一个完善的故障诊断专家系统，一方面可以提高诊断的速度，使故障尽快排除，避免事故扩展，降低电站风险;另一方面可以降低操作员诊断失误率，防止因操作员失误而导致的风险提高。该系统根据电厂实时的数据(即回热系统参数)采集，以逻辑推理为手段，运用知识进行推理，以知识为中心对单个加热器系统的故障进行诊断，应用适当故障诊断算法找出系统故障所在，并给出故障的详细解释和解决策略，从而排除系统的故障，减少损失。它是监测、查找、解决回热系统故障问题，并保障发电机组安全、经济、可靠运行的一种模拟专家决策能力的计算机系统。
一、系统结构与基本功能
系统采用基于规则的专家系统和基于模糊神经网络[1]的诊断推理的技术方案，由数据库、知识库、推理机、解释机等几大模块组成。因为该系统可以在计算机监控系统的基础上实现在线诊断的功能，故系统还有一个与实时数据的接口，其结构见图1。
系统所完成的基本功能为:
(1)获取信息功能。本系统可以在线实时获取电厂回热系统状态信息和故障信息;
(2)故障诊断功能。提供故障产生的原因、部位及其排除方法;
(3)系统维护功能。向系统维护人员提供不同级别的知识库和数据库维护和修改功能;
(4)向用户提供诊断结果的解释和解决策略;
(5)提供相关的系统服务功能。
本系统是在windows2000平台上采用VC++6.0开发的，结合SQL-server数据库实现了对火电厂回热系统的故障诊断。该专家系统作为人工智能的一个分支，实现了智能的诊断过程。
二、各功能模块及具体结构的设计
2.1各模块功能介绍
2.1.1 实时数据
实时数据模块从运行的电力系统中采集参数的数据，送入数据库模块。
2.1.2 知识库
知识库是专家系统的核心部分，在对我国近20年来100MW及以上容量机组回热系统加热器事故统计、分析及预防对策的分析研究基础上，运用回热系统运行、试验、检修、设计结构及制造工艺等学科的领域知识，尤其是该领域专家的实践经验和理论功底，对回热系统可能发生的各种故障原因、机理、发展及不良后果等进行了分析，并给出相关的专家建议。建立知识库的关键是准确有效地获取和表达专家的知识。本系统的知识库的主要功能是存放故障现象、故障原因、故障排除方法和策略等知识，此外，还具有不断完善的功能，新的故障现象、原因都可以随时添加进库。
2.1.3 数据库
数据库是存放回热系统故障诊断专家系统的各种前提、结论、中间结果等事实的事实库，即数据库存放的是本系统当前要处理对象的一些事实。对各参数设置标准值，用来和系统的实际运行状态作比较;还对每个参数设置一个阀值，如果采集数据超过此阀值，则发出警报，执行诊断程序。
为了进行推理的需要，本系统数据库包括总体事实库、已激活前提库和己激活结论库。相对于知识库，事实库的结构较为简单，仅由事实编号及事实内容组成。但为提高推理效率，总体数据库的排列是按照故障出现几率大小的顺序动态排列的，同时为了避免推理过程中不必要的重复匹配，编号为奇数的事实代表了事实的肯定方面，而编号为偶数的事实则代表了事实的否定方面，比如1号事实为"3号高压加热器水位偏高"，那么2号事实则为"3号高压加热器水位偏低"，这样在推理的匹配过程中如果1号事实得到了肯定，那么2号事实就不需要再询问了，它一定是否定的，从而避免了在1号事实肯定后仍然要询问2号事实的计算机程序行为的发生，从而提高了本专家系统的智能性。
2.1.4 推理机
推理机是故障诊断专家系统的关键部分，用以控制推理过程，它是一组程序，通过推理规则智能选取知识库中的知识，进行推理。推理机包括推理机制和控制策略两部分。推理机和知识库构成了专家系统的"智能单元"，知识库反映了专家系统的性能水平，而推理机决定了专家系统的效率。
本系统可以实现正向推理、反向推理和混和双向推理。正向推理是从已知事实出发向结论方向推导，直到推出正确的结论。反向推理是先从知识库中选择一种故障作为假设，然后寻找支持假设的证据或事实来验证这种假设的真假性，当用户提供的数据与系统所需要证据完全匹配成功时，则推理成功，所作的假设也就得到了证实。混合双向推理先根据给定的原始数据或证据向前推理，得出可能成立的诊断结论，然后以这些结论为假设，进行反向推理，寻找支持这些假设的事实或证据。
2.1.5 解释机
解释机用于提供诊断的说明，向用户合理地、规范地解释诊断规则。
2.2 重要参数显示和性能分析
本系统对运行参数进行分析，根据分析结果作出诊断，向用户展示推理过程，并作出详细解释。
