基于神经网络和d_s证据的电厂凝汽器故障诊断研究_李平

《基于神经网络和d_s证据的电厂凝汽器故障诊断研究_李平》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第42卷第6期Vol．42No．62014年6月Jun．2014发电技术基于神经网络和D-S证据的电厂凝汽器故障诊断研究121，31，3李平，黄国樑，彭道刚，夏飞(1．上海电力学院自动化工程学院，上海200090;2．国网上海市电力公司培训中心，上海200438;3．上海市电站自动化技术重点实验室，上海200090)摘要:火电厂凝汽器是汽轮发电机组的重要辅机之一，其工作状况对整个电厂安全和经济运行都有着决定性的影响。结合信息融合思想，提出一种基于神经网络和D-S证据理论的电厂凝汽器故障综合诊断方法，首先通过BP神经网络和

2、CPN神经网络得到各自的诊断结果作为决策层D-S证据理论的初始证据，再利用证据理论对这些结果进行融合，得到最终的故障诊断结果。通过实例数据诊断结果表明:与单一神经网络诊断结果相比，该方法减少了误差，提高了诊断可信度。关键词:信息融合;神经网络;D-S证据理论;故障诊断;凝汽器作者简介:李平(1977)，女，工程师，从事发电过程自动化技术研究工作。中图分类号:TM621文献标志码:A文章编号:1001-9529(2014)06-1227-06基金项目:上海市教育委员会科研创新重点项目(12ZZ177);上海市电站自动化技术

3、重点实验室开放课题(13DZ2273800)ＲesearchofFaultDiagnosisBasedonNeuralNetworksandD-SEvidenceforCondenserinPowerPlant121，31，3LIPing，HUANGGuo-liang，PENGDao-gang，XIAFei(1．SchoolofAutomationEngineering，ShanghaiUniversityofElectricPower，Shanghai200090，China;2．TrainingCenter，Stat

4、eGirdShanghaiElectricPowerCompany，Shanghai200438，China;3．ShanghaiKeyLaboratoryofPowerStationAutomationTechnology，Shanghai200090，China)Abstract:Condenserisoneofthemostimportantauxiliariesofturbinegeneratorunitinpowerplant，whoseoperatingconditiondecisivelyaffectsth

5、esafeandeconomicallyoperationofthewholeplant．Combinationthethoughtofinfor-mationfusion，themethodofcondenserintegratedfaultdiagnosisbasedonneuralnetworksandD-Sevidencetheoryisproposed．TherespectivediagnosisresultsregardedastheD-Sevidencetheoryprimaryevidencesindec

6、isionlayeraccordingtoBPneuralnetworkandCPNnetworkareobtainedfirst，andthentheseresultsarefusedbyusingoftheD-Sevidencetheorytoobtainthefinaldiagnosisresult．Thediagnosisresultsshowthatthismethodhasasmallerer-rorandhigherdiagnosisreliabilitycomparingwiththeresultsfro

7、mthesingleneuralnetwork．Keywords:Informationfusion;Neuralnetworks;D-Sevidencetheory;Faultdiagnosis;CondenserFoundationitems:InnovationKeyProgramofShanghaiMunicipalEducationCommission(12ZZ177)随着汽轮发电机组向高参数、大容量方向发好的非线性映射能力和灵活的网络结构等优［1］展，其结构和系统日趋复杂，对辅机设备运行状况点，但存在着收敛速

8、度慢的缺点。而(Counter监测的及时性与准确性要求也越来越高。火电厂PropagationNetwork，简称CPN)神经网络由于采凝汽器是汽轮发电机组的重要辅机之一，其工作用了混合学习方式，收敛速度快、泛化能力［2］状况对整个电厂安全和经济运行都有着决定性的强，但网络在训练过程中易变得不稳定，并且影响。由于神经