过程故障检测与诊断技术的工程应用正日益为人们重视,已有多种故障诊断方法如:参数估计方法、应用模式识别技术以及基于规则推理的诊断技术等,在不同领域得到实际应用。近年来人工神经网络已经被成功应用于系统辨识和模式识别,在故障检测与诊断方面也有成功应用的报道。 电站设备或系统的安全与经济运行一直为人们所关注,某些设备或系统的故障可能会导致灾难性后果,因此,建立电站故障检测与诊断系统具有十分重要的意义。电站又是一个复杂的大系统,发生在电站中的故障的类型是多样的,不可能有一种通用方法,实现对所有故障的诊断。应该根据电站中各种故障的不同性质,进行有针对性的研究,提出实用性较强的诊断方法。也就是说,电站设备或系统的故障诊断方法可以是多样的,重要的是寻求新型实用的方法。本文在分析了各种传统的故障诊断方法以及人工神经网络原理的基础上,提出了两种可应用于电站设备或系统的神经网络故障诊断方法,即基于神经网络系统辨识能力的方法和基于神经网络模式识别能力的方法。 本文的主要工作和成果是: (1) 利用人工神经网络的非线性动态系统辨识能力,建立测量参数的神经网络预测模型,根据实际测量值与神经网络模型的预测值之间的残差,可实现故障的检测。此外,利用神经网络预测值,可以暂时替代发生故障的测量。在用其它方法排除测量故障原因后,根据残差信号,可实现对过程的故障检测。 (2) 利用神经网络辨识能力,建立电站中设备的静态特性模型,通过残差分析,可确定设备性能下降故障。 (3) 利用BP网络的模式识别能力,对设备性能下降的程度进行诊断。这将为建立电站性能监测与诊断系统提供新的方法,为在电站实现状态预测性检修创造条件。 (4) 利用竞争型神经网络,实现对凝汽器系统的故障诊断。这一方法可以用于那些可以由故障征兆描述的故障的分类诊断。