基于FCM与多元状态估计融合的磨煤机故障预警研究

摘要

针对火电机组在深负荷调峰、配煤掺烧等复杂工况下磨煤机故障率上升的问题，提出了一种融合主成分分析、模糊C均值聚类及多元状态估计技术的磨煤机故障早期预警方法。以某660 MW火电机组磨煤机为研究对象，首先，运用局部离群因子算法对历史数据进行异常检测，并通过斯皮尔曼相关性分析筛选出表征磨煤机运行状态的关键参数；然后，在主成分分析降维基础上，采用模糊C均值聚类与分组抽样策略构建正常状态记忆矩阵，并通过多元状态估计算法计算观测参数的预测值；最后，通过滑动窗口法设定合理的故障预警阈值。结果表明：在磨煤机正常工作状态下，该模型比XGBoost(extreme gradient boosting)和神经网络预测模型的预测误差更低，平均绝对百分比误差小于2%，具有较高的准确度；同时，模型对磨煤机的异常状态表现出高度敏感性和准确性。

关键词

磨煤机 / 多元状态估计 / 局部离群因子 / 主成分分析 / 模糊C均值聚类 / 故障早期预警