基于稳健状态估计的设备状态预警研究

针对发电机组设备的状态监测问题,采用改进的自联想回归（AAKR）算法建立设备的状态预警模型。将稳健距离算子代替马氏距离算子,提高自回归模型的稳健性和抗污染能力。将聚类思想应用于距离划分,提出一种基于聚类的变间隔状态矩阵提取方法,并给出具体的实施步骤。采用四重交叉验证学习机制,在训练过程中对模型参数进行优化,获得最优的状态监测模型。以某600 MW机组一次风机为例建立状态参数估计模型,DCS实际运行数据和仿真计算结果表明,改进后的稳健状态估计方法在维持较高准确性的前提下,能够大幅提高模型的稳健性,具有较强的抗污染能力。这样在设备故障早期就能给出相关预警信号,为设备的状态检修提供理论依据。     

一种热工过程数据协调与显著误差检测同步处理方法

提出了一种基于冗余解约束遗传算法的鲁棒数据协调方法。引入鲁棒估计作为数据协调问题中的目标函数,不仅对测量数据随机误差的分布形式不敏感,而且抑制了显著误差对协调结果的影响。将数据协调与显著误差检测看作模型辨识与参数估计问题,采用AIC准则调整参数获得最优估计模型。针对鲁棒数据协调目标函数复杂和热工能量平衡约束可能出现隐函数的情况,结合测量冗余的概念提出冗余解约束的遗传算法求解鲁棒数据协调模型。仿真计算表明该方法能够克服显著误差的影响,给出准确的参数估计值,同时检测出系统中的显著误差。在现场热力实验的应用结果进一步验证了方法的有效性。     

基于相似性建模和模糊概率有向图的热力设备故障诊断

在发电机组设备故障诊断中,相似性建模(SBM)通过设备的历史数据计算得到设备的运行特性,可以对设备进行实时监测;模糊概率有向图(FPSDG)通过建立完备的单元库和概率表实现故障诊断,可以对设备故障进行准确定位。本文利用SBM和FPSDG的优点,将两者融合得到基于SBM-FPSDG的设备故障监测诊断方法。以高压加热器为研究对象,利用其历史运行数据建立SBM模型,根据设备运行特性建立了故障单元库和概率表,可以实现高压加热器监测及故障诊断。对国内某600 MW机组1号高压加热器进行仿真计算,计算结果表明:该方法能够准确地估计高压加热器参数,具备良好的实时监测能力,能在设备故障发生早期给出报警并准确定位;该方法计算简单,适合于工程应用。     

基于稳健估计的迭代型支持向量机及其在电站数据检验中的应用

提出一种基于扩展Huber估计的迭代型支持向量回归算法.该方法将最小二乘支持向量机(1east squares support vector machine,LS-SVM)目标函数中残差的最小二乘估计用扩展的Huber估计代替,并且采用迭代算法求解,在整体上考虑了回归曲线的平滑性,有效地抑制了少数异常点的回归误差引起的残差污染,进而通过比较实测值与回归估计值之间的残差来识别测量数据中的异常值.同时还给出了基于该方法的数据检验及重构的流程与步骤.以某600MW机组为例,对主蒸汽温度进行了算例分析,结果表明该方法能够有效识别主蒸汽温度测量值中异常值,并可给出可靠的重构值,具有较好的稳健性能,而且迭代收敛较快,适合于工程上的在线应用.     

基于KPCA残差方向梯度的故障检测方法及应用

针对核主元分析(KPCA)在应用过程中非线性映射不存在原像、故障变量无法辨识、工程应用困难等问题,提出了一种改进的KPCA残差方向梯度故障检测方法。利用主元统计量和残差统计量的偏微分之间存在着相关性这一性质,对与主元统计量相关的格拉姆矩阵偏微分中间计算过程进行优化,提出一种新的KPCA残差方向梯度算法,在此基础上结合统计量形成系统故障检测的新方法。非线性系统仿真表明,改进的KPCA残差方向梯度法不仅具有较优的故障变量辨识能力,还极大地减小了计算量,缩短了计算时间。大型热力系统的应用进一步表明,无论对于单故障和多故障的情况,方法均具有较好的故障检测能力,并且不存在残差污染,易于工程实现。     

采用核主元残差空间分析方法诊断传感器故障

将核主元的高维特征空间分为主元空间和残差空间,提出了1种基于残差空间的故障分离算法,其约简了反映主元空间的分项,使计算量大幅降低.应用该方法诊断传感器故障具有不受残差污染,易于实现等优点.对某600 MW机组回热系统测量数据进行分析结果表明,基于核主元残差空间分析传感器的故障诊断方法能够及时诊断出不同类型传感器的故障,即使在多个传感器同时出现故障时,也能够准确诊断出故障,并能够及时地分离出故障传感器.     

电站多目标负荷优化分配与决策指导

对传统意义下的厂级负荷优化分配模型进行修正,同时考虑全厂供电煤耗率、污染排全放和负荷调整时间3个目标,提出厂级负荷分配的多目标优化模型。将多目标优化方法和多属性决策结合使用,研究多目标优化指导的问题。针对非劣分层遗传算法(nondominated sorting genetic algorithmII,NSGA-II)易于局部收敛的特点,提出了并行的NSGA-II多目标优化结构,增加了Pareto前沿的多样性,为决策提供丰富的信息。引入基于基点和熵的多属性决策方法,对Pareto解集进行排序,得出最优解。对某火电厂进行实例分析,结果表明该方法能准确快速地完成多目标负荷分配优化,并给出正确的指导,具有一定的实用性。     

基于灰色关联分析的电站设备状态评价方法

针对发电设备运行状态信息复杂、难以对其进行准确评价的问题,提出基于灰色关联分析的评价方法,建立基于灰色关联的状态评价模型.采用增加权重因子改进邓氏关联度,满足了灰色关联四公理并且在评价的结果中体现各特征参数的重要性程度,构造了度量序列间联系更为准确的量化指标.在状态特征参数权重的确定上,将主观和客观权重相结合,根据需要进行动态调整,提高了权重的准确度和可信度.将该模型用于某厂凝汽器的状态评价,结果表明该模型可为检修决策提供依据.