论文部分内容阅读
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型神经网络的燃气—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。