用于故障诊断的凝汽器真空模型研究

摘要

在了解和分析凝汽器的构造与传热特性的基础上,以N-8000型凝汽器为研究对象,以提高凝汽器的真空为目的,分析了影响凝汽器真空的主要因素。采用理论与实际相结合的方法,通过对收集的DCS实时数据进行分析并运用数学方法及神经网络,得出了影响因素与凝汽器真空之间的具体关系,建立了基于神经网络的凝汽器的真空模型。关系通过曲线描绘,表现出的趋势说明了各因素对凝汽器真空的具体影响,验证了各因素的影响符合理论上的分析;同时将模型应用于现场数据,得到了令人满意的结果。该研究对其它大功率机组的安全与经济运行有一定的参考价值。

目录

中文摘要

英文摘要

第一章 绪论

1.1 本课题研究意义

1.2 国内外研究动态

1.3 本论文主要研究内容

第二章 凝汽器的作用和基本理论

2.1 凝汽器的作用及重要性

2.2 凝汽器的传热过程

2.3 凝汽器的基本理论

2.3.1 平衡方程式

2.3.2 冷却水温升及冷却水出口温度

2.3.3 传热端差

2.3.4 对数平均温差

2.3.5 凝汽器压力的确定

2.3.6 传热系数的计算

2.3.7 凝汽器结构参数的计算

2.3.8 冷却水进口温度

2.4 小结

第三章 相关参数对凝汽器真空影响的分析

3.1 凝汽器真空理论概述

3.2 冷却水温对凝汽器真空影响的理论分析

3.3 冷却面积对凝汽器真空的影响

3.4 汽轮机排汽量对凝汽器真空影响的理论分析

3.5 冷却水量对凝汽器真空影响的理论分析

3.6 水侧管壁清洁度对凝汽器真空的影响

3.7 真空系统严密性对凝汽器真空影响的理论分析

3.8 凝结水水位的影响

3.9 小结

第四章 BP 神经网络的基本原理及结构设计

4.1 人工神经元模型

4.2 神经网络的工作过程

4.3 BP 网络的学习算法

4.3.1 BP 算法的原理

4.3.2 BP 网络的学习过程

4.4 BP 经网络的结构设计及参数选择分析

4.4.1 BP 神经网络层数的确定

4.4.2 BP 神经网络中节点数的确定

4.5 BP 神经网络样本的选择及处理

4.5.1 样本的选择

4.5.2 样本的数据处理

4.5.3 BP 神经网络初始权值的选择

4.6 小结

第五章 基于 BP 神经网络的凝汽器真空模型的建立

5.1 建立凝汽器模型的理论基础

5.2 建立模型的目的

5.3 凝汽器的数据测点与评判指标

5.4 单因素影响下的凝汽器模型的建立

5.4.1 冷却水入口水温与真空关系模型

5.4.2 汽轮机排汽量与真空关系模型

5.4.3 凝结水水位与真空关系模型

5.5 基于 BP 神经网络的综合因素的凝汽器模型的建立

5.5.1 数据的获取与处理

5.5.2 隐层结构及学习目标的确定

5.5.3 模型的建立

5.5.4 结果分析

5.6 小结

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

致谢

在校期间发表论文和参加科研情况