论文部分内容阅读
火电机组仍是我国主要发电方式,在我国电力产业中占重要地位。对火电机组的实时可靠性评估和预测,有利于电厂根据机组实时可靠性作出相应对策,提升机组运行的安全性和经济性;有利于电网优化调度方案,避免意外事故发生,提升电网的社会效益和经济效益。火电机组结构复杂,设备多,难以直接建立其实时可靠性评估和预测模型。本文使用图分析和LSTM方法对火电机组的实时可靠性进行评估和预测。首先,针对火电机组的设备多样,设备结构复杂,难以建立失效模型;对设备的故障少或无先验知识,难以获得故障数据的问题,本文提出两种设备实时可靠性评估方法:基于AFNIS实时可靠性评估方法和基于相似度的实时可靠性评估方法。ANFIS只需少量故障数据和设备的运行经验,即可建立起精确的设备实时可靠性评估模型。基于相似度的方法只需要使用设备的正常运行数据即可,解决了无设备故障先验知识下的实时可靠性评估模型建模问题。以中速磨煤机为例,算例分析验证了建模方法和实时可靠性评估方法的正确性,并表明了基于ANFIS和基于相似度的实时可靠性评估模型可以对火电机组的设备的实时可靠性进行有效的评估。其次,为了预测设备的实时可靠性,引入LSTM深度神经网络来建立设备变量的时间序列预测模型预测设备的运行趋势,并结合实时可靠性评估方法对设备的实时可靠性进行预测。采用LSTM神经网络建立磨煤机的时间序列模型,避免了设备机理建模难和传统时间序列方法预测精度可能不能满足要求的问题。算例分析验证了 LSTM时间序列模型对设备未来趋势预测的准确性,并表明了基于LSTM实时可靠性预测模型可以对火电机组设备的实时可靠性进行精确预测。最后,为了解决火电机组设备多,运行参数多,难以直接建立实时可靠性评估和预测模型的问题,本文使用图分析方法,建立起机组和设备的实时可靠性之间的关系,从而通过设备的实时可靠性求得机组的实时可靠性。以某1000MW超超临界机组为例进行了仿真实验。实验表明,基于图论分析的方法可以准确建立机组和设备时间可靠性之间的模型,结合设备的实时可靠性评估和预测方法,可以对机组的实时可靠性进行有效地评估和准确地预测。