火電廠熱工控制系統故障診斷方法研究

摘 要：許多控制回路包含在火力發電機組的汽機、鍋爐系統和其他輔助系統中，以前重點從局部的某一個單一的控制系統著手進行研究，此項研究整體性得到了忽略，導致許多故障檢測不出。所以需從大型火電發電機組總體出發，使故障診斷與檢測能高效、全面和準確的實現。故障的類別用單一的頻譜變化來進行判斷，故障診斷性能得到了較大的提高。

關鍵詞：熱工控制；模糊理論；支持向量機；故障診斷

引言

根據火電廠的運行方式，將熱工控制系統中的常見故障類別、故障診斷對象和故障診斷辦法確定；基于數據統計和信號處理的診斷方法根據系統中關鍵執行器、傳感器的常見故障提出。從而采用相應的措施來阻止故障進一步擴大，實現提高系統可靠性能，縮減維修成本和時間的目的[1]。一類分類問題就根本而言屬于故障診斷。支持向量機（Support Vector Classification）具有在較小樣本下即可得到不錯的訓練效果以及其求得的解為全局最優解等優勢，文章從模糊評判和SVM理論著手，依據故障類別和故障特點的不確定性，努力找到一種智能化的綜合評判方法，從而建立一種故障診斷模型，即實用又高效。

1 訓練樣本用模糊理論表示

設故障類別第i個樣本ui對征兆集的第j個樣本vj的隸屬度是rij，那么征兆vj分析的結論應用模糊集合Ri來示意。

進一步確定rij，rij的確定依據專家經驗，它是主觀的，另外其他原因也要考慮[2]，文章的隸屬函數可以用加權統計辦法來計算，由故障相關率，經驗資料統計，對應故障效應，故障采取樣本（觀測或獲得）的難易水平（幅值的變化水平）4個因素進行剖析，用下面的符號分別來表示：

X1：故障樣本統計（故障樣本產生的個數）

（比較小、非常小、比較多、中、小、很多、大）

X2：故障相關率（這些樣本聯系故障的概率）

X3：對應故障效應

X4：故障采取樣本（觀測或獲得）的難易水平

故障ui產生的次數用N表示，故障出現時vj產生的次數用N表示。

權數集合與評分集合在每一個征兆集中，算出對應的隸屬度rij。

2 粒子群算法和SVM的結合

文章采取改進的離散PSO并聯合SVM取得1個故障源提取算法。改進的離散PSO 算法xid為樣本的所在位置。診斷數中所有變量構成了粒子，取數值為0或1，相應變量被選取用0表示，由變量參加計算用1代表。隨機數rand（）在[0，1]平均分布。pid為粒子自身最大值，gid為總體最值，vid表示速度，認為是[0，1]均勻分布隨機數。rand（xid）可以對xid實現隨機賦值。？琢為一可調參數，將初始值定為1個較大的數值，使粒子搜尋解空間時充分進行， 避免進入局部得最優值：隨著粒子進化，要保證算法穩定應將？琢改為一較小值[3]，快速收斂。首先？琢初始值設為0.3-0.4，然后降為0.2。改進后的遺傳算法GA與該PSO離散算法的收斂V相當，更容易實現并且簡單，而且想要設置的變量還比GA少，因此應用更加廣泛[4]。

粒子的最終適應度函數用f（xid）；粒子對應的SVM正分率用f（id）；mc是此粒子選取的變量數；mall是系統采用數據所有變量數； p為微調參數，平衡變量的數與最大正分率，依據指定的系統變量數和故障診斷要求進行采用[5]。

用具體的PSO離散和SVM 特征采樣算法的詳細步驟如下：（1）對粒子群進行初始化；（2）適應度的函數用每一個粒子訓練；（3）將粒子的自身最大值和適應度對比，假如大于，則更新適應度；（4）全局最值用取出以前中最大適應度值表示；（5）改進粒子群依據離散公式；（6）判斷是否符合終止法則， 是則停止， 否則跳至第（2）步。

如果接連幾次迭代適應度提高不顯著或是到達提前設置的最大迭代次數可認為符合終止法則，迭代完成。

3 綜合故障診斷

特依據火電廠過熱汽溫控制系統中執行器的不直、不牢固和傳感器的不平衡、對不中、磨損、損裂等故障實施了診斷試驗。所采用的判斷方法是故障診斷簡單高效的辦法。此方法操作容易、很高的診斷精確度并穩定，通過在運行現場調試，獲得了較好的診斷效應。

采用權數集合X=（0.3，0.25，0.36.0.1），從而獲得轉子不對稱的隸屬度R矩。

SVM的訓練樣本采用每行數據，以上僅僅對一組數據實施了計算分析，而實際的現場應用中，我們則必須要進行大規模的計算以實現我們所希望的訓練樣本，選用50組數據實施訓練，輸出模式為：

采用Matlab進行仿真訓練，然后用一組數據進行了驗證，可信度為0.854，證明以上方法是行之有效的。

4 結束語

火電廠熱控系統繁雜，涵蓋內容多，如果產生故障，不但對火電廠的正常運行有影響，并且還會造成大量的人員傷亡[6]。所以需從大型火電發電機組總體出發，使故障診斷與檢測能高效、全面和準確的實現。故障的類別用單一的頻譜變化來進行判斷，故障診斷性能得到了較大的提高。文章只是進行了初步的研究，還需要大量的試驗進行進一步的驗證。

參考文獻

[1]陳長征，等.設備振動分析與故障診斷技術[M].科學出版社，2007.

[2]楊蘋，吳捷，馮永新.200MW汽輪發電機組振動故障的模糊診斷系統[J].電力系統自動化，2001：45-48.

[3]李良敏，屈梁生.基于遺傳編程和支持向量機的故障診斷模型[J].

[4]王宏漫，歐宗瑛.采用PCA特征和SVM分類的人臉識別[J].計算機輔助設計與圖形學學報，2003，15（4）.

[5]周鐵錘.火電廠熱工控制系統故障診斷的有效方法[J].經濟技術協作信息，2007，25（4）.

[6]王家金.火電廠熱工控制系統故障診斷規劃及實現措施初探[J].電力建設，2013.

作者簡介：李寧（1984-），男，山東濰坊人，華能雨汪電廠檢修部熱控專工，研究方向熱控技術及自動化裝置。

孟萍（1982-），女，山東泰安人，華能雨汪電廠檢修部，研究方向為檢測技術及自動化裝置。

王冬瑞（1981-），男，遼寧人，華能雨汪電廠檢修部副主任，研究方向為電氣及自動化。

戴忠，男，上海人，華能上海電力檢修公司電氣專工。

高才，男，上海人，華能上海電力檢修公司鍋爐專工。