基于多元状态估计的燃烧室故障预警研究

为了解决电站燃气轮机燃烧室故障预警问题,采用一种基于多元状态估计技术(MSET)的方法。在提取故障特征量的基础上,首先利用MSET建立燃机燃烧室正常工作状态下的模型,对待观测值进行最优估计得到估计值,估计值和观测值之间的偏差可以反映燃烧室内部工作是否异常,引入偏离度定量衡量观测值与估计值之间的偏离程度,有利于捕获故障细微变化过程,然后采用滑动窗口法确定故障预警阈值,当偏离度超过故障预警阈值时,发出故障预警,提醒运行人员及时处理。用某燃气-蒸汽联合循环发电机组仿真平台的燃烧故障信息将上述算法进行了验证。结果表明:该方法可以及时发现燃烧室燃烧异常,实现了燃烧室实时故障预警,在提高机组可靠性和发电小时数的同时,缩短检修时间、降低检修成本。     

FCM-RVM预警模型在某重力坝典型坝段水平位移预测中的应用

针对大坝变形原型监测数据的非线性和影响因子的相关性问题,提出一种基于模糊C-均值聚类（FCM）和相关向量机(RVM)的组合建模方法。首先用FCM方法对影响因子进行相似聚类,然后运用RVM算法分别对每一聚类样本进行训练学习得到对应的RVM模型,其中RVM算法中的核参数采用改进的粒子群（PSO）算法寻优。将各组合算法用于某重力坝典型坝段水平位移的安全模型构建中,并与多种模型预测结果对比,结果表明,FCM-RVM预警模型的预测精度较高。研究结果可为类似工程的大坝变形预警提供参考。     

基于模糊C-均值聚类和支持向量机的大坝安全变形预警模型及应用

针对传统大坝安全变形预警模型预报精度不高的问题,提出了一种基于模糊C-均值聚类(FCM)与支持向量机(SVM)相结合的混合建模方法,该方法利用FCM算法将训练集划分为具有不同聚类中心的子集,运用SVM对每一类子集进行训练和建模,并针对FCM的聚类有效性问题,介绍了聚类数c和模糊加权指数m的参数自适应算法。将所提出的混合模型与标准支持向量机模型进行比较,可知本文模型的精度和泛化能力均得到了一定程度的提高。     

一种电动汽车充电安全预警模型设计方法

摘要： 针对电动汽车充电安全事故,为了提高电动汽车充电安全预警能力,通过分析电动汽车充电安全影响因素,研究安全预警指标选取途径和方法,制定安全预警评价指标体系,研究安全指标权重评价方法。利用遗传小波神经网络训练原理及多尺度多分辨特点,通过划分5个安全预警等级,设计了一种电动汽车充电安全预警模型。通过对某充电站安全数据安全预警仿真分析,验证了该安全预警模型的可行性和正确性。     

基于改进的PSO-SVM法的大坝安全非线性预警模型研究

针对常用的大坝安全预警模型存在的不足,将改进的粒子群(PSO)算法与支持向量机(SVM)相结合,建立了基于改进的PSO-SVM法的大坝安全非线性预警模型,即利用粒子群算法对支持向量机模型的参数进行寻优,同时为防止粒子群寻优过程陷入局部最优点,引入了位置因子和速度因子,并通过实例应用做了比较。结果表明,改进后的模型有效摆脱了粒子群陷入局部最优点,且具有更好的非线性拟合能力和泛化能力,可用于复杂大坝安全非线性预警建模。     

基于多元状态估计和偏离度的电厂风机故障预警

为了解决风机故障预警问题,提出一种基于多元状态估计技术(MSET)和偏离度的方法.利用MSET建立风机正常运行状态下的非参数模型,对观测向量进行最优估计并得到估计向量,观测向量与估计向量之间的差异可以反映风机工作是否异常.引入偏离度定量衡量观测向量与估计向量之间的偏离程度,有利于捕捉故障发展过程,然后利用滑动窗口法确定故障预警阈值.当平均偏离度超过预警阈值时,发出报警信息提醒运行人员处理.以长春某热电厂引风机的某次故障为例进行应用研究.结果表明:该方法可以及时发现风机异常,实现风机实时故障预警.     

