大型水电机组现场性能试验智能测试技术研究

发布时间：2022-07-03 13:21

　　随着电厂智能化程度的提高,为了及时、准确地发现机组运行时的故障,让机组安全稳定运行,对机组迚行稳定性试验幵建立神经网络模型预测模拟。结果表明:低工况区状态参数均超过原有报警线;建立的GA-BP神经网络模型预测效果更好;三维动态报警可以全工况下有效监测预警。此模型可以有效监测水电机组安全稳定运行,为水电站提供一定的参考。 

【文章页数】：9 页

【文章目录】：
0前言
1 机组稳定性试验及报警线设定
    1.1 稳定性试验机组性能分析
    1.2 机组运行特性分析
    1.3 机组状态监测报警方案
2 神经网络预测模型
3 报警模型
    3.1 动态报警曲线模型
    3.2 三维动态报警面模型
4 结论


【参考文献】：
期刊论文
[1]免疫小波网络在水轮机组故障诊断中的应用[J]. 王铁生,张利平.  水利学报. 2009(06)
[2]基于粗糙集-RBF神经网络的水电机组故障诊断[J]. 梁武科,赵道利,马薇,王荣荣,南海鹏,罗兴锜.  仪器仪表学报. 2007(10)
[3]基于遗传优化BP网络的振动故障诊断[J]. 欧健,孙才新,胡雪松,廖瑞金,王柯柯.  高电压技术. 2006(07)
[4]基于CBR的Multi-agent旋转机械故障诊断系统[J]. 陈平,谢志江,孙红岩.  重庆大学学报(自然科学版). 2006(05)
[5]基于神经网络的水电机组智能故障诊断系统[J]. 陈林刚,韩凤琴,桂中华.  电网技术. 2006(01)
[6]水电机组状态检修的现状和发展趋势[J]. 汪军,朱浩.  水电厂自动化. 2005(02)
[7]水电机组状态检修的现状和发展趋势[J]. 汪军,朱浩.  水电厂自动化. 2005 (02)
[8]水电机组在线状态监测和故障诊断网络化系统的设计与实现[J]. 瞿曌,赖旭,朱建林.  电工技术学报. 2005(03)
[9]基于多种诊断方法的水电机组故障诊断系统的研究[J]. 陈喜阳,张克危,彭玉成.  水力发电. 2003(05)
[10]分布式水电机组故障诊断集成专家系统的研究[J]. 余涛,王晶,沈善德,朱守真.  动力工程. 2002(04)



本文编号：3654932