水电设计典型控制论文提纲

论文题目：水电机组自动诊断预警系统研究

摘要：随着国家大力的发展建设水力发电,大中型水电机组大量的投产,单机容量不断增加,并且水电机组是水力发电重要的设备,从而确保水电机组安全稳定的运行是电厂主要的任务。随着年平均发电量的时长的增长,时刻掌握水电机组的健康状况,并及时发现机组存在的隐患和缺陷,采取针对性地对水电机组进行检修,既可以控制检修的经济性,也可以防止因机组故障停机而造成的严重的经济损失。本论文是在清华大学为浙江华电乌溪江水力发电厂5#机组开发“水电机组运行事件快速智能反应系统”过程中,设计专用的预警系统、事件数据库和含预处理的数据接口。实现自动对粗大误差数据进行甄别,与此同时为触发故障诊断系统提前进行故障诊断提供事实与证据。在此过程中,本文主要的研究内容如下:（1）对模拟量报警状态所对应的典型故障进行总结与分析,根据实际数据发现粗大系统误差数据时,对数据的一致性、真实性和正确性进行了讨论,并且采用了预处理算法去排除粗大异常数据。将该预处理算法融入到对数据接口开发与设计,经过检验发现预处理算法能够很好的处理粗大系统误差数据,其中预处理算法包括:超量程数据处理和粗大系统误差数据。（2）采用SQL SERVER数据库作为智能系统与预警系统的后台数据库,建立的数据库为事件数据库,对事件数据库进行了详细的设计,其中包括事件数据库的概念设计、逻辑设计、物理设计及对数据库进行表分区设计,去改善事件数据库和应用程序的性能。（3）通过算法实现ARMA模型、灰色模型、BP神经网络三种预测模型,选择上导瓦温和水导瓦温的历史数据作为样本数据,分别代入预测模型进行预测计算,经计算得出ARMA和GM（1,1）模型预测误差较小,而BP神经网络预测模型误差相对偏大。通过各模型的平均相对误差可得出,灰色预测模型对水电机组的上导和水导瓦温预测效果相对较好。（4）综合考虑,采用GM（1,1）模型群应用到水电机组自动诊断预警系统研究开发中,对实时数据进行短期实时预警,并且对事件数据库中的历史数据实现中、长期预警算法设计。在乌溪江水力发电厂的局域网内安装预警软件,通过阈值设置模块对阈值进行录入,使用更改阈值的方法检验得出预警系统预警功能正常,并且在趋势预测模块能反应出数据的正确性得到了保障,预警系统联动故障诊断系统实现了故障诊断。

关键词：水电机组;数据接口设计;事件数据库设计;实时预警

学科专业：机械工程（专业学位）

摘要

Abstract

第1章 绪论

1.1 论文研究的背景

1.2 研究的目的与意义

1.3 国内外研究现状与应用

1.4 论文的研究内容

1.5 论文的结构安排

1.6 论文的创新点

第2章 典型故障分析及预警系统设计

2.1 引言

2.2 水电机组典型故障分析

2.2.1 轴瓦温度异常升高因素

2.2.2 振动故障及其对应的报警状态

2.3 预警系统设计

2.3.1 预警系统开发指导思想与设计目标

2.3.2 C/S模式架构

2.3.3 系统功能结构设计

2.3.4 预警系统数据流图

2.3.5 开发工具及采用的关键算法

2.4 本章小节

第3章 数据接口及事件数据库设计

3.1 引言

3.2 数据来源及选取数据库

3.2.1 PI数据库中数据来源

3.2.2 后台数据库的选取

3.3 数据存储准则及数据接口设计

3.3.1 数据存储准则

3.3.2 数据接口设计

3.3.3 异常数据问题分析

3.3.4 含数据预处理的接口设计

3.4 事件数据库设计

3.4.1 事件数据库的概念设计

3.4.2 事件数据库的逻辑设计

3.4.3 事件数据库的物理设计

3.4.4 事件数据库表分区设计

3.4.5 创建存储过程

3.5 事件数据库备份

3.6 本章小节

第4章 预测算法选取

4.1 引言

4.2 ARMA模型预测

4.2.1 ARM模型的基本形式

4.2.2 ARMA模型相关性分析及识别

4.2.3 ARMA模型预测步骤

4.2.4 ARMA模型建立及其应用

4.3 灰色模型预测

4.3.1 灰色预测模型基本概念

4.3.2 GM(1,1)模型

4.3.3 GM(1,1)模型建立的条件

4.3.4 GM(1,1)模型建立及其应用

4.4 BP神经网络法预测

4.4.1 BP神经网络法原理

4.4.2 BP神经网络预测方式

4.4.3 BP神经网络的matlab函数

4.4.4 BP神经网络预测模型建立及其应用

4.5 本章小结

第5章 预警系统实现及检验

5.1 引言

5.2 GM(1,1)预警算法设计

5.2.1 GM(1,1)模型群

5.2.2 预警算法逻辑设计

5.3 预警软件实现

5.3.1 软件功能模块主界面

5.3.2 局域网内预警系统

5.3.3 模拟量阈值的设置

5.3.5 模拟量趋势预测

5.3.4 模拟量预警模块检验

5.3.6 预警系统联动故障诊断系统过程

5.4 本章小节

第6章 结论与展望

6.1 结论

6.2 展望

致谢

参考文献

附录A