基于LSTM-ARIMA算法的发电机定子线棒出水温差预测

对定子线棒出水温度的最大温差进行预测,对于保障汽轮发电机的安全运行具有重要意义。但由于发电机运行过程中工况多变,温差时间序列变化模式复杂,因此趋势预测相对困难。本文使用长短时记忆(LSTM)神经网络对复杂的变化模式进行学习,并进一步融合了差分整合移动平均自回归(ARIMA)模型,用以弥补工况多变导致的训练不足的问题,从而对LSTM神经网络的预测结果进行修正。然后,在型号为QFSN-660-2-22的汽轮发电机运行数据上开展了实验,结果表明该方法预测效果优于单独的LSTM神经网络和ARIMA模型算法,并且可用于短期预警,准确率高于95%。

600MW发电机定子线棒出水温差异常分析及对策

针对某电厂600MW发电机定子线圈上层线棒运行中出水温差出现的异常现象,对异常原因进行了综合分析,简述了处理过程,提出了在发电机出水温差数据异常时的处理对策。

发电机定子绕组出水温差大原因分析与防范措施

介绍发电机定子绕组温差大的检查过程,并通过一系列试验确定温差大的原因为热电偶焊接及包扎不规范,由此提出了运行期间和检修期间应采取的防范措施,为同类型发电机组隐患的治理提供借鉴。

上汽产QFSN-600-2型发电机水温超差故障原因分析及处理方法探讨

上海电气集团生产的QFSN-600-2型发电机,有部分台次在投产初期就发现定子绕组出水温差超过国家25项反措标准的问题,给发电机的安全稳定运行投下了阴影,影响了电厂的经济运行。本文对发电机出水温差超标常见现象进行了介绍,对原因进行了分析,提出了合理的、有针对性的处理方法,并在实践中得到了验证,可供相应发电公司及厂家处理类似隐患时参考。