基于多模型鲁棒输入训练神经网络协同的燃气–蒸汽联合循环机组传感器故障诊断方法

基于多模型鲁棒输入训练神经网络协同的燃气–蒸汽联合循环机组传感器故障诊断方法

论文摘要

为提高燃气–蒸汽联合循环机组传感器测量值的准确性及可靠性,提出了一种基于多模型鲁棒输入训练神经网络(RITNN)的燃气–蒸汽联合循环机组传感器故障诊断方法。该方法建立若干燃气–蒸汽联合循环重要参数的数据重构模型,并对各模型进行优先级划分,以串并联方式设定模型间关系,通过可靠参数的逐级生成和传递,有效抑制了多传感器显著故障产生的残差污染,提高了故障诊断的准确性及可靠性,进而给出了传感器故障诊断流程,建立了完整的传感器故障诊断系统。以某200 MW级燃气–蒸汽联合循环机组为研究对象,对多传感器故障进行诊断,并与RITNN单一模型方法和输入训练神经网络(ITNN)单一模型方法进行对比,结果表明,提出的多模型RITNN故障诊断方法诊断精度更高,可保证燃气–蒸汽联合循环机组稳定运行。

论文目录

文章来源

类型: 期刊论文

作者: 黄郑,王红星,于海泉,李逗,司风琪

关键词: 多模型,鲁棒输入训练神经网络,故障诊断,联合循环

来源: 中国电力 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 江苏方天电力技术有限公司,东南大学能源热转换及过程测控教育部重点实验室

分类号: TM611.31

页码: 125-133

总页数: 9

文件大小: 4947K

下载量: 130

相关论文文献

标签:;  ;  ;  ;  

基于多模型鲁棒输入训练神经网络协同的燃气–蒸汽联合循环机组传感器故障诊断方法
下载Doc文档

猜你喜欢