2017年第9期（总第237期）
doi:10.3969/j.issn.10093230.2017.09.001
应用能源技术
基于ANFIS-SOM神经网络的汽轮机通流
部分故障诊断研究王惠杰，张家宁，赵立坤，王雷雨
（华北电力大学能源动力与机械工程学院，河北保定071003）
摘要：汽轮机通流部分运行时会出现各种故障，有些故障具有隐秘性，不易察党，有必要对其进行监测与诊断。将工程应用中效果较好的自适应模糊推理神经网络（ANFIS)与自组织特征映射（SOM)网络的相结合，集二者之所长，建立一种新型ANFIS一SOM神经网络，并以电厂运行故障数据做了计算分析。结果表明：基于新网络的故障诊断效果得到极大的提高，为汽轮机故障诊断提供了新思路。
关键调：汽轮机；通流部分；ANFIS—SOM神经网络：故障诊断中图分类号：TK284.2
文献标志码：B文章编号：1009-3230(2017)09-0001-07
ResearchonFaultDiagnosisofTurbineFlowPassageBased
onANFIS-SOMNeuralNetwork
WANG Hui jie, ZHANG Jia ning, ZHAO Li kun, WANG Lei yu
(School of Energy, Power and Mechanical Engineering, North China Electric Power University,
Baoding 071003,Hebei Province, China)
Abstract: There are various faults in the operation of the turbine flow, and some faults are hidden and difficult to detect and need to be monitored and diagnosed. The ANFIS - SOM neural network is established by combining the adaptive network based fuzzy inference system (ANFIS) and the self -organizing feature map (SOM) network in the engineering application. The power plant operation fault data is calculated and analyzed. The results show that: The fault diagnosis effect based on the new
network has been deeply improved, which provides a new idea for fault diagnosis of steam turbine Key words:Steam turbine;Flow part; ANFISSOM neural network:Fault diagnosis
0引言
汽轮机是火电厂重要设备，由于其工作环境较为复杂恶劣，业已成为电厂故障的‘高危区’。尤其是随着经济社会的发展，高参数、大容量成为发展主流，在此背景下，汽轮机通流部分长期在高温、高压环境下工作，极易出现各种各样的故障，故障轻则影响机组的效率，带来经济损失，严重的话还会造成机械故障，威胁着运行人员的生命安
收稿日期：20170520修订日期：201707-10
作者简介：王惠杰（1972-），男，河北保定人，副教授，博士，从
事能源利用与节能技术、热力发电厂系统、设备及运行节能在线监测及指导系统的研究与开发工作。
万方数据
全，给社会和个人造成巨大的损失(1-2)。
国内外针对通流故障诊断做了大量的研究，主要的研究手段就是以智能诊断为理念，神经网络就是其中典型的代表[3]。基于神经网络的诊断方法虽然也存在陷入局部最优解等缺陷，但其具有高度的容错性和鲁棒性，具有极强的自学习能力，因此，国内外对神经网络有大量的研究[4-6]。因此,文中综合分析了应用效果较好的两种网络算法，综合分析了两种算法的诊断精度，并提出一种自组织映射与自适应模糊神经系统相融合的新型网络，并以电厂实际数据为例，展示新