基于独立主元分析的汽轮机性能监测与评估

为了解决汽轮发电机组的性能检测和故障诊断问题,将独立主元分析引入汽轮机性能监控领域,提出了一种基于独立主元分析(ICA)的电厂机组性能监测与评估新方法。通过ICA算法计算数据的独立主元,进一步计算监控统计量I2,I2和SPE来监测和评估系统的运行。若监控统计量在控制置信限以下,则认为系统运行正常;若统计量超过控制限,则判断为系统有故障或异常发生,运行和维修人员可以根据监测结果及时排查故障发生的原因,消除安全隐患,从而确保机组的安全稳定运行。某电厂机组故障数据仿真研究试验验证了该方法的有效性和合理性。     

基于LabVIEW的曲柄销油温监测系统

为了对船舶柴油机的曲柄销油温进行监测,保障柴油机安全运行,提出了基于LabVIEW的曲柄销油温监测系统。进行了总体方案的设计,阐述了系统的硬件设计和软件程序。系统运用FPGA和PAC技术,采用工业以太网组件监测网络,能够满足曲柄销油温监测所需要的各项要求。研制了相应的测试样机并进行了测试,结果证明本系统可以有效地监测柴油机曲柄销的油温,运行稳定可靠。     

PLC硬件结构的水电站故障监测系统及故障识别

针对现有水电站故障监测系统识别效率低、工作难度大等问题,提出了一种基于巡检机器人视觉识别的故障监测方法,并将其应用于水轮机调节系统故障诊断问题;通过可编程逻辑控制器保证巡检机器人的稳定工作运行,通过非线性输出频率响应函数分析故障参数的特性;利用方向梯度直方图作为模板,采用可变形组件模型算法实现HTGS的故障识别;试验表明,该研究方法处理2 GB故障数据所耗时间为40 s。     

DCS系统控制器故障分析

以美国FOXBORO公司的I/A’S系统为例,介绍DCS系统控制器故障情况,提出解决问题的措施,保证机组安全稳定运行。     

基于小波分析的气体传感器故障诊断系统设计方法探究

气体传感器被广泛应用于石油、化工等安全生产检测领域，经常工作在高温、高湿、强电磁干扰等恶劣环境，很容易产生故障，造成气体检测系统误报、漏报，而常规的技术手段很难判断气体传感器是否发生及发生了何种故障；通过对气体传感器故障分析技术探究，提出了一种基于小波分析的气体传感器故障诊断系统设计方法，方法通过采集并分析不同频率下的相对小波能量，构建特征向量，同时将向量特征输入SVM,以此判断气体传感器是否发生了故障及故障类型；实验数据表明，基于小波分析的气体传感器故障诊断系统可以有效地对气体传感器进行故障检测，保证其所在系统的安全、稳定运行，避免因气体检测系统误报、漏报而引起的安全事故的发生。     

一类非线性系统的故障检测与容错控制算法

针对仿射非线性系统提出了一种稳定的故障检测及容错控制算法.该算法利用神经网络对系统故障进行建模,在线估计故障向量,监测系统运行情况;在反馈回路中引用故障辅助反馈控制回路,实现容错控制;并基于Lyapunov方法进行了稳定性分析.控制系统可运行于两种模式:系统正常时,采用常规反馈控制器(CC);有故障发生时,引入补偿控制来削弱故障影响,保障系统的正常运行.最后对一类非线性电机的仿真控制结果表明了此容错控制方法的有效性.     

基于GMM的多工况过程监测方法

传统基于主元分析的故障检测方法大多假设工业过程只运行在1个稳定工况,数据服从单一的高斯分布。若这些方法直接用于多工况过程则将会产生大量的误检。为此,本文提出了1种基于高斯混合模型的多工况过程监测方法。首先利用PCA变换对过程数据集进行降维,在主元空间建立高斯混合模型对过程数据进行聚类,自动获取工况数和相关分布特性。然后对每个工况建立主元分析(principal component analysis,PCA)模型来描述整个运行过程数据分布的统计特性。最后在过程监测中,根据监测样本属于各个工况的概率构造综合统计量,实现对多工况过程的故障检测。TE过程的仿真结果表明,本文提出的方法与传统的PCA方法相比,能自动获取工况和精确估计各个工况的统计特性,从而能更准确及时地检测出多工况过程的各种故障。     

