关键词： 实时检测   水电机组   CEEMDAN算法   轴系不平衡故障  

摘要： 水电机组轴系作为机组的核心部件,其运行状态直接影响到整个机组的性能和寿命。轴系不平衡故障作为水电机组常见的故障类型之一,不仅会导致机组振动加剧、噪声增加,还可能引发更严重的机械故障,如轴承损坏、转子碰撞摩擦等,从而威胁到机组的安全运行。目前,传统的水电机组轴系不平衡故障检测方法虽然取得了一定的研究成果,但在实际运行中仍然存在不足。自适应噪声完备集合经验模态分解(CEEMDAN)作为一种先进的信号处理方法,近年来在机械故障诊断领域得到了广泛应用,具有较高的准确性和稳定性。

关键词： 水电机组   微分运算   经验模态分解   故障诊断  

摘要： 水电机组振动信号包含噪声及多种信号耦合,采用经验模态分解方法进行信号处理会由于极值点丢失而发生模态混叠。为此,提出一种基于改进经验模态分解算法,即首先对振动信号进行微分计算来放大极值点;然而对微分信号进行经验模态分解并计算各阶信号能量特征占比,由此剔除噪声干扰等无效分量后对信号进行重构;最后计算出信号的频率特性进行故障诊断。使用该算法对国内某水电站振动异常的摆度信号进行分析,能够有效屏蔽掉干扰信号,更准确地判断出故障类型。

关键词： 大型冲击式水电机组   主保护设计   内部短路计算   叠绕组   偏心振动  

摘要： 扎拉水电站的开工建设,使得大容量冲击式水电机组的设计与制造备受关注。为确保某大型冲击式水电机组的安全稳定运行,有必要在全面内部故障分析计算的基础上,针对每相7分支发电机的内部故障特点,对其主保护设计规律进行归纳总结——对于叠绕组发电机小匝数匝间短路保护灵敏度不足的问题,优先推荐“3-1-3”分支分组方式,立足于不完全裂相横差和不完全纵差保护的相互配合,不完全裂相横差保护舍弃的分支即不完全纵差保护中性点侧接入分支,以减少对小匝数匝间短路的保护死区;而“一横一纵”主保护的配置还为保留完全纵差保护创造了条件,既实现了无相间短路保护死区,又有助于偏心振动引起事故的排查。上述研究工作将为今后采用更大容量冲击式机组的水电站的建设提供借鉴。

关键词： 水电机组   滚动轴承   故障诊断   域对抗网络   注意力机制  

摘要： 针对水电机组滚动轴承可采集故障样本匮乏、难以完成高效准确故障诊断目标的问题,提出一种基于改进加权域对抗网络(improved weighting domain adversarial network,IWDAN)和混合注意力机制(hybrid attention mechanism,HAM)的机组轴承故障诊断方法。首先,利用小波变换(wavelet transform,WT)将轴承一维振动信号转换为二维时频图,实现更高维度的信号表征;其次,利用IWDAN对源域时频图进行自适应加权,提取更为有效的域间共享特征;最后,将所提取特征作为HAM的输入,有效抑制冗余信息干扰,显著提升诊断效率与精度。通过机组轴承诊断实例分析,验证所提IWDAN-HAM方法具有更加优越的性能,可为机组维护策略的制定提供可靠数据基础。

关键词： 振动   水电机组   声检测法   数据驱动   知识库  

摘要： 振动现象作为水电机组故障的主要表征形式之一,蕴含了大量的故障数据信息。首先以声检测法作为水电机组振动检测的手段,输出了其监测流程,并以此为核心,构建了水电机组异常振动在线分析系统。该系统架构包括传感器网络、数据采集与传输模块、数据处理模块及数据存储与访问平台四个核心部分。随后为了让水电机组关键设备振动分析更加可靠有效,提出了分别基于数据驱动和基于知识库的两种水电机组振动故障诊断流程。最后以江苏省石梁河水库管理处水电站水轮机组作为案例,验证了两种流程的实际效果,发现基于知识库的流程取得了最好的成绩,故障检测准确率为95%,故障诊断仅需1.5 min。

