能够应用于风电机组等变工况机电设备的安全保障及科学维护,具有广泛工程实用前景。     

基于电弧功率的断路器触头磨耗状态分析

断路器是电力系统中十分重要的设备,其安全稳定运行对与保障电网运行安全意义重大。本文重点分析了断路器触头磨耗状态的分析方法,首先,对触头的相对电磨损与相对电寿命的关系进行了介绍,分析了传统的基于开断电流累计次数的电磨损量计算的方法的不足,针对以上问题提出了一种基于电弧功率的断路器触头电磨损状态评估方法。仿真结果表明,该方法具有较好的应用效果。     

集团发电设备故障预警系统在嘉兴电厂的应用

设备故障预警系统不同于发电厂传统的状态监视工具,Smart Signal能够为发电机组的所有主要系统在各种运行状态下及时提供异常的早期预警,便于电厂人员提前采取相应的措施。Smart Signal的核心专利是基于相似性原理的建模技术,能够分析历史数据,建立设备和过程正常运行的高保真经验模型。实时运行时,其自动将模型中传感器的"期望"值与从设备采集来的实时数据进行比较,实现预见性分析,并将设备的预警信息在Smart Signal上发布。Smart Signal提供设备或过程问题的早期预警,通过识别、警示潜在的设备问题,并把此设备及其相关的异常点显示在Smart Signal上,为设备的正常运行及状态检修提供理论依据。     

基于雷达运行状态信息的雷达故障预警方法初探

针对目前新一代天气雷达运行保障监控现状,分析了基于雷达运行状态信息的雷达故障预警方法的可行性,给出了建立雷达故障预警模型和搭建雷达故障预警平台所需的技术依据和详细流程,为研究与实现基于雷达运行状态信息的雷达故障预警平台提供了技术思路。     

基于PLC的矿井通风机运行状态监测及预警体系的应用研究

针对矿井通风机运行稳定性差、故障率高的问题,提出了一种新的基于PLC的矿井通风机运行状态监测及预警体系,在对矿井通风机常见运行故障进行统计分析的基础上,确定了状态监测及预警体系的核心监测参数,然后对各监测设备位置、状态监测及预警逻辑等进行了研究。应用结果表明：该预警体系能够实现对通风机运行状态的实时在线监测和预警,将风机运行故障率减少93.3%以上,显著提升了矿井通风系统的运行安全性。     

运行机理与数据双驱动的风电齿轮箱系统故障预警

传统基于机器学习的风电齿轮箱故障预警模型往往仅从数据着手分析数据与故障的映射关系，在参数和模型结构选择上缺少物理依据，导致模型的可解释性和泛化能力不强。从风电齿轮箱的结构和实际运行控制方式出发，分析了运行机理与对应的数据采集与监视控制系统数据的关系，定性地给出了齿轮箱典型故障发生时运行数据的变化趋势，然后根据数据分布变化规律选择参数和模型，建立了一系列基于单分类支持向量机的风电齿轮箱系统故障预警模型。实验结果显示各模型能够准确定位风电齿轮箱系统故障，具有清晰的物理意义。     

基于改进堆叠自编码网络的电站辅机故障预警

为了提高对辅机故障的事前预知能力,结合深度学习中非监督学习方法的优势,提出基于改进堆叠自编码网络的电站辅机故障预警方法。以辅机的历史正常数据为训练集,利用堆叠自编码(SAE)网络的非线性表达能力表示辅机各变量之间的关系,同时引入批标准化(BN)算法优化网络性能。对于输入的观测向量,SAE网络给出相应的重构向量。构造基于融合距离的相似度表示观测向量与重构向量间的偏差,当辅机开始偏离正常状态时,观测值与重构值偏差增大,相似度下降至预警阈值即表明设备出现故障。分别利用某热电机组中速磨煤机的正常数据与故障数据进行测试与验证,结果显示引入BN算法的SAE网络具有更低的重构误差,同时能够在磨煤机跳闸前做出预警,表明所提方法可对辅机故障进行有效预警,具有一定的工程应用价值。     

变压器电气故障综合预警系统研究

从变压器内部故障的高频电流、振动、噪声以及泄漏电流出发,集成噪音传感器、振动传感器、高频传感器、泄漏电流传感器及配套的处理软件,建立了变压器内部电气故障综合监测和预警系统,实现了变压器局部放电、铁芯多点接地、直流偏磁、谐波负载、附件松动、冷却装置磨损、内部绕组松动以及铁心松动等运行缺陷的有效判别与预警。研究结果表明,设计的预警系统能够在准确识别故障的同时,通过 4G 、 Wi-Fi 通信接口进行数据实时远程传输,能够有效进行变压器内部电气故障的实时在线监测和预警。     

