一、主元分析法在火电厂过程控制中的应用(论文文献综述)
张宇珩[1](2021)在《燃煤电厂氧量传感器测量可靠性评估和故障诊断研究》文中指出中国的能源结构不断地在变化,近些年来,火电机组深度调峰和超低排放的要求不断提高也催生了“智能电厂”的发展。而“智能电厂”所依赖的先进的测试技术、大数据分析和智能化技术都需要能准确反映机组参数的测量数据,因此有必要对用于测量的传感器进行可靠性评估和故障诊断。烟气含氧量是锅炉燃烧调整和运行需要控制的一个重要参数,是确保锅炉安全性、经济性运行的重要指标。目前燃煤电厂对于烟气含氧量的测量普遍采用氧化锆传感器进行直接测量,但是传统的传感器测量不免会发生传感器老化或故障的问题,影响氧量测量的准确性和可靠性,因此对氧量传感器进行测量可靠性评估和故障诊断既有利于锅炉的控制运行,也对“智能电厂”的发展有着重要意义。本文利用BP神经网络和机组运行的历史数据,以锅炉燃烧原理为基础,结合相关性和灰色关联度分析,建立了烟气含氧量的软测量模型,通过软测量模型预测值和传感器实际测量值的相关性分析和拟合分析,再利用直接冗余法建立了传感器间的信任度矩阵,对各个氧量传感器进行了测量可靠性的分析。根据所建立的模型,对预测值和传感器测量值进行了残差分析,分析了各个氧量传感器的运行状况和可靠性。针对氧量传感器的特点,将常见的传感器故障进行分类和数学描述,对氧量传感器易出现的故障,如偏置故障、卡死故障和漂移故障,进行了仿真分析。采用主元分析法,利用Hotelling T2统计量和SPE统计量,对故障进行了诊断,结果表明:该方法可以有效诊断出偏置故障、卡死故障和漂移故障,具有一定的应用前景。
杨儒[2](2019)在《300MW机组循环流化床锅炉的床温多变量建模》文中提出循环流化床技术相对于煤粉炉来说具有燃烧效率高、燃烧材料的选择范围宽、硫化物生成量低等优点,在未来火电厂的发展中,可以提高工厂的生产效率、降低燃烧煤量的损失和耗费、减少相应污染物的排放,其应用将会更加广泛。但是在循环流化床的应用过程中,发现床温的控制是一个难题,那么如何更加合理的选择影响因素建立优质的模型,对循环流化床锅炉来说至关重要。本文简要介绍了循环流化床锅炉的结构和工作原理,详细分析了床温的影响因素,得到其主要影响因素是一次风量、二次风量、给煤量、床压等。结合理论和实践,在此应用了一种可以在大量过程变量的变化中找出影响过程监控参数变化或指标下降的主要原因,用来降低高维数据空间的维数的方法,即主元分析法,将其与模型精度验证相结合,划分子空间,并根据主元贡献率累积和百分比得分确定主要元素数量,并作为子空间内数学模型的输入。由于量子粒子群的不确定性、随机空间搜索性以及混沌在优化设计中具有的随机性、遍历性和规律性,本文把这两者相结合,得到混沌量子粒子群算法,应用于循环流化床床温模型的建立。撰写本文的主要目的是针对循环流化床的床温特性,重点着眼于如何更加合理的划分子窗口范围,利用主元分析方法作为子模型划分的依据,找到一种动态的能够划出不同阶段不同程度上床温的主要影响因素,达到提高模型泛化能力的目的,进而通过具体实例的分析过程,叙述如何建立子模型的过程,具备一定的推广应用价值。
宋涛[3](2016)在《主元分析法在火电厂故障检测中的应用及效果研究》文中研究指明火电企业技术改造是当今技术创新及应用研究的主流方向之一,其中,技术改造主要是通过改进物理结构或加装新设备来实现,如加装脱硫装置、对磨煤机改进等。然而,技术改造并非只有物理改造,还应包括电子技术的改进,如对控制算法、检测方法的改进。在这些方面,国内相关研究并不多。本文通过研究火电企业运行过程,发现在故障检测方面,国内绝大部分火电厂均使用固定的控制限来报错,而火电厂实际运行过程却并非持续稳态运行,这就导致了在火电厂增减负荷时系统出现误报或数据的丢失,严重影响监测的稳定性,从而影响火电企业的经济性。主元分析方法(PCA)作为多元统计方法的一种,其对过程控制的故障检测与诊断方法不依赖于系统的数学模型,因此是广泛应用在工业领域的统计检测方法。