论文部分内容阅读
随着国家大力的发展建设水力发电,大中型水电机组大量的投产,单机容量不断增加,并且水电机组是水力发电重要的设备,从而确保水电机组安全稳定的运行是电厂主要的任务。随着年平均发电量的时长的增长,时刻掌握水电机组的健康状况,并及时发现机组存在的隐患和缺陷,采取针对性地对水电机组进行检修,既可以控制检修的经济性,也可以防止因机组故障停机而造成的严重的经济损失。本论文是在清华大学为浙江华电乌溪江水力发电厂5#机组开发“水电机组运行事件快速智能反应系统”过程中,设计专用的预警系统、事件数据库和含预处理的数据接口。实现自动对粗大误差数据进行甄别,与此同时为触发故障诊断系统提前进行故障诊断提供事实与证据。在此过程中,本文主要的研究内容如下:(1)对模拟量报警状态所对应的典型故障进行总结与分析,根据实际数据发现粗大系统误差数据时,对数据的一致性、真实性和正确性进行了讨论,并且采用了预处理算法去排除粗大异常数据。将该预处理算法融入到对数据接口开发与设计,经过检验发现预处理算法能够很好的处理粗大系统误差数据,其中预处理算法包括:超量程数据处理和粗大系统误差数据。(2)采用SQL SERVER数据库作为智能系统与预警系统的后台数据库,建立的数据库为事件数据库,对事件数据库进行了详细的设计,其中包括事件数据库的概念设计、逻辑设计、物理设计及对数据库进行表分区设计,去改善事件数据库和应用程序的性能。(3)通过算法实现ARMA模型、灰色模型、BP神经网络三种预测模型,选择上导瓦温和水导瓦温的历史数据作为样本数据,分别代入预测模型进行预测计算,经计算得出ARMA和GM(1,1)模型预测误差较小,而BP神经网络预测模型误差相对偏大。通过各模型的平均相对误差可得出,灰色预测模型对水电机组的上导和水导瓦温预测效果相对较好。(4)综合考虑,采用GM(1,1)模型群应用到水电机组自动诊断预警系统研究开发中,对实时数据进行短期实时预警,并且对事件数据库中的历史数据实现中、长期预警算法设计。在乌溪江水力发电厂的局域网内安装预警软件,通过阈值设置模块对阈值进行录入,使用更改阈值的方法检验得出预警系统预警功能正常,并且在趋势预测模块能反应出数据的正确性得到了保障,预警系统联动故障诊断系统实现了故障诊断。