热力系统动态过程故障神经网络诊断方法研究

摘要

火电机组热力系统故障诊断对提高机组运行的安全经济性具有重要的意义。目前电站热力系统故障诊断的研究多针对稳态工况开展,但火电机组常需按照电网需求改变机组负荷而处于变工况动态过渡工况运行,现有方法不能很好地适应这一现状。加上热力系统本身结构复杂、故障多样,使得故障诊断系统在实际应用中受到很大限制。
　　 为此,本文提出了一种基于二级神经网络的热力系统动态过程故障预测诊断方法。其中,第一级神经网络采用具有时延输入的Elman神经网络对故障特征参数应达值进行实时预测,第二级神经网络则采用BP网络进行故障诊断。文中同时采用征兆缩放优化技术提高变负荷下不同程度故障的识别效果。
　　 以某600Mw超临界机组高压给水加热器系统故障诊断为例,借助电站全范围仿真系统开展研究,运用大量包含不同稳态工况和动态变负荷工况的仿真数据,建立了具有较高精度的故障特征参数应达值预测模型;通过对高加系统典型故障规律的仿真研究,采用征兆模糊处理方法构建了故障模糊知识库,进而完成故障诊断BP神经网络模型的训练。在MATLAB环境下编写了故障诊断程序,与火电机组仿真机进行实时通信,进行了详细的故障诊断仿真试验,结果表明本文方法应用于热力系统稳态和变负荷动态过程故障诊断,可取得较好的效果。