基于KPCA和LSSVM的过热器异常诊断

为提高过热器系统异常识别准确率,对核主元分析以及最小二乘支持向量机在过热器异常识别分类中的应用进行研究,提出了一种改进KPCA-LSSVM的过热器异常工况识别策略.采用核主元分析算法对获取到的过程数据提取主成分,并选择贡献度最大的主成分输入LSSVM中进行建模,建立KPCA-PSO-LSSVM分类模型对主汽温故障进行识...     

电站锅炉对流受热面污染在线监测的研究

针对电站锅炉受热面污染监测静态模型用于变负荷工况时存在严重失真的问题,通过对锅炉动态特性的分析,建立了污染监测动态模型。以300 MW机组锅炉低温对流过热器为对象,采用DCS实时数据进行了污染监测计算,结果表明,动态模型的计算方法是合理的,为进一步实现电站锅炉受热面在各种负荷工况下的连续污染监测提供了依据。     

主元分析方法在火电厂生产过程故障检测中的应用

提出了一种适用于火电厂生产过程的主元分析故障检测方法,解决了普通主元分析检测方法在过程工况变化时造成的误诊问题.首先使用机组负荷的稳定度因子来监视工况的变化情况,当过程工况发生变化时暂停检测,当过程进入新的稳态后使用新的主元分析模型继续进行检测;其次提出了离线和在线两种建模算法,解决了主元分析模型的工况适应性问题;最后以火电厂汽压控制系统为例说明了该方法的检测过程,仿真结果表明了该方法的有效性.     

基于主元分析与现场数据的过热汽温动态建模研究

为克服试验建模与机理建模方法的不足，对利用现场数据建立过热汽温的动态模型进行了研究。通过对影响过热汽温的12个主要过程变量的运行数据进行主元分析，得到了2-3个主元，计算了各主元的贡献率、T^2统计量以及在T^2统计量较大时12个过程变量对第1主元的贡献，确定出过热器喷水流量是引起过热汽温变化的主导因素。基于现场数据，证明了过热汽温控制系统满足闭环可辨识性条件；并且建立了过热器喷水流量扰动下过热汽温的动态数学模型。对所建立的模型进行了仿真验证，模型反映了过热汽温的实际运行状况。     

电站锅炉热效率与NOx排放响应特性建模方法

为了解决电站锅炉高效低污染的优化决策问题,建立了基于核主元分析支持向量回归机(kernel principle component analysis e-support vector regression,KPCA-e-SVR)与机理模型混合的锅炉热效率和NOx排放特性响应模型。在建模的过程中,针对模型输入变量之间存在非线性、强耦合等特点,采用核主元分析提取输入变量的主元,去除变量之间的相关性;同时采用5-fold交叉验证方法,循环搜索寻优模型的各个参数,确定输入主元个数。该模型与BP神经网络(back propagation neural-networks,BPNN)和支持向量机模型相比较具有良好的泛化能力。     

基于小波包的多尺度主元分析在传感器故障诊断中的应用

由于传统的基于小波变换的多尺度主元分析(MSPCA)方法在检测高频类故障时的分辨能力不足，该文提出了基于小波包的MSPCA模型，并应用于传感器的故障诊断。首先对传感器数据进行正交小波包分解，得到小波包最佳分解树。根据最佳树的各个节点系数在对应的尺度上建立主元分析模型，根据这些主元分析模型在残差子空间利用平方预报误差统计量进行传感器故障检测，采用传感器有效度指标对故障传感器进行分离。最后以火电厂锅炉系统的传感器为例对设计的模型进行了验证，通过对传感器周期性干扰故障这种高频故障的诊断实例验证了基于小波包的MSPCA方法的有效性，其检测性能要优于基于小波变换的MSPCA模型。     

电站锅炉水冷壁积灰结渣仿真模型的建立

对辽宁省阜新电厂200MW机组燃煤锅炉进行了多工况热态测试，获得了数据样本。运用BP神经网络和LM算法建立了电站锅炉水冷壁积灰结渣的仿真模型。所建神经网络仿真模型能够反映锅炉水冷壁积灰结渣的程度，为电站仿真机吹灰优化系统的开发打下了良好的基础。     