基于CNN-LSTM的燃气轮机燃烧室故障预警

为了解决燃气轮机燃烧室中的故障问题,结合深度学习的优势,在长短期记忆网络(Long Short-term Memory, LSTM)的基础上,提出了一种基于卷积神经网络-长短期记忆网络的燃烧室故障预警方法。首先,根据正常的历史运行数据构建燃烧室的预警模型,再将特征参数输入到预警模型中得到预测值,预测值与实际值之间的偏离度可以反映燃烧室内部工作是否正常。考虑到模型预测结果的非平稳性和非线性等特点,引入滑动窗口法确定故障预警阈值,最后根据确定的预警阈值判断是否出现故障。采用某燃气-蒸汽联合循环发电机组仿真平台对上述模型进行验证。仿真结果表明：该模型相较于LSTM预测模型具有更高的精确度,可以及时发现故障征兆,并对燃烧室故障做出有效预警。     

基于SSAPSO LightGBM的火电厂引风机故障预警方法

为了解决国内对火电厂引风机故障预警方法相对缺乏的问题,本文提出了一种基于SSAPSO LightGBM的故障预警算法。通过建立LightGBM(Light gradient boosting machine)正常轴承温度预测模型,并创新性地引入融合麻雀搜索算法的改进粒子群优化算法（SSAPSO）优化模型超参数,最终获得引风机轴承温度预警阈值,实现引风机早期故障预警。实验证明,基于SSAPSO LightGBM的故障预警方法在预测精度、泛化能力等方面相比传统预算法效果更好;该方法能够提前2 h对风机进行故障预警,对火电厂运维具有一定的指导意义。     

基于CatBoost机器学习模型的风电机组机舱温度异常预警研究

风电机组机舱内部的机械部件众多，以机舱温度为研究对象可以实现对风电机组故障的预警。首先提取风电机组正常运行状态下的机舱温度数据，综合Pearson相关系数和Spearman相关系数，以及轻型梯度增强学习器(LightGBM)和CatBoost算法的特征变量重要性，筛选出与机舱温度相关性较大的20个特征变量，作为风电机组机舱温度的特征变量集合；然后选择CatBoost、LightGBM、随机森林(Random Forest)3个算法分别建立模型，以均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)、判定系数R2作为评价指标进行综合评价，最终选择评价指标最优的采用CatBoost算法建立的模型作为风电机组机舱温度异常预警模型，并采用实际的风电机组机舱温度异常的历史数据对模型的预警效果进行验证。该模型可在机舱温度预测值与真实值之间偏离程度较大时进行预警，专业检修人员可以根据模型输出的特征变量重要性排序，优先检修相关性较高的部件，实用性较强。     

基于运行模式识别的球磨机自适应解耦模糊控制与仿真

针对目前球磨机系统控制存在的不足,提出了一种基于运行模式识别的球磨机系统自适应模糊解耦控制算法.首先,分析了球磨机系统的动态特性,并结合某电厂测试试验,得到了球磨机系统的数学模型;其次,采用LS-SVM算法对球磨机系统的运行状态进行识别和分类;对于正常工况,针对耦合回路,设计了自适应解耦模糊控制器对球磨机进行控制;对于异常工况,给出了相应的控制策略.最后对正常工况下的自适应解耦模糊控制算法进行了仿真研究.仿真结果表明,该算法能够有效地实现球磨机系统运行工况模式识别和耦合回路的解耦控制,控制系统具有良好的动态性和鲁棒性.     

基于多层次模糊综合诊断的燕山水库预警分析

针对燕山水库安全监控及运行状况,在制定燕山水库预警分析"两分一总"的评估方法和技术路线的基础上,基于多层次模糊综合诊断技术,结合预警评价指标中分类和分项指标的层次划分,建立了燕山水库警情分析的多层次模糊综合诊断模型,包括指标归一化、权重确定、指数归并、警级划分等相应关键技术.以燕山水库现有运行监测资料为例,采用该模型进行了预警分析,效果良好.     

基于数据挖掘的预警技术在一体化输电设备监测中的应用研究

数据挖掘技术能自动地分析数据仓库的海量数据,挖掘出丰富的预警知识,对电力设备安全运行起着重要的作用。基于时间复杂度的考虑,首先通过改进的层次聚类算法对输电设备监测的历史数据进行挖掘,获得设备运行状态的运行库,对于实时在线监测数据利用回归方法得到设备运行状态的实时预测值,然后利用相关的报警规则实现输电设备监测的预警,最后给出了基于输电设备运行状态挖掘的预警系统设计。     

基于确定性随机子空间方法的风机齿轮箱故障预警

齿轮箱故障是造成风电机组停机时间最长的一种故障,对其故障进行早期预警,对保证整机的可靠运行和减少维修费用具有重要意义。文章提出了一种基于确定性随机子空间方法的齿轮箱故障预测算法,首先,该算法利用齿轮箱正常状态的实时监测振动和转速数据,建立齿轮箱的状态空间模型,并得到一组参考特征值;然后利用这组参考特征值与实际监测数据所求特征值进行比较,利用均方根误差(RMSE)作为齿轮箱故障预警指标,并结合统计过程控制原理定义该指标的门槛值,来实现对齿轮箱运行状态的监控。通过对实际监测数据的仿真验证,表明了所提方法的正确性和有效性。     

