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机发电机组运行的安全经济性。为此,针对某300MW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,较完善的总结了对分式凝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,有效克服了现有隶属数易对正常工况产生诊断的不足。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,通过诊断实例比较了各方法改进前后及两种不同方法的诊断效果。     

火电厂凝汽器泄漏故障诊断研究

为了解决凝汽器运行过程中,其水侧换热面的污染而导致真空恶化问题,建立了凝汽器水侧管壁清洁系数的监测模型。同时,通过研究凝汽器故障机理,建立了故障诊断知识库,并根据模糊神经网络和改进的BP算法相结合的方法建立了凝汽器故障诊断系统,以及时诊断出故障的位置和原因。实例验证,该故障诊断系统诊断的结果与与现场实际检查结果一致,有效可行。     

基于模糊模式识别的凝汽器故障诊断研究

分析了凝汽器工作过程及故障机理 ,建立了凝汽器典型故障集、征兆集及典型故障特征向量集合 .应用模糊模式识别方法及最大隶属原则 ,建立了凝汽器故障诊断模型 ,并以实例验证该模型识别故障的准确性 .实践证明 ,该模型简单实用 ,能有效地识别凝汽器故障     

基于BP神经网络的凝汽器故障诊断方法研究

凝汽器是汽轮机的一个重要的辅助设备 ,其工作情况的好坏直接影响到机组的安全和经济运行 ,因此 ,对凝汽器运行状态的监测与诊断受到电厂运行部门的普遍关注。介绍了应用人工神经网络中的 BP网络进行凝汽器的故障诊断 ,该方法计算简单 ,实用方便 ,且诊断结果具有相当程度的可靠性。     

凝汽器在线故障诊断系统

为保证火电厂凝汽器的安全可靠运行,实现故障诊断和操作指导,开发了凝汽器在线监测与故障诊断系统。介绍了系统的基本结构、主要功能和优点。系统采用了模糊神经网络与改进的BP算法相结合的故障诊断方法,能快速地、准确地判断出凝汽器故障所在。并通过现场实践进行了验证。     

模糊模式识别在凝汽器故障诊断中的应用

运用模糊数学方法,将阀值原则和最大尿属原则相结合,建立了凝汽器故障诊断模型。实践证明,该模型能有效地判定待识别征兆集是否为病态,而且氘得隶属度差别明显,因而能准确判定故障原因。避免因待识别征兆集病态引起的误判断或因几种故障的隶属度无显著差异,而导致无法明确诊断故障的问题     

影响汽轮机组经济性的几大因素

1 前言 在安全运行的前提下,如何提高机组的运行经济性已成为一个摆在人们面前的重要问题。要解决此问题,了解机组经济性下降的原因是一个关键。以下通过对机组热力性能试验测试数据的分析、判断,得知,除去机组运行年限的影响外,机组运行经济性的降低主要是由以下几个因素造成的。     

220 MW汽轮机组凝汽器改造

焦作电厂3、4号机组为东方汽轮机厂生产的N200-130/535/535型超高压中间再热三缸三排汽凝汽式汽轮机组,进行了通流部分改造后机组额定负荷220 MW.机组配置的N11220型凝汽器,为三壳体单背压双流程式,冷却管采用锡黄铜(HSn-70-1)管,规格为d25 mm×1 mm,管长8 400 mm,数量为17 010根,冷却面积11 220 m2,辐射向心式布置.管束设置有5块支撑隔板,支撑隔板间距1 400 mm,凝汽器水室为矩形热井结构.     

基于神经网络的凝汽器故障诊断系统

凝汽器是汽轮机的一个重要的辅助设备，本文提出了一种基于神经网络的凝汽器故障诊断方法，该方法具有较强的故障模式识别能力，为凝汽器故障诊断的自动化、科学化提供了一种有效的方法。     

汽轮机通流部分在线故障诊断系统开发

介绍了一个汽轮机在线诊断系统,系统以VC 6.0作为前台开发工具,结合MS SQL Server作为后台数据库服务器,以隶属度函数具有自适应学习能力的模糊神经网络作为故障诊断模型,通过隶属度函数的在线自适应学习,在一定程度上能够反映汽轮机组热力参数的波动性,可以避免由于隶属度函数选取不当引起的误诊断和漏诊断的缺陷。该诊断方法不仅可以诊断出故障的类型,还可以诊断出故障的严重程度。经过电厂实际运行的检验,该系统运行稳定、结果正确,对提高电厂的安全运行起到了重要作用。     

