基于轴承温度的风机齿轮箱故障预警研究

齿轮箱轴承作为能量传递的关键部件,对风机状态评估具有重要意义。文章针对齿轮箱故障,提出了基于改进的粒子群算法(APSO)优化的BP神经网络齿轮箱轴承温度预测模型。首先,基于主成分分析法,选取SCADA系统中影响齿轮箱轴承温度的参数,建立正常状态下的齿轮箱轴承温度预测模型,通过对轴承温度残差值进行分析,得出风机故障告警和报警阈值,从而实现对齿轮箱故障的有效预警;最后,利用华北某风电场的数据进行实验仿真,对比分析粒子群(PSO)优化的BP神经网络预测模型和传统BP神经网络预测模型。结果表明,提出的预测方法拥有精度高、收敛速度快等优点。     

基于PCA和多元状态估计的引风机故障预警

针对电厂引风机运行条件恶劣、故障种类多的特点,为了提高机组安全和设备利用率,提出了一种基于主元分析(Principal Component Analysis,PCA)和多元状态估计(Multivariate State Estimation Technique,MSET)的引风机故障预警方法:首先采用PCA对原始数据进行简化,消除冗余和噪音,选取主要状态参数,同时采用小波变换(Wavelet Transform,WT)进一步优化数据质量;然后通过MSET对引风机正常运行工况下的历史数据进行建模,包括历史记忆矩阵的构建、观测向量的估计和残差的计算等。以华能上海某电厂的引风机为例进行故障预警分析,验证该方法可以有效实现引风机早期的故障预警。     

基于LSTM神经网络与贝叶斯优化的电站风机故障预警

风机持续健康稳定运行是电站机组安全性与经济性的重要保障,故障预警技术对于提高风机运行可靠性和降低维护成本尤为重要。为此,本文提出一种基于长短期记忆(Long short-term memory,LSTM)神经网络与贝叶斯优化算法的早期故障预警方法,充分挖掘电站风机正常运行数据,采用LSTM网络挖掘多种参数的关联特性及历史数据的时序特性,建立风机运行状态预测模型。为了提高预测模型的精确度,利用贝叶斯优化算法优化并设定LSTM网络的最佳超参数组合。考虑模型预测偏离度的非平稳性和多极值特点,引入广义极值理论从正常运行工况中确定报警阈值,以实现设备的早期故障预警。最后,将所提出的算法应用于某燃煤电站引风机故障预警中。结果表明：贝叶斯优化算法优化后的LSTM神经网络不仅可以精确表征风机在正常状态下运行行为,同时能够准确地获取风机的故障信息,从而能够在故障发生前4 h发现异常,实现故障预警。     

基于机器学习的燃气轮机控制系统分层故障诊断

针对传统算法在实际应用中存在网络规模庞大、学习训练时间过长和知识“组合爆炸”而导致网络组织失败等问题,提出基于变分模态分解（Variational Mode Decomposition,VMD）、自回归模型（Autoregressive Model,AR）和轻量型梯度提升机（Light Gradient Boosting Machine,LightGBM）算法的燃气轮机控制系统分层故障诊断方法。首先对原始信号进行VMD AR建模,获取最具表征性的故障特征向量;然后根据不同层级特点和故障类型设计多个LightGBM模型;最后采用贝叶斯优化算法优化分层诊断模型中的超参数,并将待测信号输入模型进行故障诊断。结果表明：所提算法不仅能够达到95%以上的故障识别率,而且具有更强的泛化能力。     

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。     

数据挖掘技术在风电机组发电机轴承故障预警中的应用

随着风电装机规模的扩大和风电场投产时间的增加,风电机组的故障呈现多样化和复杂化.为提高风电场检修及故障消除的工作效率,降低运维成本,实现故障状态检修,利用风机SCADA运行数据设计,针对风机发电机轴承的故障预警算法,对发电机轴承预警,为运维人员开展故障消除与检修提供技术支撑.     

基于多层深度互信息变分网络的风电机组轴承故障预警方法

针对变工况复杂环境下风电机组轴承的早期故障潜隐性高且故障阈值设置困难的问题,提出一种基于多层深度互信息变分网络的轴承故障超前预警方法。该网络在变分自编码器的架构上进行多层编码拓展,采用解码信号的二次编码增强了变分网络对输入信号中噪声的鲁棒性,通过隐层变量与输入信号间最大化互信息以及与二次编码特征间的最大化互信息,提高了网络对轴承正常状态空间的建模能力。以二次编码特征与隐层变量的重构误差为基础,构建健康指数,结合三次递推指数加权移动平均模型设置与风电机组轴承工况环境相适应的健康基线。在2个风电机组轴承故障检测试验中的应用结果表明,该方法对比传统的基于模型重构的轴承早期故障检测方法,具有更高故障预警准确率和抗干扰能力。     

柴油机连杆轴承保护措施的探讨

介绍通过测量柴油机连杆轴承飞溅润滑油温度来保护连杆轴瓦的方法，经应用试验表明：该方法效果明显，提高了连杆轴承故障的预警能力和可靠性。     

基于AVMD和WDK的风电齿轮箱轴承复合故障诊断方法研究

针对强背景噪声下轴承微弱复合故障特征提取困难的问题,提出一种基于自适应变分模态分解（AVMD）和优化的Wasserstein距离指标（WDK）的风电齿轮箱轴承复合故障诊断方法。首先,引入自适应学习粒子群优化算法（ALPSO）,以平均包络熵作为ALPSO的适应度函数来搜索变分模态分解的最佳影响参数,从而构造AVMD;其次,结合Wasserstein距离（WD）和峭度优点,提出WDK指标筛选有效模态分量,并对筛选的有效模态分量进行重构;然后,通过对重构信号进行包络谱分析实现轴承复合故障的诊断;最后,将所提AVMD-WDK方法应用于某风场2 MW风电齿轮箱轴承振动信号的故障诊断。结果表明,该方法能有效提取轴承的微弱故障特征,实现轴承复合故障的精确诊断。     

