基于自適應(yīng)閾值HHT和IPSO-LSSVM的水輪發(fā)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷算法研究.pdf

1、水電是清潔能源,便于電力系統(tǒng)的調(diào)峰、調(diào)頻運(yùn)行。隨著大型水利工程的興建,水電機(jī)組單機(jī)容量增大,年平均發(fā)電時(shí)間不斷增加,如出現(xiàn)機(jī)組故障停機(jī),將造成的嚴(yán)重安全事故和經(jīng)濟(jì)損失。因此,及時(shí)準(zhǔn)確地對(duì)水電機(jī)組運(yùn)行設(shè)備的異常狀態(tài)做出診斷,預(yù)防和消除故障,保證機(jī)組安全運(yùn)行具有十分重要的意義。
　　本文以水輪發(fā)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷算法為研究對(duì)象,在總結(jié)國內(nèi)外在線監(jiān)測(cè)與故障診斷技術(shù)研究發(fā)展現(xiàn)狀的基礎(chǔ)上,提出了在線監(jiān)測(cè)系統(tǒng)構(gòu)架,選擇了合適的傳感器,并

2、且提出了信號(hào)處理和故障診斷的算法,論文主要內(nèi)容和成果如下:
　　(1)分析了水輪發(fā)電機(jī)組振動(dòng)機(jī)理,研究了機(jī)組振動(dòng)故障的影響因素,總結(jié)了機(jī)組的故障特征;進(jìn)行了水輪發(fā)電機(jī)組振動(dòng)在線監(jiān)測(cè)系統(tǒng)的功能設(shè)計(jì),結(jié)合實(shí)際,給出了適合水輪發(fā)電機(jī)組在線監(jiān)測(cè)與故障診斷的測(cè)點(diǎn)布置和傳感器選擇;
　　(2)對(duì)機(jī)組振動(dòng)信號(hào)處理中常用的短時(shí)傅立葉變換、小波變換及 HHT(Hilbert-Huang Transformation,希爾伯特-黃變換)的基本理

3、論和算法進(jìn)行對(duì)比分析,總結(jié)各自特點(diǎn)。針對(duì)HHT算法中存在的噪聲干擾導(dǎo)致IMF(Intrinsic Mode Function,固有模態(tài)函數(shù))分量不準(zhǔn)確的問題,通過引入了IMF自適應(yīng)閾值去噪法,改進(jìn)了HHT算法。實(shí)例仿真分析證明了該方法可以較準(zhǔn)確的反映機(jī)組故障狀態(tài);
　　(3)應(yīng)用非線性遞減法將粒子群算法中的慣性權(quán)值參數(shù)進(jìn)行了改進(jìn),利用IPSO(Improved Particle Swarm Optimization,改進(jìn)粒子群優(yōu)化

4、)方法對(duì)機(jī)組故障診斷中使用的LSSVM(Least Squares Support Vector Machines,最小二乘支持向量機(jī))算法中的λ和σ參數(shù)進(jìn)行優(yōu)化,將優(yōu)化后的支持向量機(jī)應(yīng)用于水電機(jī)組的振動(dòng)故障診斷,構(gòu)建了基于支持向量機(jī)的多故障分類器。通過瀑布溝電站4＃機(jī)組實(shí)測(cè)數(shù)據(jù)的計(jì)算,與BP神經(jīng)網(wǎng)絡(luò)、最小二乘支持向量機(jī)等方法進(jìn)行對(duì)比,證明了本文所提IPSO-LSSVM方法具有迭代次數(shù)少、診斷精度高的特點(diǎn),適合于水輪發(fā)電機(jī)機(jī)組故障診斷。