凝汽器故障诊断方法的研究

《凝汽器故障诊断方法的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、凝汽器故障诊断方法的研究摘要:本文简要介绍了故障诊断原理，现代故障诊断的方法，指出了冃前方法中存在的问题及其凝汽器故障诊断的发展趋势。关键词:故障诊断凝汽器原理方法凝汽器作为电厂重要的辅助设备之一，其运行状态直接影响机组的经济性和安全性。统计显示，真空每下降1%,机组功率可增加1%，煤耗下降1%;真空系统及循环水、凝结水系统发生故障吋的非计划停运时间占火电机组总的非计划停运时间的17.63%[l,2]o准确检测凝汽器的运行状态，保持凝汽器良好的运行工况,是电厂实现节能减排的重耍内容。1凝汽器故障分析及诊断原理故障分析基于工作原理的深入认识。凝汽器是一个放热工质

2、存在相变的换热—凝汽器内蒸汽凝结温度,°C;压力、空气分压力、蒸汽分压力,Pa。导致凝汽器运行真空下降的主要原因可分为内因和外因两种。外因有循环水泵故障，轴封供汽中断,抽气器工作不正常，凝结水泵故障，凝汽器水位调节失灵等;内因有真空系统不严密，汽侧泄漏，凝汽器铜管破裂、脏污、堵塞等，同吋会出现一些相应的征兆。凝汽器故障诊断的实质是一个状态识别与分类，寻找故障征兆与类型对应关系的过程，及时有效地分离出故障征兆信息并且诊断出故障隐患的检测方法非常重要。2凝汽器故障诊断方法故障诊断技术始于20世纪60年代末，美国80年代初才研制出汽轮发电机组检测诊断专家系统。经儿十

3、年的研究，提出了以信号分析为基础的一般诊断方法与以知识处理为基础的智能诊断系统等人量诊断方法，为提高凝汽器的可靠性提供了必要的途径。随着人工智能的发展，基于知识故障诊断方法为凝汽器故障诊断技术提供了新的理论基础。主耍包括:专家系统、神经网络、模糊推理、故障树、数据融合、支持向量机等方法。(1)专家系统:基于规则和基于模型的故障诊断是专家系统较常用的两种方法。前者是将设备以往的专家诊断经验归纳成规则，通过规则推理进行故障诊断;后者是根据设备的运行模型和故障模型中获得的预测形式和通过测量得到的形态之间的差异计算出设备的状态结论。专家系统主要由知识库、推理机、数据库

4、、人机交互和故障征兆获取等部分组成，知识获取是专家系统的“瓶颈”问题。⑵神经网络:故障诊断领域的研究热点。采用物理可实现系统模仿人脑神经细胞结构和功能的系统，通过反复的学习、训练、记忆学习样本中总结出的知识，对输入的征兆信息作出诊断。具有大规模并行、分布式存贮和处理、自组织、自适应和自学习能力,特别适用于处理需要考虑许多因素和条件的、非线性、不精确和模糊信息处理问题［3］,然而存在着单个网络推理过程的“黑箱”问题。(3)模糊诊断:根据模糊集合论中故障状态与征兆的映射关系，采用模糊诊断与分析系统处理凝汽器的故障现象、原因和机理之间存在的很大的不确定性和模糊关系。

5、在工程实践屮由于完备模糊规则集比较大，会出现不必要的冗余,使诊断过程趋于复杂;模糊推理中,隶属度函数的选取至关重要，但目前还无法用理论证明选择效果，仍然依赖于经验［4］。(4)故障树分析:把设备故障和导致该故障的因素绘成图表，较直观地反映各元素之间的相互关系,定量计算故障程度、概率、原因等。由于故障树的理论性强、逻辑性严密，对于较复杂的系统，故障树的建立会变的比较繁琐，诊断结果的置信度由故障树的性能直接决定。(5)数据融合:数据融合技术在故障诊断系统中能够充分融合多传感器资源，提高诊断精度，增强诊断结果的可信度，是处理多源信息的有效方法。由于数据融合技术还处于

6、研究发展阶段，其容错性和稳健性还存在一定的欠缺，不能够将冲突(矛盾)信息或传感器故障所产生的错误信息等有效处理。⑹支持向量机:是因缺乏大量故障样木受到制约的智能诊断新方法。结构简单，可解决神经网络算法中的高维问题和局部极值问题,其隐层可以自动调节，从而可以自适应地解决各种不同的问题。但对大规模训练样本难以实施，解决多分类问题存在的困难仍然有待进一步研究。综上所述，传统的专家系统可以解释推理路径和推理依据，透明性强，但是知识获取和推理方面还存在问题，缺乏自学习能力和口适应机制;而神经网络克服了传统专家系统的无穷递归、匹配冲突、组合爆炸等问题,能够快速处理大量并行

7、信息，知识表示、获取都存在独到的优势，但是推理过程的“黑箱”问题一直难以攻克。将专家系统、模糊系统和神经网络相融合构成模糊神经网络、模糊专家系统等可部分解决这个问题，但是仍存在隶属度函数的选取和“黑箱”问题。将数据融合技术多种方法融合中取长补短成为目前的一种趋势。3随若我国电力工业的迅猛发展，故障诊断在电力生产过程的地位将越来越重要;凝汽器故障征兆与故障特征间复朵的非线性特性,使得集多种理论于一体的智能故障诊断系统将成为凝汽器故障诊断技术新的发展方向。