摘要
摘要基于燃煤火力发电机组的典型故障事故库，分析并提取出故障典型特征，结合运行专家的经验，建立每个故障判断的逻辑故障树，再转化成计算机代码，实现智能火力发电DCS早期预警和故障诊断功能。结果表明，基于机器学习和海量历史数据，训练数据模型，能够有效提升故障诊断模型的准确率。对设备故障或系统运行的早期智能预警，应合理地设计标准值上限、标准值下限和变化率等值，建立更全面的阈值评价体系。在标准值上增加上限值或温升率控制值，进行早期预警，可减少或避免一些事故发生。在获取机组大量故障历史数据库的基础上，提取故障特征，整理成逻辑故障树，将逻辑故障树转化为底层DCS系统的计算机代码和数据模型。通过机器学习，对故障数据进行数据模型训练，提升数据模型的适应性和系统故障诊断的准确率。
出版日期
2018年09月19日（中国期刊网平台首次上网日期，不代表论文的发表时间）
