对分式凝汽器故障诊断的模糊模式识别及神经网络方法

凝汽器工作状况好坏直接影响凝汽式汽轮发电机组运行的安全经济性。为此 ,针对某 30 0MW机组对分式凝汽器的结构特点、实际凝汽系统构成及现场的DAS测点布置 ,首次运用基于模型的故障仿真方法 ,较完善地总结了对分式凝基金项目 :华北电力大学工业过程仿真与控制国家电力公司实验室建设基金资助项目 (SPKJ0 16 2 2 )。汽器的典型故障知识库 ,并对故障征兆的具体表达方法进行了探讨。在此基础上运用模糊模式识别和人工神经网络 2种方法实现对分式凝汽器故障诊断。故障模糊模式识别采用了一种改进的故障隶属函数形式 ,有效克服了现有隶属数易对正常工况产生误诊断的不足。神经网络训练过程中 ,提出了基于恒误差修正率控制的网络学习率自适应调整方法 ,大大加快了网络收敛速度 ,便于实现故障的在线实时诊断。

对分式凝汽器典型故障模式及其神经网络诊断

针对大型火电机组广泛采用的对分、表面式凝汽器，结合其结构、性能特点和现场实际情况，确立 了便于工程应用的对分式凝汽器典型故障知识库。在此基础上采用ＢＰ神经网络方法实现对分式凝汽器故障诊断。提出一种恒误差修正率控制的网络学习率自适应调整方法，大大缩短了网络训练的收敛时间。

基于仿真模型的对分式凝汽器故障样本知识提取研究

在热力设备实施故障诊断的过程中 ,由于设备、系统及故障本身的复杂性 ,常见的故障样本知识提取方法往往不能准确、完善地建立热力设备的故障诊断知识库。为此 ,结合仿真技术在电站热力设备和系统模型方面的优势 ,提出一种基于模型的热力设备故障样本知识提取新方法。运用该方法 ,通过建立对分式凝汽器的动态数学模型进行详细的故障仿真试验 ,结合现场运行经验和理论分析 ,总结。