凝汽器故障診斷方法的研究

《凝汽器故障診斷方法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、凝汽器故障診斷方法的研究摘要:本文簡(jiǎn)要介紹了故障診斷原理，現(xiàn)代故障診斷的方法，指出了冃前方法中存在的問(wèn)題及其凝汽器故障診斷的發(fā)展趨勢(shì)。關(guān)鍵詞:故障診斷凝汽器原理方法凝汽器作為電廠重要的輔助設(shè)備之一，其運(yùn)行狀態(tài)直接影響機(jī)組的經(jīng)濟(jì)性和安全性。統(tǒng)計(jì)顯示，真空每下降1%,機(jī)組功率可增加1%，煤耗下降1%;真空系統(tǒng)及循環(huán)水、凝結(jié)水系統(tǒng)發(fā)生故障吋的非計(jì)劃停運(yùn)時(shí)間占火電機(jī)組總的非計(jì)劃停運(yùn)時(shí)間的17.63%[l,2]o準(zhǔn)確檢測(cè)凝汽器的運(yùn)行狀態(tài)，保持凝汽器良好的運(yùn)行工況,是電廠實(shí)現(xiàn)節(jié)能減排的重耍內(nèi)容。1凝汽器故障分析及診斷原理故障分析基于工作原理的深入認(rèn)識(shí)。凝汽器是一個(gè)放熱工質(zhì)

2、存在相變的換熱—凝汽器內(nèi)蒸汽凝結(jié)溫度,°C;壓力、空氣分壓力、蒸汽分壓力,Pa。導(dǎo)致凝汽器運(yùn)行真空下降的主要原因可分為內(nèi)因和外因兩種。外因有循環(huán)水泵故障，軸封供汽中斷,抽氣器工作不正常，凝結(jié)水泵故障，凝汽器水位調(diào)節(jié)失靈等;內(nèi)因有真空系統(tǒng)不嚴(yán)密，汽側(cè)泄漏，凝汽器銅管破裂、臟污、堵塞等，同吋會(huì)出現(xiàn)一些相應(yīng)的征兆。凝汽器故障診斷的實(shí)質(zhì)是一個(gè)狀態(tài)識(shí)別與分類，尋找故障征兆與類型對(duì)應(yīng)關(guān)系的過(guò)程，及時(shí)有效地分離出故障征兆信息并且診斷出故障隱患的檢測(cè)方法非常重要。2凝汽器故障診斷方法故障診斷技術(shù)始于20世紀(jì)60年代末，美國(guó)80年代初才研制出汽輪發(fā)電機(jī)組檢測(cè)診斷專家系統(tǒng)。經(jīng)兒十

3、年的研究，提出了以信號(hào)分析為基礎(chǔ)的一般診斷方法與以知識(shí)處理為基礎(chǔ)的智能診斷系統(tǒng)等人量診斷方法，為提高凝汽器的可靠性提供了必要的途徑。隨著人工智能的發(fā)展，基于知識(shí)故障診斷方法為凝汽器故障診斷技術(shù)提供了新的理論基礎(chǔ)。主耍包括:專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊推理、故障樹(shù)、數(shù)據(jù)融合、支持向量機(jī)等方法。(1)專家系統(tǒng):基于規(guī)則和基于模型的故障診斷是專家系統(tǒng)較常用的兩種方法。前者是將設(shè)備以往的專家診斷經(jīng)驗(yàn)歸納成規(guī)則，通過(guò)規(guī)則推理進(jìn)行故障診斷;后者是根據(jù)設(shè)備的運(yùn)行模型和故障模型中獲得的預(yù)測(cè)形式和通過(guò)測(cè)量得到的形態(tài)之間的差異計(jì)算出設(shè)備的狀態(tài)結(jié)論。專家系統(tǒng)主要由知識(shí)庫(kù)、推理機(jī)、數(shù)據(jù)庫(kù)