往复式压缩机组在线监测系统设计

本文以准确判断往复式压缩机组运行是否出现异常为主导思想,提出了把气缸振动与连杆下垂量作为主要监测参数,并结合DCS系统,设计了CMD-3N往复式压缩机在线状态监测系统,实现了对机组的监测与保护,为机组的安全运行提供了技术保证。     

考虑风速波动的风电机组状态评估

风速的随机性影响了机组的运行状态,降低了机组的可靠性。为了准确、及时地在线评估风电机组的运行状态,提出了一种基于波动率的风电机组在线状态评估方法。首先,根据风速与监测参数的相关性分析和监测参数的方差、偏度、峰度和均值分析,确定了机组状态评估指标参数体系。然后,提出了对数波动率的定义,采用波动率分析机组运行指标参数的波动。通过分析正常状态机组的历史数据指标参数的波动率轨迹,确定了机组运行状态等级的划分。最后,采用双滑动窗口,实现了对机组运行状态的在线评估。将该方法用于贵州某风电场两台2 MW机组,其在线状态评估结果符合实际情况。该方法考虑了风速的随机性对机组造成的影响,为风电机组的动态研究奠定了基础。     

正规安装、规范检修是机组安全运行的前提条件

某发电有限责任公司1、2号机组投产运行四年来,曾多次发生油系统故障,本文对发生故障的现象及原因,进行了详细深入的分析,抓住故障发生的本质,提出相应的处理对策,从而保证了机组的安全稳定运行。     

基于能量流的风电机组异常运行状态预警软件设计

针对当前风电机组运行异常状态检测的热点难点问题,根据SCADA数据的时序特点,设计一款基于能量流参数关系模型的风电机组运行异常预警软件。基于能量流原理,将风力发电机系统作为一个复杂系统划分为4个子系统;建立关于风电机组运行特性的输入输出参数关系模型,并结合核密度估计原理和统计学置信区间理论,提出实时计算风电机组运行状态健康指标阈值的方法;介绍软件主体框架,以及软件内部数据处理方法与数据调用的实现方法。利用某风电场的实际SCADA数据进行实例分析验证,结果显示该软件可以为风电机组运行状态维护提供更方便的途径。     

基于支持向量机的风电机组故障预警

风电机组的故障诊断是保证机组稳定运行、降低机组维护费用的关键。简要介绍了风电机组的基本结构及故障类型,讨论了风电机组实际应用中的主要故障诊断方法;提出了一种基于最小二乘支持向量机(LS-SVM)的风电机组故障预警方法,利用实际风场机组运行监控数据验证了此方法的可行性,并与神经网络方法的预测结果进行比较。结果表明,基于LS-SVM的方法更加快速有效,具有准确的故障识别能力。     

化工过程故障原因诊断的变量异常顺序法

为对化工过程故障进行实时诊断,建立设了备的主元分析(Principal component analysis,PCA)模型,根据实时数据和PCA模型计算综合指标以在线检测其故障的发生,并提出了PCA模型的在线更新策略,以适应实际过程中工况缓变特性。为在线监测到故障发生时,能确定故障根原因,根据各变量的DCS报警上下限判断其异常状态,并记录各变量出现异常的时间顺序,以供操作人员参考,从而准确地诊断所发生故障的根源。基于过程安全生产指导平台,将所提出的方法实际应用于某炼油厂延迟焦化装置的分馏塔单元,长期在线应用结果表明所提出的在线更新PCA模型能准确地连续检测出故障的发生并适应工况的缓变,而变量异常顺序可帮助操作人员正确地确定故障原因。     

基于差分分段PCA的多模态过程故障监测

多模态的故障监测是一个复杂的问题, 既需要考虑稳定模态下的故障监测, 也需要考虑不同模态间的过渡故障监测. 不同稳定模态下的数据具有不同的相关关系, 对每个稳定模态需要建立不同的稳定模态模型. 当稳定生产模态发生改变时, 生产过程进入过渡模态, 需要考虑过渡变量相关关系的变化. 本文通过对过渡数据差分, 得到变量相对变化信息. 利用主成分分析(Principal component analysis, PCA)分段对差分变量的相关特性进行分析, 提取相对变化的特征. 最后以实际连续退火机组生产线为背景, 用基于差分分段PCA的多模态方法对多模态过程进行故障监测, 发现算法很好地反映了实际过渡过程机理, 验证了算法的有效性.     

