一种水电站闸门在线状态监测控制方法及监测系统

摘要

本发明公开了一种水电站闸门在线状态监测控制方法及监测系统，包括以下步骤：通过闸门控制柜、闸门电机变频器和设置在闸门上的传感器实时监测闸门的使用和运行状态；所述的传感器将监测到的数据传输至数据采集仪；控制器分别读取和记录来自数据采集仪、闸门控制柜和闸门电机变频器中的数据信号，并对数据信号进行频谱分析，从频谱分析结果中提取各测点数据信号的信号特征值，建立预警数学模型，实现闸门的实时监测和控制，并对闸门的异常情况作出预警。本发明具有能够降低检修成本和提高故障排除速度的特点。

说明书

技术领域

本发明涉及一种水电站闸门控制设备，特别是一种水电站闸门在线状态监测控制方法及监测系统。

背景技术

由于气候的复杂多变和洪灾的不可预测性，一旦洪水发生，闸门系统必须保证处于高速率、高效率、高性能状态来应对猛涨的洪水。为保证系统随时可投入使用，设备的检修是不可避免的。长期以来国内多数企业均采用定期检修和故障检修，定期检修也叫做计划检修，不管设备的状态怎样，到期必修。然而闸门系统只有在洪水高发期才会投入使用，平时使用的需求量几乎为零，这样的检修方式缺乏经济性和针对性，往往造成人力物力的极大浪费，加大了成本；而故障检修则是出了故障之后才对设备进行检修，不能及早的发现设备的故障和缺陷。因此，现有的技术存在着检修成本高和无法及时消除故障的问题。

发明内容

本发明的目的在于，提供一种水电站闸门在线状态监测控制方法及监测系统。本发明具有能够降低检修成本和提高故障排除速度的特点。

本发明的技术方案：一种水电站闸门在线状态监测控制方法,包括以下步骤：

1)通过闸门控制柜、闸门电机变频器和设置在闸门上的传感器实时监测闸门的使用和运行状态；

2)所述的传感器将监测到的数据信号传输至数据采集仪；

3)控制器分别读取和记录来自数据采集仪、闸门控制柜和闸门电机变频器中的数据信号，建立预警数学模型，实现闸门的实时监测和控制，并对闸门的异常情况作出预警。

前述的一种水电站闸门在线状态监测控制方法中，所述的控制器从数据采集仪中读取的信号包括闸门荷重信号、闸门开度信号、钢丝绳张力信号、支铰受力信号、支臂应力信号和门叶应力信号；所述控制器从闸门控制柜中读取的信号包括闸门提升、下降及停止信号；所述控制器从闸门电机变频器中读取的信号包括闸门电机电压信号、闸门电机电流信号和闸门电机转速信号。

前述的一种水电站闸门在线状态监测控制方法中，所述预警数学模型的构建包括以下步骤：

A、对闸门设备的历史故障数据记录即元祖，进行采集和分类，建立故障类别数据库；

B、采用K最近邻方法对各测点的数据信号即新元祖，进行分析归类；即先通过闵可夫斯基距离计算公式计算出新元祖与故障类别数据库同类别中的每个元组的距离：

其中，m(A，B)为闵可夫斯基距离，A(x_i)为新元组的矢量距离,B(x_i)为元祖的矢量距离，q为正数；

然后根据m(A，B)的值确定K个与新元组相距最近的元组，共同形成一个新小类；所述K的取值范围为15～25；

C、将新元祖在新小类中依次进行排序，根据新元祖所处的位置进行判断该新元祖处于正常状态、故障状态或者亚健康状态。

前述的一种水电站闸门在线状态监测控制方法中，当新元祖处于亚健康状态时，即处于正常状态与故障状态之间，则使用以下公式进行具体类别的判断：若||x_j-v_i||＝min||x_j-v_i||，则判定x_j与v_i属于同一类；其中x_j是待识模式，v_i(i＝1,……,c)为类心，||x_j-v_i||为欧几里得距离。

前述的一种水电站闸门在线状态监测控制方法的监测系统中，包括控制器，控制器分别连接有闸门控制柜、闸门电机变频器、模拟量数据采集仪和振弦数据采集仪；所述的模拟量数据采集仪分别连接有闸门荷重传感器和闸门开度检测器；所述的振弦数据采集仪分别连接有钢丝绳张力传感器、支铰受力传感器、支臂应变计和门叶应变计。

前述的水电站闸门在线状态监测系统中，所述的支臂应变计和门叶应变计均为电阻应变计，所述的电阻应变计包括应变计主体，应变计主体连接有标准电阻，且应变计主体和标准电阻构成应变电桥。

