水輪發(fā)電機組軸系故障趨勢預測與評估.pdf

1、松江河梯級電站是東北地區(qū)“七五”期間的水電建設重點項目,地處吉林省東南部山區(qū),近年來,松江河梯級電站水輪發(fā)電機組日趨大型化、復雜化、自動化,由于機組故障導致的非計劃停產(chǎn)將產(chǎn)生嚴重損失。故障預測技術能有效避免事故發(fā)生和發(fā)展,能夠為先進的預知維護提供科學手段。因此,本文以松江河梯級水電站為背景,對水輪發(fā)電機軸系故障趨勢預測方法和機組整體運行狀態(tài)評價方法進行了深入研究,研究成果是故障診斷及專家輔助決策系統(tǒng)研究與開發(fā)的重要組成部分,對科學合理評

2、價機組健康狀況,實現(xiàn)機組狀態(tài)檢修與預知維護奠定了堅實基礎。
　　論文闡述了水輪發(fā)電機的軸系結(jié)構,并對故障特征進行了深入分析。研究了基于時間序列自回歸模型分析的機組軸系故障預測方法,運用該方法對機架振動和導軸承溫度做出預測,并對預測結(jié)果進行了分析?？紤]到機組軸系狀態(tài)數(shù)據(jù)結(jié)構的非線性,提出了基于BP神經(jīng)網(wǎng)絡的機組軸系故障預測方法。為了克服BP神經(jīng)網(wǎng)絡的訓練收斂速度慢、易于陷入局部極小值的缺點,提出采用LM算法替代傳統(tǒng)的梯度法,從而提高

3、BP神經(jīng)網(wǎng)絡預測模型的效率和精度。將BP神經(jīng)網(wǎng)絡預測模型與自回歸預測模型進行了對比分析,結(jié)果顯示本文提出的改進BP神經(jīng)網(wǎng)絡模型預測效果優(yōu)于自回歸模型。
　　在機組軸系狀態(tài)預測研究基礎上,進行了機組狀態(tài)評價方法研究及其系統(tǒng)開發(fā)。研究了基于層次分析法的軸系狀態(tài)評估模型,將模糊數(shù)學和傳統(tǒng)的層次分析法相結(jié)合,保證了其判斷矩陣的一致性;為保證評價的科學性,提出了基于信息熵的軸系狀態(tài)評估方法,并將評價結(jié)果與模糊層次分析法得到的評價結(jié)果進行融合