基于主元分析方法的过程检测方法,由于充分的利用了主元分析算法在处理线性相关数据时降维的功能,使得对多变量生产过程的检测可在低维变量控件实现。因此,考虑在火电企业故障检测中使用主元分析方法。故障检测中的PCA方法原理是在稳态过程中收集数据,用固定控制限的SPE、T2和TH2来监测。然而,对于那些过程暂态值必须考虑的系统(如火电厂运行系统),用固定控制限会引起误报和丢失数据,这会严重影响监测系统的稳定性,并带来不必要的经济损失。本文立足于这一点,对主元分析方法进行改进,使得其能应用在动态稳态经常切换的火电厂运行系统。本文总结了在火电厂故障检测领域在的国内外的研究成果,指出了该领域需要深入研究的问题;针对目前存在的问题,提出了基于方差的自适应控制限的改进方法,从而来克服暂态过程中因条件改变而产生的误报问题;选取某火电厂的相关数据,利用matlab软件对该方法进行了仿真,验证了该技术改造的可行性;通过建立评价指标,运用层次分析法确定指标权重,运用模糊评价法来对方案进行综合评价。结果表明,该技术改造可以为火电企业获得经济效益与技术上的改进。
王世林[4](2016)在《基于PCA的工业锅炉运行监控与优化研究》文中进行了进一步梳理我国工业锅炉数量众多,运行效率普遍较低,导致能源浪费严重,对锅炉的运行状态进行有效的监控和优化,提高锅炉的运行水平能够产生显着的能源和环境效益。工业锅炉是多输入、多输出的复杂系统,其参数间具有强耦合性,难以通过建立精确的数学模型对其运行状态进行监控与优化。本文提出一种利用主元分析法(Principal Component Analysis, PCA)从锅炉的历史数据中提取有效信息,确定影响锅炉效率的主要参数,进而指导操作人员调整运行参数,实现锅炉运行状态优化的方法。此外,对锅炉数据采集过程中出现异常数据的甄别与恢复等预处理方法进行了研究。本文主要的工作如下:首先针对工业锅炉运行数据中存在的异常数据,用回归分析法对锅炉运行数据进行实时处理。利用锅炉中正常的历史数据建立多项式回归模型,预测下一时刻的值并与测量值比较,判别测量值是否为异常数据,并对异常数据予以修正。其次,将主元分析法引入到工业锅炉运行监控及优化过程,利用锅炉热效率较高的历史数据建立主元模型,获得Q和T2统计量的控制限,将锅炉实时数据代入主元模型计算出Q和T2统计量,并与其控制限比较,达到对锅炉运行监控的目的。当锅炉处于热效率较低的工况时,利用基于Q和T2贡献图的方法确定导致低效的主要参数,指导操作人员进行有针对性的操作。最后采用B/S模式,建立了一个具有数据采集、数据处理和数据发布的网络化平台,把复杂的数据分析与处理工作移植到专用的数据中心,然后将操作指导结果通过网络反馈给操作人员,有利于计算、存储资源的集约化应用。系统在某工业现场投入实用,产生一定的节能效益,证明了该系统方案和优化方法的可行性和有效性。
罗嘉,吴乐[5](2015)在《电站锅炉主要热工过程参数软测量技术研究进展》文中提出电站锅炉某些主要热工过程参数难以实现在线实时测量,从而制约了机组的高效、经济运行。为此,本文解析了基于统计分析的主元分析法和偏最小二乘法、基于人工智能的人工神经网络(ANN)法、基于统计学习理论的支持向量机法以及模糊理论法的建模方法。并以球磨机负荷、煤质、风煤比、烟气含氧量、飞灰含碳量、汽包水位、主蒸汽温度、省煤器积灰、污染物排放量等参数为对象,综述了各种软测量技术的研究现状。结果显示:对于飞灰含碳量等呈非线性特征的变量,基于核主元分析(KPCA)法建立其软测量模型,效果较好;当各变量的线性关联度高时,采用偏最小二乘回归(PLSR)法建立其软测量模型更为有效;对于人工神经网络法,当实际样本空间超出训练样本空间区域时,模型输出误差较大,因此实际工业过程中需定时对基于ANN法建立的模型参数进行校正;对于支持向量机(SVM)法还无成熟的指导方法,基于经验数据则对模型精度的影响较大,最小二乘支持向量机(LS-SVM)法的建模方法与传统SVM法相比,训练时间更短,结果更具确定性,更适合工业在线建模;模糊理论法不需要被测对象的精确数学模型,但模糊系统本身不具有学习功能,如果能够将其与ANN法等人工智能方法相结合,则可提高软测量的性能。因此,软测量技术的引入,使得难以在线测量的热工过程参数监测成为可能。
