摘要：针对火电机组热力参数动态数据的海量、高维特点,提出了一种基于动态数据挖掘的热力参数传感器故障诊断新方法.该方法通过对热力参数信号进行经验模态分解,获得一系列平稳的本征模态函数(intrinsic mode function,简称IMF)分量和一个趋势余量,实现传感器故障特征信息的动态挖掘.以各IMF分量和趋势余量的方差作为特征向量构建欧氏距离判别函数,结合径向基函数神经网络确认传感器是否发生故障.根据专家经验得到的规则分析传感器测量值与理论值之间的差值,判别传感器的故障类型.以某电厂600MW火电机组实时运行数据为基础进行仿真实验,结果表明:该方法能够仅使用热力参数传感器正常状态下的样本,有效区分传感器故障造成的信号变化与机组本身正常负荷波动造成的信号变化,实现快速准确地对热力参数传感器的工作状态和故障类型进行判别.

原文链接:http://d.wanfangdata.com.cn/Periodical/zdcsyzd201604013

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）