简介:摘要当前,随着火电厂节能减排工作的推进,排放的烟气要求越来越严格,对烟风燃烧系统改进越来越完善。而引风机作为将高温烟气排出锅炉的装置,工作在高温、杂质多且摩擦腐蚀都很严重的工作条件下,很容易发生故障。引风机作为常用风机中典型、重要、故障率最多且故障分析难度大的运行设备,对其进行故障预警与诊断成为研究的热点。引风机作为故障类型繁多的设备,不同的信号之间相互耦合,且设备运行时会受到许多不确定性因素和随机干扰的影响,导致对设备运行征兆与故障之间的关系未知。传统现场实际应用时,多采用运行数据进行阈值比对法,辅之以巡检的方法进行预警与诊断,不能够全面准确地进行预警与诊断工作。随着火电厂信息化的发展,通过对历史数据进行关键信息挖掘并将故障特征信息提取,使用于构建引风机智能大数据监控系统成为可能。
简介:摘要自21世纪以来,世界上的发达国家和发展较快的发展中国家都投入大量的人力、物力和财力研究可以商业化运营的风力机,并取得突破性进展。可利用率从原来的50%提高到98%,风能利用系数超了40%。随着计算机的应用,可以通过检测设备对风机进行实时监测,大大提高了风电场运营的安全性和可靠性。风机安装是一个风电场建立的基础,而风机安装的质量控制则是风机安全运行的根本保证。本文从工作实际出发,结合长期的工作经验,对风机安装工艺与质量控制方法进行了较为系统的整理和总结,对于缩短风机安装时间,提高风机安装的安全性和质量,降低经济成本,减轻人力和物力负担等都具有指导性的意义。
简介:为满足风机运营商对设备故障实时监控和预测的需求,探讨了基于自回归积分滑动平均模型(ARIMA)和非线性自回归神经网络模型(NARNN)的组合模型NARIMA。实现方法为:建立ARIMA模型用于预测数据的线性成分,用NARNN模型预测由ARIMA模型预测产生的残差部分,对风机叶片结冰故障的时间序列进行拟合,得到的NARIMA模型可实现对风机叶片结冰故障准确预测。仿真结果表明:NARIMA模型能较好地拟合所给时间序列,预测值符合实际情况和趋势,证明了NARIMA模型的有效性。