其他
【精彩论文】基于多模型鲁棒输入训练神经网络协同的燃气–蒸汽联合循环机组传感器故障诊断方法
引文信息
黄郑, 王红星, 于海泉, 等. 基于多模型鲁棒输入训练神经网络协同的燃气–蒸汽联合循环机组传感器故障诊断方法 [J]. 中国电力, 2019, 52(11): 125-133.HUANG Zheng, WANG Hongxing, YU Haiquan, et al. Multi-sensor fault detection for natural gas combined cycle power plants based on multiple robust input training neural network models[J]. Electric Power, 2019, 52(11): 125-133.
内容摘要
为提高燃气–蒸汽联合循环机组传感器测量值的准确性及可靠性，提出了一种基于多模型鲁棒输入训练神经网络（RITNN）的燃气–蒸汽联合循环机组传感器故障诊断方法。该方法建立若干燃气–蒸汽联合循环重要参数的数据重构模型，并对各模型进行优先级划分，以串并联方式设定模型间关系，通过可靠参数的逐级生成和传递，有效抑制了多传感器显著故障产生的残差污染，提高了故障诊断的准确性及可靠性，进而给出了传感器故障诊断流程，建立了完整的传感器故障诊断系统。以某200 MW级燃气–蒸汽联合循环机组为研究对象，对多传感器故障进行诊断，并与RITNN单一模型方法和输入训练神经网络（ITNN）单一模型方法进行对比，结果表明，提出的多模型RITNN故障诊断方法诊断精度更高，可保证燃气–蒸汽联合循环机组稳定运行。
往期回顾
◀【精彩论文】基于元胞自动机的山火蔓延及电力线路故障概率计算新方法
◀【征稿启事】“电力信息通信新技术在能源互联网中的研究与应用”专题征稿启事
◀【征稿启事】“能源安全新战略路径设计与规划推演关键技术”专栏征稿启事
编辑：杨彪
审核：蒋东方
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。