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

1、隨著世界范圍內(nèi)工業(yè)各領(lǐng)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(fù)雜設(shè)備的安全使用敲響警鐘,保障大型復(fù)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(zhuǎn)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(dāng)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(zhì)量迫切需要改善等挑戰(zhàn),同時也面臨工業(yè)智能化應(yīng)用的新機遇,許多理念、技術(shù)和產(chǎn)品也急待新的突

2、破。本文充分認識到事物間相關(guān)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(guān)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(chǔ)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(yù)警,其中包括對征兆的異動搜索、屬性識別以及風(fēng)險概率等關(guān)鍵技術(shù):
　　 (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(chǔ)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(fù)雜性,利用參數(shù)重要度指標(biāo)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(chǔ)上,首次提出采用時間序列分割技術(shù)、時間序列管理

4、技術(shù)、參數(shù)異動搜索技術(shù)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(biāo),依此建立預(yù)警機制,實現(xiàn)預(yù)測故障發(fā)生的范圍或部位。
　　 (3)基于灰色加權(quán)-AR組合預(yù)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(yù)測方法的基礎(chǔ)上,本文采用基于灰色加權(quán)-AR的組合預(yù)測模型,對可以反映故障屬性發(fā)展的征兆參數(shù)進行預(yù)測;為了避免單一征兆預(yù)測結(jié)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(zhǔn)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(yù)判不精確的缺點,實現(xiàn)了對機組的故障屬性質(zhì)的精確判斷,為機組的狀態(tài)監(jiān)測提供了指導(dǎo)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(chǔ)上,利用邏輯回歸原理,對反映故障發(fā)生概率對應(yīng)的故障強度征兆歷史樣本進行綜合分析,標(biāo)準(zhǔn)化特征參