電站鍋爐實時故障診斷研究.pdf

1、電站鍋爐系統(tǒng)復雜，參數(shù)之間高度耦合，大部分設備處于高溫高壓的工作環(huán)境中，是火電機組最不穩(wěn)定的設備之一。因此，實時監(jiān)測電站鍋爐的運行參數(shù)，根據(jù)運行參數(shù)的異常變化對其進行故障診斷，是火電機組安全生產(chǎn)中十分重要的問題。本文以電站鍋爐為研究對象，根據(jù)生產(chǎn)過程的運行方式特點，著重研究了適用于診斷受熱面污染故障的理論和辦法，并將這方法應用于受熱面污染故障檢測與診斷(Fault Detection and Diagnosis，F(xiàn)DD)的設計中。

2、 基于動態(tài)因果模型(Dynamic Causal Model，DCM)的方法足一種結合定性推理和定量計算的動態(tài)故障珍斷方法，能夠表達復雜的因果關系，包容大規(guī)模潛在信息，具有靈活的推理方式。本文總結前人有關DCM故障診斷研究的基礎上，首次將基于DCM方法引入電站鍋爐系統(tǒng)的故障診斷領域。針對DCM方法構造的殘差對系統(tǒng)故障的分辨能力不高，而且在診斷推理過程中還需要重構故障節(jié)點殘差的局限性，本文對DCM方法進行了改進。改進之后的殘差對故障更加

3、敏感，故障分離時不需要重構故障節(jié)點殘差，因此提高了故障診斷速度，改善了故障分辨能力。 一些復雜非線性系統(tǒng)的數(shù)學模型中，由于存在代數(shù)環(huán)、隱性方程和不可逆方程，通常得不到斛析形式的殘差，但這些系統(tǒng)模型大多都可以通過數(shù)值的方法求解，診斷鍵圖模型(Diagnostic Bond Graph Model，DBGM)提供了生成數(shù)值殘差的方法。本文首次提出，結合DBGM和DCM方法檢測和診斷復雜非線性系統(tǒng)故障的思想。利用DBGM生成殘差進行故

4、障檢測，當檢測到系統(tǒng)發(fā)生故障時，使用DCM的因果結構解釋DBGM方法產(chǎn)生的殘差。結合兩種方法，增加了診斷過程自動化程度，實現(xiàn)了真正意義上的定性定量知識的結合。 本文結合DBGM和DCM的方法對某300MW電站鍋爐對流受熱面的污染狀況進行診斷。診斷的過程中使用類似模糊控制原理的方法處理熱工參數(shù)的不確定性。診斷結果表明當運行工況發(fā)生較大擾動和傳感器失效的情況下，仍然可以給出準確的診斷結果，并且可以很好解決運行參數(shù)之間相互關聯(lián)的問題。

5、 電站鍋爐爐內(nèi)的燃燒是一個復雜的物理化學過程，由于很難建立起詳細的數(shù)學模型，本文利用徑向基函數(shù)(Radial Basis Function，RBF)網(wǎng)絡，使用模式識別的方法確定清潔時水冷壁局部熱負荷；通過對膜式水冷壁的溫度場的近似解析解分析，建立起背火側溫差與水冷壁局部熱負荷之間的線性關系；利用灰污系數(shù)比較清潔時水冷壁局部熱負荷和實際局部熱負荷判斷水冷壁污染狀況。研究結果表明，該模型計算速度快，實時性好，對爐內(nèi)結渣診斷結果準確。