基于数据融合的超临界机组设备故障诊断研究

华电技术 ›› 2018, Vol. 40 ›› Issue (7): 5-9.

基于数据融合的超临界机组设备故障诊断研究

1.中国华电集团公司江苏望亭发电厂，江苏苏州〓215155； 2.上海电力学院自动化工程学院，上海〓200090

出版日期:2018-07-25

Research on fault diagnosis technology of supercritical unit based on data fusion

1.Jiangsu Wangting Power Plant of China Huadian Group Corporation, Suzhou 215155, China； 2.School of Automation Engineering, Shanghai University of Electric Power, Shanghai 200090, China

Published:2018-07-25

摘要/Abstract

摘要：

超临界机组发电系统结构复杂且安全性能要求极高，故障诊断非常困难。结合模糊算法与DS证据理论，提出了一种新的故障诊断方法，从隶属度函数确定、模糊化处理、神经网络诊断，到运用DS证据理论进行数据融合，最终得出故障诊断结果。以某超临界机组发电系统的风机设备为例，应用该方法进行故障诊断，可快速、准确地找出故障概率较高的设备，针对故障及时给出建议并进行处理。

关键词:

">">超临界机组, 故障诊断, 模糊算法, DS证据理论, 数据融合">

Abstract:

Since the supercritical generating system has complex structure and high requirements on safety performance, fault diagnosis is very difficult. Combining fuzzy theory and DS evidential theory, a new fault diagnosis method is proposed, whose process includes membership function determination, fuzzy processing, neural network diagnosis, data fusion with DS evidence theory and obtaining the final result. Taking the fan of a supercritical generating system as an example, this method can be used for fault diagnosis, finding the equipment with higher fault probability quickly and accurately and providing countermeasure according to the fault in time.

Key words:

supercritical unit, fault diagnosis, fuzzy algorithm, DS evidential theory, data fusion

倪新宇1，茅大钧2. 基于数据融合的超临界机组设备故障诊断研究[J]. 华电技术, 2018, 40(7): 5-9.

NI Xinyu1, MAO Dajun2.

Research on fault diagnosis technology of supercritical unit based on data fusion

[J]. Huadian Technology, 2018, 40(7): 5-9.

[1]	冯骥, 杨国华, 史磊, 潘欢, 陆宇翔, 张元曦, 李祯. 基于并行融合深度残差收缩网络的有源配电网故障诊断[J]. 综合智慧能源, 2024, 46(6): 8-15.
[2]	任一鸣, 杜董生, 邓祥帅, 连贺, 赵哲敏. 基于GRU和GWO-KELM的电力线路故障诊断[J]. 综合智慧能源, 2024, 46(3): 54-62.
[3]	汪李忠, 池建飞, 丁叶强, 姚海燕, 唐志鹏, 吴同宇. 基于NNTR-SMOTE与GA-XGBoost的变压器故障诊断方法研究[J]. 综合智慧能源, 2024, 46(1): 84-93.
[4]	肖宏磊, 留毅, 夏红军, 缪宇峰, 俞啸玲, 杨海琦. 基于PCA与SSA-LightGBM的油浸式变压器故障诊断方法[J]. 综合智慧能源, 2023, 45(3): 9-16.
[5]	杨晓燕, 谢满承, 郭小璇, 赵岩, 陈翀旻, 陈子民, 廖卓颖. 基于改进原子轨道搜索算法优化随机森林分类器的光伏系统故障诊断[J]. 综合智慧能源, 2023, 45(10): 53-60.
[6]	龙思成, 黄志鸿. 基于多尺度极限融合网络的电力变压器故障诊断方法研究[J]. 综合智慧能源, 2022, 44(9): 78-83.
[7]	贾志军, 白德龙, 宋燕杰, 王剑飞, 李春新. 基于KPCA算法的电厂设备在线故障诊断研究[J]. 华电技术, 2021, 43(8): 48-53.
[8]	姜寅，任荭葳，陈凯，朱长江. 基于BP神经网络的风电系统控制器I/O硬件故障自诊断方法[J]. 华电技术, 2020, 42(5): 55-60.
[9]	胡杰，唐静，谢仕义，王云. 基于大数据技术的电厂设备状态评估和预警应用研究[J]. 华电技术, 2020, 42(2): 1-6.
[10]	黄绍伟. 自适应调频模式分解在轴承故障诊断中的应用[J]. 华电技术, 2020, 42(1): 54-57.
[11]	蔡雨晴1，杨平1，沈丛奇2，康英伟1，归一数2，徐春梅1. 单相受热管集总参数模型优化及现代控制工程应用[J]. 华电技术, 2019, 41(6): 1-5.
[12]	万立明1，梅振锋2，李德波3，苏朋1，邱家煜1. 中速磨煤机入口紧凑型圆形一次风道流场均流技术研究[J]. 华电技术, 2019, 41(6): 6-12.
[13]	胡美玲1，赵雪瑞2，赵耀丽2. 基于以太网的水电站卷扬式启闭机控制系统的设计[J]. 华电技术, 2019, 41(6): 13-16.
[14]	梁鹏威，康振全，黄浩然，马莉莉，刘洪星，朱朝磊. 基于ANSYS的齿轮模态特性研究[J]. 华电技术, 2019, 41(6): 17-22.
[15]	张巍1a，周国鹏1b，汪洋1a，倪浩1a，钟著辉2. 一起220kV主变压器保护装置发TV异常告警的原因分析[J]. 华电技术, 2019, 41(6): 23-26.