基于模糊神经网络的凝汽器故障诊断系统研究

该文根据凝汽设备的结构特点和工作特点，从理论上分析了影响凝汽器低真空各种原因，并结合现场工程师的直觉经验，建立了凝汽器低真空的故障知识库。同时，还建立了基于模糊神经模型的故障诊断系统，对凝汽器故障进行诊断。该诊断系统是由无监督自学习网络和模糊运算构成，除了能识别已经训练过的故障，还能识别未训练过的故障，并且聚类能力强，速度快，因此很符合复杂系统的故障诊断。     

基于模糊神经网络的凝汽器故障诊断系统

凝汽器是凝汽式汽轮机的主要辅助设备之一,凝汽器系统运行中出现的故障与故障征兆之间是非线性关系,具有复杂性、模糊性和随机性,难以用数学公式表示.针对此情况,结合模糊理论与神经网络两种故障诊断方法的优势,建立凝汽器故障诊断专家系统.系统采用模糊隶属度函数表示难以准确描述的领域专家知识,采用神经网络进行推理,使诊断结果具有较高的可靠性.     

电站风机故障智能预警技术的应用研究

针对电站风机状态监测和故障预警问题,提出了一种基于密度峰聚类的多元状态估计方法。首先,利用密度峰聚类算法对风机正常运行工况下的历史数据进行分析,提取包含设备正常运行特征信息的数据,构建记忆矩阵;然后通过相关性原理分析观测向量与记忆矩阵之间的相似程度,使用多元状态估计技术对该观测向量进行估计。计算估计值与实测值之间的统计残差和相似度,确定风机的运行状态。最后,以南京某电厂一次风机为监测对象进行研究,建立动态故障预警模型,并结合故障实例分析验证。结果表明:该方法能够实时准确预测风机运行状态,提前发现故障征兆,指导设备运行和维护。     

基于智能事例推理技术的凝汽器在线监测和故障诊断系统

提出了基于知识库和事例推理技术相结合的双背压凝汽器状态监测与故障诊断的方法.通过对凝汽器常见故障特点以及凝汽器主要功能的分析,结合现场经验,建立了以凝汽器真空故障为最高层次的"征兆一原因"层次化结构模型,并由此建立了层次化结构知识库,用于新事例初始化故障智能定位.提出了节点搜索法的事例检索新方法,缩短了事例平均检索时间.介绍了凝汽器在线状态监测与故障诊断系统的体系结构和工作流程.通过某600 MW机组凝汽器现场运行数据和凝汽器故障诊断实例,验证了该方法的有效性,表明系统具有较强的实用价值.     

基于模糊神经网络的故障诊断方法的应用

针对大型机组的状态监测与故障诊断问题,为了克服单一故障诊断方法的局限性,对现有的大型设备故障诊断方法作了分析之后,提出一种基于区间值模糊神经网络的诊断方法。该方法根据设备故障诊断的不同阶段,利用基于规则库、区间值模糊集理论、模糊神经网络和模糊模式识别等方法。该方法在某炼油厂重催化机组故障诊断中得到了具体应用。     

浅谈电站辅机设备的状态监测技术

凝汽器、磨煤机和发电机是火力电站的重要辅助设备,其运行状态的优劣对电站的安全性与经济性影响很大.文中归纳了这些设备的状态监测参数,并结合这些参数探讨了状态评价方法.通过设备的状态监测,预防故障停机,避免由此带来的经济损失.     

