基于健康评估和劣化趋势预测的水电机组故障诊断系统研究

摘要

水电机组运行状态的实时诊断直接关系到水电站的安全稳定运行、电力质量和电力生产成本等重要的经济效益指标，其社会效益巨大。随着电站规模和监测辅助系统的不断扩大，机组的控制和监测数据信息量越来越大，运行操作人员对机组运行状态的实时有效监控、对设备故障做出迅速而准确地判断变得越来越困难，因此，研究水电机组运行状态健康评估和性能劣化趋势预测是非常必要的。
　　 考虑到水电机组状态监测技术已得到广泛应用，但现阶段水电机组故障样本较少，现有的诊断技术无法满足工程应用等实际情况，提出基于健康评估和劣化趋势预测的水电机组故障诊断新思路。从研究机组运行正常特征入手，通过建立健全的监测特征量健康样本来实现水电机组的健康诊断，诊断方法侧重于设备运行状态的实时健康诊断，重点在于监测异常和预测异常，其诊断方法与传统的基于故障征兆的诊断方法有较大差异。鉴于水电机组实际运行中，出现的故障概率较小，基于该诊断理念开发的诊断系统工程实用性很强，且系统具备实时健康诊断和量化的性能退化趋势预测功能，既能实时监测异常，又能预测异常，可满足现阶段的工程应用需求。本文从运行状态特征提取、健康标准及健康样本的建立、基于特征样本的健康评估、基于时序分解模型的状态趋势预测、基于LS-SVM的参数性能退化评估以及集成化故障诊断系统的研究与应用六个方面，系统开展了基于健康评估和劣化趋势预测的水电机组故障诊断技术与应用研究。
　　 以水电机组的水轮机和发电机为研究对象，在归纳总结水电机组运行异常时可能出现的各种特征表现的基础上，提出了表征水电机组运行状态的特征参数，以及特征参数三种可以量化的特征指标:幅值、频率、波形形状，并给出了相应的计算方法。
　　 提出了可用于水电机组运行状态健康评估的三种评价标准:绝对评价标准、相对评价标准、类比评价标准，并给出了标准限值相应的取值计算方法。根据概率论与数理统计学的极限理论，以及休哈特控制图理论，提出了采用样本均值作为特征量的标准值，以3σ准则确定的Xc=(X)±3σ为报警界限值的特征量健康标准。
　　 以机组前期正常运行条件下的振动监测样本为例，分析了机组运行条件（功率、水头）对监测参数特征量指标的影响，提出以控制样本方差的方法来对运行条件进行分区，建立分区健康样本的具体方法和步骤，这样既保证了样本的判异准确性，同时也减低了样本空间维数（样本个数）。
　　 建立了基于时间序列变化分解的水电机组特征量趋势预测模型，提出了基于时间序列分解模型的趋势预测和性能退化预测的算法。采用电站实际监测数据对分解模型和算法进行了验证，结果表明，预测趋势与实际监测趋势具有很好的吻合性，可满足水电机组监测特征量的趋势预测和性能退化预测，对早期预警机组潜在异常，具有很好的实用性。
　　 以水电机组振动为例，提出了基于LS-SVM的水电机组振动参数性能退化评估三维标准模型（功率-水头-振动量）。将机组实时运行的有功功率和工作水头代入训练好的模型，即可获取当前工况下机组振动量是否偏离正常状态，实现机组运行状态的健康评估。基于振动参数性能退化时间序列，提出了基于LS-SVM的水电机组振动参数性能退化预测模型，采用上导摆度和上机架振动参数现场状态监测数据对所提模型进行验证。结果表明，该模型能较好的对水电机组振动参数性能退化进行评估和预测。
　　 最后以三峡集团公司远程状态监测与故障诊断系统为例介绍了集成化故障诊断系统的研究与应用，提出了现地监测层—厂站集成层—中心诊断层分布式故障诊断系统的总体结构，以标准化的数据格式来实现不同监测设备之间的数据通信，通过标准化数据平台的集成，实现了状态信息的共享和多信息的融合诊断。通过建立机组运行状态健康样本库，实现了机组运行状态的实时健康评估和性能退化预测，达到了设备健康状态定量评估的目的，可为指导机组状态检修提供技术依据。