朱祥[6](2013)在《改进主元分析统计指标控制限的研究》文中认为基于主元分析的过程监测和故障检测方法是将过程数据向量投影到两个正交的子空间(主元空间和残差空间)上,并分别建立相应的统计指标T2和Q进行统计分布检验,以判断过程的运行状况。通常,Q统计指标对于故障情况反映比T2统计指标敏感,因此,主元分析常使用残差空间中的Q统计指标作为故障检测指标。然而,Q统计指标仍然存在一定的保守性,对于系统中幅值较小的故障已及微小的异常情况检测效果不佳。王海清给出一种方法希望可以削弱Q统计指标的保守性从而改进Q统计指标对微弱故障的检测效果,将Q统计指标分解为两个新的统计指标PVR和CVR,希望可以获得更多的过程信息,该方法预计可以提升主元分析方法的故障检测性能,然而,本文通过数据仿真以及定义推导发现这两个新的统计指标的控制限定义存在缺陷,以至于对正常工况都会有过多的误报。本文按照这两个统计指标的定义参考Q统计指标的推导过程,从统计学的角度重新推导新统计指标的控制限,并通过数值仿真对这两个新的统计指标在新的控制限下的故障检测性能进行检验,取得了很好的检测效果,比较并验证了新统计指标较原统计指标更为合适。同时,本文将改进后的主元分析方法与递归主元分析方法相结合,并将其应用于火电厂的热工过程稳定性检测中,取得了较好的效果。
袁香炜[7](2012)在《浅析主元分析方法在火电厂生产过程故障检测中的运用》文中研究说明随着科学技术的不断发展,火电厂也得到了相继发展,生产规模也得到不断扩大,复杂程度也随之增加,而目前所运用的集散控制系统在监控检测过程中出现了诸多问题。在火电厂发电过程的控制系统中运用主元分析方法来分析相关数据,从大量数据中提取有用信息,得出了影响系统的主要过程变量,为实现系统的有效监控和检测提供了依据。
于佳[8](2012)在《基于多PCA模型的循环流化床锅炉结焦故障诊断》文中认为循环流化床锅炉做为电厂机组不可缺少的重要组成部分,其性能和可靠性已成为保证机组安全生产的重要因素。结焦是锅炉系统常见的燃烧故障,其危害很大,甚至会降低锅炉的输出功率和热效率,影响机组安全经济运行。随着集散控制系统在复杂的大型电厂机组中广泛应用,其自身所带的大量数据可以提供与结焦故障相关的过程变量信息,由于大多数工业生产过程难以建立精确的数学模型,因此根据数学模型的故障诊断方法在实际应用中遇到了较大的困难,而不依赖于数学模型的多元统计过程控制方法目前已成为研究热点之一。本文以神华准能矸石电厂的循环流化床锅炉为对象,对国内外统计过程控制理论和故障诊断综述的基础上,详细介绍了主元分析理论;然后分析了锅炉工艺流程和结焦现象,并采集其相关过程变量进行了数据预处理;最后进行了稳定工况下主元分析故障诊断方法的实例分析及仿真。由于电厂锅炉多工况运行的特点,本文首先论述了传统主元分析方法的局限性,同时分析了一种适用于多工况过程的多主元分析(Principal Component Analysis, PCA)模型的故障诊断总体方案,然后利用模糊C均值聚类法将过程历史监测数据分类,根据机组不同的运行工况建立多个主元分析统计模型。最后利用相关过程变量对锅炉结焦现象进行故障诊断,并进行了大量的仿真对比实验。该方法提高了故障诊断的灵敏度,为投入实际应用奠定了基础。
