[发明专利]基于知识的塔式太阳能熔盐储热系统故障诊断方法

权利要求书

1.一种基于知识的塔式太阳能熔盐储热系统故障诊断方法，其特征在于，所述方法包括：

获取熔盐冻堵故障时的时域谱图并建立振动样本数据库，包括不同位置冻堵故障以及冻堵程度，将数据库中的样本进行特征提取，对包含冻堵程度特征的样本进行神经网络训练实现振动故障的知识获取；

基于振动故障获取的知识，针对与之关联的冻堵因素建立知识库，实现熔盐冻堵诊断知识的规则表示，其中冻堵因素包括温度、风速、辐照度、熔盐流量、云遮情况、系统运行情况；

进行基于知识的冻堵诊断。

2.根据权利要求1所述的基于知识的塔式太阳能熔盐储热系统故障诊断方法，其特征在于，所述振动样本数据库中包括储热系统熔盐冻堵各种故障模式或正常运行时的时域谱图，分别对应吸热器管路、熔盐储罐、熔盐循环泵、熔盐管网出现单种或多种冻堵类型。

3.根据权利要求2所述的基于知识的塔式太阳能熔盐储热系统故障诊断方法，其特征在于，对时域谱图提取的特征的指标主要包括振幅状态和波形状态，表征振幅状态的特征数据为幅值、峰值、均方根值，表征波形状态的特征数据为波形、脉冲、峭度。

4.根据权利要求3所述的基于知识的塔式太阳能熔盐储热系统故障诊断方法，其特征在于，所述特征数据均需进行归一化处理。

5.根据权利要求1所述的基于知识的塔式太阳能熔盐储热系统故障诊断方法，其特征在于，所述神经网络为径向基函数RBF网络，将时频谱图提取的包含冻堵程度特征的特征指标作为神经网络的输入特征，其学习过程为：

选定基函数，采用Gaussian型径向基函数；

计算输入和输出；

计算全局误差E，若全局误差在所规定的精度范围内，则表示完成学习过程，否则重复上述学习过程。

6.根据权利要求1所述的基于知识的塔式太阳能熔盐储热系统故障诊断方法，其特征在于，所述冻堵诊断的步骤包括：

通过传感器获取熔盐储热系统的振动信号，并与实时获取的关联数据共同组成原始数据；

对原始数据进行数据处理，得到实时特征数据；

通过神经网络模型确定熔盐冻堵状态；

基于知识库进行关联因素冻堵推理，确定储热系统中熔盐的冻堵位置；

将诊断结果数据传输至用户端。

7.根据权利要求6所述的基于知识的塔式太阳能熔盐储热系统故障诊断方法，其特征在于，所述传感器为加速度传感器。

8.根据权利要求6所述的基于知识的塔式太阳能熔盐储热系统故障诊断方法，其特征在于，关联数据的获取方式为：通过实时数据服务器获取温度、辐照度；

通过风速仪实时获取风速数据；

通过超声波流量计获取熔盐流量；

通过影响因子进行量化获取云遮情况与系统运行情况，其中，云遮因子标定在[0,1]之间，根据历史数据定义为精度0.01的不连续数值，系统运行因子的标定为：系统故障则定义为系数ω，系统正常运行时系数为1。

9.根据权利要求6所述的基于知识的塔式太阳能熔盐储热系统故障诊断方法，其特征在于，基于知识库的关联因素冻堵推理采用因素关联分析法，计算关联特征数据与数据库中特征数据的相似度。

10.根据权利要求6所述的基于知识的塔式太阳能熔盐储热系统故障诊断方法，其特征在于，诊断所得的储热系统中熔盐的可能冻堵位置共有四处，分别为吸热器管路、熔盐储罐、熔盐循环泵、熔盐管网。