数据驱动下定子绕组出水温度在不同工况下标准值的确定

火电厂主设备的检修主要采用状态检修,在线监测逐步成为火电厂决定设备状态检修的主导因素,在线监测和早期故障诊断为检修项目提供数据依据和理论支撑。发电机十大故障中,七大故障表征参数都能从发电机温度上体现出来,所以预测不同工况下发电机标准温度是十分有必要的。该文对水氢氢冷却的发电机定子线棒在不同工况下的温度标准值进行了预测,以不同工况下正常运行稳定数据为依托,分别采用最小二乘法的非线性曲线拟合指纹系数判断法和BP神经网络两种方法对温度进行了预测,结果表明,采用指纹系数判断法预测的结果和实际结果相差最大0.5℃,基于Levenberg-Marquard训练算法的BP神经网络预测模预测的结果和实际结果相差最大0.49℃,从模型的复杂程度角度来看,指纹系数判断法建立的模型更容易运行在运行监控分析平台上。