前述的水电站闸门在线状态监测系统中，所述的控制器还分别连接有报警装置和数据储存器。

与现有技术相比，本发明通过控制器实时读取和记录来自闸门控制柜、闸门电机变频器和多个传感器对于闸门运行状态的监测信号，通过模拟量数据采集仪对闸门的开度、荷重等常规信号进行不间断采样，通过振弦数据采集仪对钢丝绳受力信号、闸门支臂、支铰及门叶受力等闸门本体的动静态受力及应变进行实时监测，能够长时间并完整地以自动的方式实现了真正意义上的实时数据采集,并将数据信号通过预警数学模型进行判断，实现对闸门的运行状态进行全天候不间断的连续性监测，便于对闸门的实时异常情况进行预警及方便快捷的显示闸门的实时运行状态，能够有效提高故障排除速度，降低检修时间、降低人工成本，从而降低整体的检修成本。综上所述，本发明具有能够降低检修成本和提高故障排除速度的特点。

附图说明

图1是本发明的结构示意图。

附图中的标记为：1-控制器，2-闸门控制柜，3-闸门电机变频器，4-模拟量数据采集仪，5-振弦数据采集仪，6-闸门荷重传感器，7-闸门开度检测器，8-钢丝绳张力传感器，9-支铰受力传感器，10-支臂应变计，11-门叶应变计。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。

实施例。一种水电站闸门在线状态监测控制方法，构成如图1所示，包括以下步骤：

1)通过闸门控制柜、闸门电机变频器和设置在闸门上的传感器实时监测闸门的使用和运行状态；

2)所述的传感器将监测到的数据信号传输至数据采集仪；

3)控制器分别读取和记录来自数据采集仪、闸门控制柜和闸门电机变频器中的数据信号，建立预警数学模型，实现闸门的实时监测和控制，并对闸门的异常情况作出预警。

所述的控制器从数据采集仪中读取的信号包括闸门荷重信号、闸门开度信号、钢丝绳张力信号、支铰受力信号、支臂应力信号和门叶应力信号；所述控制器从闸门控制柜中读取的信号包括闸门提升、下降及停止信号；所述控制器从闸门电机变频器中读取的信号包括闸门电机电压信号、闸门电机电流信号和闸门电机转速信号。

所述预警数学模型的构建包括以下步骤：

A、对闸门设备的历史故障数据记录即元祖，进行采集和分类，建立故障类别数据库；

B、采用K最近邻方法对各测点的数据信号即新元祖，进行分析归类；即先通过闵可夫斯基距离计算公式计算出新元祖与故障类别数据库同类别中的每个元组的距离：

其中，m(A，B)为闵可夫斯基距离，A(x_i)为新元组的矢量距离,B(x_i)为元祖的矢量距离，q为正数；

然后根据m(A，B)的值确定K个与新元组相距最近的元组，共同形成一个新小类；所述K的取值范围为15～25；K值优选为16；

C、将新元祖在新小类中依次进行排序，根据新元祖所处的位置进行判断该新元祖处于正常状态、故障状态或者亚健康状态。

当新元祖处于亚健康状态时，即处于正常状态与故障状态之间，则使用以下公式进行具体类别的判断：若||x_j-v_i||＝min||x_j-v_i||，则判定x_j与v_i属于同一类；其中x_j是待识模式，v_i(i＝1,……,c)为类心，||x_j-v_i||为欧几里得距离。

包括控制器1，控制器1分别连接有闸门控制柜2、闸门电机变频器3、模拟量数据采集仪4和振弦数据采集仪5；所述的模拟量数据采集仪4分别连接有闸门荷重传感器6和闸门开度检测器7；所述的振弦数据采集仪5分别连接有钢丝绳张力传感器8、支铰受力传感器9、支臂应变计10和门叶应变计11。

所述的支臂应变计10和门叶应变计11均为电阻应变计，所述的电阻应变计包括应变计主体，应变计主体连接有标准电阻，且应变计主体和标准电阻构成应变电桥。

所述的控制器1还分别连接有报警装置和数据储存器。

本发明的工作过程：闸门荷重传感器将检测到的闸门荷重模拟量信号传输至模拟量数据采集仪，模拟量数据采集仪处理后送至控制器中进行纪录分析，建立荷重和钢丝、闸门开度之间运行的预警数学模型，实时分析运行情况。

