基于聚類分析的汽輪發(fā)電機(jī)組早期故障識(shí)別系統(tǒng)研究.pdf

1、汽輪發(fā)電機(jī)組的設(shè)備安全性對生產(chǎn)、資源和環(huán)境等具有重要影響。近年來國內(nèi)外發(fā)生的災(zāi)難性事故造成了重大的財(cái)產(chǎn)損失和人員傷亡，事故的多數(shù)原因是由設(shè)備故障造成的，因此及時(shí)有效的分析設(shè)備運(yùn)行狀況，對潛在故障早期識(shí)別，保障重要設(shè)備的安全可靠運(yùn)行、避免設(shè)備故障的發(fā)生有重大意義。本文充分認(rèn)識(shí)到汽輪發(fā)電機(jī)組故障預(yù)警研究的必要性和緊迫性，從多層角度對影響和反映汽輪發(fā)電機(jī)組安全穩(wěn)定特性的狀態(tài)變化關(guān)系進(jìn)行研究，結(jié)合汽輪發(fā)電機(jī)組常見的故障模式、故障征兆分類，充分利

2、用現(xiàn)場數(shù)據(jù)，實(shí)時(shí)展示、分析系統(tǒng)運(yùn)行狀態(tài)，并給予早期故障診斷。
　　本文首先開展了汽輪發(fā)電機(jī)組故障模式與監(jiān)測參數(shù)的關(guān)聯(lián)性分析，通過對汽輪發(fā)電機(jī)組系統(tǒng)層次結(jié)構(gòu)劃分以及常見故障模式和監(jiān)測參數(shù)的分析，挖掘出參數(shù)-故障關(guān)聯(lián)，建立參數(shù)-故障知識(shí)庫，為系統(tǒng)的識(shí)別決策提供知識(shí)化信息。
　　本文利用數(shù)據(jù)挖掘理論對汽輪發(fā)電機(jī)組的實(shí)時(shí)監(jiān)測參數(shù)信號進(jìn)行了異動(dòng)搜索研究，建立了基于K-均值聚類的汽輪發(fā)電機(jī)組異常搜索模型。利用時(shí)間序列分割技術(shù)、時(shí)域特征值

3、提取技術(shù)、聚類分析理論對故障范圍征兆參數(shù)建立異常時(shí)間序列搜索機(jī)制，并給予Matlab效果仿真。
　　本文根據(jù)單個(gè)預(yù)測模型建立異常時(shí)間序列的組合預(yù)測模型，根據(jù)信息融合理論建立了基于多征兆信息融合的早期故障識(shí)別體系。本文采用基于GA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(jìn)行預(yù)測，并給予Matlab編程實(shí)現(xiàn);根據(jù)DS證據(jù)推理，結(jié)合故障模式與故障征兆分析，建立了基于DS證據(jù)理論的汽輪發(fā)電機(jī)組早期故障識(shí)別過程模型，實(shí)現(xiàn)對汽輪發(fā)電機(jī)組潛