继电保护辅助设备智能监测系统研究

对继电保护辅助设备检测方法进行研究,提出了一套继电保护辅助设备智能监测系统。利用物联网新型传感器、LPWAN和数据智能分析等技术,实现了压板及转换开关位置、户外箱柜内环境等继电保护辅助设备的状态实时感知、自动巡视、异常预警和数据共享等功能。研究结果表明,所提出的监测系统能够有效消除因压板及转换开关错漏投、端子箱凝露积水等原因造成的电网运行重大安全隐患,有效降低运维人员日常巡视的工作量,缓解巡视工作量与运行班组承载能力之间的矛盾。     

基于改进堆叠自编码网络的电站辅机故障预警

为了提高对辅机故障的事前预知能力,结合深度学习中非监督学习方法的优势,提出基于改进堆叠自编码网络的电站辅机故障预警方法。该方法以辅机的历史正常数据为训练集,利用堆叠自编码(SAE)网络的非线性表达能力表示辅机各变量之间的关系,同时引入批标准化(BN)算法优化网络性能。对于输入的观测向量,SAE网络给出相应的重构向量。构造基于融合距离的相似度表示观测向量与重构向量间的偏差,当辅机开始偏离正常状态时,观测值与重构值偏差增大,相似度下降至预警阈值即表明设备出现故障。分别利用某热电机组中速磨煤机的正常数据与故障数据进行测试与验证,结果显示引入BN算法的SAE网络具有更低的重构误差,同时能够在磨煤机跳闸前做出预警,表明该方法可对辅机故障进行有效预警,具有一定的工程应用价值。     

基于粒子滤波与负向选择算法的GIS设备故障检测

为了及早发现故障合理安排设备检修计划，提出一种基于粒子滤波与负向选择算法的GIS故障检测方法。首先，选取GIS设备金属外壳振动信号分形维数作为特征变量，有效削弱了设备负载变化对外壳振动的影响。同时，基于粒子滤波及支持向量回归算法处理设备正常状态下的振动信号分形维数特征样本，建立GIS设备振动特征估计器。将实时测量的振动特征输入特征估计器，计算估计器输入值与输出值之间的残差并作为检测指标。最后，利用负向选择算法处理正常状态下检测指标数据，间接获取GIS故障状态下检测指标区间，进而实现设备故障的检测。通过对现场实际测量数据的仿真分析，验证了所提方法的可行性。     

基于协整分析的风力机多工况监测与故障诊断

为降低装备故障率、减小停机损失,提出一种基于协整分析的装备多工况监测与故障诊断方法。基于监控与数据采集系统采集的数据,利用随机森林特征选择算法提取与装备故障相关的关键特征变量;通过对关键特征序列的协整分析,计算协整系数,建立协整残差模型,获得反映装备状态变化的最优残差序列;采用概率图分析最优残差序列,完成了多工况状态的区间划分,确定了每种工况对应的残差预警阈值,实现了状态监测与故障预警。某型号直驱式风力机的研究结果表明：所提出的方法能有效分析非平稳时间序列,利用残差阈值可以监测电机故障、识别风力机工况,提高故障诊断的准确性。     

Fault diagnosis of the polypropylene production process (UNIPOL PP) using ANFIS

The performance of a chemical process plant can gradually degrade due to deterioration of the process equipment and unpermitted deviation of the characteristic variables of the system. Hence, advanced supervision is required for early detection, isolation and correction of abnormal conditions. This work presents the use of an adaptive neuro–fuzzy inference system (ANFIS) for online fault diagnosis of a gas-phase polypropylene production process with emphasis on fast and accurate diagnosis, multiple fault identification and adaptability. The most influential inputs are selected from the raw measured data sets and fed to multiple ANFIS classifiers to identify faults occurring in the process, eliminating the requirement of a detailed process model. Simulation results illustrated that the proposed method effectively diagnosed different fault types and severities, and that it has a better performance compared to a conventional multivariate statistical approach based on principal component analysis (PCA). The proposed method is shown to be simple to apply, robust to measurement noise and able to rapidly discriminate between multiple faults occurring simultaneously. This method is applicable for plant-wide monitoring and can serve as an early warning system to identify process upsets that could threaten the process operation ahead of time.