陈敏[9](2011)在《火电厂锅炉烟气含氧量预测及燃烧系统优化研究》文中研究表明我国火力发电的能源利用率相对较低,主要影响因素之一是许多重要的技术参数和经济参数难以在线实时准确测量,如与锅炉效率密切相关的烟气温度和烟气含氧量等热工参数。软测量技术是解决这些参数测量问题的有效方法之一,它利用一些易于测量的变量通过分析来预测这些不可测或难测的变量。本文以内蒙古托克托电厂的600MW发电机组的燃烧系统为研究对象,主要完成了以下4个方面的研究工作:1.分析了火电厂监测对象及热工参数的特点,指出了影响热工参数软测量精度的主要因素为:数据预处理、辅助变量选取、建模算法、模型结构。2.从数据预处理及辅助变量选取两个关键技术问题出发,研究出提高火电厂烟气含氧量软测量精度和可行性的方法:在数据预处理方面,充分考虑了现场数据的误差分析与处理;在辅助变量选取方面,引入主元分析理论和偏最小二乘算法进行了优化选取,提高了模型的精度和可行性。3.采用人工神经网络算法进行了烟气含氧量软测量研究,建立了烟气含氧量的模型,实现了对烟气含氧量的预测分析。4.采用人工神经网络算法建立了锅炉运行工况参数与锅炉效率和NO(?)排放量的模型,采用遗传算法对燃料量和送风量进行了优化研究,得出了最佳运行条件下的参数值,为闭环控制系统的优化提供了依据。
欧阳晓燕[10](2010)在《火电厂凝汽器系统的故障诊断研究》文中认为在火电厂中,凝汽器系统作为火电厂热力系统重要的辅助设备之一,起着极为重要的冷凝作用。因此,建立凝汽器系统的故障诊断系统对电厂的经济、安全生产有着重要的现实意义。本文以凝汽器为研究对象,设计了基于主元分析法(PCA)与BP神经网络相结合的故障诊断系统,该系统可以实现对凝汽器系统状态参数的数据采集、数据传输、故障诊断、故障分析和维修决策等功能。文中详细阐述了凝汽器系统的结构原理、常见故障及其征兆,然后设计了凝汽器故障诊断系统。该系统将从电厂EDPF-NT plus集散控制系统采集到的凝汽器的各主要性能参数,以OPC技术为纽带,实现了MATLAB软件与DCS集散控制系统组态软件的数据通信,使得现场的数据通过OPC技术读取到MATLAB软件中的故障诊断系统。DCS所采集到的原始数据经PCA数据预处理和特征提取后,通过BP神经网络故障诊断模型对凝汽器的状态进行诊断,其结果经分析决策后返回到诊断界面,指导维修人员维修。系统运用先进故障诊断技术,可具有很高的可靠性。凝汽器故障诊断系统为凝汽器的良好运行提供了保证,同时也为发电机组的正常运行,以及电厂的安全、经济运行提供了可靠保证。在降低维修费用、延长维修间隔的同时,也使凝汽器的使用寿命大大延长,可增加电厂的经济效益。
二、主元分析法在火电厂过程控制中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、主元分析法在火电厂过程控制中的应用(论文提纲范文)
(1)燃煤电厂氧量传感器测量可靠性评估和故障诊断研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 引言 |
1.2 课题背景与国内外研究现状 |
1.3 本文的研究方法介绍 |
1.4 本文的研究内容 |
1.5 本章小结 |
2 辅助变量的选择和处理 |
2.1 辅助变量的选取 |
2.1.1 相关性分析 |
2.1.2 灰色关联度分析 |
2.2 风量测量的处理 |
2.3 给煤量测量的处理 |
2.4 本章小结 |
3 烟气含氧量软测量建模 |
3.1 数据预处理 |
3.2 神经网络的建立和模型适用条件 |
3.3 软测量建模结果分析 |
3.3.1 A侧氧量计软测量建模结果分析 |
3.3.2 B侧氧量计软测量建模结果分析 |
3.4 模型改进 |
3.5 本章小结 |
4 传感器故障分析 |
4.1 冗余法 |
4.2 基于神经网络的残差分析法 |
4.2.1 偏置故障仿真 |
4.2.2 卡死故障 |
4.2.3 漂移故障 |
4.3 氧量传感器的故障诊断 |
4.3.1 A侧氧量传感器的故障诊断 |
4.3.2 B侧氧量传感器的故障诊断 |
4.4 本章小结 |
5 总结与展望 |
5.1 全文总结 |
5.2 不足与展望 |
参考文献 |
作者简介 |
(2)300MW机组循环流化床锅炉的床温多变量建模(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究目的和意义 |
