电站引风机运行状态与风险评估方法研究
发布时间：2021-09-12 21:10
随着电力工业体制的改革,发电企业面临越来越大的竞争压力,为最大限度地提高电厂的经济效益,提高设备可靠性、压缩检修费用的需求变得日益迫切,推行状态检修成为电力企业发展的必然。设备状态评估与风险评估技术作为优化检修技术发展的主要研究重点,对设备的安全稳定运行、状态检修的实施具有重要意义,并且电厂海量数据资源的累积也为状态评估研究奠定了坚实的研究基础。因此,本文以电站引风机设备为研究对象,开展了设备运行状态与风险评估方法研究。首先,为配合设备状态检修更好地实施,本文从电站SIS系统记录的历史运行数据出发,通过聚类分析统计设备运行参数的上下限阈值,确定不同负荷工况下的运行阈值与允许阈值,建立了设备的模糊状态评估模型,并以某引风机电机为例给出了设备状态的合理评估,验证了模型的有效性。其次,针对上述方案在实际应用中采用固定阈值会因运行工况变化对评估结果带来不确定性影响的不足,提出了一种采用自编码器网络模型结合模糊分析的状态评估方法,以火电厂引风机为研究对象,选取关键监测参数,建立状态特征参数间的自编码模型。以引风机历史运行数据训练该模型,并统计各状态特征参数训练误差的分布特性,结合模糊分析实时确定...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
工况状态隶属度函数在新的SIS记录数据生成后重复上述过程实现在线状态评估
（3-13）按照上述步骤进行，计算不同 K-Means 聚类数目下的 DBI 值如图 3-6 所示。从图中可以看到 K 2时的 DBI 值最小。但本章利用K-means聚类进行相关参数运行阈值划分，目的是更准确地计算参数劣化度。聚类数目K太小，会导致多参数范围过大，不能准确得知劣化状态；聚类数目K太大，会导致计算量繁重，不利于工程实际的运用。在具体状态评估实施中，若以聚类数 分类，所划分区间的温度相差仍然很大，不利于参数劣化度的准确计算。因此，考虑选择拐点处的 K 5作为本章数据的 K-Means最佳聚类数目
图 3-7 K-Means 聚类结果表 3-3 最终聚类中心参量名称聚类中心1 2 3 4 5机组负荷 245.79 327.89 426.13 522.46 627.0
【参考文献】：
期刊论文
[1]考虑大型变压器退运的电力系统连锁故障风险评估[J]. 贡鹏浩,邓祥力. 水电能源科学. 2019(02)
[2]人工智能驱动的数据分析技术在电力变压器状态检修中的应用综述[J]. 刘云鹏,许自强,李刚,夏彦卫,高树国. 高电压技术. 2019(02)
[3]基于数据的风电机组发电机健康状况评估[J]. 张静,李柠,李少远,黄猛. 信息与控制. 2018(06)
[4]基于风险评估的配电设备状态检修决策方法[J]. 梁朔,秦丽文,李春华,李珊,卢辰旭. 电力系统及其自动化学报. 2019(01)
[5]基于贝叶斯攻击图的工控系统动态风险评估[J]. 常昊,秦元庆,周纯杰. 信息技术. 2018(10)
[6]基于IAHP、系统分析法和IFECM的火电厂安全风险评估模型[J]. 闵令民,张洪国,范建兵,李阳. 黑龙江电力. 2018(03)
[7]基于设备实时健康指数的配电网风险量化评估[J]. 史常凯,宁昕,孙智涛,亢超群,杜月,马国明. 高电压技术. 2018(02)
[8]我国火电机组灵活性现状与技术发展[J]. 龚胜,石奇光,冒玉晨,孙浩祖. 应用能源技术. 2017(05)
[9]基于自组织神经网络的滚动轴承状态评估方法[J]. 张全德,陈果,林桐,欧阳文理,滕春禹,王洪伟. 中国机械工程. 2017(05)
[10]综合数据清洗及无监督学习技术的电力设备状态评估[J]. 魏金萧,周步祥,张冰. 水电能源科学. 2016(09)
博士论文
[1]大功率风电机组关键部件健康状态监测与评估方法研究[D]. 胡姚刚.重庆大学 2017
[2]水轮发电机组故障诊断及预测与状态评估方法研究[D]. 朱文龙.华中科技大学 2016
[3]基于专家系统的飞行器评估系统研究[D]. 陈帅均.中国科学院研究生院（光电技术研究所） 2014
[4]电力变压器状态评估及故障诊断方法研究[D]. 郑含博.重庆大学 2012
[5]火力发电设备优化维修关键技术研究[D]. 李建兰.华中科技大学 2008
[6]支持向量机在变压器状态评估中的应用研究[D]. 肖燕彩.北京交通大学 2008
[7]发电设备运行与维修决策支持系统研究[D]. 董玉亮.华北电力大学（北京） 2005
硕士论文
[1]基于风险评估的变压器检修决策支持系统研究[D]. 洪千里.华北电力大学 2018
[2]变压器健康状态评价及短期增容研究[D]. 章禹.浙江大学 2018
[3]轴流风机喘振预警系统研究[D]. 常勇.华北电力大学(北京) 2017
[4]基于健康样本和趋势预测的风电机组齿轮箱健康状态评估方法的研究[D]. 吴晖.华北电力大学(北京) 2017
[5]基于数据挖掘的电站锅炉低氮燃烧优化研究[D]. 张尚志.华中科技大学 2016