2.2.1 机组回热系统主要运行参数状态分析
从回热系统采集到的数据，与该参数的标准值进行比较，如果有参数异常，则启动专家系统，它充分利用现有专家的知识进行诊断，通过推理分析其产生的原因，给出报告。诊断系统采用两种诊断方式，即自动诊断方式和人机交互诊断方式。前者用来对特征明显的各种常见故障进行快速自动诊断;后者则具有良好的人机接口，可进行人为的介入和干预，使诊断信息的获取更方便，范围更广，因此诊断系统更完善，诊断能力更强大。
2.2.2 性能分析
根据实时采集的数据，分析参数变化对机组性能的影响，它包括温度、压强、水流量、蒸气流量和水位高、低等对机组性能的影响。
三、故障诊断专家系统的实现
3.1知识的存储
系统采用了将规则表示为关系表的形式，根据实际需要，可采用多维关系表，这些表构成了专家系统的知识库。知识库已经基本囊括了大多数的故障现象和故障原因等知识，但由于故障现象的多样性，很难确保在知识库中总能找到匹配的现象，如果在运用专家系统方法时，所选择的现象或现象组合未能在知识库中找到合适的匹配，采用模糊模式识别的方法，利用最大隶属原则进行判断，将其列为知识库中最接近的那种。这些表包括常见故障现象表(表1)、故障原因集表(表2)和故障规则表(表3)。故障推理实现了从故障现象到故障原因的映射。表1中的故障现象由表3规则映射至表2中的故障原因。
设故障原因用R表示，数目为m(1..m);故障现象用P表示，数目为n(1..n)。分情形记录各种原因引发的故障现象，每种情形通过条件语句来实现。语句示例如下：
Casel:if Pi and Pj then Ri else if Pi then Rj;
表3的每一行对应的一个学习样本，学习步长选为0.75，激励函数用用sigmoid函数f=1/(1+e-x)，误差收敛因子为0.1，权值收敛因子0.0001，系统可在375步以内收敛。
3.2 系统的推理过程
系统的推理机与知识库是相互独立的。系统的推理过程是按照设计的推理机制，逐条匹配知识库中的知识，若匹配不成功，则进行模糊推理。如果缺乏足够的证据(事实)，系统会向用户提问，要求用户追回事实。系统的推理过程见图2。
3.3 诊断方式的实现
本系统采用自动诊断和人机交互诊断两种诊断方式。
3.3.1 自动诊断方式
系统根据参数的超标情况，在知识库中查找合适的现象，送入推理机进行推理。推理机内部，调用推理规则进行最佳匹配，从而找到故障原因，并映射到表2。自动诊断主要采用的是经验知识，这些知识表现为表3中故障现象和故障原因的相互关系，以此为基础进行证据加权诊断。
3.3.2 人机交互诊断方式
系统通过人机交互诊断从多种途径获取诊断信息，同时在诊断过程中人为介入，采用了包括经验知识、因果知识以及各种深知识在内的多种知识源及有效的推理机制和控制策略，使诊断能力强，系统更具灵活性，提高诊断的速度和准确性。
本系统分两个运行阶段:第一阶段为学习阶段，表3中的样本集经过多次迭代后，其权值与阈值逐渐稳定，网络也逐渐向训练样本靠近。训练后的网络通过记忆各个结点的权值与阀值得到隐含在网络内部的故障隶属函数。第二阶段是运用阶段，它是系统在外界的激发下实现已记忆信息的转换操作，对系统输入作出响应，从而对故障作出诊断。
3.4人机界面
系统的人机界面友好。因为该专家系统的适用对象是火电厂运行人员，要想使系统能被接受，系统人机界面实现的好坏很重要。该系统的人机界面有以下几个特点:
(1)系统能自动向用户提问;
(2)所有知识都是以智能语言的形式提供给用户;
(3)系统能把与诊断结果相关的信息全部显示给用户;
(4)系统的所有操作都支持鼠标与键盘，简单、方便;
(5)系统所有的画面清晰、美观;
(6)系统提供帮助功能。
四、结语
专家系统是比较前沿的方向，智能化程度比较高。本文设计的回热系统故障诊断专家系统，采用基于规则的知识表达方式，使得判断过程符合一般规律性，通过对运行参数数值的分析、推理，让现场人员能方便地和电脑对话，就如同向专家咨询一样，不仅可以快捷地找到问题所在，而且还能够得到故障推理的过程，使普通用户能一目了然。系统还具有自组织、自学习的能力，通过学习，可不断完善自身的知识库，添加新的规则入库，从而逐步增强诊断功能。本系统将专家系统和神经网络相结合进行故障诊断，使得故障诊断更加准确有效，对于电厂生产设备的安全经济运行将起到重要的作用，为回热系统故障诊断的进一步研究提供了新思路和新方法。
