火电机组磨煤机存在运行条件恶劣、故障频发等问题,对磨煤机进行故障预警,可以有效防止一些常见故障的发生,从而保证火电机组的安全运行。为此,提出一种基于相互邻近度的密度峰值聚类和多元状态估计的磨煤机故障预警方法。首先,采用核...火电机组磨煤机存在运行条件恶劣、故障频发等问题,对磨煤机进行故障预警,可以有效防止一些常见故障的发生,从而保证火电机组的安全运行。为此,提出一种基于相互邻近度的密度峰值聚类和多元状态估计的磨煤机故障预警方法。首先,采用核主元分析选取磨煤机的主要状态参数,同时采用集合经验模态分解对历史运行数据进行去噪,进一步优化数据质量;然后,采用基于相互邻近度的密度峰值聚类(density peaks clustering based on mutual neighborhood degrees,DPC-MND)方法构建动态记忆矩阵,利用多元状态估计技术(multivariate state estimation techniques,MSET)对磨煤机正常运行工况下的历史数据进行建模,并确定磨煤机的运行状态。最后,以安徽某电厂ZGM113G型中速磨煤机为例进行验证,结果表明该方法可以实现对磨煤机故障的有效预警。展开更多
文摘火电机组磨煤机存在运行条件恶劣、故障频发等问题,对磨煤机进行故障预警,可以有效防止一些常见故障的发生,从而保证火电机组的安全运行。为此,提出一种基于相互邻近度的密度峰值聚类和多元状态估计的磨煤机故障预警方法。首先,采用核主元分析选取磨煤机的主要状态参数,同时采用集合经验模态分解对历史运行数据进行去噪,进一步优化数据质量;然后,采用基于相互邻近度的密度峰值聚类(density peaks clustering based on mutual neighborhood degrees,DPC-MND)方法构建动态记忆矩阵,利用多元状态估计技术(multivariate state estimation techniques,MSET)对磨煤机正常运行工况下的历史数据进行建模,并确定磨煤机的运行状态。最后,以安徽某电厂ZGM113G型中速磨煤机为例进行验证,结果表明该方法可以实现对磨煤机故障的有效预警。