基于Copula-vines的电机线圈发热故障状态监测研究

小型交流电机作为现代工业化的重要基础设备之一,实现对其整体运行状态的实时监测显得尤其重要。通过对电机现有基本多元监测参数构建联合分布的密度函数作为正常运行的状态标准,利用藤理论将多元参数分组分解为两两相关结构,构建最优二元联合分布的Copula函数模型实现对电机状态准确描述。以相对熵作为评价监测数据与正常数据的概率密度的分布差异。实验表明,基于多元Copula函数构建的小型交流电机状态参数联合分布的概率密度函数作为故障特征值,能在电机线圈发热初期及时预警。系统实现了基于现有监测参数对电机故障状态快速预识别,从而避免电机运行事故的发生。     

基于粗糙集与证据理论的凝汽器故障诊断研究

针对凝汽器故障诊断问题,提出了一种基于粗糙集和证据理论相结合的故障诊断方法。利用粗糙集相对约简的不唯一性,对凝汽器故障征兆进行分类,形成不同的证据来源,既实现了证据理论对于同一事物要求有不同的证据来源的要求,又对故障征兆参数进行了降维处理,减小了网络的规模,有效缓解了由于输入参数过多给网络带来的收敛困难问题。该诊断方法将粗糙集、神经网络和证据理论有机地结合在一起,使三者优势互补,充分利用了凝汽器故障征兆的冗余、互补信息。实例证明,基于多故障诊断网络信息融合的诊断识别准确性和可靠性比基于单一故障诊断网络的诊断识别有较大的提高。     

大型电站对分式凝汽器故障的征兆提取和模糊诊断研究

针对大电站对分式凝汽器的结构特点及现场凝汽系统构成和实际测点布置,运用凝汽器有关原理,建立了对分式凝汽器的动态仿真数学模型,并首次运用基于模型的故障仿真方法结合现场运行经验总结并完善了对分式凝汽器的典型故障征兆集,对故障征兆的具体表达方法进行了有益的探讨,在此基础上运用模糊模式识别方法实现对分式凝汽器故障诊断,改进了模糊诊断的隶属函数,通过诊断实例比较了改进前后的诊断效果。     

基于模糊聚类分析的燃气轮机振动故障诊断研究

通过对燃气轮机振动故障的研究分析,提出一种基于模糊聚类分析的燃气轮机振动故障诊断实践方案。针对某海上平台石油作业区单轴燃气轮机的现场运行状况,通过比利时LMS信号采集分析仪进行目标机组的振动测试,运用模糊聚类分析原理对振动故障进行分类,并充分利用各种振动故障征兆,建立燃气轮机振动故障模糊关系方程,通过计算查找机组故障原因,更准确地进行燃气轮机的故障识别及诊断。通过现场验证,对于燃气轮机发电机组的可靠性运行产生一定的积极作用。     

基于模糊综合评判的凝汽器运行状态评价

针对凝汽器运行性能的影响因素多、运行状态难以用单一的评价指标加以评价的特点,采用多指标来评价凝汽器的实际运行状态。利用模糊数学理论,建立了凝汽器运行状态评价指标的模糊隶属函数,同时利用模糊综合评判方法建立了凝汽器运行状态的综合评价模型。该模型易于编程实现,对机组运行人员及管理人员具有一定的指导意义。     

基于属性模糊聚类和关联规则的锅炉异常工况分析

针对火电厂锅炉运行过程复杂,而且异常工况难以分析的状况,提出了一种新的分析方法.该方法融合属性模糊聚类和关联规则算法两种数据挖掘技术,利用属性模糊聚类方法建立锅炉各运行参数对类别的不确定性描述,选择出代表性分析参数;利用经典的Apriori算法和改进的关联规则找出这些参数的关系.通过2个超温的实例对该方法进行分析考核.结果表明:它不仅充分利用了电厂DCS系统存储的海量数据,而且可实现故障诊断、运行指导等,并可满足诊断的实时性要求,从而可保证锅炉乃至整个机组的安全运行.     

