1基于模糊神经网络的凝汽器低真空故障诊断
1.1凝汽器真空故障诊断方法
凝汽器故障诊断的目的是预测凝汽器的早期故障，并安排运行人员及时排除。其基本方法是：收集凝汽器的各种故障集和征兆集，经过大量的真实数据训练形成一个网络，当监测凝汽器的运行参数出现征兆集中对应的某些征兆时，就可以判断为相应的故障[3]。基于模糊神经网络的故障诊断方法中有两个关键问题：一是专家知识库必须要非常完善，二是模糊隶属度函数的选取要合理。对于第一个问题，建立起合理的专家知识库结构，随着时间和经验的积累来不断进行扩充和完善。对于第二个关键问题，需要经过大量的试验和计算，来确定符合的模糊隶属度函数，因为模糊隶属度函数的确定目前尚未统一标准，其函数的选取会对最后的诊断结果精度造成一定的影响。模糊理论是建立在模糊集合论、模糊语言变量及模糊逻辑推理基础上的一种计算机数字控制理论，它因在设计系统时不需要建立被控对象精确的数学模型而得到了日益广泛的应用[4]。模糊语言变量的定量描述由它的隶属函数确定，正确地确定隶属函数，是运用模糊集合理论解决实际问题的基础，是能否用好模糊控制的关键之一。隶属度函数的确定过程，本质上说应该是客观的，但每个人对于同一个模糊概念的认识理解又有差异，因此，隶属度函数的确定又带有主观性。隶属度函数的确立目前还没有一套成熟有效的方法，大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念，不同的人会建立不完全相同的隶属度函数，尽管形式不完全相同，只要能反映同一模糊概念，在解决和处理实际模糊信息的问题中仍然殊途同归。其中常用的确定方法有：模糊统计法、例证法、专家经验法、二元对比排序法等[5]。
1.2隶属度函数的确定
根据电力行业标准《DL/T932-2005凝汽器与真空系统运行维护导则》，凝汽器真空系统的主要故障有：a）真空系统泄漏，b）冷却水系统故障，c）凝汽器水位升高，d）抽气设备工作失常，e）轴封系统故障，f）热负荷增加，g）循环冷却水进口温度高，h）凝汽器清洁系数降低，i）凝结水过冷度大，j）凝结水含氧量大。本文针对某电厂凝汽器的特性，确定了21个典型故障，22个典型征兆参数。在征兆参数中，取0.0为参数下降到下限故障报警值，即急剧下降，0.25为缓慢下降，0.5为正常运行值，0.75为缓慢上升，1.0为参数上升到上限故障报警值，即急剧上升。凝汽器的形式为单壳体、双流程、表面式凝汽器。根据现场考察，发现该凝汽器的汽侧分开，水侧相连。按照征兆集中确定的参量，从DCS上采得相关参量的实际数据，根据凝汽器设备运行的影响因素（及征兆参数）对凝汽器的影响程度来确定主要故障的自定义函数。
1.3故障征兆知识库
对故障征兆知识集中的训练样本，采用BP神经网络进行学习训练，确定BP网络结构为3层，输入层有22个节点，对应于22个征兆，经仿真训练，隐层节点定为24个，输出层节点为21个，对应21个典型故障。输入层到隐含层采用tansig函数，隐含层到输出层采用logsig函数，采用traingdx进行训练。训练样本的知识库如表2所示。表中列为征兆集：1-凝汽器真空；2-循环水泵电机电流；3-循环水进口压力（A侧）；4-循环水进口压力（B侧）；5-凝汽器水阻（A侧）；6-凝汽器水阻（B侧）；7-低压缸转子胀差；8-凝结水泵出口母管压力（凝泵有三台，读电流值不方便）；9-凝结水导电度；10-7号低加水位；11-8号低加水位；12-循环冷却水温升（A侧）；13-循环冷却水温升（B侧）；14-凝汽器传热端差（A侧）；15-凝汽器传热端差（B侧）；16-凝结水过冷度；17-真空泵抽出的空气温度与冷却水进口温度之差；18-凝汽器抽气口与真空泵入口之间的压差；19-凝汽器热水井水位；20-冷却塔出塔水温；21-真空泵电机电流；22-轴封蒸汽母管压力。表中行为故障集：1-循环水泵工作不正常，发生严重故障；2-凝汽器出口水室有空气进入或冷却管脏污（A侧）；3-凝汽器出口水室有空气进入或冷却管脏污（B）；4-凝汽器出口水室有空气进入或冷却管脏污（A、B侧）；5-低压缸供汽中断或供汽不足；6-凝汽器内水位很高淹没铜管，即凝汽器满水；7-凝汽器内非正常途径漏入空气，真空不严密；8-凝结水泵工作异常；9-凝汽器冷却管损坏致使循环冷却水内漏（A侧）；10-凝汽器冷却管损坏致使循环冷却水内漏（B侧）；11-凝汽器冷却管损坏致使循环冷却水内漏（A、B侧）；12-凝汽器低压加热器管路损坏；13-凝汽器冷却管路内部堵塞（A侧）；14-凝汽器冷却管路内部堵塞（B侧）；15-凝汽器冷却管路内部堵塞（A、B侧）；16-真空泵损坏；17-真空系统管路破裂或存在大的漏点；18-冷却水塔故障；19-抽气设备工作不正常；20-凝结水泵盘根漏水或取样器泄漏；21-循环水流量不足。
1.4故障诊断流程
故障诊断的大致步骤为先确定凝汽器故障征兆知识库的专家系统，然后通过训练得到一个网络，再把从DCS系统上采得的征兆实际值，通过模糊隶属度函数进行模糊化处理，代入到训练好的网络中即可显示出诊断的结果。见图1。把从电厂DCS中采集到的故障征兆参数经适当的隶属度函数模糊化，模糊化后的结果为[0.01,0.5,0.180075,0.202975,0.5,0.5,0.317104,1,0.5,0.5,0.5,0.217346,0.145241,1,1,1,0.5,0.5,0.61578,0.318924,0.75,0.5]
2结论
本文研究了采用基于模糊神经网络的凝汽器真空故障诊断方法，针对其中的隶属函数选取进行针对性研究，取得了期望的诊断效果。文中所采用的数据和征兆集是针对某电厂的凝汽器建立的，对于后期凝汽器故障诊断系统的数字化配套技术，为数字化的全面覆盖提供了技术保障。在地面工艺流程优化、简化的基础上，配套适用于生产环节的自动化技术，必将提高生产管理水平，减少员工劳动强度、提高安全生产水平。不断完善前端数据采集，为中端系统的综合利用提供了数据支撑。油井分类管理，安全预警分类分级管理，综合治理防盗管理是挖掘数据价值的重要体现，为生产、安全、安防的精细管理提供了分析决策手段，是实现精细化管理的技术创新。1）长庆油田在面向生产操作过程的数字化技术配套方面作出了有益的探索和实践，并取得一定的效果，为“油气生产物联网系统（A11）”积累了经验。2）不断完善数字化关键技术配套，有利于提升油田生产自动化、信息化水平和企业形象。3）SCADA系统数据共享、集中控制优势，将促进作业区由按区域管理的模式向按集输、注水流程管理的方式转变，生产单元职能由目前的生产运行管理向专业技术管理转变。4）数字化系统功能完善只有与工艺改造，地质研究、生产安全、综合治理相结合，才能为油田实现精细化管理提供技术支撑。
作者：梁华 单位：神华国华（北京）电力研究院有限公司
