基于健康評估和劣化趨勢預測的水電機組故障診斷系統(tǒng)研究.pdf

1、水電機組運行狀態(tài)的實時診斷直接關系到水電站的安全穩(wěn)定運行、電力質量和電力生產(chǎn)成本等重要的經(jīng)濟效益指標，其社會效益巨大。隨著電站規(guī)模和監(jiān)測輔助系統(tǒng)的不斷擴大，機組的控制和監(jiān)測數(shù)據(jù)信息量越來越大，運行操作人員對機組運行狀態(tài)的實時有效監(jiān)控、對設備故障做出迅速而準確地判斷變得越來越困難，因此，研究水電機組運行狀態(tài)健康評估和性能劣化趨勢預測是非常必要的。
　　 考慮到水電機組狀態(tài)監(jiān)測技術已得到廣泛應用，但現(xiàn)階段水電機組故障樣本較少，現(xiàn)有的

2、診斷技術無法滿足工程應用等實際情況，提出基于健康評估和劣化趨勢預測的水電機組故障診斷新思路。從研究機組運行正常特征入手，通過建立健全的監(jiān)測特征量健康樣本來實現(xiàn)水電機組的健康診斷，診斷方法側重于設備運行狀態(tài)的實時健康診斷，重點在于監(jiān)測異常和預測異常，其診斷方法與傳統(tǒng)的基于故障征兆的診斷方法有較大差異。鑒于水電機組實際運行中，出現(xiàn)的故障概率較小，基于該診斷理念開發(fā)的診斷系統(tǒng)工程實用性很強，且系統(tǒng)具備實時健康診斷和量化的性能退化趨勢預測功能，

3、既能實時監(jiān)測異常，又能預測異常，可滿足現(xiàn)階段的工程應用需求。本文從運行狀態(tài)特征提取、健康標準及健康樣本的建立、基于特征樣本的健康評估、基于時序分解模型的狀態(tài)趨勢預測、基于LS-SVM的參數(shù)性能退化評估以及集成化故障診斷系統(tǒng)的研究與應用六個方面，系統(tǒng)開展了基于健康評估和劣化趨勢預測的水電機組故障診斷技術與應用研究。
　　 以水電機組的水輪機和發(fā)電機為研究對象，在歸納總結水電機組運行異常時可能出現(xiàn)的各種特征表現(xiàn)的基礎上，提出了表征水

4、電機組運行狀態(tài)的特征參數(shù)，以及特征參數(shù)三種可以量化的特征指標:幅值、頻率、波形形狀，并給出了相應的計算方法。
　　 提出了可用于水電機組運行狀態(tài)健康評估的三種評價標準:絕對評價標準、相對評價標準、類比評價標準，并給出了標準限值相應的取值計算方法。根據(jù)概率論與數(shù)理統(tǒng)計學的極限理論，以及休哈特控制圖理論，提出了采用樣本均值作為特征量的標準值，以3σ準則確定的Xc=(X)±3σ為報警界限值的特征量健康標準。
　　 以機組前期正

5、常運行條件下的振動監(jiān)測樣本為例，分析了機組運行條件（功率、水頭）對監(jiān)測參數(shù)特征量指標的影響，提出以控制樣本方差的方法來對運行條件進行分區(qū)，建立分區(qū)健康樣本的具體方法和步驟，這樣既保證了樣本的判異準確性，同時也減低了樣本空間維數(shù)（樣本個數(shù)）。
　　 建立了基于時間序列變化分解的水電機組特征量趨勢預測模型，提出了基于時間序列分解模型的趨勢預測和性能退化預測的算法。采用電站實際監(jiān)測數(shù)據(jù)對分解模型和算法進行了驗證，結果表明，預測趨勢與實

6、際監(jiān)測趨勢具有很好的吻合性，可滿足水電機組監(jiān)測特征量的趨勢預測和性能退化預測，對早期預警機組潛在異常，具有很好的實用性。
　　 以水電機組振動為例，提出了基于LS-SVM的水電機組振動參數(shù)性能退化評估三維標準模型（功率-水頭-振動量）。將機組實時運行的有功功率和工作水頭代入訓練好的模型，即可獲取當前工況下機組振動量是否偏離正常狀態(tài)，實現(xiàn)機組運行狀態(tài)的健康評估?；谡駝訁?shù)性能退化時間序列，提出了基于LS-SVM的水電機組振動參數(shù)

7、性能退化預測模型，采用上導擺度和上機架振動參數(shù)現(xiàn)場狀態(tài)監(jiān)測數(shù)據(jù)對所提模型進行驗證。結果表明，該模型能較好的對水電機組振動參數(shù)性能退化進行評估和預測。
　　 最后以三峽集團公司遠程狀態(tài)監(jiān)測與故障診斷系統(tǒng)為例介紹了集成化故障診斷系統(tǒng)的研究與應用，提出了現(xiàn)地監(jiān)測層—廠站集成層—中心診斷層分布式故障診斷系統(tǒng)的總體結構，以標準化的數(shù)據(jù)格式來實現(xiàn)不同監(jiān)測設備之間的數(shù)據(jù)通信，通過標準化數(shù)據(jù)平臺的集成，實現(xiàn)了狀態(tài)信息的共享和多信息的融合診斷。通