基于变尺度PCA的电力设备载流故障早期预警

针对载流故障的时域多样性,提出基于变尺度主成分分析(PCA)的载流故障早期预警方法。首先构造即时温度序列和多种时间尺度的平均温度序列,然后对各温度序列分别进行主成分分析以提取故障的早期特征,并采用K-means算法对异常温度点进行聚类分析以实现故障定位。实验结果表明,该方法能有效地进行载流故障诊断,并使故障的预警时间比常规的温度阈值法显著提前。     

大型风电机组塔筒应力监测点的选取与预警

针对大型风电机组塔筒应力监测缺失的情况,提出基于ANSYS软件应力点的选取和person相关系数法与灰色神经网络相结合的塔筒应力预警方法。通过软件分析和现场实验,研究风电数据和塔筒应力的关系并进行塔筒预测,并首次应用到风电机组塔筒监测中。通过实例分析验证,结果表明,该方法能够有效地进行塔筒应力监测,为风电机组塔筒的检测提供依据。     

基于相似性原理的电厂设备故障预警系统研究

为了避免由于发电机组故障而引起的非计划停机带来的不必要的经济损失,研究故障预警系统变得十分必要。通过分析故障预警系统的建模方法,提出了利用相似性方法实现设备状态估计,通过比较设备实时数据与历史正常数据之间的相似关系估计设备可能达到的状态,并显示故障关联信息,为分析故障原因提供参考。     

基于加权模糊度时间序列分析的大型变压器故障预报

分析了变压器油中溶解气体特性及其与故障的对应情况,确定了故障现象模糊集合和故障种类标准模型库(模糊集),根据现象子集对每个故障模型进行划分,形成多个模糊向量集合族;收集了大量故障变压器的历史数据,并用数理统计方法估算故障隶属度函数的参数;采用时间序列灰色预测法估计某时间内各故障隶属度及其发展趋势,对阈值原则进行改进,并根据改进后的阈值原则推断可能发生故障的种类及其发展趋势.最后,用实例验证了该方法的有效性.     

江油电厂^#4机组振动故障的诊断

用频谱分析法对江油电厂~*4汽轮发电机组大修前后的轴承振动信号进行了频谱分析。机组大修前所诊断的几种故障均在大修期间得到证实,并进行了消除。实践证明,运用频谱分析法进行汽轮发电机组振动故障诊断是一种有效的和可靠的方法。     

基于相似性原理的变压器温度预警方法

变压器是电力系统中最为重要的电气设备之一,其安全稳定运行直接关系着电网供电的可靠性。以变压器温度异常作为分析对象,采用智能算法实现变压器温度异常提前预警。在所提方法中,首先选取变压器多参量正常运行的历史数据作为训练样本;其次采用等间距归一法简化历史数据,获得变压器主要的运行模式;然后通过相似性原理算法构建反映变压器温度正常的智能预警模型;最后采用真实数据加以验证,实验结果表明所提智能预警方法具备提前发现变压器温度异常隐患的能力。     

基于多变量状态估计的磨煤机一次风量故障预警仿真

磨煤机一次风量在磨煤机正常运行、机组稳定燃烧、风煤配比过程中起关键调节作用。磨煤机一次风量测量一般采用差压式测量原理,在机组运行过程中容易发生积灰,导致一次风量测量不准,影响机组正常燃烧。分散控制系统报警功能主要是基于上下限的故障报警且各个变量之间没有相互关联,导致故障较为严重时才进行报警。基于此,采用多变量状态估计建立磨煤机一次风量故障预警模型,采用相似度函数建立多变量状态估计的估计矩阵,从而动态更新估计矩阵以便适用于机组的各种工况。基于一次风量的故障预警采用趋势变化进行提前判断,能提醒运行和热控人员提前进行干预解决,从而保证磨煤机和机组的安全、稳定运行。     

基于SBM技术的发电设备故障预警系统研究

发电设备常规的监测手段均采用绝对值报警,当运行参数超过设定值时产生报警提示。这种单一的监测手段难以及时发现设备的早期征兆并对其发展趋势进行跟踪,最终导致被迫停机。为此提出基于相似性原理（ＳＢＭ）的建模技术,将实际设备运行数据通过数学分析的方法,建立与实际设备相似的模型矩阵。将实际运行值与模型计算出的估计值进行比较,超过预设的偏差值即出现报警。在线展示系统参数的动态变化过程, 反映系统运行的健康状态,并及时提醒维护人员进行设备维护;此外通过实例介绍了该系统的实际运用效果。     

基于大数据分析的风机轴承故障预警

将大数据分析应用到风机轴承故障预警中,使用栈式自动编码器（SAE）为基本结构,通过逐层提取风机轴承监视控制与数据采集系统（SCADA）数据深层特征,将散乱的SCADA大数据转化成能够深度刻画风机轴承运行状态的内在特征。利用预训练、微调的方法并结合误差反向传播算法（BP）构建SAE故障预警模型,通过SAE模型对大数据处理得到反映风机轴承运行状态的重构误差平均值,以均值漂移聚类算法动态地计算出风机轴承稳定运行状态重构误差基准值为预警的标准。最后利用某风电场机组的SCADA数据进行工程实例仿真分析,验证了基于大数据分析用于风机轴承故障预警的可行性。     

