基于神经网络的高压加热器故障诊断系统

提出了一种基于神经网络的高压加热器故障诊断方法,该方法具有较强的故障模式识别能力,为汽轮机高压加热器故障诊断的精确化、自动化、科学化提供了一种有效的方法。     

VB调用Matlab在高压加热器故障诊断中的应用

将VB调用Matlab方法应用到高压加热器故障诊断中,介绍了利用ActiveX技术实现VB调用Matlab的编程步骤,以VB编写诊断系统主界面,利用Matlab神经网络工具箱完成对高加的故障诊断,两者相互取长补短,从而缩短了程序开发周期、减少了程序员的工作量。系统具有良好人机交互界面,实例验证表明其诊断结果可靠,且能够满足对高加进行实时故障诊断的要求,可对现场运行起到一定指导作用。     

高压加热器的运行维护和可靠性

高压加热器运行方式和维护方法不正确时会影响其可靠性,严重时将导致其损坏;指出了高压加热器3种超负荷运行的可能性,低水位运行的危害;阐明了维护工作的内容及维修中的注意事项。     

200MW机组高压加热器的完善化

阐述了原国产200 MW机组高压加热器的使用状况和改进目标。介绍了完善型高压加热器的系统特点、技术特性、结构特点和保护系统以及关键制造工艺。     

运用模糊神经网络的凝汽器故障诊断系统

凝汽器系统运行中出现的故障与故障征兆之间是非线性关系,具有复杂性、模糊性和随机性,难以用数学公式表示。为此,运用模糊理论与神经网络故障诊断方法,建立凝汽器故障诊断专家系统,采用模糊隶属度函数表示难以准确描述的专家知识,采用神经网络进行推理,使诊断结果具有较高的可靠性。     

汽轮机高压加热器的故障诊断与运行

结合高压加热器运行中出现的实际情况,详细地分析了高压加热器管束泄漏,法兰密封面泄漏,疏水管系统振动,进出水阀和疏水器故障对机组安全经济运行的影响;介绍了高压加热器设备及系统的故障诊断方法和处理的具体措施;提出了N125型机组高加系统完善的途径;阐述了高压加热器运行中温度控制和水位控制对其寿命的影响。     

变压器故障诊断中溶解气体的模糊聚类分析

针对变压器故障诊断中的不足 ,介绍了模糊聚类分析的理论、方法及聚类效果的判别原则。将模糊聚类分析其应用于变压器的故障诊断 ,列举了诊断实例。     

基于概率神经网络的高压加热器故障诊断及仿真

针对汽轮发电机组高压加热器发生的故障问题,提出了一种基于概率神经网络(PNN)的故障诊断方法。通过对该设备故障的定性分析,对比研究了PNN与误差反向传播神经网络(BPNN)分类模型对故障的分类效果。仿真表明,对高压加热器的故障分类中,在分类速度、精确度等方面,PNN模型均优于BPNN分类模型。     

高压加热器用U形换热管试验研究及应用

介绍了高压加热器用ASME SA-556M C2级“U”形换热管的国内外技术水平,比较了国产管与进口管的性能。结果表明国产“U”形管能满足ASME规范的要求,也达到国外同类产品质量水平。     

模糊聚类和LM算法改进BP神经网络的变压器故障诊断

在变压器故障诊断中,目前BP神经网络算法存在训练样本分布不均匀,收敛速度慢、容易陷于局部极小点等问题,导致整体的诊断性能下降。通过对模糊聚类及LM算法改进的神经网络深入研究,并引入变压器故障诊断中,该算法应用模糊聚类对搜集到的样本预处理,提高样本的质量,再用LM算法改进的神经网络来优化搜索方向,可以实现网络训练速度及测试精度的提高。通过实例仿真实验,验证了该方法能够有效诊断出变压器的故障。     

模糊聚类分析和代数算法结合的短期负荷预测

为了提高短期负荷预测速度和精度,提出了将模糊聚类分析和神经网络代数算法相结合的短期负荷预测方法.综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,通过模糊聚类分析选取学习样本,找出同预测目相符的预测类别,采用神经网络代数算法训练样本,对24小时负荷(24点)每点建立一个预测模型.该方法充分发挥了神经网络和模糊理论处...     