一种改进的马氏距离相对变换主元分析方法及其故障检测应用

目前, 主元分析方法(PCA)在数据处理、模式识别、过程监测等领域得到了越来越广泛的应用, 但仍存在部分关键问题亟待解决. 本文为了提高PCA方法的故障检测性能, 进行了一系列的改进, 首先, 本文引入相对变换的概念, 使用马氏距离相对变换直接消除量纲, 通过理论推导证明了马氏距离相对变换可以对数据不进行标准化直接进行数据变换, 而且给出了在相对空间内数据进行PCA变换的合理解释, 表明了基于马氏距离相对变换的PCA故障检测方法可以有效的消除变量量纲对数据的影响, 提高数据的可分性. 其次, 改进了SPE监控指标, 提出一种基于马氏距离的平方预测误差指标, 更有效地实现对工业过程的故障检测. 最后, 将两种改进方法相结合, 提出改进的马氏距离相对变换PCA故障检测方法, 并以轧钢过程活套系统为背景, 实际数据仿真结果表明: 与PCA以及其它改进方法相比, 本文提出的方法具有更好的故障检测性能和实时性, 能准确、有效地检测出活套故障.     

基于多时间尺度的电力变压器异常数据检测

随着电力变压器在线检测技术的发展,如何对变压器运行过程中的异常数据进行准确检测,是保证变压器稳定运行的重要基础,也是电力系统能够稳定供电的前提条件。该文针对变压器运行时产生的油温数据,提出一种基于多时间尺度-长短期记忆网络（MT-LSTM）的电力变压器异常数据检测方法,该方法能够捕捉不同时间尺度的信息,更好地构建短时间记忆和长时间记忆,进而提高异常数据检测效果。通过与传统方法的实验结果进行对比、分析,表明该方法能够准确地检测出油温异常数据,为电力系统的稳定运行提供安全保障。     

一种基于神经网络在线逼近器的非线性鲁棒故障诊断方法

针对一类不确定非线性动态系统，提出了一种基于神经网络在线逼近结构的鲁棒故障 检测方法．该方法通过构造神经网络通过在线逼近结构学习非线性故障特性来监测动态系统 的反常行为,当故障发生时，在线估计器可逼近各种可能的未知故障，然后对其进行诊断和 适应．神经网络权重的在线学习律没有持续激励的要求，并采用Lyapunov稳定性理论保证了 闭环误差系统一致最终有界稳定．     

基于MIC-(PSO-BP)-MWA-KDE的风电机组齿轮箱油温预警方法

针对风电机组齿轮箱故障预警问题,提出一种基于MIC-(PSO-BP)-MWA-KDE的齿轮箱油温预警方法。首先,使用最大互信息系数(Maximal Information Coefficient, MIC)求出与齿轮箱油温相关性高的参数作为模型的输入,采用PSO-BP神经网络构建齿轮箱油温预测模型。然后,通过计算齿轮箱油温实际值与预测值的残差绝对值,结合移动加权平均法(Moving Weighted Average, MWA)、核密度估计(Kernel Density Estimation, KDE)建立齿轮箱状态监测模型。通过实际案例分析可知,本文提出的预警方法可提前齿轮箱油温异常预警时间,预警时间提前约11小时。     

GE9FB燃气-蒸汽联合循环发电机组汽轮机振动波动故障的分析与处理

GE9FB燃气-蒸汽联合循环发电机组在整体启动过程中,发电机主设备故障率较高,严重影响了机组的安全稳定运行,而汽轮机作为电厂发电机组的核心设备,其安全稳定运行与电厂效益息息相关。本文针对汽轮机振动故障开展了振动检测,获得了故障特征数据,并结合数据分析判断故障原因,最后进行了相关试验及维修验证。结果表明,振动控制方案的振动指标优良,系统的调速精度及各项控制功能均能达到技术指标要求,可供同类机组参考。     

模糊度算法融入新型结构实现输变电设备油温监测

输变电设备内油温的高低是电力设备能否正常运行的关键。针对输变电设备运行的特征,设计了油温监测的硬件结构,以及输变电设备内部油温检测的整体框架;在输变电设备运行中融入模糊度算法,从中提取出油温诊断信息,估算出局部油温发生异常的信息;通过采用模糊理论中的最大隶属度原理,融入模糊数学方法,计算出油温信息的模糊度,实现了油温的估计与评测。试验数据表明,该技术方案监测准确度较高,散热效果好。