基于改进SE-CNN的风电机组故障诊断方法研究

针对风电机组发生故障时难以有效地提取故障特征并精准地识别故障等问题，提出了一种基于改进SE-CNN的风电机组故障诊断方法。首先，基于数据采集与监视控制(SCADA)系统采集到的故障风机历史运行数据，使用滑动窗口进行数据扩充，其次使用改进后的压缩激励网络(SEnet)对样本数据的权重进行调整，然后引入全局最大池化层对卷积神经网络(CNN)进行改进，最后使用改进后的CNN学习数据中的故障特征进行故障诊断。实验结果表明，改进SE-CNN的故障诊断性能均优于RNN、PCA-DNN、BiLSTM方法，验证了所提方法在风电机组故障诊断上的有效性。     

板式换热器冷却水污垢热阻预测的偏最小二乘回归法

搭建板式换热器冷却水污垢热阻实验台,测得不同时间、流速和温度下天然循环冷却水（松花江水）中铁离子、氯离子、细菌总数、pH值、溶解氧、浊度、电导率等水质参数,随机取一组实验的水质参数作为输入变量,建立换热器冷却水污垢热阻预测的偏最小二乘回归模型,对板式换热器的污垢热阻进行预测。整个实验过程中,热水进口温度为43.5～44.5℃,冷却水进口温度为21.5～22.5℃,流速为0.104 m·s-1,当温度和流速发生变化时,则重新采取数据。经过计算,确立本模型应提取4个潜变量,由此建立了板式换热器冷却水污垢热阻预测模型。预测结果和实验结果最大相对误差在5.11%以内。结果表明偏最小二乘回归算法的污垢模型预测精度高,所建预测模型是合理可行的。     

煤灰软化温度建模与预测

基于Elman网络建立了煤灰软化温度预测模型,该模型以煤灰成分为输入向量,以煤灰的软化温度为输出向量。为了选取最优预测模型,分别讨论了输入向量维数、隐含层单元数以及激励函数对模型预测结果的影响。使用获得的最优网络模型对测试样本进行测试,结果表明该模型的预测精度高于常规BP网络。由所建最优预测模型可知,存在一个最优的煤灰成分分析数量。     

基于图像处理的旋流燃烧器火焰燃烧状态识别

分析了常用的基于图像的火焰检测机理,依据现场获得的直流燃烧器和旋流燃烧器火焰图像,发现这些方法并不适用于旋流燃烧器火焰检测。分析其原因并尝试用平均灰度的平均值和方差两个通用特征量对旋流燃烧器的火焰状态进行识别,实验证明方法可行。     

基于偏最小二乘回归的灰熔点预测

利用煤灰成分作为输入变量,煤灰变形温度作为输出变量,采用偏最小二乘回归法(PLS)对灰熔点问题进行建模.然后用60个样本对该模型进行训练,利用得到的PLS回归方程对20个混煤样本的灰熔点进行预测,并对不同灰成分个数作为输入变量时得到的预测结果进行了比较.结果表明:所建立的灰熔点PLS回归模型能较好地预测灰熔点;采用10个煤灰成分作为输入变量时,灰熔点的平均相对预测误差和最大相对预测误差分别为1.05%和1.19%,比采用7个煤灰成分作为输入变量时的预测结果精确.     

两种数学模型在评判燃煤结渣特性中的改进及应用

针对常规的模式识别模型和BP网络模型在评判燃煤结渣特性的过程中准确率不高的问题,将两个动态指标引入模型中建立了新的评判模型,通过对几个具体电厂进行评判,结果表明所提出的模型具有较高的评判准确率,从而也证明所提出的模型是合理可行的。     

基于灰色理论模型的交叉缩放椭圆管污垢特性预测

灰色系统理论是一种研究少数据、贫信息的不确定性问题的新方法.灰预测模型具有所需数据少、预测精度高和无需先验信息的优点.搭建了污垢实验系统来测量管壁温度和出、入口温度等参数,计算出污垢热阻值.用灰色新陈代谢模型对交叉缩放椭圆管污垢预测.结果表明:该模型预测精度较高,可用该模型对污垢热阻进行预测.     

火力发电机组锅炉结渣预测方法的新进展

主要论述了国内外在燃煤锅炉结渣特性的评判方法方面的新进展,从单指标和综合评判角度阐述了各评判方法及其优缺点,同时分析了各评判方法的评判准确率不高的原因,提出了改进的意见和建议,为今后确定锅炉结渣预测方法的发展方向提供了依据。     

基于支持向量机的燃煤碳元素分析

研究了燃煤碳元素分析.选取了燃煤的4种工业分析作为模型的输入,建立了基于支持向量机的燃煤碳元素分析模型.通过对模型进行检验,结果表明该方法行之有效,且易于工程实现.     

换热器污垢特性的建模与预测

搭建了污垢实验系统以测量管壁温度及出、入口温度等参数,以3个壁温、出口温度、入口温度作为模型的输入变量,以污垢热阻值作为模型的输出变量,利用偏最小二乘算法拟合出污垢特性预测方程。利用第二个运行周期对该预测模型进行了验证。通过比较预测结果和实验结果可知最大相对误差在8.5%以内。通过分析各单一自变量对预测模型的影响,得出了四变量优化模型,从而提高了模型的预测精度,同时分析了流速等对预测模型的影响。