基于数据挖掘的火电厂风机故障预警研究

摘要

风机是火电厂最重要的辅机设备之一，其运行状态直接关乎火电厂能否安全经济运行。风机的工作环境恶劣，比较容易发生故障，而目前对风机的管理还停留在定期巡检、停机检修和事后处理的低层次阶段。加之经济环境的影响，火电厂迫切需要提质增效，降低设备的检修成本。为此，本文提出了一种基于数据挖掘技术的故障预警方法，可以在风机故障形成早期，还未对机组运行造成实质影响之时发现故障，从而为工作人员及时地制定检修方案，避免故障发生赢得时间。
　　本文以一次风机为例展开研究，从某火电厂SIS系统的PI数据库中获取一次风机的历史数据进行挖掘分析。首先对现场采集的数据进行插值、离散化等预处理，建立风机正常状态下的数据库，为数据挖掘做好准备工作。接下来用布尔型关联规则的挖掘算法挖掘关联规则，建立规则库作为一次风机正常状态下的模型，并选取故障数据与规则库进行匹配，以验证预警方法的有效性。针对布尔型关联规则在区间划分过程中存在的缺陷，引入了模糊化的方法，对预警方法进行改进。即挖掘模糊关联规则，建立模糊关联规则库作为预警模型，进一步将预警时间提前，起到了优化效果。
　　通过实验，证明了关联规则可以反映出一次风机各检测量之间隐藏的关系，当故障开始形成时，原有的关系也逐渐被打破，其外在表现就是各检测量数据对先前的关联规则的匹配度降低。本文提出的故障预警方法能够在一次风机故障形成早期发现异常，并在传统的监控系统发出超限报警前就触发预警，起到良好的预警效果。

目录

声明

第1章 绪论

1.1 课题背景和研究意义

1.2 研究现状

1.3 本文研究工作

第2章 火电厂风机概述

2.1 风机特性及常见故障

2.2 一次风机结构

2.3 一次风机相关测点

2.4 本章小结

第3章 数据挖掘技术

3.1 数据挖掘概述

3.2 关联规则

3.3 本章小结

第4章 故障预警方法

4.1 数据准备

4.2 关联规则库的建立

4.3 预警效果验证

4.4 本章小结

第5章 关联规则挖掘方法的改进

5.1 关联规则挖掘的改进思路

5.2 相关性分析

5.3 应用FCM算法将数量型属性模糊化

5.4 新数据库的构建

5.5 模糊关联规则

5.6 实验验证

5.7 本章小结

第6章 结论与展望

6.1 主要工作及结论

6.2 展望

参考文献

在学期间发表的学术论文和参加科研情况

致谢