基于小波包-LSTM神經網絡磨煤機故障診斷

陳 波，徐文韜，黃亞繼，曹歌瀚，李雨欣，管詩駢，王亞歐

(1.江蘇方天電力技術有限公司，南京 211102；2.東南大學 能源熱轉換及其過程測控教育部重點實驗室，江蘇 南京 210096)

0 引 言

磨煤機是電站鍋爐制粉系統的核心設備,運行狀況直接影響整個發電機組的安全性和經濟性。磨煤機出口風粉混合物溫度和出口壓力等參數直接影響鍋爐燃燒效率和安全運行，有效的故障診斷和早期故障預警保證運行人員全面了解磨煤機運行狀態并及時提出相應措施，對維護磨煤機設備的正常運行及整個火電機組安全運行有重要意義。

磨煤機故障診斷方法分為基于數學模型的故障診斷方法和基于人工智能的故障診斷方法。基于數學模型的故障診斷方法主要通過復雜的機理分析建立數學模型，根據系統參數測量值和數學模型預測值之間的差值計算殘差,并通過設定殘差的閾值來判斷故障是否發生。FAN等[1]通過能量平衡方程建立了磨煤機模型，通過能量流動的異常判斷故障發生。WEI等[2]提出六段磨煤機模型,在此基礎上，GUO等[3]提出一種磨煤機狀態監測技術,能夠通過觀察模型參數波動情況判斷磨煤機的運行狀態。

基于人工智能的磨煤機故障診斷方法主要通過智能算法和機器學習對海量歷史運行數據進行分析并診斷磨煤機故障類型。HAN等[4]采用模糊決策融合算法對制粉系統故障進行診斷，該方法先通過神經網絡辨識磨煤機故障,再利用子網絡辨識故障磨煤機故障的嚴重程度。……