基于递推PCA的变工况中央空调系统故障诊断

由于节能以及用户需求等原因,中央空调系统(HVAC)设定温度和风量等工况时常发生改变,这会导致系统模态发生变化,给故障诊断增加难度。为此开展了中央空调变工况下的故障诊断方法研究,首先为了准确模拟HVAC系统变工况及其典型故障,通过专用建筑能源模拟器TRNSYS软件进行建模,并实时采集HVAC系统各传感器数据,随后针对传统PCA算法模型无法适应系统工况变化,容易出现大量误报的问题,发展一种递推主元分析(RPCA)方法,通过利用传感器输出的新数据在线更新原始的PCA模型,即对数据矩阵的均值、方差等进行更新,解决了HVAC系统变工况时参数动态变化所引发的误报的问题,最后基于TRNSYS和MATLAB联合仿真,验证了所提方法的有效性和优越性。     

基于非对称神经网络结构的电站锅炉智能燃烧控制模型

针对目前国内电站锅炉燃烧建模存在煤质与负荷波动频繁、测点精度有限、设备运行组合多变等产生的问题,提出了电站锅炉燃烧的非对称神经网络建模方法。将锅炉模型的输入按照实际物理规律的关联关系设计网络结构组合,去掉关联性较弱的联系,从而使模型天然体现一定的锅炉燃烧规律,实现了不同燃烧器出力分配下的单一网络建模,提高了学习训练效率,并大幅降低了模型所需样本数量。将经典对称神经网络模型和非对称神经网络模型进行对比训练,结果表明本文提出的非对称神经网络建模方法检验正确率高。将其应用于某超临界660 MW机组的燃烧优化控制,锅炉效率平均可提高0.25%。     

基于Internet/ Intranet的火电厂锅炉低NOx燃烧优化指导系统

从分散控制系统（DCS）上采集数据，结合人工神经网络的非线性动力学特性和自学习特性，通过对锅炉输出参数和NOx输出特性的样本学习，建立了大型电站燃煤锅炉的氮氧化物排放特性神经网络模型，并利用遗传算法实现锅炉的低NOx燃烧的优化运行指导，系统采用Browese/Server方式，实现基于Internet/Intranet模型下的大型电站锅炉燃烧优化指导。     

基于符号有向图节点定量化模型的故障诊断方法

基于系统衍生节点的状态不可能比要对它施加影响节点状态差这一假定,该文研究了一种将SDG定性定量模型、主元统计法(PCA)和遗传算法相结合的电站热力系统智能故障诊断方法。通过用SDG构造系统模型,并结合节点的定量信息对节点之间的因果联系进行描述,形成SDG节点定量化模型;用PCA监控不同的变量,并考虑变量间的相关关系,有效地解决了确定节点故障发生的可能性大小的问题;用遗传算法对故障传播路径进行搜索,可以有效处理SDG定性模型中不可测节点干扰、计算量大和规则组合爆炸等问题。案例研究表明,该方法具有较强的故障诊断能力。     

基于多测度的闪络故障行波与干扰杂波辨识

灵敏启动并经高速采录的宽频暂态数据富含干扰杂波,从海量暂态数据中自动筛选闪络故障行波是个急需解决的命题。采用小波能量熵、小波能量均值和小波能量方差3个测度对闪络故障行波和干扰杂波数据进行表征,形成行波数据的特征矩阵,并采用主成分分析对其特征矩阵进行降维处理,降维后的特征矩阵最大限度地保留了原有特征矩阵的主要信息。将降维后的特征矩阵作为样本,分别采用马氏距离和混合高斯模型聚类算法进行闪络故障行波和干扰杂波的辨识,实现对闪络故障行波的计算机筛选。大量现场实测数据的测试表明,采用马氏距离和混合高斯模型聚类算法均能够实现闪络故障行波的可靠筛选,并且混合高斯模型的辨识效果更好,正确率达97%以上。     

火电厂汽包水位预警及故障诊断系统应用研究

锅炉汽包满、缺水事故是长期困扰火力发电厂安全的重大恶性事故之一。将SIS中丰富的现场实时数据与智能故障诊断技术相结合,开发出基于SIS平台的汽包水位预警及故障诊断系统。通过在某300 MW机组上进行的初步应用表明,它能够实现实时监测现场数据,故障预警和故障诊断等功能,完全能够满足现场实用化的要求。     

电站关联规则的主元分析挖掘方法及传感器故障检测

提出了基于主成分分析的相似关联规则的数据挖掘方法,并利用最小二乘支持向量回归方法对传感器进行故障检测。通过主成分分析寻找具有相似关联规则的参数,利用参数间的相似关联关系,建立最小二乘支持向量回归模型,通过该模型生成残差对传感器进行状态监测和故障定位,并对故障数据进行重构,代替故障数据。通过某300 MW机组数据实例分析,表明该方法能准确快速地寻找具有较高相似关联规则的参数,并能给出可信的重构数据,具有一定的实用性。     

