本文關(guān)鍵詞：基于數(shù)據(jù)驅(qū)動的低溫余熱發(fā)電系統(tǒng)的狀態(tài)監(jiān)測和故障診斷

  更多相關(guān)文章： 有機(jī)朗肯循環(huán) 故障診斷 非高斯分布 核熵成分分析 核密度估計(jì) 支持向量機(jī) 多分類相關(guān)向量機(jī)

【摘要】：低溫余熱發(fā)電系統(tǒng)將鍋爐尾部煙道中的煙氣余熱通過有機(jī)朗肯循環(huán)(ORC, Organic Rankine Cycle)轉(zhuǎn)換為機(jī)械能,進(jìn)而轉(zhuǎn)化為高品位電能,在節(jié)能、節(jié)水、減少有害氣體排放等方面具有重要意義。隨著長時(shí)間的運(yùn)行,系統(tǒng)中的各個(gè)部件可能發(fā)生故障,導(dǎo)致系統(tǒng)效率下降、性能惡化,造成巨大的經(jīng)濟(jì)損失,甚至嚴(yán)重威脅人身安全。因此,建立ORC過程的狀態(tài)監(jiān)測與故障診斷系統(tǒng)來保證系統(tǒng)的安全、穩(wěn)定、有效運(yùn)行越來越得到重視。本文的主要工作包括三部分,第一部分首先描述了低溫余熱發(fā)電系統(tǒng)中各個(gè)部件可能發(fā)生的故障,對故障發(fā)生的原因及造成的危害進(jìn)行了詳細(xì)的分析,通過監(jiān)測ORC過程參數(shù)建立了ORC系統(tǒng)的故障診斷仿真平臺,選取了一些典型故障在系統(tǒng)層面上進(jìn)行故障診斷。第二部分針對ORC系統(tǒng)中煙氣在蒸發(fā)器入口的質(zhì)量流量和溫度存在的隨機(jī)擾動未必服從高斯分布,采用核熵成分分析方法進(jìn)行非線性O(shè)RC系統(tǒng)的故障檢測,其中二階Renyi熵的引入使數(shù)據(jù)從高斯分布假設(shè)延伸到了任意分布,核密度估計(jì)法代替了傳統(tǒng)的方法來確定非高斯系統(tǒng)監(jiān)測統(tǒng)計(jì)量的控制限,并與傳統(tǒng)的核獨(dú)立成分-核主成分分析方法進(jìn)行了對比,仿真結(jié)果表明核熵成分分析方法可以更好地檢測故障。第三部分采用支持向量機(jī)方法實(shí)現(xiàn)ORC系統(tǒng)的故障分類,針對支持向量機(jī)方法存在的缺點(diǎn),進(jìn)而采用多分類相關(guān)向量機(jī)方法可以一次性對ORC系統(tǒng)不同類型的故障進(jìn)行分離,仿真結(jié)果表明多分類相關(guān)向量機(jī)方法可以比支持向量機(jī)方法更準(zhǔn)確地分離不同的故障類型。
【關(guān)鍵詞】：有機(jī)朗肯循環(huán) 故障診斷 非高斯分布 核熵成分分析 核密度估計(jì) 支持向量機(jī) 多分類相關(guān)向量機(jī)
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM617
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-20
• 1.1 課題研究的背景和意義9-10
• 1.2 故障診斷的國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 故障診斷的相關(guān)概念10-11
• 1.2.2 故障診斷方法的國內(nèi)外研究現(xiàn)狀11-12
• 1.3 基于數(shù)據(jù)驅(qū)動的故障診斷方法的國內(nèi)外研究現(xiàn)狀12-16
• 1.4 低溫余熱發(fā)電系統(tǒng)中單個(gè)部件故障診斷方法的研究現(xiàn)狀16-18
• 1.5 本文主要研究內(nèi)容18-20
• 第2章 低溫余熱發(fā)電系統(tǒng)的故障研究20-34
• 2.1 引言20
• 2.2 低溫余熱發(fā)電系統(tǒng)的描述20-21
• 2.3 低溫余熱發(fā)電系統(tǒng)部件的故障描述21-29
• 2.3.1 傳感器故障21-23
• 2.3.2 換熱器故障23-25
• 2.3.3 工質(zhì)泵故障25-26
• 2.3.4 節(jié)流閥故障26-27
• 2.3.5 膨脹機(jī)故障27-29
• 2.4 低溫余熱發(fā)電系統(tǒng)的故障診斷仿真平臺29-33
• 2.5 本章小結(jié)33-34
• 第3章 低溫余熱發(fā)電系統(tǒng)的故障檢測34-56
• 3.1 引言34
• 3.2 KECA算法34-37
• 3.3 故障診斷統(tǒng)計(jì)量及控制限的求取37-40
• 3.4 KECA算法應(yīng)用于低溫余熱發(fā)電系統(tǒng)的故障檢測40-41
• 3.5 KICA-KPCA算法應(yīng)用于低溫余熱發(fā)電系統(tǒng)的故障檢測41-44
• 3.6 對比仿真結(jié)果及分析44-54
• 3.6.1 傳感器故障診斷結(jié)果45-47
• 3.6.2 執(zhí)行器故障診斷結(jié)果47-49
• 3.6.3 換熱器故障診斷結(jié)果49-54
• 3.7 本章小結(jié)54-56
• 第4章 低溫余熱發(fā)電系統(tǒng)的故障分離56-68
• 4.1 引言56
• 4.2 SVM分類算法56-59
• 4.3 基于SVM的低溫余熱發(fā)電系統(tǒng)的故障分離59-60
• 4.4 M-RVM多分類算法60-62
• 4.5 基于M-RVM的低溫余熱發(fā)電系統(tǒng)的故障分離62-67
• 4.6 本章小結(jié)67-68
• 第5章 結(jié)論與展望68-70
• 參考文獻(xiàn)70-75
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果75-76
• 致謝76

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 蔡九菊;王建軍;陳春霞;陸鐘武;;鋼鐵企業(yè)余熱資源的回收與利用[J];鋼鐵;2007年06期

，

本文編號：692147