加权模糊核聚类法在电力变压器故障诊断中的应用

变压器油中溶解气体分析(DGA)是电力变压器故障诊断的重要方法。针对模糊C均值聚类算法用于溶解气体成分分析时存在的问题,将加权模糊核聚类方法(WFKC)引入到电力变压器故障诊断中,建立了一个新的变压器故障诊断模型。该法首先考虑到样本中不同特征对聚类结果的不同影响,利用基于样本相似度的加权方法对样本特征进行加权,然后将样本从输入空间映射到高维特征空间,在特征空间实现加权模糊核聚类。形成的模型充分考虑了不同特征对聚类结果的不同影响,能有效改善复杂数据集的聚类性能,提高了故障诊断的正确率。案例分析表明,该法能快速有效地对样本进行聚类,从而验证了该法在变压器故障诊断中的有效性和可行性。     

模糊概率符号有向图单元模型及电站高加系统故障诊断

针对复杂系统的符号有向图(signed directed graph,SDG)模型结构复杂,搜索路径组合爆炸等缺点,将SDG符号识别能力和知识库易于维护的特点相结合,提出了模糊概率SDG单元模型,建立了模糊概率SDG单元库,并描述了基于SDG单元库的故障推理方法。复杂系统的测点不完备性和参数耦合性是故障诊断中亟需解决的问题,在建立SDG单元库时,充分考虑了这两个问题。以某600MW机组高加系统为例,采取仿真与现场经验相结合建立SDG单元库,并通过现场故障实例验证了该故障推理方法的有效性。SDG单元模型结构简单,推理快速,有效避免了组合爆炸的问题,故障诊断准确率高,能有效克服现场测点缺失和系统参数耦合问题。     

双列高压加热器在1000 MW超超临界机组中的应用

结合华电国际邹县发电厂2×1 000 MW超超临界机组在设计及设备选型阶段的工程实践,对选用双列高压加热器布置方案或单列高压加热器布置方案的利弊进行了详细的论述,最终经比较选择了双列布置方案。     

基于改进BP神经网络的风机故障诊断研究

采用动量法和学习速率自适应的改进BP神经网络进行风机的故障诊断。根据风机的故障诊断特点,确定神经网络的结构与参数。在网络训练过程中同时采用标准训练样本和含有白噪声的训练样本,使网络具有一定的容错性。实例诊断表明,改进的BP神经网络缩短了学习时间,是风机故障诊断的有效方法。     

基于混合模糊聚类分析的汽轮发电机组振动故障诊断

针对模糊C-均值(FCM)算法在汽轮发电机组振动故障诊断中的不足,提出了一种加权混沌优化FCM(WCOFCM)算法。WCOFCM算法首先将混沌优化策略与传统FCM算法相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,并结合梯度算子,使方法有效收敛到极值点。然后依样本相似度原理对样本特征进行加权,对不同的特征赋予权重,突出敏感特征对聚类结果的主导作用,提高了聚类性能。最后依据聚类有效性函数指标自动确定聚类数,实现自适应分类。用该方法对国际标准测试数据进行了聚类分析实验,并将该方法应用于某发电厂汽轮发电机组振动故障诊断,其结果表明该方法有效降低了误分类率,能对汽轮发电机组振动故障进行有效诊断。     

基于模糊聚类分析和D-S证据理论的磨煤机故障诊断

在故障诊断中,某些情况下模糊聚类分析理论只能在一定置信水平λ下诊断出目标故障.为了实现故障预测,提出了基于D-S证据理论的模糊聚类分析方法.将待测样本和典型样本构成待诊断矩阵,应用聚类分析方法求出其等价矩阵,由其结果构造D-S证据理论的基本概率斌值函数,即待测样本对每个目标模式的支持度.对支持度排序得到诊断结果和故障发...