图 5-2 GA-SVM 汽轮机故障诊断流程图 25

图 5-3 适应度图 28

图 5-4 实际分类和预测分类图 28

表清单

表序号 表名称 页码

表 2-1 锅炉主要故障表 6

表 2-2 发电机故障表 8

表 5-1 汽轮机故障数据表 25

1 绪论

1.1 课题研究背景及意义

在当今公平竞争的体制下，我国的电力公司已经能够感受到电力设备的安全 平稳运行的重大影响。电力器材的安全稳定是企业在激烈的份额争夺战役下立足 的不可或缺的要素，也是获得客户的订单必不可少的基础准备。各企业在选择电 力设备的时候，已经和以前有了选择标准的改变，都以极快的方式从以往仅仅只 注重设备的功能和设备的质量过渡到开始要求电力设备在给定时间内能够稳定 运行满足需要的时间，这就是企业对对电力设备开始有了稳定性的诉求。如果某 家电力企业买到的电力谁被的可靠性不过关，经常性的发生故障，将会导致严重 的后果。轻则导致企业完不成既定发电任务，在市场争夺中丧失自身的地位，造 成重大经济损失，往比较坏的说可能有一些严重的故障出现会导致操作人员受到 致命的伤害，造成重大安全事故。

我国长期以来的采用的维修模式以计划维修为主，即按照指定的时间周期对 电力设备进行维护检修，但这样的方法并不科学，极易造成检修的不足和过剩， 在造成一些不必要的经济开支的同时，也无法有效起到提前检测预测设备故障， 维护设备运行稳定的目的。治病需要对症下药，诊断发电厂电力设备也是一样， 我们需要根据具体设备的运行状态，故障状态才能确定是否需要检修，用什么方 法去检修，这是电力设备检修的发展趋势。我国也正向以状态情况为基础的新式 检修体制发展。

状态检修的基础是对发电设备的状态信息的收集监测，通过传感器和信息采 集卡等设备将发电厂设备的运行参数收集转换成可供使用的数字信号。通过对采 集到的设备运行信息进行分析，确定发电厂的设备故障情况是其中关键的技术， 也正发展成为一门新兴的科学手段。这种技术一经推出就受到广大电力企业的追 捧，经过长时间的研究，斩获了令人惊喜的成果。这种诊断方法已从最初的以分 析故障反馈数据状况为依据的方法发展成为今天依靠知识处理手段来进行的智 能型的决策系统。但是这种方法在解决比较复杂的电力设备问题时还存在着许多 难以克服的问题，仍需要继续探讨发展，开创更适应现代化发电厂的电气设备检 修维护的新的手段。论文网

在全国推进电网向着智慧化的方向的大背景要求下，建成一座符合要求的发 电厂已成了切实的需求，而一个智能发电厂的必不可少的部分就是故障诊断系统，

我们只有建立起基于智能信息处理的发电厂设备故障诊断系统，才能真正保持智 能电厂的稳定工作。智能故障诊断中系统的实现是基于对机器工作时进行实时的 监测、分析，评估机器到底处于什么情况，进而进行决策。分析方法主要依靠各 种智能算法的配合，对数据进行深度分析，以此来为诊断决策提供有力支持。发 电厂的各种设备是一个紧密联系的整体，它们相互联合组成完整的发电厂系统， 对发电厂设备的诊断要结合整体环境，才能全面准确的达到智能争端的目标，因 此需要开发一个基于智能信息处理的发电厂设备故障诊断系统。此外，让设备故 障诊断行业的专家通过系统可以不到设备运行现场就能对设备进行会诊，大大节 省了时间和资源，更是确保了故障能够及时解决，避免了大量的经济损失，也增 加了发电厂的互动性。因此，面向智能发电站的故障诊断系统十分重要，不仅能 够极大程度上改善发电厂设备的运行稳定可靠性，保障电力机器工作稳定，而且 还能促进发电公司的发展，赚取更多的钱。由此可以知道，用智能诊断的手法来 完成对电厂设备的诊断是迫切需求的，值得我们为此努力。