水輪發(fā)電機組模型參數(shù)辨識與故障診斷方法研究.pdf

1、隨著我國水電事業(yè)的不斷發(fā)展，大型水電站陸續(xù)建成投運，水輪發(fā)電機組逐漸向著大容量、高水頭方向發(fā)展，確保水輪發(fā)電機組的安全穩(wěn)定運行對提升電站經(jīng)濟效益、保證電廠及流域安全有著重要的意義。水輪發(fā)電機組是一個受水力、機械、電氣等多場耦合影響的強非線性復(fù)雜巨系統(tǒng)，其運行機理尚不完全明確，機組的建模及故障診斷一直是相關(guān)研究與工程應(yīng)用的難點問題。在此背景下，深入研究水輪發(fā)電機組系統(tǒng)辨識理論，開展水輪發(fā)電機組建模和模型參數(shù)辨識研究，不僅對提高水輪發(fā)電機組

2、控制品質(zhì)、提升電能質(zhì)量、維護電力系統(tǒng)穩(wěn)定都有著重要的理論意義和工程應(yīng)用價值，而且還可為水輪發(fā)電機組的故障診斷提供理論依據(jù)和技術(shù)支撐。本文圍繞水輪發(fā)電機組模型參數(shù)辨識、機組精細化建模以及故障診斷中存在的問題，以建立精細化水輪發(fā)電機組模型和探索先進的故障診斷方法為目的，通過深入分析水電機組的實際運行特性，結(jié)合系統(tǒng)辨識理論、智能優(yōu)化方法和動態(tài)系統(tǒng)辨識方法，建立了適用于機組控制和電力系統(tǒng)分析的水輪發(fā)電機組精細化模型；深入開展了基于模型的水輪發(fā)電

3、機組故障診斷方法研究，引入了Volterra級數(shù)、廣義頻率響應(yīng)函數(shù)（GFRF）和非線性輸出頻率響應(yīng)函數(shù)等建模理論，結(jié)合參數(shù)辨識方法，建立了水輪發(fā)電機組模型，并通過對模型參數(shù)變化的分析，提出了有效的故障特征提取方法和故障識別方法。
　　本研究主要內(nèi)容包括：⑴深入研究了現(xiàn)有水輪機模型，總結(jié)歸納各種水輪機模型的適用范圍及優(yōu)缺點，針對導(dǎo)水機構(gòu)水力損失不可忽略且模型機理復(fù)雜的問題，引入曲線擬合的方法，建立了考慮導(dǎo)水機構(gòu)水力損失的水輪機精細化

4、模型。同時，將人工魚群算法引入到水輪機精細化模型參數(shù)辨識中，為改善該算法后期收斂速度慢、容易陷入“局部最優(yōu)”等問題，提出一種改進的人工魚群算法（IAFSA），旨在提高算法的收斂性與精度。所提方法實現(xiàn)了水輪機精細化模型與導(dǎo)水機構(gòu)水力損失曲線同步辨識。⑵為簡化電力系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)，滿足電力系統(tǒng)分析的需求，對中小水電機組進行了等值建模研究，建立了更適合表征水輪發(fā)電機凸極效應(yīng)的五階發(fā)電機組等值模型，提出了基于研究系統(tǒng)內(nèi)部多點 PMU測量數(shù)據(jù)與聯(lián)絡(luò)線

5、數(shù)據(jù)的中小水電機群等值模型辨識目標(biāo)函數(shù)，同時改進了辨識策略以提高辨識效率。利用電力科學(xué)研究院的綜合程序進行了大量的仿真試驗驗證，結(jié)果表明所提方法可以有效解決等值模型多解問題，且辨識精度與辨識效率也顯著地得到了提高。⑶深入研究了基于Volterra級數(shù)的建模方法，分析了水輪發(fā)電機組這類旋轉(zhuǎn)機械系統(tǒng)的激勵力與振動的關(guān)系，建立了系統(tǒng)的 Volterra模型。深入分析旋轉(zhuǎn)機械系統(tǒng)Volterra時域模型輸入量的特點及傳統(tǒng)辨識方法的不足，提出了一

6、種改進的Volterra級數(shù)模型辨識方法，提高了Volterra時域模型的辨識精度。同時，依據(jù)Volterra核函數(shù)能夠反映系統(tǒng)結(jié)構(gòu)特性的特點，構(gòu)建了基于神經(jīng)網(wǎng)絡(luò)與Volterra時域核函數(shù)的故障診斷模型，并通過仿真算例和實驗分析對所提方法進行了驗證。⑷針對水輪發(fā)電機組轉(zhuǎn)輪狀態(tài)監(jiān)測與識別困難的問題，提出運用基于高階統(tǒng)計量的盲辨識方法對水輪機轉(zhuǎn)輪時域Volterra模型進行參數(shù)辨識。同時，探討了Volterra模型的頻域形式，構(gòu)建了水輪機