基于层次分析法和模糊综合评价模型的中国石油安全预警研究

建立完善的中国石油安全预警系统,对瞬息万变的国际石油市场的运行监测及时采取应对措施,有利于提高中国石油安全水平,进而有效促进我国经济可持续发展和社会稳定。在对我国石油安全状况调查、分析的基础上,选取能够比较全面反映石油安全预警的主要指标,确定第一层指标为石油市场、资源禀赋、石油需求、石油进口4大类,第二层指标包括石油价格、油价波动率、国际市场的石油可获得性等13个指标。通过将层次分析法与模糊综合评价模型结合起来,构建我国石油安全预警指标体系并进行预警,得出我国石油安全非常脆弱的结论,迫切要求实时监控各类影响因素,尤其要对石油储采比、油价波动率、石油价格以及对外依存度等因素给予更多关注。提出了提高中国石油安全对策及建议:深化石油安全预警研究,建立统一管理机制;积极参与国际市场,争取国际石油定价话语权;完善战略石油储备体系,避免受制于人;优化能源结构,加快开发新能源;积极开展国际合作,优化地缘政治环境。     

基于模型预测的卡车节油驾驶控制策略

为提高卡车的燃油经济性,通过模型预测控制与非线性规划相结合的方法,研究卡车节油驾驶燃油经济性预测巡航控制(predictive cruise control,PCC)系统,通过Matlab与Trucksim联合仿真对算法进行验证.结果表明,在基于真实高速公里数据建模的24 km仿真道路上,使用PCC的车辆比使用定速巡航...     

基于修正因子模糊数模型的柴油机调速技术研究

介绍了基于修正因子模糊数模型的模糊控制算法在柴油机调速技术上的应用。仿真结果和试验结果表明，使用该算法的控制器有很好的调速性能，并对柴油机参数变化具有较强的适应性。     

基于轴系参数化的车辆异响研究

在对车辆异响试验测试的基础上,提出一种基于动力总成轴系参数化的车辆异响优化分析方法:分析车辆异响试验测试数据并提取评价指标,建立车辆异响动力学模型并进行试验验证,采用拉丁超立方设计和Kriging模型建立车辆异响与轴系参数的近似数值模型,基于蒙特卡洛模拟(MCS)对轴系参数进行贡献度分析,最终采用多目标粒子群算法对轴系...     

基于极值理论的岩质边坡变形预警指标估计

边坡变形预警指标估计对实现边坡安全监控具有重要意义。基于极值理论,建立区间极值(BMM)模型和超阈值(POT)模型,分别利用广义极值分布(GEV)和广义帕累托分布(GPD)对边坡变形监测数据尾部进行拟合分析,结合边坡失事概率,完成对其预警指标的估计。结果表明,两种模型均满足K-S检验,但POT模型可更好地刻画变形监测数据分布的尾部特征,对预警指标的估计偏于安全。研究结果可供类似工程参考。     

某 600 M W 火电机组设备在线监测与故障预警系统研究

以某600 MW火电机组设备状态监测与故障预警系统为研究对象,重点探讨了设备状态监测与故障预警研究过程中算法和模型应用以及系统设计。介绍了系统的整体结构、设计思路、设计流程等内容,并分析了设备状态监测与故障预警系统在电厂中的应用情况。     

发动机管理策略对增程式电动车燃油经济性的影响研究

为了提高增程式电动车的燃油经济性,在传统定点控制式发动机管理策略的基础上,提出了模糊控制式管理策略,对不同的发动机管理策略进行了仿真研究。在CRUISE软件中建立了增程式电动车的驱动系统模型,并在Simulink软件中搭建了发动机管理策略模型。在模糊逻辑控制器中,使用T-S模糊系统和Mamdani模糊系统,建立了模糊控制规则。在全球统一轻型车测试规程(worldwide light-duty test cycle,WLTC)循环工况下进行了联合仿真,将模糊控制式管理策略与定点控制式管理策略的结果进行了对比分析。仿真结果显示,与定点控制式管理策略相比,基于T-S模糊系统和Mamdani模糊系统的发动机管理策略分别使增程式电动车的燃油经济性提高了12.52%和10.60%。其中,基于T-S模糊系统的发动机管理策略效果更好,燃油经济性更优。