大型汽轮发电机组低频振动剖析

详细分析了大型汽轮发电机组低频振动的频率特性和引起的原因,论述了控制和解决低频振动的方法,并列举了国产２００ＭＷ机组解决两种类型低频振动的方法     

基于区间划分的风电齿轮箱在线故障预警方法

针对大型风电机组运行工况复杂多变,依靠恒定的润滑油温度值作为齿轮箱故障预警值容易不报的问题,提出了基于运行区间划分的风电机组齿轮箱在线故障预警方法。该方法通过划分不同的运行区间,对不同运行区间根据高斯模型分别设定阈值。将实时数据代入相应运行区间判定是否异常,再利用移动窗口计算异常率作为触发齿轮箱故障预警的指标。该方法用于某1.5 MW风电机组齿轮箱故障的分析,结果表明,该方法能够准确地反映故障的发展趋势,可实现齿轮箱故障的早期预警,避免故障向更严重的方向发展,降低风电机组运行和维修成本。     

基于熵权理论和信息融合技术的水电机组振动故障诊断

应用熵权、灰色关联分析和信息融合技术对水轮发电机组振动故障进行诊断。以水电机组振动信号的频域特征和时域振幅特征为诊断样本,使用基于熵权的灰色关联分析方法进行水电机组振动故障的初步诊断,然后应用证据融合理论对不同证据进行决策信息融合,从而得出最终的诊断结果。诊断实例表明,基于熵权的灰色关联分析和信息融合技术相结合的方法是有效的,适合于水电机组的振动故障诊断。     

汽轮发电机组振动故障诊断方法的探讨

分析了目前故障诊断方法存在的问题,改进了智能诊断方法。根据机组的状态和振动频率,提出了分阶段、分层次的诊断策略,提高了故障诊断的准确率。     

牵引变电所二次设备故障预警系统的研究

通过对二次设备的状态进行监测、评估,利用系统的信息关联和隐藏故障的特征提取对二次设备的隐藏故障进行预警。在系统状态评估的基础上,综合考虑维修成本和系统可靠性对维修策略进行优化。应用故障预警系统,可以有效地提高系统运行可靠性,减少事故概率,降低维修成本,为高速列车的安全正点运行提供良好的动力保障。     

风电机组发电机轴承电腐蚀故障的分析诊断

电腐蚀故障是风电机组发电机轴承的常见故障模式,电腐蚀故障通常分布在整个轴承滚道上,产生的振动响应信号中故障冲击特征往往不如局部故障明显,因此容易被忽视。针对电腐蚀故障振动信号的这种特点,采用一种最小熵解卷积方法对振动信号进行预处理,增强信号中的故障冲击成分。然后再应用包络谱分析方法提取故障特征信息,以提升故障诊断的效果。论述了最小熵解卷积方法的基本原理和实现流程,将该方法应用于一台实际风电机组发电机轴承的电腐蚀故障诊断中,通过对实测振动信号的分析处理,实现了电腐蚀故障的识别诊断,验证了最小熵解卷积方法对故障信息增强的使用效果。     

基于预警单元的逆变器并联系统分层故障诊断系统

随着逆变器并联系统规模的增大,电源系统对故障诊断提出了新的要求.结合逆变器并联系统故障诊断的特点,对所存在的问题进行了分析,并通过新的应用思路,将神经网络和专家系统应用到逆变器并联系统的故障诊断中.提出并定义了故障预警的一系列相关概念,设计了预警单元的工作结构.在此基础上提出了一种新的基于故障预警单元的分层故障诊断专家系统,详细阐述了故障预警单元的实现以及诊断系统的工作原理.通过原理分析及仿真结果可以看出,提出的方法对神经网络和专家系统在故障诊断中的有效应用具有很好的推动作用和一定的指导意义.     

基于故障预警系统的燃煤发电设备状态检修

基于故障预警系统的状态检修是随状态监测技术发展起来的至今最先进的检修方式。20世纪90年代中国开始推行发电设备状态检修,成效明显者寥寥。为切实推行发电设备状态检修方式,某发电集团从2008年开始引进、开发并推广应用了利用相似性原理建模技术的发电设备故障预警系统。介绍了该系统的机理,并用汽轮机、锅炉、电气和化学专业各1个预警案例阐述故障预警系统在燃煤发电设备状态检修中的有效应用情况,最后就如何将两者更好地结合提出了建议。     

大数据处理技术在风电机组齿轮箱故障诊断与预警中的应用

风电机组状态监测数据具有量大、多源、异构、复杂、增长迅速的电力大数据特点。现有的故障诊断与预警方法在处理大数据时难以在保证精度情况下进行快速处理,故提出了结合Storm实时流数据处理和Spark内存批处理技术的风电机组在线故障诊断与预警模型。以齿轮箱故障诊断与预警为例阐释该模型,引入了Storm处理状态监测数据流,设计了流数据处理的Topology结构;引入Spark,利用弹性分布式数据集(RDD)编程模型实现了朴素贝叶斯(NB)算法和反向传播(BP)算法对设备状态信息进行故障诊断与预测。实验结果显示,该故障诊断与预测方法在保证精度的前提下具有较好的加速比,也证明了该故障诊断与预警模型的有效性和可行性。