基于卷积神经网络的汽轮机抗燃油泄漏智能预警技术研究

摘要：

汽轮机数字电液控制系统依靠抗燃油(EH油)对汽门进行调节,抗燃油一旦发生泄漏,将危及机组的运行安全.为提高EH油泄漏故障的监测可靠性,减少电厂非计划停机次数,基于大数据挖掘与数据驱动技术,构建了多个不同结构的卷积神经网络模型,用于预测监控EH油箱油位.利用机组实际运行积累的大量数据,建立模型训练与验证数据集,从预测准确率、交叉熵损失及运算耗时等方面对模型进行了综合评价.评估结果表明,A结构的模型准确性最高,约为98.92％,交叉熵损失最低,约为0.0431,而模型运算时长中等,综合性能最优.将A智能模型整合进电厂分散式控制系统中进行实际验证,其监测准确,预警及时,显著减少了监盘和巡检人员的工作量,提高了电力生产的自动化、智能化水平,相关应用经验可供同类型机组参考.

关键词：汽轮机、EH油系统、卷积神经网络、数据驱动、火力发电厂

分类号：TM621.2(发电、发电厂)

资助基金：国家科技支撑计划2020BAA03B01

在线出版日期：2022-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8-13,98