基于信息融合技术的火电机组设备故障预警研究

发布时间：2020-03-27 02:26

【摘要】：大型火电机组设备众多、结构复杂。热工参数是设备运行状态的直接反应,参数发生的任何异变都会对热工过程产生严重的影响,给电力生产和电力用户带来严重的后果,因此有必要对热工设备的运行状态进行实时监测和预警。在这样的背景下,本文基于信息融合技术,对热工设备故障预警的若干问题进行了深入研究,主要的研究工作和取得的成果如下:首先,针对火电机组数据量庞大且含有噪声干扰的特点,提出一种基于小波分析和密度偏差抽样的数据预处理方法。先采用小波分析的方法对原始样本数据进行去噪处理,再采用基于可变网格划分的密度偏差抽样(VGDBS)的方法选择典型样本。通过对高加系统数据的实例分析,发现数据预处理不仅去除了噪声干扰,而且减少了样本规模,为后续聚类分析提供了高质量数据。然后,针对模糊C均值聚类算法(FCM)需要提前给定聚类个数和对初始聚类中心比较敏感的缺点,提出一种改进的鲸鱼算法优化模糊C均值聚类的算法(IWOA-FCM)。利用4种聚类有效性指标确定最佳的聚类个数,采用IWOA去优化FCM算法的初始聚类中心。分别使用FCM算法和IWOA-FCM算法对高加系统样本数据进行聚类分析,结果表明IWOA-FCM算法不仅具有更快的收敛速度,而且有更好的聚类效果。最后,对热工设备的故障预警问题展开研究。热工过程通常是一个变化缓慢的过程,并且设备异常状态的发生通常在早期会有一定的参数预兆。针对上述特点,提出一种基于证据理论和KNN算法的故障预警方法。通过对高加系统故障预警的实例研究,表明了本文所提方法在热工设备故障预警方面的合理性和优越性。
【图文】：

结构图,高加系统,结构图

图 2-2 高加系统结构图，设备运行状态测点变量的选择原则为：择的变量能够通过参数变化反映高加运行的不同状态；取的变量之间尽量具有更小的耦合性和关联性；取的变量参数应该对高加的常见故障反应比较敏感；点变量的数目选择应该适当，过少的变量不能完全地反映设变量容易引入大量的无关数据和噪声数据，增加建模的困难测点变量的选择原则，通过对火电机组高压加热器的运行家知识，以#2 高压加热器作为研究对象，最终选定 6 个状设备的运行状态，分别为机组功率，给水流量，入口水温，抽汽压力。表 2-2 高加测点参数表测点名称单位机组功率 MW给水流量 t /h
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM621

【相似文献】