基于大数据分析的eHorus智慧云智能诊断系统在光伏电站巡检中的应用

随着全球光伏发电规模的日益扩大,光伏电站中光伏设备的状态监控、故障诊断与故障定位变得日益重要。基于此,介绍了一款可用于光伏电站中光伏设备的智能诊断系统——eHorus智慧云智能诊断系统,通过在云端构建光伏电站的光伏设备运行状态大数据中心,采集并存储包括光伏阵列在内的光伏电站全站光伏设备的实时运行状态数据,建立科学有效的大数据分析模型,实时对光伏电站全站光伏设备的运行情况进行线上智能巡检,以便及时发现低效设备或故障设备。对于诊断出异常的设备,智能诊断系统自动向光伏电站运维工程师推送报警信息并生成故障缺陷单,光伏电站运维工程师接到报警信息后快速到达故障设备现场,及时进行设备消缺,提高光伏电站全站光伏设备的运行水平。     

基于粒子群优化算法的凝汽器真空预测模型

分析了凝汽器的传热特性,利用660MW机组DCS采集到的数据,通过多元回归分析了凝汽器真空与其影响因素之间的关联关系,得到了偏相关系数,为真空预测模型提供了理论依据．应用主元分析与粒子群BP神经网络相结合的方法,给出了凝汽器真空预测模型,实现了对真空值的提前预测．通过凝汽器预测真空值与监测值的对比,判断此时的真空运行状态是否合理,实现凝汽器运行状况的软测量,为凝汽器的故障诊断提供理论依据,从而提高了机组的运行效率,保证机组的安全可靠运行．     

采用主成分分析法综合评价电站机组的运行状态

为解决电厂机组运行优化、状态监测与故障诊断中涉及到的机组运行状态的综合评价问题,提出用主成分分析(PCA)方法,建立了电厂机组的综合评价指标的思想.介绍了主成分分析法的原理,并应用该方法对某电厂机组的实际运行状态进行了综合评价.结果表明:该方法消除了主观因素对评价的影响,得到的综合评价指标可对汽轮机进行定量评价,也可为机组状态在线监测提供依据.     

模糊数学在凝汽器故障诊断中的应用研究

将模糊数学理论应用到凝汽器故障诊断系统中，建立了模糊识别系统，确定了这一系统的隶属函数，并且计算出了症侯群对各种故障的隶属度，然后按隶属度对故障进行了归类，较好地解决了一些不确定因素对凝汽器产生的影响这一问题，并以实例验证了该模型识别凝汽器故障的准确性。实践证明，该模型简单实用，能有效地识别凝汽器故障。     

基于仿真模型的对分式凝汽器故障样本知识提取研究

在热力设备实施故障诊断的过程中,由于设备、系统及故障本身的复杂性,常见的故障样本知识提取方法往往不能准确、完善地建立热力设备的故障诊断知识库。为此,结合仿真技术在电站热力设备和系统模型方面的优势,提出一种基于模型的热力设备故障样本知识提取新方法。运用该方法,通过建立对分式凝汽器的动态数学模型进行详细的故障仿真试验,结合现场运行经验和理论分析,总结、完善了对分布凝汽器的典型故障知识库。     

基于FCM-FM算法的光伏阵列故障诊断

工作于自然环境的光伏阵列故障频发,及时对故障进行定位和分类对于提高光伏电站运行水平具有重要意义。针对光伏阵列的常见故障类型（短路、开路、局部遮挡等）,基于运行数据提出无监督模糊C均值（FCM）聚类与模糊隶属（FM）算法相结合的光伏阵列故障诊断方法。论文首先对光伏阵列典型故障的产生机理进行分析并提取故障特征参数;然后,采用FCM聚类方法对光伏阵列典型故障样本数据进行分类,得到不同故障的聚类中心;最后,利用FM算法计算运行数据与聚类中心的隶属度,判定故障类型。基于数字模拟实验和实证测试,验证上述方法的有效性。分析结果表明,本文方法可有效判别光伏阵列的典型故障,诊断结果准确、可靠。     

汽轮发电机绝缘状态的监测与故障诊断

介绍了采用射频监测仪和转子绕组匝间短路监测系统相结合在线监测发电机定、转子绝缘状况的方法,提出了发电机绝缘故障诊断的模糊专家系统。指出:将上述些方法相结合可以有效地实现对汽轮发电机绝缘状态的监测和故障诊断。参3