闸门开度检测器将检测到的闸门开度模拟量信号传输至模拟量数据采集仪，模拟量数据采集仪处理后送至控制器中进行纪录和分析，实时监测闸门开度，分析运行控制效果。

将钢丝绳张力传感器安装在钢丝绳上，监测钢丝运行情况，分析预测钢丝情况及是否有断裂，并预测钢丝是否需要维修。

在左右支铰上安装支铰受力传感器，监测左右两个支铰的实时受力情况，并通过振弦数据采集仪将检测到的信号传输至控制器，控制器建立闸门本体和支铰受力之间的预警数学模型，实时分析运行情况

在支臂及门叶上安装各自多个支臂应变计和门叶应变计，并通过振弦数据采集仪将检测到的信号传输至控制器，控制器建立闸门本体和支臂受力之间预警数学模型，实时分析支臂及门叶的应变情况。

所述支臂应变计和门叶应变计主要采用电阻应变计，将应变检测分为动静两种工况，其测点布置的应变计和标准电阻构成应变电桥，其输出电压随应变量变化成线性关系，送入多通道振弦采集仪进行实测并对其数据实时进行动态记录、滤波、消噪、平均、回归等处理，依据各测点各方向的应变实测值计算出相关的应力值，生成各测点的应变时域过程图。

控制器从闸门控制柜中读取出闸门提升、下降及停止的信号引入控制器，进行预判断。

控制器还从闸门电机变频器中读取包括电压、电流、转速等信号，实时对其进行监控，并构建预警数学模型，分析运行机理，预测系统运行情况。

控制器根据采集到的真实的闸门电机的启闭、电压电流信号、闸门的开度信号、钢丝绳受力信号、闸门支臂、支铰及门叶受力信号等信息，提取了闸门各构件在全闭档水和启闭运动时的应力状况，并使用虚拟仪器技术分析各监测量的采集数据并进行了频谱分析，提取各测点信号特征值，建立闸门在线状态监测系统信息处理、统计、报警平台，构建故障诊断定位和健康状态的预警数学模型，实现闸门的实时异常情况预警及运行状态的显示。既可以完成对闸门监测系统故障监测外，还可以对闸门的动静态受力及应变进行了监测,实测了大量闸门受力数据。

控制器对于闸门的健康状态预测是通过监测其健康度的变化捕获隐含故障，及早发现故障、定位故障和消除故障。即通过信号的采集、信息处理、特征提取、数据融合的方法来进行故障诊断和预测的。决策层融合由每个测点的传感器先进行特征提取并做出局部判决，再在决策层上采用数据融合技术获得全局决策。

预警数学模型根据设备历史故障样本数据采用采用K最近邻方法判断设备可能所属的故障类。最近邻(KNearestNeighbors，KNN)是一种常用的基于距离度量的分类方法，具体的距离有不同的定义，通过闵可夫斯基距离计算公式来进行判断和分类。闵可夫斯基距离为：

式中m(A，B)为闵可夫斯基距离，A(x_i)为新元组的矢量距离,B(x_i)为元祖的矢量距离，q为正数(优选值为2)。

KNN技术假设整个训练集(即故障类别数据库)不仅包含设备历史故障记录数据集，还包含每个元组(历史故障数据记录)期望的类别标签。当对一个新元组(即各测点的信号特征值)进行分类时，首先确定它与训练集中的每个元组的距离然后进一步考虑训练集中K个与新元组相距最近的元组。新元组将被分配到一个类中，这个类包含了K个最近元组中最多的元组。当测点处于正常与故障状态之间时，即设备处于运行的亚健康状态，这时很难确定的说设备将来会发生何种类型的故障。使用模糊技术进行分类的结果不再是一个模式明确的属于某一类或不属于某一类，而是以一定的隶属度属于各个类别。这样的结果往往更真实，具有更多的信息。如果分类识别系统是多级的，这样的结果有益于下一级的决策。如果这是最后一级的决策，而且要求一个明确的类别判断，可以根据模式相对各类的隶属度或其他一些指标，如贴近度等，进行硬性分类例如可用下面的方法使模糊划分明晰化：

若||x_j-v_i||＝min||x_j-v_i||，则判x_j与v_i属于同一类；其中x_j是待识模式，v_i(i＝1,……,c)为类心，||x_j-v_i||为欧几得距离。

采用预警数学模型的评估方法对设备故障率进行评估，该故障率求取方法具有时效性和准确性，有效地解决了由于受历史统计资料不全影响的缺陷。

该方法通过建立闸门设备的故障树预警数学模型，考虑到不同时间对事件的影响程度不同，采用模糊层次分析法确定各事件的重要度，实现了对测点可靠度的计算。