[01396611]发电设备运行监测与状态评价关键技术研究

电力工业是国民经济可持续发展的先行工业。随着电力工业的迅速发展,越来越多的大型机组陆续投入运行,300MW、600MW机组已经成为现代电力系统的主力机组,1000MW级超超临界发电机组也已投运60多台,在建和拟建规模也很大。截止2012年底,全国发电装机容量已超过11亿千瓦,其中煤电的装机容量约占全国总装机容量的74%。我国的能源结构决定了未来很长一段时间以煤为主的火电机组仍将占主导地位。 本课题针对大型发电机组,设计了基于多源信息融合的发电机组故障诊断与状态评价系统的总体方案;针对电厂现场信息不完备的情况,研究了基于D-S证据理论的故障诊断方法,并在研究BP神经网络、RBF神经网络、CPN神经网络、灰色理论、模糊集等多种智能故障诊断方法的基础上,进行了集成故障诊断方法的研究;采用了基于多源信息融合的发电机组状态评价方法,分别研究了基于变权综合的状态评价模型和基于D-S证据理论的状态评价模型及其在汽轮机组中的应用;针对某电厂300MW燃煤发电机组,开发了具有机组生产过程实时状态监测、机组在线性能监测与耗差分析的在线性能监测与能损分析系统;采用嵌入式ARM和实时多任务操作系统uC/OS-II,开发了支持Modbus/RTU和Modbus/TCP的嵌入式远程I/O数据采集装置,以使设备层的串口设备能轻松连接到监控层网络;采用NI LabVIEW和Java编程技术,设计和开发了包括实时监测、状态分析、故障诊断等功能模块的发电机组振动状态监测与诊断系统。课题的研究成果不仅为电力企业上层管理人员、现场运行人员、发电企业集团公司、设备制造商、领域专家等充分掌握发电机组的运行状态,掌握发生故障的原因,并能及时进行正确处理,把发生故障后对发电机组的影响限制在最小范围内;也为进一步提高大型发电机组运行的经济性、可靠性和运行效率,提高电力企业现代化科学管理水平,降低发电机组维修费用,实现大型发电机组的预测维修和操作,达到电力生产企业的节能降耗。