[6]海港电厂设备检修工程流程优化设计研究[D]. 祝彤.华北电力大学 2015
[7]大型火电机组汽动引风机性能监测与优化[D]. 郭俊山.东南大学 2015
[8]SIS系统在火力发电厂的应用研究[D]. 沈赫男.华北电力大学 2014
[9]基于多知识库电力变压器故障诊断专家系统[D]. 王美铃.中南大学 2011
[10]基于模糊数学与灰色理论的高压断路器运行状态评估研究[D]. 张海龙.太原理工大学 2010
本文编号：3394954
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
工况状态隶属度函数在新的SIS记录数据生成后重复上述过程实现在线状态评估
（3-13）按照上述步骤进行，计算不同 K-Means 聚类数目下的 DBI 值如图 3-6 所示。从图中可以看到 K 2时的 DBI 值最小。但本章利用K-means聚类进行相关参数运行阈值划分，目的是更准确地计算参数劣化度。聚类数目K太小，会导致多参数范围过大，不能准确得知劣化状态；聚类数目K太大，会导致计算量繁重，不利于工程实际的运用。在具体状态评估实施中，若以聚类数 分类，所划分区间的温度相差仍然很大，不利于参数劣化度的准确计算。因此，考虑选择拐点处的 K 5作为本章数据的 K-Means最佳聚类数目
图 3-7 K-Means 聚类结果表 3-3 最终聚类中心参量名称聚类中心1 2 3 4 5机组负荷 245.79 327.89 426.13 522.46 627.0
【参考文献】：
期刊论文
[1]考虑大型变压器退运的电力系统连锁故障风险评估[J]. 贡鹏浩,邓祥力. 水电能源科学. 2019(02)
[2]人工智能驱动的数据分析技术在电力变压器状态检修中的应用综述[J]. 刘云鹏,许自强,李刚,夏彦卫,高树国. 高电压技术. 2019(02)
[3]基于数据的风电机组发电机健康状况评估[J]. 张静,李柠,李少远,黄猛. 信息与控制. 2018(06)
[4]基于风险评估的配电设备状态检修决策方法[J]. 梁朔,秦丽文,李春华,李珊,卢辰旭. 电力系统及其自动化学报. 2019(01)
[5]基于贝叶斯攻击图的工控系统动态风险评估[J]. 常昊,秦元庆,周纯杰. 信息技术. 2018(10)
[6]基于IAHP、系统分析法和IFECM的火电厂安全风险评估模型[J]. 闵令民,张洪国,范建兵,李阳. 黑龙江电力. 2018(03)
[7]基于设备实时健康指数的配电网风险量化评估[J]. 史常凯,宁昕,孙智涛,亢超群,杜月,马国明. 高电压技术. 2018(02)
[8]我国火电机组灵活性现状与技术发展[J]. 龚胜,石奇光,冒玉晨,孙浩祖. 应用能源技术. 2017(05)
[9]基于自组织神经网络的滚动轴承状态评估方法[J]. 张全德,陈果,林桐,欧阳文理,滕春禹,王洪伟. 中国机械工程. 2017(05)
[10]综合数据清洗及无监督学习技术的电力设备状态评估[J]. 魏金萧,周步祥,张冰. 水电能源科学. 2016(09)
博士论文
[1]大功率风电机组关键部件健康状态监测与评估方法研究[D]. 胡姚刚.重庆大学 2017
[2]水轮发电机组故障诊断及预测与状态评估方法研究[D]. 朱文龙.华中科技大学 2016
[3]基于专家系统的飞行器评估系统研究[D]. 陈帅均.中国科学院研究生院（光电技术研究所） 2014
[4]电力变压器状态评估及故障诊断方法研究[D]. 郑含博.重庆大学 2012
[5]火力发电设备优化维修关键技术研究[D]. 李建兰.华中科技大学 2008
[6]支持向量机在变压器状态评估中的应用研究[D]. 肖燕彩.北京交通大学 2008
[7]发电设备运行与维修决策支持系统研究[D]. 董玉亮.华北电力大学（北京） 2005
硕士论文
[1]基于风险评估的变压器检修决策支持系统研究[D]. 洪千里.华北电力大学 2018
[2]变压器健康状态评价及短期增容研究[D]. 章禹.浙江大学 2018
[3]轴流风机喘振预警系统研究[D]. 常勇.华北电力大学(北京) 2017
[4]基于健康样本和趋势预测的风电机组齿轮箱健康状态评估方法的研究[D]. 吴晖.华北电力大学(北京) 2017
[5]基于数据挖掘的电站锅炉低氮燃烧优化研究[D]. 张尚志.华中科技大学 2016
[6]海港电厂设备检修工程流程优化设计研究[D]. 祝彤.华北电力大学 2015
[7]大型火电机组汽动引风机性能监测与优化[D]. 郭俊山.东南大学 2015
[8]SIS系统在火力发电厂的应用研究[D]. 沈赫男.华北电力大学 2014
[9]基于多知识库电力变压器故障诊断专家系统[D]. 王美铃.中南大学 2011
[10]基于模糊数学与灰色理论的高压断路器运行状态评估研究[D]. 张海龙.太原理工大学 2010
本文编号：3394954
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3394954.html
