基于深度神经网络算法的磨煤机故障诊断与预警应用分析

摘 要：针对燃煤火力发电站的磨煤机，采用深度神经网络算法对磨煤机系统海量历史数据进行学习，构建磨煤机系统在全负荷工况下的精准数学模型，以深度神经网络模型预测值和皮尔逊相关系数判别为依据，实现磨煤机系统的故障诊断和早期预警。结果表明，基于大数据学习和深度神经网络算法的数学模型，有效地实现了对磨煤机系统的故障诊断和提前预警，指导运行人员进行提前干预和检修，减少机组的故障率。磨煤机故障预警的深度神经网络模型以磨煤机给煤量、热风门开度、冷风门开度、磨入口一次风温、磨入口一次风压、磨入口一次风混合后温度、磨入口一次风混合后风量作为模型的输入变量；以磨煤机电流、磨煤机进出口差压、磨出口风粉混合物温度、磨一次风速估计值作为输出量。选择机组在不同负荷工况下，磨煤机系统从启动到停止的完整时间段内的海量数据，作为深度神经网络模型的训练数据。该方法具有较强的通用性，可以方便地平行移植至火电机组的其他重要辅机系统中。皮尔逊相关系数能反映数据变化的趋势信息，能判断两个向量或者两个数组相似度。以皮尔逊相关系数作为深度神经网络模型预测输出值与系统实际输出偏差距离的判据，可以很好地解决系统发生偏离后的预警问题，有效地提高模型预测的精度。