摘要
制粉系统作为火电厂重要的辅助系统，其安全平稳运行影响整个火电机组的可靠运行。设备工艺流程复杂，工作环境恶劣，长期高负荷运行，容易导致系统产生各种类型的故障。因此研究建立高效的制粉系统状态监测与故障诊断系统具有重要的科学研究意义以及工程应用价值。本文研究围绕中速磨正压直吹式制粉系统，主要内容包括： （1）介绍了制粉系统结构、工作原理以及常见的故障类型，根据实际参数设置将制粉系统常见故障分为三类，分别为单个测点参数监测的故障，如磨加载油压、磨出口温度异常等；多测点参数耦合的故障，如堵煤、断煤、磨煤机自燃等；无测点参数的故障，如磨煤机振动故障等。通过对各类型故障的机理进行分析，选择制粉系统运行状态监测参数，为后续状态监测与故障诊断研究奠定基础。 （2）针对制粉系统运行工况多变的特点，提出了一种基于深度双向门控循环神经网络的制粉系统运行状态监测模型。将双向门控循环神经网络引入堆叠自编码器构建深度双向门控循环神经网络，充分提取时间序列的内部特征，提高网络的动态表达能力。利用滑动窗口法构建制粉系统状态监测模型，结合基于高斯分布理论的预警阈值设置规则进行异常状态预警，通过电厂实际数据进行验证，发现建立的制粉系统状态监测模型可以实现早期故障预警，并通过对单个运行参数的状态监测，可以实现故障定位，达到早期故障诊断的目的。 （3）针对中速磨煤机发生振动故障时无法充分提取故障特征并准确识别引起振动原因的问题，提出了一种基于SSA-VMD-mRMR-LSSVM相结合的中速磨煤机振动故障诊断方法。首先通过皮尔逊相关系数与包络熵结合麻雀优化算法确定VMD的分解层数与惩罚因子，其次利用改进VMD算法分解磨电流振动信号获取若干个IMF分量，在此基础上结合时域、频域指标与VMD能量熵构建多维故障特征向量，然后通过mRMR算法确定故障特征向量最优特征子集，采用LSSVM进行故障识别。试验结果表明，经特征选择后的故障特征可以快速且准确地进行故障识别，便于现场人员采取相应的措施。 （4）最后基于PyQt5设计工具，开发了制粉系统状态监测与故障诊断平台。通过人机交互界面的设计，将状态监测和故障诊断的整个过程进行可视化。
NETL