瞬态变工况下电厂燃气轮机气路故障诊断方法研究

为避免失修和过修,提高电厂燃气轮机可靠性和可用性,降低运维成本,确保其安全稳定、绿色高效运行,提出了一种适用于瞬态变工况且包含可变几何压气机的电厂燃气轮机气路故障诊断方法。推导了压气机IGV开度变化对压气机流量特性线和效率特性线的影响数学关系式,建立了以燃气轮机性能分析与气路故障诊断为目的高精度燃气轮机热力模型,并提出了适用于瞬态变工况且包含可变几何的电厂燃气轮机气路故障诊断策略。通过现场实际机组运行测试,验证了所提出的方法具有良好的诊断准确性与实时性,实现了在瞬态变工况下的故障辨识。     

基于二次熵特征提取的燃气轮机气路诊断方法

针对现有燃气轮机气路故障预测诊断方法存在的问题,本文提出了一种基于二次熵特征提取的前向求解的新型气路诊断方法。通过案例分析表明,所提出的基于二次熵特征提取的气路诊断方法不依赖于故障样本集,也不受实际部件特性线的固有非线性形状变化的限制,具有良好的诊断适用性。燃气轮机气路可测参数基于香农熵与指数熵的二次特征提取后,在二维平面上有显著的类间分离度和类内聚合度,可使机组用户及运维人员简单方便的采用气路诊断策略来监测燃气轮机运行健康状况,便于全寿命周期健康管理。     

基于标准化矩阵模型的综合能源系统优化方法

针对集成能源系统的优化问题,提出一种标准化的集成能源系统矩阵建模方法并建立了综合能量系统的线性规划模型。在此基础上,实现了综合能源系统的结构优化、设计优化和运行优化。以综合能源效率为目标函数,建立了系统结构优化的数学模型,对区域综合能源系统进行优化结构规划。在满足区域用户总冷、热、电需求的基础上,提出了对同一类型的能量转换设备选择两种或两种以上设备并联运行的建议,进一步提高系统的综合能效和可靠性。针对区域综合能源系统运行优化,以运维成本为目标函数,对区域综合能源系统进行优化运行规划,优化各设备单元的小时运行策略。     

基于轴向积分双谱与灰色关联分类器的通信辐射源识别

针对现有技术对通信辐射源个体识别率低、占据计算资源的问题, 进行了无线通信辐射源特征提取和分类以及物理层认证的相关研究, 提出了一种基于轴向积分双谱(AIB)和灰色关联分类器(GRC)的通信辐射源个体识别模型。首先将预处理的辐射源无线信号进行双谱变换, 提取二维双谱特征, 然后以AIB和主成分分析(PCA)理论进行一维特征映射及降维, 最后通过GRC实现无线通信辐射源的物理层识别。该模型具备认证速度快、计算复杂度低、多系统易移植等特点, 且无需考虑各种通信协议及编码设定。     

基于故障树分析与突变级数法的电网公司综合能源服务风险管理

针对浙江电网公司转型现代综合能源服务企业背景,结合风险管理理论,提出了基于故障树分析与突变级数法的电网公司综合能源服务风险管理方法。首先,基于电网公司综合能源服务的3类边界层,进行全面风险影响因素分析,识别风险源及影响机理,开展了基于故障树分析的风险识别研究;其次,基于突变级数法,建立了电网公司综合能源服务风险评估模型;最后,针对各个风险指标,开展电网公司综合能源服务风险响应研究,提出了相应的风险应对措施。     

基于双通道特征融合并行优化的燃气轮机气路故障诊断方法

为解决当前燃气轮机基于数据驱动的气路故障诊断精度提升的问题,提出了一种基于双通道特征融合并行优化的气路故障诊断方法。该方法首先通过燃气轮机热力模型构建气路故障数据样本集;然后使用卷积神经网络及长短时记忆神经网络双通道并行挖掘数据的空间特征和时序特征,并在两通道中分别引入首层大卷积核及挤压激励网络的优化方法;最后将两通道提取的特征融合为一维张量,输入到全连接层进行气路故障类型识别。实验结果表明,相较于传统机器学习及深度学习的气路故障诊断方法,所提方法具有更优的辨识精度,平均诊断准确率达到了98.24%,具有实用性及可行性。     

基于人工蜂群优化支持向量参数的压气机特性线的表达

为克服传统方法对压气机特性线内插与外推预测性能模拟精度不高的问题及准确实现压气机在变工况条件下基于部件特性线行为的燃气轮机的热力学仿真计算，一种基于蜜蜂采蜜行为的人工蜂群(Artificial Bee Colony, ABC)优化支持向量机 (Support Vector Machine, SVM)参数的方法被提出并用于压气机特性线的表达。从泛化精度及计算耗时的角度，与常用的BP算法、粒子群算法和网格寻优法的SVM模型相比较。同时，为验证训练样本容量对实验结果的影响，减少样本集数量，对比同一转速下不同算法的预测性能曲线及柱状残差图。应用分析表明，不同转速下基于ABC算法优化的SVM模型在压气机特性线的表达上具有更佳的预测精度和计算实时性，并且，该方法不随样本容量波动而精度失准，具有良好的鲁棒性。     

基于二维卷积神经网络的滚动轴承变工况故障诊断方法

为了实现滚动轴承变工况运行下仍能进行有效的故障诊断, 提出了一种基于二维卷积神经网络的滚动轴承变工况故障诊断方法。该方法将原始信号以及运行载荷这一工况变量作为输入信号, 无需人工提取特征向量, 减少特征提取过程中的损失, 实现端到端检测, 并将该方法与传统卷积神经网络模型进行了实验对比。结果表明, 相较于传统卷积神经网络, 该方法在故障的识别准确率和诊断的实时性上都有很大程度的提升。     

基于模型与数据混合驱动的燃气轮机气路故障诊断方法

为避免失修和过修,提高燃气轮机可靠性和可用性,本文提出了一种基于模型与数据混合驱动的燃气轮机气路故障诊断方法。首先,通过自适应热力建模策略构建待诊断对象的燃气轮机热力模型,通过设置不同的部件健康参数和入口边界条件,模拟得到部件健康参数向量与入口边界条件参数和气路可测参数向量一一对应的数据集;其次,利用深度学习进行回归建模,训练得到燃气轮机气路故障诊断模型;最后,根据实际燃气轮机入口边界条件参数和气路可测参数向量,通过已训练的诊断模型来实时诊断输出各气路部件的健康参数向量。仿真实验结果表明,通过本文所提出的方法,可以准确地得到各个通流部件量化的健康参数,其总体均方根误差不超过0.033%,最大相对误差不超过0.36%,表明该方法具有较大的应用潜力。     

基于二次炳特征提取的燃气轮机气路诊断方法

针对现有燃气轮机气路故障预测诊断方法存在的问题,本文提出了一种基于二次嫡特征提取的前向 求解的新型气路诊断方法。通过案例分析表明,所提出的基于二次嫡特征提取的气路诊断方法不依赖于故 障样本集,也不受实际部件特性线的固有非线性形状变化的限制,具有良好的诊断适用性。燃气轮机气路可 测参数基于香农嫡与指数嫡的二次特征提取后,在二维平面上有显著的类间分离度和类内聚合度,可使机组用户及运维人员简单方便的采用气路诊断策略来监测燃气轮机运行健康状况,便于全寿命周期健康管理。