小波包能量熵和改进的LSSVM在风力机轴承故障诊断中的应用

针对极端复杂工况下风力机轴承运行状态监测中的故障诊断问题,提出一种基于小波包能量熵故障特征提取并结合鲸鱼算法(WOA)优化最小二乘支持向量机(LSSVM)进行故障分类识别的风力机轴承故障诊断方法。通过小波包分解提取各频带成分的能量熵值构建故障特征集,同时针对LSSVM参数的选取依赖人工选择的盲目性问题,采用鲸鱼优化算法寻找LSSVM中最优的2个关键参数正则化参数和核函数参数,以此提高故障诊断模型的分类精度。通过不同工况下的试验数据集测试,实现了对不同故障状态特征参数的准确分类。结果表明,所提方法诊断结果优于遗传算法(GA)和粒子群算法(PSO)分别优化的LSSVM.远优于传统的LSSVM算法。     

高压变频技术在火电厂吸风机中的应用与研究

在分析了火电厂吸风机的运行现状和研究了高压变频调速技术的基础上,通过美国罗宾康公司完美无谐波变频器火电厂吸风机改造中的应用实例,介绍了高压变频调速技术在火电厂主要辅机设备中的控制技术,实例证明,该变频技术在节能降耗、提高自动化控制水平方面具有良好的应用前景。     

锅炉引风机“小”改“大”的实践

为满足国家环保要求,浙江大唐乌沙山发电公司2号机组将安装SCR脱硝工程,为解决安装SCR脱硝工程后引风机过出力运行的问题,公司决定对2号机组进行引风机改造。阐述了浙江大唐乌沙山发电公司2号机组锅炉引风机改造前存在的问题,具体方案以及改造后的经济效益分析。对引风机与增压风机合并的优点,对各类火力发电企业实施脱硝改造和引风机改造具有一定的借鉴作用。     

某火电厂引风机振动故障分析及解决措施

某火力发电厂对脱硫系统进行改造,在其中一台机组安装公用GGH低泄漏风机后的试运中,存在振动过大的故障。通过对该风机的振动检测,获取了包括振动趋势图、振动幅频图和振动相频图,结合振动信号的特征,对故障进行了诊断,得出了振动故障是由于引风机质量不平衡,通过加重处理后,引风机前后轴承的最大振幅由原来的接近500μm分别降低到了36μm和26μm,取得了显著的效果。     

1 000 MW燃煤机组引风机与增压风机改造研究

  [目的]  为确保锅炉烟气系统的正常运行,国内燃煤发电机组实施超低排放改造后,引风机及增压风机需要进行改造。  [方法]  以某1 000 MW燃煤机组为例从技术角度对引风机及增压风机三种可行的改造方案(只改引风机、只改增压风机以及增引合并)进行了比较,并结合工程实际情况进行了经济计算。  [结果]  得出增引合并方案的综合技术经济性最优。  [结论]  此比选方法和改造方案对其他燃煤机组引风机改造有较高的参考价值。     

基于数据融合的风电变桨系统故障预警研究

随着风电机组装机容量的不断攀升,同时带来并网发电率低、机组故障率高等缺点,导致风电机组整体利用率较低。为此提出一种基于数据融合的风电变桨系统故障预警方法。首先结合SCADA系统中的运行统计信息和历史数据,采用Relief特征参数选择方法筛选出与风电变桨系统故障相关的特征参数;然后采用数据融合的方法,建立基于MSET技术的风电变桨系统故障预测模型,并采用滑动窗口法进行故障预警阈值的确定;最后以上海某风场1.5 MW双馈异步风电机组进行实例分析,结果表明该方法可提前发现风电变桨系统故障征兆,实现对风电变桨系统的早期故障预警。     

基于网格搜索优化ERF模型的风电机组异常状态预警

提出一种基于网格搜索优化(GS)极端随机森林(ERF)模型的风电机组性能预测及异常状态预警方法.首先,采用离散度分析法清洗噪声和异常工况数据,以获取建模用正常运行状态数据.其次,通过分析风机运行与控制原理,选取与转速和功率具有较高相关度的特征参数作为模型输入,完成预测模型训练和验证,并对比ERF模型与其它几种模型的建模...     

电站风机故障智能预警技术的应用研究

针对电站风机状态监测和故障预警问题,提出了一种基于密度峰聚类的多元状态估计方法。首先,利用密度峰聚类算法对风机正常运行工况下的历史数据进行分析,提取包含设备正常运行特征信息的数据,构建记忆矩阵;然后通过相关性原理分析观测向量与记忆矩阵之间的相似程度,使用多元状态估计技术对该观测向量进行估计。计算估计值与实测值之间的统计残差和相似度,确定风机的运行状态。最后,以南京某电厂一次风机为监测对象进行研究,建立动态故障预警模型,并结合故障实例分析验证。结果表明:该方法能够实时准确预测风机运行状态,提前发现故障征兆,指导设备运行和维护。     

不同调节方式对引风机经济性影响分析

火力发电厂引风机运行能耗与其调节方式密切相关,为了分析不同调节方式的经济性,利用总费用现值法以及最小年费用法,完成了某300 MW火力发电厂不同调节方式下的年费用计算,并分析了改造方案的抵偿年限以及碳排放.据此,对比分析了三省一区基于不同调节方式的引风机在不同影响因素下的运行经济性.结果 表明:小汽轮机驱动最经济,电动...     

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。