汽輪發(fā)電機組狀態(tài)監(jiān)測與故障預警系統(tǒng)研究.pdf

1、隨著世界范圍內工業(yè)各領域頻發(fā)汽輪發(fā)電機組重大事故,不但給事發(fā)地區(qū)的社會與經(jīng)濟發(fā)展造成極大損失,同時也給我國大型復雜設備的安全使用敲響警鐘,保障大型復雜系統(tǒng)安全穩(wěn)定高效運行成為各行業(yè)進行智能化、自動化轉型過程中的首要條件,這同時對我國大型汽輪發(fā)電機組運行狀態(tài)的安全監(jiān)控能力提出了更高的要求。當前,我國正面臨著能源效率、運營效率和資源利用率亟待提高、環(huán)境質量迫切需要改善等挑戰(zhàn),同時也面臨工業(yè)智能化應用的新機遇,許多理念、技術和產品也急待新的突

2、破。本文充分認識到事物間相關性聯(lián)系,從多層角度對影響和反映汽輪發(fā)電機組安全穩(wěn)定特性的狀態(tài)變化關系進行研究,在研究機組典型故障模式的表述及分類、故障征兆的分類及優(yōu)化的基礎上,重點從故障發(fā)生范圍、故障屬性、故障概率三個方面進行故障預警,其中包括對征兆的異動搜索、屬性識別以及風險概率等關鍵技術:
　　 (1)基于粗糙集的故障特征征兆優(yōu)化方法研究。在機組各典型故障模式分類表述的基礎上,將故障征兆分類為反映故障發(fā)生范圍的故障范圍征兆,反映

3、故障屬性發(fā)展的故障屬性征兆以及反映故障強度的故障強度征兆,并提供對故障征兆歸納分析的解決方法。利用序列模式定義,將在線、離線征兆進行統(tǒng)一量化,并進行約簡。為避免特征參數(shù)的復雜性,利用參數(shù)重要度指標進行優(yōu)化約簡,最終綜合考慮到故障類型,提出一套有參考價值的故障特征征兆集合。
　　 (2)基于多特征征兆模式的汽輪發(fā)電機組K-均距異常搜索方法研究。在分析汽輪發(fā)電機組監(jiān)測參數(shù)特征及表現(xiàn)的基礎上,首次提出采用時間序列分割技術、時間序列管理

4、技術、參數(shù)異動搜索技術對故障范圍征兆參數(shù)的時間序列進行深入分析,利用序列子模式作為搜索規(guī)則,利用K.均距方法搜索可能由異常數(shù)據(jù)組形成的函數(shù)指標,依此建立預警機制,實現(xiàn)預測故障發(fā)生的范圍或部位。
　　 (3)基于灰色加權-AR組合預測以及多特征狀態(tài)識別的識別方法研究。在對比了典型預測方法的基礎上,本文采用基于灰色加權-AR的組合預測模型,對可以反映故障屬性發(fā)展的征兆參數(shù)進行預測;為了避免單一征兆預測結果對故障趨勢的誤判,根據(jù)狀態(tài)空

5、間理論,本文定義了自由狀態(tài)空間以及基準狀態(tài)空間的概念,建立了多特征識別模型,同時給出制定狀態(tài)空間的法則。解決了汽輪發(fā)電機組狀態(tài)監(jiān)測分析過程中,對故障趨勢的預判不精確的缺點,實現(xiàn)了對機組的故障屬性質的精確判斷,為機組的狀態(tài)監(jiān)測提供了指導依據(jù)。
　　 (4)基于辨識分類邏輯回歸的汽輪發(fā)電機組故障概率研究方法。在對典型故障發(fā)展程度水平分析的基礎上,利用邏輯回歸原理,對反映故障發(fā)生概率對應的故障強度征兆歷史樣本進行綜合分析,標準化特征參