4、、人機(jī)交互和故障征兆獲取等部分組成，知識(shí)獲取是專家系統(tǒng)的“瓶頸”問(wèn)題。⑵神經(jīng)網(wǎng)絡(luò):故障診斷領(lǐng)域的研究熱點(diǎn)。采用物理可實(shí)現(xiàn)系統(tǒng)模仿人腦神經(jīng)細(xì)胞結(jié)構(gòu)和功能的系統(tǒng)，通過(guò)反復(fù)的學(xué)習(xí)、訓(xùn)練、記憶學(xué)習(xí)樣本中總結(jié)出的知識(shí)，對(duì)輸入的征兆信息作出診斷。具有大規(guī)模并行、分布式存貯和處理、自組織、自適應(yīng)和自學(xué)習(xí)能力,特別適用于處理需要考慮許多因素和條件的、非線性、不精確和模糊信息處理問(wèn)題［3］,然而存在著單個(gè)網(wǎng)絡(luò)推理過(guò)程的“黑箱”問(wèn)題。(3)模糊診斷:根據(jù)模糊集合論中故障狀態(tài)與征兆的映射關(guān)系，采用模糊診斷與分析系統(tǒng)處理凝汽器的故障現(xiàn)象、原因和機(jī)理之間存在的很大的不確定性和模糊關(guān)系。

5、在工程實(shí)踐屮由于完備模糊規(guī)則集比較大，會(huì)出現(xiàn)不必要的冗余,使診斷過(guò)程趨于復(fù)雜;模糊推理中,隸屬度函數(shù)的選取至關(guān)重要，但目前還無(wú)法用理論證明選擇效果，仍然依賴于經(jīng)驗(yàn)［4］。(4)故障樹(shù)分析:把設(shè)備故障和導(dǎo)致該故障的因素繪成圖表，較直觀地反映各元素之間的相互關(guān)系,定量計(jì)算故障程度、概率、原因等。由于故障樹(shù)的理論性強(qiáng)、邏輯性嚴(yán)密，對(duì)于較復(fù)雜的系統(tǒng)，故障樹(shù)的建立會(huì)變的比較繁瑣，診斷結(jié)果的置信度由故障樹(shù)的性能直接決定。(5)數(shù)據(jù)融合:數(shù)據(jù)融合技術(shù)在故障診斷系統(tǒng)中能夠充分融合多傳感器資源，提高診斷精度，增強(qiáng)診斷結(jié)果的可信度，是處理多源信息的有效方法。由于數(shù)據(jù)融合技術(shù)還處于

6、研究發(fā)展階段，其容錯(cuò)性和穩(wěn)健性還存在一定的欠缺，不能夠?qū)_突(矛盾)信息或傳感器故障所產(chǎn)生的錯(cuò)誤信息等有效處理。⑹支持向量機(jī):是因缺乏大量故障樣木受到制約的智能診斷新方法。結(jié)構(gòu)簡(jiǎn)單，可解決神經(jīng)網(wǎng)絡(luò)算法中的高維問(wèn)題和局部極值問(wèn)題,其隱層可以自動(dòng)調(diào)節(jié)，從而可以自適應(yīng)地解決各種不同的問(wèn)題。但對(duì)大規(guī)模訓(xùn)練樣本難以實(shí)施，解決多分類問(wèn)題存在的困難仍然有待進(jìn)一步研究。綜上所述，傳統(tǒng)的專家系統(tǒng)可以解釋推理路徑和推理依據(jù)，透明性強(qiáng)，但是知識(shí)獲取和推理方面還存在問(wèn)題，缺乏自學(xué)習(xí)能力和口適應(yīng)機(jī)制;而神經(jīng)網(wǎng)絡(luò)克服了傳統(tǒng)專家系統(tǒng)的無(wú)窮遞歸、匹配沖突、組合爆炸等問(wèn)題,能夠快速處理大量并行

7、信息，知識(shí)表示、獲取都存在獨(dú)到的優(yōu)勢(shì)，但是推理過(guò)程的“黑箱”問(wèn)題一直難以攻克。將專家系統(tǒng)、模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相融合構(gòu)成模糊神經(jīng)網(wǎng)絡(luò)、模糊專家系統(tǒng)等可部分解決這個(gè)問(wèn)題，但是仍存在隸屬度函數(shù)的選取和“黑箱”問(wèn)題。將數(shù)據(jù)融合技術(shù)多種方法融合中取長(zhǎng)補(bǔ)短成為目前的一種趨勢(shì)。3隨若我國(guó)電力工業(yè)的迅猛發(fā)展，故障診斷在電力生產(chǎn)過(guò)程的地位將越來(lái)越重要;凝汽器故障征兆與故障特征間復(fù)朵的非線性特性,使得集多種理論于一體的智能故障診斷系統(tǒng)將成為凝汽器故障診斷技術(shù)新的發(fā)展方向。