基于数据融合的设备参数劣化分析与状态评价

摘要

针对电厂设备参数劣化问题，会最终导致故障的发生，因此必须进行参数监控，本文在参数监控基础上，对一些容易发生劣化的参数进行重点监视，以一段时间内的稳定运行下的参数作为正常参数，用数据统计的方法计算出参数的均值、标准差，绘出3σ线作为判断的基准，然后对参数劣化的情况，以某一时间点开始建立预测模型，应用三次指数平滑法预测参数的故障趋势，并建立预测方程；通过数据融合技术，对相关的几个参数进行融合，把相关的实际数据与典型样本相比较，得出各个证据的信度函数分配，本文介绍两种构造信度函数的方法，通过D-S证据理论融合出最终的结果，两种方法得出相同的结论，从而判断出故障的具体位置和故障的大致发生时间。

目录

文摘

英文文摘

声明及关于学位论文使用授权说明

第一章绪论

1.1选题背景及意义

1.2参数劣化分析的研究现状

1.3数据融合技术的研究现状

1.4本文主要研究内容

第二章统计分析与指数平滑法

2.1统计分析方法的几个重要概念

2.2数据的时间序列分析与预测

2.2.1数据的时间数列分析

2.2.2估计标准误

2.2.3未来趋势分析的时间序列分析与预测

2.3统计预测中指数平滑法

2.3.1简单移动平均法

2.3.2一次指数平滑法

2.3.3二次指数平滑法

2.3.4三次指数平滑法

2.3.5平滑系数和初始值的确定

2.4统计分析方法在电力生产和维护中的应用

2.4.1标准值与判别标准

2.4.2统计分析在参数劣化分析中的应用

2.5小结

第三章数据融合技术及D-S证据理论方法

3.1数据融合技术概述

3.1.1数据融合的基本原理、级别及特点

3.1.2数据融合的经典方法

3.1.3数据融合的应用领域

3.2 D-S证据理论

3.2.1 D-S证据理论概述

3.2.2 D-S证据理论的基本概念

3.2.3 D-S证据理论的组合规则

3.2.4 D-S证据理论数据融合决策的基本过程

3.3小结

第四章基于指数平滑法的设备参数劣化分析

4.1预测方程

4.2设备参数劣化分析

4.2.1实例1

4.2.2实例2

4.3小结

第五章基于D-S证据理论的故障诊断

5.1几种信度函数分配获取方式

5.1.1根据目标类型数和环境加权系数确定信度函数

5.1.2利用统计证据获得获取信度函数

5.1.3基于典型样本的信度函数获取方法

5.2故障诊断实例

5.2.1典型样本选取

5.2.2实例1

5.2.3实例2

5.3算法的修正和应用

5.4小结

第六章结论

参考文献

致 谢

在学期间发表论文和参加科研情况