论文部分内容阅读
我国电力行业以火电为主,占总发电量约80%,煤是火力发电厂的主要燃料,其用量占煤炭消耗量约60%。随着电力市场的发展,提高火电自身的竞争力已成为行业追求的目标。提高设备运行的安全、稳定性,发展监测与诊断相关的技术,实施状态检修,是电力改革的必然要求。电站磨煤机作为锅炉燃烧制粉系统的核心设备,是电厂重要的辅机,其工作状况对整个电厂系统运行的安全和经济性具有重要影响。本文就电站磨煤机状态监测与故障诊断问题进行探讨:针对某电厂一号机组A磨煤机(MPS225型)的运行参数,建立了三种基于LM算法的BP神经网络预测模型进行对比研究。并根据各运行参数的变化特性构造了三类单参预测模型,实现了对运行参数的有效预测;提出根据磨煤机的运行现状及历史数据,将神经网络时序预测结果纳入状态评价范围的状态评价理论,实现对磨煤机更为全面及时的评价;针对MPS磨煤机常见故障,对基于知识的专家系统的诊断方法进行研究,初步完成了磨煤机专家系统理论的研究、知识规则的提取。在此基础上,针对某电厂一号机组A磨煤机,利用组态软件开发了监测子系统,并在此基础上利用VB并引用MatrixVb的库函数开发了诊断子系统,完成了电站磨煤机状态监测与故障诊断系统的设计与开发。该系统不仅为用户提供便捷的在线监测、诊断功能,还为用户提供了离线诊断功能,方便学习和研究。对安全生产和状态检修的发展有积极作用。