基于改進(jìn)最小二乘支持向量機(jī)的一次風(fēng)機(jī)狀態(tài)預(yù)測(cè)方法研究

王 帝， 李 治， 汪 勇， 鄧志成， 孫 猛，方 超， 丁 剛， 肖伯樂(lè)

(上海發(fā)電設(shè)備成套設(shè)計(jì)研究院有限責(zé)任公司， 上海 200240)

在“雙碳”目標(biāo)下，大電網(wǎng)的穩(wěn)定運(yùn)行離不開(kāi)火電機(jī)組的調(diào)度、調(diào)控和管理[1]，而風(fēng)機(jī)作為火電廠的重要輔機(jī)，其運(yùn)行狀態(tài)與發(fā)電機(jī)組的安全性和經(jīng)濟(jì)性密切相關(guān)。準(zhǔn)確預(yù)測(cè)風(fēng)機(jī)狀態(tài)對(duì)于減少火電機(jī)組的非計(jì)劃停機(jī)，降低火電廠的運(yùn)行成本，提高電力系統(tǒng)的安全性具有重要意義。

國(guó)內(nèi)外學(xué)者對(duì)風(fēng)機(jī)及其他電廠設(shè)備的狀態(tài)預(yù)測(cè)和故障預(yù)警開(kāi)展了大量研究[2]。潘嵐川[3]以一次風(fēng)機(jī)為研究對(duì)象，分別建立了卷積神經(jīng)網(wǎng)絡(luò)(CNN)和遺傳算法-卷積神經(jīng)網(wǎng)絡(luò)(GA-CNN)的風(fēng)機(jī)軸承振動(dòng)模型，并驗(yàn)證了這2種算法的有效性。歐陽(yáng)剛[4]通過(guò)對(duì)風(fēng)機(jī)典型運(yùn)行特性的分析，提出一種基于最小二乘支持向量機(jī)(LSSVM)的一次風(fēng)機(jī)振動(dòng)狀態(tài)估計(jì)和故障預(yù)警方法，但未對(duì)模型中的超參數(shù)進(jìn)行尋優(yōu)。潘召濤[5]以一次風(fēng)機(jī)為研究對(duì)象，使用數(shù)據(jù)挖掘技術(shù)優(yōu)化風(fēng)機(jī)故障預(yù)警系統(tǒng)，使預(yù)警時(shí)間提前了2.5 h。何玉柱[6]針對(duì)一次風(fēng)機(jī)常見(jiàn)的軸承溫度異常和風(fēng)機(jī)振動(dòng)異常故障，應(yīng)用相關(guān)算法設(shè)計(jì)了智能預(yù)警系統(tǒng)，結(jié)果表明該系統(tǒng)能夠快速排除故障。范海東等[7]提出一種基于自編碼網(wǎng)絡(luò)與dropout機(jī)制的發(fā)電設(shè)備故障預(yù)警模型，利用該模型能在發(fā)電設(shè)備故障潛伏期準(zhǔn)確發(fā)出預(yù)警信息。高澤明等[8]建立了一種基于多元狀態(tài)估計(jì)技術(shù)(MEST)的故障預(yù)警模型，通過(guò)Matlab仿真程序驗(yàn)證了模型的可行性和有效性。彭道剛等[9]提出一種基于長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)和支持向量機(jī)(SVM)的燃?xì)廨啓C(jī)壓氣機(jī)故障預(yù)警方法。……