目录

声明

摘要

第一章 绪论

1．1 故障诊断技术研究的目的和意义

1．2 故障诊断技术的研究现状

1．3 水电机组故障诊断理论及诊断方法

1．3．1 基于信号处理的诊断方法

1．3．2 基于解析模型的诊断方法

1．3．3 基于经验知识的诊断方法

1．3．4 基于数据驱动的诊断方法

1．4 水电机组智能诊断原则及技术发展趋势

1．4．1 水电机组故障诊断原则

1．4．2 水电机组故障诊断技术的发展趋势

1．5 本文研究思路和研究内容

1．5．1 本文研究思路

1．5．2 本文结构和主要研究内容

第二章 水电机组运行状态特征提取

2．1 引言

2．2 机组运行状态特征参数的选择

2．3 特征参数的监测方法

2．3．1 机组出力和效率

2．3．2 机组稳定性参数

2．3．3 发电机气隙和磁场强度

2．3．4 发电机局部放电

2．3．5 其它特征参数

2．4 特征量的计算方法

2．4．1 幅域统计法

2．4．2 时域分析法

2．4．3 频域分析法

2．5 本章小结

第三章 水电机组运行状态健康标准研究

3．1 引言

3．2 样本统计理论

3．2．1 大数定律和中心极限定理

3．2．2 3σ准则(莱以特准则)

3．2．3 休哈特控制图

3．2．4 主元分析法(PCA)

3．3 健康状态评价标准

3．3．1 绝对评价标准

3．3．2 相对评价标准

3．3．3 类比评价标准

3．4 振动评价标准

3．4．1 现有的振动评价标准

3．4．2 对现有振动评价标准的探讨

3．4．3 确定振动评价标准的讨论

3．5 本章小结

第四章 基于特征量健康样本的健康评估及趋势预测

4．1 引言

4．2 特征量健康样本子集的确定

4．2．1 特征量健康样本指标的种类

4．2．2 特征量健康样本指标集

4．3 基于特征量健康样本的状态识别

4．3．1 数据的统计分布特性

4．3．2 特征量健康样本的建立与状态识别

4．3．3 特征量健康模型的建立与状态识别

4．4 基于时间序列分解模型的趋势预测

4．4．1 时间序列分解模型

4．4．2 基于时间序列的趋势预测算法

4．4．3 基于时间序列的趋势预测实例

4．5 本章小结

第五章 水电机组振动参数性能退化趋势评估与预测模型

5．1 引言

5．2 最小二乘支持向量机回归原理

5．3 基于LS-SVM的水电机组振动参数性能退化评估模型

5．4 基于LS-SVM的水电机组振动参数性能退化预测模型

5．5 实例分析

5．5．1 上导摆度参数退化评估与预测

5．5．2 上机架振动参数退化评估与预测

5．6 本章小结

第六章 集成化故障诊断系统的研究及应用

6．1 引言

6．2 系统总体结构

6．2．1 现地监测层

6．2．2 厂站集成层

6．2．3 中心诊断层

6．3 标准化数据平台的集成

6．3．1 诊断系统常规集成模式

6．3．2 标准化数据平台

6．3．3 标准通讯接口

6．4 数据通信与存储

6．4．1 数据通信

5．4．2 数据存储

6．4．3 数据存储内容

6．5 系统软件功能

6．5．1 实时监测界面设计

6．5．2 信号分析与数据统计

6．5．3 健康评估与性能退化预测

6．5．4 共性故障的智能诊断

6．6 本章小结

第七章 结论与展望

7．1 结论

7．2 主要创新点

7．3 展望

参考文献

附录一 攻读博士期间发表的论文

附录二 攻读博士期间所取得的研究成果

致谢