锅炉故障诊断及事故处理推荐.ppt

第一节 故障诊断简介 一、故障诊断的概念 故障诊断包括两个方面：零件、系统诊断 零件故障指零件失效。其故障诊断的对象是单一零件，故障特征量与故障之间有明确因果关系，无宏观策略问题。 系统故障指系统工作能力的破坏；或一定时间内系统主要功能指标超过规定范围；或系统的输入与预期输出不相容。所提取的故障特征量与故障之间无直接因果关系。 系统故障诊断的步骤：故障监测、故障分析、故障决策处理。 故障监测：监测系统主要功能指标，即系统状态监测。当主要功能指标偏离规定范围时，即可认为系统发生故障，并按照偏离程度不同发出早期警报、紧急警报或强迫停运。 故障分析：根据检测的信号并补充其它手段，寻找故障源。对故障的危害作评估，给出故障等级。 故障处理：预测故障趋势，做出处理。 现代大型锅炉的事故处理，要求监督控制系统能够对机组的运行全过程、各主辅机系统进行在线、动态、自动诊断，及早发现故障存在的潜在危险，预测后果，及时判断和决策。 20世纪80年代末期，美国电力科学研究院利用人工智能系统开发锅炉故障诊断智能系统。其锅炉承压部件失效专家诊断系统ESCARTA是第一个锅炉故障诊断专家系统，并于1989年在5个电厂投入使用，效果令人满意。 该系统知识来源于该院的手册《锅炉管道故障调查和修复》， ESCARTA系统首先将锅炉承压受热面分为四个组成部分：水冷壁、过热器、再热器、省煤器，然后询问操作者损坏的部位、发生现象和诱发原因，从22种损伤机理中，通过规则诊断推理，找出其中一种为故障原因。 美国北印第安纳公共服务公司电厂锅炉最佳运行控制系统，监测锅炉排烟温度、锅炉吹灰系统、空气预热器的正常运行，将他们调整到最佳状态。 美国Lockheed Martin公司开发的InEC系统具有传统专家系统和神经网络技术混合模式，帮助操作者选择合理的运行参数，减少燃烧损失。 美国Pegasus公司开发锅炉优化运行系统，以神经网络系统为内核，用以提高燃烧效率和降低NOx排放。 此外，日本石川捣播磨重工和三菱重工开发的火力发电厂支援系统等也用于电厂。 国外使用最成功的故障诊断系统是美国西屋公司开发的汽轮发电机组专家系统，该公司在佛罗里达奥兰多发电设备本部建立了自动诊断中心。 国内清华大学、哈工大、华中理工大学、华北电力大学等单位开发的故障诊断系统已用于国产300MW机组。 三、专家系统简述 锅炉故障诊断属于系统故障诊断，特点为：故障复杂，没有规律，仅能凭操作者对设备的认识和经验直觉处理；很多故障征兆相近，或多种故障存在同一征兆。 根据设备的已知故障，分析确定其征兆和表象，此过程为正问题；根据设备表象，分析确定故障原因、部位、严重程度等，为逆问题。对于锅炉很多故障，逆问题可能有多种答案。 用机器来复制人的智能，即用计算机和相应的软件系统来执行和人的智能相关的复杂功能，称为人工智能。针对某个领域的人工智能系统称为专家系统。专家系统的知识来源于规律、算法、定理、准则以及经验等。 人工智能主要包括：专家系统、神经网络方法、故障树诊断法、模糊数学诊断、参数估计法等。 专家系统(Expert System，ES)是人工智能(Artificial Intelligence，AI)的一个研究分支， 是目前国内外发展最快的AI领域之一。所谓专家系统是把由某一领域专家们多年积累的经验归纳总结而形成的知识库和模拟人类判断推理过程的推理机结合起来，用以解决这一领域实际问题的计算机软件系统。如EPRI的ESCARTA系统。 四、人工神经网络简述 人工神经网络是根据现代生物学研究人脑组织所取得的成果而提出的，反映了人类大脑的基本特征：学习、记忆和归纳。它不同于传统的人工智能领域普遍采用的基于逻辑与符号处理的理论和方法，为人工智能的研究开发了一种新方法。 人工神经网络是由大量简单处理单元广泛连接而成的网络。一个人工神经网络有三大要素：动态特性、连接模型和学习算法。虽然每个神经元的结构和功能十分简单，但由大量神经元构成的网络系统的行为却是丰富多彩和十分复杂的。各个神经元之间相互连接形成的拓扑结构就称为人工神经网络的连接模型。 人工神经网络的信息处理由神经元之间的相互作用来实现，知识与信息的存储表现为处理单元的连接权值。网络的学习和识别决定于各神经元连接权的动态演化过程，即网络学习过程也就是网络权值矩阵的确定过程。通过学习使网络具有对确定性输入拥有正确响应的能力。学习所选用的规则实际上就是权值矩阵的修改规则，称为学习算法。 专家系统不足：1.知识获取的“瓶颈”问题；2.模拟专家思维过程的单一推理机制的局限性；3.系统缺乏自学习能力。 神经网络不足：它不能很好的利用领域专家积累的经验知识，只利用一些明确的故障诊断实例，而且需要一定数量的样本学习，通过训练最后得到的是一些阑值矩阵和权值矩阵，而不是像专家经