1.2 国内外研究现状及发展 |
1.2.1 循环流化床锅炉国内外研究现状 |
1.2.2 CFB锅炉燃烧系统建模研究现状 |
1.2.3 主要研究内容介绍 |
第2章 循环流化床床温特性及其影响因素 |
2.1 循环流化床锅炉结构及工作原理 |
2.1.1 循环流化床锅炉结构 |
2.1.2 循环流化床锅炉工作原理 |
2.2 床温影响因素分析 |
2.3 本章小结 |
第3章 主元分析法介绍及在多变量建模中的应用 |
3.1 主元分析法介绍 |
3.2 基于主元分析的子窗口划分 |
3.3 主元分析法在多变量建模中的应用 |
3.3.1 主元分析多变量建模实例 |
3.3.2 基于主元分析的辅助变量选择 |
3.4 建模方法的扩展实例 |
3.5 本章小结 |
第4章 CFB锅炉床温多变量建模 |
4.1 主元分析下的床温模型结构选取 |
4.1.1 一次风对床温的影响 |
4.1.2 给煤量对床温的影响 |
4.1.3 其他因素对床温的影响 |
4.2 模型待定参数确定标准粒子群算法和混沌量子粒子群算法 |
4.2.1 标准粒子群优化算法 |
4.2.2 混沌量子粒子群算法 |
4.3 床温建模 |
4.3.1 数据的选取及预处理 |
4.3.2 模型的建立 |
4.4 本章小结 |
第5章 结论与展望 |
5.1 全文工作总结 |
5.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文及其他成果 |
致谢 |
(3)主元分析法在火电厂故障检测中的应用及效果研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状及评述 |
1.2.1 国内研究现状及评述 |
1.2.2 国外研究现状及评述 |
1.3 本文研究内容、方法与框架 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 论文框架 |
第2章 相关理论及方法概述 |
2.1 主元分析理论 |
2.2 火电厂故障检测 |
2.3 主元分析法建模 |
2.3.1 建模解决的问题 |
2.3.2 过程测量量测量指标 |
2.4 综合效益评价方法 |
2.5 本章小结 |
第3章 火电厂故障检测现状分析 |
3.1 火电厂故障检测现行方法 |
3.2 火电厂故障检测方法存在的缺陷 |
3.3 主元分析法引入的必要性 |
3.4 本章小结 |
第4章 火电厂故障检测主元分析法的改进 |
4.1 主元分析方法的改进原因 |
4.2 自适应控制限的确定 |
4.2.1 T_2自适应控制限的确定 |
4.2.2 SPE自适应控制限的确定 |
4.2.3 T_H~2自适应控制限的确定 |
4.3 数据仿真实验 |
4.4 本章小结 |
第5章 火电厂故障检测改进效果评价 |
5.1 综合评价方法的选择 |
5.2 模糊综合评级法 |
5.3 指标体系的构建原则 |
5.4 指标体系的构建 |
5.4.1 指标体系 |
5.4.2 指标解释 |
5.5 案例评价 |
5.5.1 指标权重的确定 |
5.5.2 各指标权重的计算 |
5.5.3 技改项目的模糊综合评价 |
5.6 本章小结 |
第6章 研究成果及结论 |
参考文献 |
致谢 |
作者简介 |
附录 |
(4)基于PCA的工业锅炉运行监控与优化研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.2 主元分析法的研究现状 |
1.2.1 数据驱动的概述 |
1.2.2 主元分析法在工业监控中的研究现状 |
1.2.3 主元分析法在锅炉控制系统中的研究现状 |
1.3 数据处理的研究现状 |
1.4 本文的主要内容 |
1.5 本章小结 |
第2章 基于回归分析法的锅炉运行数据处理 |
2.1 回归分析的简介 |
2.2 回归分析的原理 |
2.2.1 曲线拟合的基本原理 |
