基于改进KNN算法的汽轮机通流故障诊断方法及应用

汽轮机的故障诊断对整个电厂的安全运行意义重大。根据热力参数建立计算模型可以及早地观测到性能退化趋势,预测设备故障类型。本文采用特征通流面积的方法建立汽轮机系统性能退化模型,模拟系统故障样本与测试样本,建立设备故障样本库。通过使用改进的KNN（K-nearest neighbor）算法,基于汽水系统热力参数变化规律,计算当前机组运行数据样本相对于设备故障样本的相似度,判定当前机组各设备已发生故障的概率。通过对某S109FA联合循环机组汽轮机研究结果表明,特征通流面积在不同工况下的计算误差均在5%以内,满足工程计算要求。相比于传统KNN算法,改进KNN算法通过样本评估近邻在决策过程中的权重,取得了比传统KNN算法更高的分类正确率。对测试样本故障诊断结果表明,改进KNN算法比传统KNN算法诊断准确率更高,对测试样本诊断准确率为100%,采用改进KNN算法汽轮机系统故障诊断具有可行性,与现场实际情况吻合。     

基于传热性能变化的余热锅炉故障诊断及应用

以某电厂PG9171E燃气-蒸汽联合循环机组余热锅炉系统为研究对象,根据机组的热平衡图数据以及余热锅炉受热面的传热机理建立变工况模型,定义受热面的性能退化系数,建立故障诊断模型。利用建立的计算模型与故障数据计算出的结果,对机组低压汽水系统的异常现象进行分析诊断,可以明确看出低压蒸发系统出现异常。现场停机检查结果发现问题为低压汽包内部件脱落,导致汽水分离效果差,与理论分析结果一致,验证了计算模型的正确性。