WGL-3大型发变组微机故障录波及监视分析系统

介绍了新型WGL-3大型发电机-变压器组(简称发变组)微机故障录波及监视分析系统的硬件、软件结构及功能。该系统用于在线监视大型发变组的运行状态,前置机能够有效检测发变组运行中的各种故障及异常运行工况,并能灵敏地启动录波;后台监控主站软件对故障前、后的数据进行分析。硬件采用数字信号处理器(DSP)高速数据采样,多台发变组微机故障录波装置通过TCP/IP协议组成故障录波局域网络,采用IEEE标准电力系统暂态数据交换通用格式(COMTRADE)和Huffman压缩,可以实现数据无失真远传。该系统已在三峡电厂等现场投运40多套,实践证明该装置具有良好的抗干扰能力和实用功能。     

考虑爬坡特性与预测区间优化的电热水器集群功率区间预测

根据电热水器(EWH)集群功率的波形特征,提出了一种考虑爬坡特性和区间优化的EWH集群功率短期区间预测方法。首先,针对EWH负荷功率的不确定性,提出了一种考虑样本分布多源异构特性的结合集合经验模态分解(EEMD)、主成分分析(PCA)和多核相关向量机(MKRVM)的高精度组合点预测模型。然后,为获得期望预测覆盖率下宽度更窄的预测区间,综合区间预测覆盖率、区间平均宽度和累积宽度偏差等区间评价指标,设计了一种核密度估计(KDE)与粒子群优化相结合的改进预测区间优化方法,改善了MKRVM-KDE区间结构性能,避免了参数选择的随意性。最后,采用EWH聚合功率数据对算法有效性进行了验证。结果表明,该预测方法具有较高的预测精度和较好的清晰度,能够提供高质量的预测区间。     

基于模糊petri网理论的汽轮机润滑油系统故障诊断研究

汽轮机润滑油系统对于电厂机组安全运行起着至关重要的作用,润滑油压低故障是润滑油系统重要的报警信号。针对汽轮机润滑油压低故障,利用模糊Petri网理论,建立汽轮机润滑油系统模糊Petri网故障模型。经过对模型的推理计算,得到汽轮机润滑油压低故障产生的各个原因概率。通过与电厂润滑油系统故障原因的实际对比,验证模型的正确性和有效性,为电厂系统的故障诊断提供了一个新的思路。     

无人机机载发电机故障诊断技术研究

针对无人机的电源系统提出了建模仿真分析,并将BP神经网络应用于无人机的发电机故障诊断中。在分析机载电源系统结构和工作原理的基础上,结合实际的飞行数据和相关参数,根据机载电源系统的数学模型,建立Simulink模型进行仿真分析。根据对象的特性,采用主成分分析法建立机载电源系统的发电机的故障特征库,采用BP神经网络算法实现故障诊断。结果表明,该系统能有效地对无人机发电机系统进行快速准确地诊断,具有一定的实用性。     

基于运行数据的水电站MILP模型最优代表水头选择取方法

针对采用设计水头的水电站混合整数线性规划（mixed integer linear programming, MILP）调度模型计算的出库流量与实际出库流量偏差较大的问题,提出了基于运行数据的水电站MILP模型最优代表水头选取方法。首先基于运行数据,采用MILP模型拟合出使模型计算出库流量过程与水电站实际出库流量过程偏差最小的代表水头,然后在实际调度中,以日平均入库流量和日平均出力作为该代表水头特征向量,根据预测入库流量和日计划电量即可选取最优代表水头。计算实例表明,相比于传统固定水头,该方法能够更好的反应水电站实际的出库过程,有利于提高电网制定调度计划中梯级水电站上下游水量匹配精度。     

SIR测量误差对内环功控影响情况的分析

在闭环功率控制中,终端对下行链路的测量是对基站进行下行功控的基础,测量的准确性和及时性将对网络性能造成直接的影响.文中首先分析测量误差和时延产生的原因和量级,进而基于线性的功控模型,给出了测量误差和功控误差的计算方法,并得到链路BER解析式,最后分析了网络容量受影响的情况.仿真结果表明,测量误差标准差大于4 dB,时延对功控误差没有影响;大于10 dB,时延对链路性能和系统容量没有影响.要保证系统有较好的质量和容量,应将测量误差标准差控制在1 dB以内.因此,加强对入网终端测量能力的把控,对于提升网络整体性能将有积极的意义.