2.2.2 多项式模型的建立 |
2.3 回归模型的建立 |
2.3.1 建立回归模型 |
2.3.2 基于回归分析的数据处理 |
2.4 实验结果与分析 |
2.5 本章小结 |
第3章 基于主元分析法的锅炉运行监控及优化 |
3.1 主元分析的简介 |
3.1.1 主元分析的代数意义 |
3.1.2 主元分析的几何意义 |
3.2 主元分析的基本原理 |
3.2.1 主元分析法的计算原理 |
3.2.2 主元个数选取的方法 |
3.2.3 主要的统计量 |
3.2.4 贡献图法 |
3.3 主元分析法在运行监控及优化中的应用 |
3.3.1 主元模型的建立 |
3.3.2 在线监控及优化 |
3.4 实验结果与分析 |
3.5 本章小结 |
第4章 锅炉运行监控及优化系统的设计与实现 |
4.1 设计目标 |
4.2 系统功能设计 |
4.2.1 系统功能需求 |
4.2.2 系统功能模块 |
4.3 系统实现 |
4.3.1 系统基本功能的实现 |
4.3.2 运行监控及优化功能的实现 |
4.4 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
(6)改进主元分析统计指标控制限的研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 背景及其意义 |
1.2 国内外研究动态 |
1.2.1 PCA的理论和应用研究 |
1.2.2 T~2和Q统计量及故障可检测性研究 |
1.2.3 改进的主元数选取方法 |
1.2.4 PCA方法的改进 |
1.3 本文的内容安排 |
第2章 主元分析的基本原理 |
2.1 PCA的数学原理 |
2.3 主元个数的选取 |
2.2 基于PCA的过程监测与故障诊断 |
2.4 改进PCA方法 |
2.5 改进主元分析统计指标的仿真分析 |
2.6 本章小结 |
第3章 改进PCA统计指标的控制限 |
3.1 改进PCA统计指标控制限的推导 |
3.2 改进主元分析故障可检测性分析 |
3.3 数值仿真实验 |
3.3.1 新控制限下改进主元分析在正常工况下的检测效果 |
3.3.2 改进主元分析方法与传统主元分析方法检测性能对比 |
3.3.3 主元相关变量个数对的检测效果的影响 |
3.4 本章小结 |
第4章 改进递归主元分析方法在电厂监控中的应用 |
4.1 递归主元分析方法 |
4.1.1 相关矩阵的递归计算 |
4.1.2 递归主元分析法的算法流程 |
4.1.3 递归与改进主元分析方法的结合 |
4.2 某火电厂历史数据仿真 |
4.2.1 某火电厂火检数据递归PCA仿真 |
4.2.2 EWMA滤波后递归主元分析仿真 |
4.2.3 S-term平均预处理后递归主元分析仿真 |
4.3 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 论文展望 |
参考文献 |
攻读硕士学位期间发表的学术论文及其他成果 |
致谢 |
(7)浅析主元分析方法在火电厂生产过程故障检测中的运用(论文提纲范文)
1. 前言 |
2. 基于主元分析方法的故障检测方法 |
3. 火电厂生产过程的特点分析 |
4. 主元分析方法在故障检测中的运用 |
5. 结束语 |
(8)基于多PCA模型的循环流化床锅炉结焦故障诊断(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 国内外故障诊断及其发展 |
1.1.1 故障诊断技术现状 |
1.1.2 故障诊断方法分类 |
1.2 国内外统计过程控制理论及其发展 |
1.3 本文主要内容 |
1.3.1 课题来源及意义 |
1.3.2 论文的结构安排 |
第二章 统计过程控制的基本理论和方法 |
2.1 单变量统计过程控制 |
2.2 多变量统计过程控制 |
2.3 主元分析理论 |
2.3.1 主元分析模型 |
2.3.2 主元个数的选取方法 |
