测量数据对汽轮机性能分析结果有重大影响。保证一次测量数据的准确性,是机组性能监测和能损诊断急需解决的问题。采用精确度更高的仪器或者采用冗余测量方法可以在一定程度上提高测量数据的准确度,但这样需要投入大量的资本和人力维护。基于这些实际因素考虑,本论文从数学算法的角度出发,对汽轮机测量数据应用状态估计技术进行处理。状态估计方法采用加权最小二乘法(WLS)的改进算法L-M算法并结合Givens正交变换,从一系列受污染测量数据中找到最佳的估计值。论文内容包括: 1. 阐述并分析加权最小二乘方法(WLS)以及它的改进算法L-M算法的原理和特点。比较和分析用于WLS算法和L-M算法的正规方程组求解方法和正交变换方法的优缺点。在此基础上,推导并建立了基于Givens正交变换的L-M估计模型。并结合实例验证了模型的正确性。2. 结合汽轮机建模的一般原则和L-M算法模型,建立了适合于汽轮机的状态估计模型。并给出了具体的算求过程。3. 在汽轮机状态估计模型的基础上,对一台300MW的汽轮机热力试验测量数据应用L-M算法进行状态估计。通过额定负荷工况的计算来验证汽轮机状态估计模型的正确性。通过考虑测量误差影响,来评估汽轮机状态估计的性能。计算结果表明汽轮机状态估计模型在较大测量误差范围内具有良好的估计性能。4.开发了基于ActiveX控件的汽轮机状态估计软件(Tseba)。Tseba基于模块化思想和ActiveX技术,向用户提供可组态化工作界面环境。用户根据现场实际,完成相应的汽轮机组原则性热力系统组态过程,随后由Tseba自动完成状态估计计算,并将结果以报表的形式呈现给用户。