关键词： 水电机组   故障诊断   短时傅里叶变换   注意力机制   卷积神经网络   多通道特征融合  

摘要： 针对基于单一传感器的水电机组故障诊断模型易导致有效信息的遗漏不利于机组状态的准确识别问题，提出了一种基于STFT-SE-CNN多通道特征融合的水电机组故障诊断模型。即首先将多个传感器数据通过短时傅里叶变换转换(STFT)为二维时频特征图，再利用卷积神经网络(CNN)提取不同通道的深度故障特征；然后通过SE注意力机制对特征进行加权的方式进行多通道特征融合，并将融合后的特征展平输入分类器获得故障诊断的结果；最后在帕德博恩轴承数据集和工业实际数据集上进行试验验证。结果表明，所提模型相比于其他模型具有更高的诊断精度，在实际的水电机组故障诊断中具有辅助判断的作用。

关键词： 多策略融合   故障诊断   时移多尺度近似熵   鲸鱼优化算法   核极限学习机  

摘要： 如何提取水电机组的运行特征信息，实现多类型故障诊断是水电站智能运维的关键，本文提出一种集信号处理、特征提取和故障诊断于一体的水电机组故障诊断模型。首先，针对多尺度熵粗粒化不足易丢失信号特征的缺陷，提出新的特征提取工具—时移多尺度近似熵，仿真实验证明该方法具有良好、稳定的特征提取性能。其次，针对鲸鱼优化算法易陷入局部最优且对初始解的依赖性较强的问题，融合多策略改进该算法并测试其性能，仿真实验证明改进的算法具有最快的收敛速度和求解精度。然后，针对核极限学习机超参数难以调节的问题，利用改进算法优化其主要参数并对提取的特征进行故障识别和分类。最后，通过不同数据对所提方法进行对比验证，结果表明本文方法在转子振动试验台和真机数据的诊断中精度提高了1.46%和2.86%，对比其他方法具有最佳特征提取能力和最优诊断效果。

关键词： 水电机组   故障诊断   麻雀搜索算法   自适应变分模态分解   深度卷积神经网络  

摘要： 为提高水电机组故障诊断的诊断精度和诊断速度,提出了一种自适应变分模态分解与第一层为宽卷积核的深度卷积神经网络相融合的水电机组故障诊断方法。首先利用麻雀搜索算法对VMD分解参数进行寻优,利用最优分解参数对水电机组振动信号进行VMD分解,实现振动信号的最优自适应分解,再对分解后IMF分量进行归一化处理,最后将处理后的分量输入到WDCNN模型中进行训练和测试,得到故障诊断结果。以实测水电机组振动信号进行对比试验,结果表明所提方法具有最优的诊断精度及良好的训练速度和降噪效果,在实际的水电机组故障诊断中有一定的参考作用。

关键词： 故障诊断   模糊层次分析   综合权重法   优劣解距离法   最大极差组合法  

摘要： 为了提高水电站机组运行的安全性和稳定性,实时监控机组的运行状态,准确有效判定水电机组转轮碰磨故障发生概率,提出了一种基于主客观综合赋权与模糊理论相结合的故障判定模型。首先提取转轮碰磨故障对应的征兆指标,构建“故障-征兆指标”的判定结构体系;其次通过层次分析法(Analytic Hierarchy Process,AHP)和优劣解距离法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)获得各征兆指标主、客观权重,基于极差最大化法计算征兆指标综合权重;采用高斯阈值法确定振摆类征兆指标限值,同时采用行业规范确定温度类征兆指标限值;基于征兆指标限值确定水电机组征兆指标偏离度,构建“偏离度-隶属度”映射函数,计算获得隶属度判定矩阵;将隶属度判定矩阵与综合权重相结合得到故障判定矩阵,根据故障判定矩阵的最大隶属度反映该故障发生概率。以国内SK水电站故障案例实际运行数据为例,对转轮碰磨故障判定模型进行验证,判定结果与实际故障情况相符。

关键词： 深度学习   水电机组   故障诊断   异常检测  

摘要： 随着水电行业的不断发展,水电机组的故障诊断和维护变得愈发重要。传统的故障诊断方法存在诸多局限,如对经验和规则的高度依赖、异常样本稀少等问题。深度学习技术凭借其强大的特征提取和模式识别能力,在处理复杂数据和大规模数据挖掘方面展现出巨大潜力。本文研究探讨了深度学习技术在水电机组故障诊断中的创新应用,通过先进的数据分析方法,并且以MAD-GAN算法为例,展示生成对抗网络在机组异常检测中的应用,为水电机组的健康管理和维护提供新的技术手段和理论支撑。