2.3.3 主元分析的统计量 |
2.4 基于主元分析的故障诊断 |
2.5 本章小结 |
第三章 循环流化床锅炉及其结焦故障分析 |
3.1 CFB锅炉设备及工艺概况 |
3.2 CFB锅炉结焦故障分析 |
3.2.1 结焦现象 |
3.2.2 结焦分析及处理 |
3.3 CFB锅炉结焦过程变量分析 |
3.3.1 变量选取 |
3.3.2 相关性分析 |
3.4 本章小结 |
第四章 稳定工况下的PCA故障检测 |
4.1 数据预处理 |
4.1.1 异常点剔除 |
4.1.2 降噪 |
4.1.3 建模样本数量选择 |
4.1.4 归一化 |
4.2 主元模型建立 |
4.3 故障检测分析 |
4.3.1 故障检测内涵 |
4.3.2 故障检测实例 |
4.4 本章小结 |
第五章 基于多PCA模型的故障诊断 |
5.1 传统PCA故障诊断的局限性 |
5.1.1 火电厂运行特点分析 |
5.1.2 工况变化对PCA故障诊断的影响 |
5.2 基于多PCA模型的故障诊断 |
5.2.1 模糊C均值算法 |
5.2.2 算法的聚类实现 |
5.2.3 建立多PCA模型 |
5.3 CFB锅炉结焦故障诊断 |
5.3.1 故障诊断流程 |
5.3.2 仿真与分析 |
5.4 本章小结 |
第六章 结论与展望 |
参考文献 |
致谢 |
攻读学位期间参加的科研项目 |
(9)火电厂锅炉烟气含氧量预测及燃烧系统优化研究(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
1 绪论 |
1.1 论文选题的目的和意义 |
1.2 本课题的研究现状 |
1.2.1 烟气含氧量测量的研究现状 |
1.2.2 锅炉燃烧系统优化的研究现状 |
1.3 电站锅炉燃烧系统 |
1.3.1 燃烧系统的生产过程 |
1.3.2 锅炉燃烧与节能 |
1.4 本论文的主要内容 |
2 软测量系统原理 |
2.1 软测量技术简介 |
2.2 软测量模型建模方法及特点 |
2.3 软测量模型的工程实现 |
2.4 烟气含氧量的软测量实现方法 |
2.4.1 基于工艺机理分析的方法 |
2.4.2 基于过程对象动态数学模型的方法 |
2.4.3 基于人工神经网络的软测量建模方法 |
2.4.4 基于支持向量机的烟气含氧量的软测量 |
2.4.5 组合建模方法的烟气含氧量测量方法 |
2.5 本章小结 |
3 烟气含氧量软测量中辅助变量选择研究 |
3.1 现场数据的采集与预处理 |
3.1.1 火电厂运行参数的特点 |
3.1.2 检测点位置的选择 |
3.1.3 现场数据的采集 |
3.1.4 数据预处理技术 |
3.2 基于主元分析的辅助变量选择 |
3.2.1 主元分析技术的主要思想 |
3.2.2 提取主成分的计算方法 |
3.2.3 应用主元分析处理数据 |
3.3 基于偏最小二乘的辅助变量选择 |
3.3.1 偏最小二乘算法的主要思想 |
3.3.2 成分数的选取 |
3.3.3 应用偏最小二乘处理数据 |
3.4 本章小结 |
4 烟气含氧量的软测量实现 |
4.1 神经网络模型预测技术 |
4.1.1 人工神经网络的工作原理 |
4.1.2 人工神经网络的特点 |
4.1.3 BP神经网络模型 |
4.1.4 BP神经网络算法的改进 |
4.2 MATLAB神经网络工具箱介绍 |
4.3 烟气含氧量软测量工程实现 |
4.3.1 烟气含氧量软测量模型建立 |
4.3.2 隐含层、节点数和初始权值的选取 |
4.3.3 BP网络的训练与检验 |
4.4 本章小结 |
5 基于遗传算法的锅炉燃烧系统优化 |
5.1 锅炉燃烧优化 |
5.2 遗传算法简介 |
5.2.1 遗传算法的起源 |
5.2.2 遗传算法的基本运算 |
5.3 基于实数编码的遗传算法设计 |
5.4 遗传算法在锅炉燃烧优化中的应用 |
5.4.1 锅炉燃烧系统模型 |
5.4.2 锅炉燃烧系统优化 |
