汽轮发电机组转子振动预警方法研究

汽轮发电机组转子长期连续高速旋转,不可避免地出现转子振动状态变化,而转子振动状态的优劣直接影响整个机组安全运行,对其预警方法的研究势在必行。首先统计转子振动运行规律;其次基于振动运行规律提出转子振动异常阈值计算方法;再次依托异常阈值和非线性状态评估(Nonlinear State Estimation Technique,NSET)提出转子振动预警方法;最后利用某电厂机组运行数据进行测试验证,并与基于反向传播(Back Propagation,BP)神经网络的振动预警方法进行对比,结果表明所提方法可以准确有效实现转子振动预警。

基于SCADA大数据的风电机组故障预警分析与研究

风电机组长期工作在恶劣的环境中,导致故障频发,运用合理高效的方法对风电机组部件进行故障预警,具有十分重要的现实意义。提出了一种基于SCADA(Supervisory Control And Data Acquisition)大数据的风电机组故障预警策略,依托现场经数据预处理的机组数据,提取出高维数据中的特征向量作为数据样本,建立非线性状态评估(NSET)模型,利用NSET模型以及历史数据确定正常工作状态下的阈值;基于SCADA数据以及预测模型的预测值参数与正常状态下的阈值进行比较,当部件工作出现异常时,预测值与实际值的残差增大,超出预先设定的阈值时发出报警信息。利用故障预警方法能及时发现潜在故障,提前排除重大事故隐患,有助于提高设备的可靠性。