汽轮发电机组故障智能诊断方法研究

该文针对汽轮发电机组故障特点，研究了用于故障智能诊断的神经网络结构，对传统的BP神经网络进行了改进，提出了神经网络的逐层优化法，优化后的神经网络更加适用于故障诊断。通过对汽轮发电机组常见故障的分析，提出了适用于汽轮机故障诊断的原因-征兆表，在此基础上对某热电厂的汽轮发电机组故障进行了诊断，诊断结果表明，该方法能够正确地诊断出存在的故障，具有实用价值。     

凝汽设备模糊神经网络故障类别诊断模型

火电厂汽轮机凝汽设备故障较多，且故障原因复杂。在对凝汽设备故障类别详细分析的基础上，建立了基于模糊神经网络的凝汽器故障类别诊断模型。该模型结合了模糊逻辑与人工神经网络(ANN)的优点，采用了先进的批处理自适应变尺度优化学习算法(MDFP)，减少了计算工作量，使故障诊断迅速，准确。仿真试验表明，模型故障类别诊断效果良好。     

基于BP算法的电站燃气轮机故障诊断

针对传统故障诊断方法在燃气轮机系统中应用的局限性,研究了基于ＢＰ算法的神经网络方法在电站燃气轮机故障诊断中的应用,通过选择足够的故障样本来训练神经网络,将代表故障的信息输入训练的神经网络后,由输出结果,就可以判断发生的故障种类,这样不仅减小了用于诊断的知识库,而且加快了计算速度,满足了实时在线诊断的要求。     

新型RBF网络在汽轮机通流部分故障诊断中的应用

应用免疫遗传系统的调节原理及递推最小二乘法建立了一种新型RBF网络模型,通过计算特征参数信息熵,可快速、准确地确定故障诊断的知识库。将该模型与知识库应用于汽轮机通流部分的故障诊断表明,该模型收敛速度快、精度高并有较好的泛化能力。采用该方法对某电厂1台300MW机组进行了实际诊断,判定为高压缸结垢和高压缸调节阀通道结垢,其结果完全满足汽轮机通流部分故障诊断的需要。     

电站热力系统故障智能诊断系统的功能结构及诊断模型

简要介绍了火电机组热力系统故障智能诊断系统的总体功能和诊断模型构成，结合某300MW火电机组高压给水加热器系统故障诊断实例，详细阐述各模块的功能和实现方法。针对模型软件开发中的关键技术，详细论述了电站热力系统故障中语义和型和趋势型两种征兆的模糊数学表达及合成计算方法，该综合运用有利于提高故障诊断的及时性和结果和可靠性；给出了模糊模式识别和人工神经网络两种故障智能诊断模型，讨论了两种模型的技术要点，给出了高压经水加热器系统具体诊断算例，验证了所述技术和方法的有效性。     

汽轮机冲转调试中真空速降的原因分析及处理

新疆八一钢铁集团热电分厂一期工程2×25 MW次高压抽汽凝汽式机组2002年8月开始建设,2004年4月开始进行机组冲转调试.1、2号机组为武汉汽轮机厂产品,汽轮机型号为C25-4.9/0.98;凝汽器型号为N-2000-1;射水抽汽器型号为TDA-N25,抽气量为11.5 kg/h;射水泵型号为KQW150/370-37,扬程44 m.机组一段抽汽管路为Dg600,管路上设有水控止回阀、脉冲安全阀等设施,因为只是冲转调试阶段,一段抽汽与热网之间用盲板断开.机组在冲转调试前对各抽汽管路进行灌水打压试验,试验结果符合验收标准.     

200 MW汽轮机组五段抽汽温度异常变化的分析处理

介绍鹤壁煤电公司200MW汽轮机组五段抽汽温度异常变化的分析和处理。通过各项检查试验,找出了五段抽汽温度异常变化的原因为轴封一段漏汽排挤五段抽汽所致,对此进行了相应的消缺处理后恢复正常。     

300 MW 汽轮机4号轴承振动的原因分析

详细分析了国电蓬莱电厂1号机组4号轴承振动随转速、负荷以及真空的变化规律,认为4号轴承的异常振动为4号轴承座的支承刚度偏低所致.对此进行处理后,4号轴承振动瓦振小于20μm,轴振小于33μm.