5.5 软件实现 |
5.6 本章小结 |
6 结论 |
参考文献 |
作者简历 |
教育经历 |
攻读学位期间参加的科研工作 |
学位论文数据集 |
(10)火电厂凝汽器系统的故障诊断研究(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
1 绪论 |
1.1 研究的目的及其意义 |
1.2 国内外研究现状 |
1.3 火电厂故障诊断存在的问题及发展趋势 |
1.3.1 火电厂故障诊断存在的问题 |
1.3.2 火电厂故障诊断的发展趋势 |
1.4 本文的主要工作 |
2 凝汽器系统及其故障诊断系统的总体方案设计 |
2.1 凝汽器简介 |
2.2 凝汽器常见故障及原因分析 |
2.2.1 凝汽器常见故障概述 |
2.2.2 凝汽器故障原因及征兆分析 |
2.3 凝汽器故障诊断系统的总体设计及研究方法 |
2.3.1 系统总体结构图 |
2.3.2 研究内容及研究方法 |
3 火电厂凝汽器系统的数据采集 |
3.1 DCS系统及其数据采集系统 |
3.1.1 DCS系统简介 |
3.1.2 DAS系统简介 |
3.2 EDPF-NF系统组态和软硬件配置 |
3.2.1 工程、域、站的建立 |
3.2.2 控制逻辑与组态 |
4 DCS组态软件与MATLAB的数据通信 |
4.1 数据通信概述 |
4.2 OPC技术原理 |
4.2.1 选用OPC技术的理由 |
4.2.2 OPC通信技术的原理 |
4.3 故障诊断系统的数据通信 |
4.3.1 上位机系统的COM/DCOM配置 |
4.3.2 组态软件与MATLAB的数据通信设计 |
4.3.3 基于OPC ActiveX的EDPF-MATLAB的数据通信设计 |
5 基于主元分析和神经网络相结合的凝汽器系统故障诊断 |
5.1 基于主元分析的特征优选 |
5.1.1 主元分析法概述 |
5.1.2 主元分析计算 |
5.1.3 基于主元分析的特征提取 |
5.2 神经网络故障识别方法 |
5.2.1 BP神经网络故障诊断模型及其算法 |
5.2.2 BP网络设计时的主要问题 |
5.2.3 BP神经网络的缺陷及改进算法 |
5.2.4 神经网络的训练 |
5.3 主元分析和BP神经网络相结合的凝汽器故障诊断 |
5.3.1 凝汽器系统故障诊断征兆集的建立 |
5.3.2 主元分析法的凝汽器系统故障诊断特征提取 |
5.3.3 基于PCA-BP神经网络的凝汽器系统故障诊断 |
6 凝汽器故障诊断系统的开发 |
6.1 凝汽器故障诊断系统概述 |
6.2 凝汽器故障诊断系统功能和界面概述 |
7 结论 |
参考文献 |
作者简历 |
学位论文数据集 |
四、主元分析法在火电厂过程控制中的应用(论文参考文献)
- [1]燃煤电厂氧量传感器测量可靠性评估和故障诊断研究[D]. 张宇珩. 浙江大学, 2021(09)
- [2]300MW机组循环流化床锅炉的床温多变量建模[D]. 杨儒. 华北电力大学, 2019(01)
- [3]主元分析法在火电厂故障检测中的应用及效果研究[D]. 宋涛. 华北电力大学, 2016(03)
- [4]基于PCA的工业锅炉运行监控与优化研究[D]. 王世林. 大连海事大学, 2016(07)
- [5]电站锅炉主要热工过程参数软测量技术研究进展[J]. 罗嘉,吴乐. 热力发电, 2015(11)
- [6]改进主元分析统计指标控制限的研究[D]. 朱祥. 华北电力大学, 2013(S2)
- [7]浅析主元分析方法在火电厂生产过程故障检测中的运用[J]. 袁香炜. 神州, 2012(24)
- [8]基于多PCA模型的循环流化床锅炉结焦故障诊断[D]. 于佳. 内蒙古大学, 2012(01)
- [9]火电厂锅炉烟气含氧量预测及燃烧系统优化研究[D]. 陈敏. 北京交通大学, 2011(09)
- [10]火电厂凝汽器系统的故障诊断研究[D]. 欧阳晓燕. 北京交通大学, 2010(10)