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：多模型论文; 鲁棒输入训练神经网络论文; 故障诊断论文; 联合循环论文;