关键词： 水电机组   振动   特征量提取   故障诊断  

摘要： 故障诊断技术是保证水轮发电机组安全可靠运行的关键。本文描述了水轮发电机组的振动特性、特征量提取、故障诊断方法,对现有方法进行归类并分析其优缺点,介绍了近年来国内外水电机组振动故障诊断研究最新进展及应用情况,探讨了水电机组故障诊断技术未来可能的发展趋势。

关键词： 故障预警   Teager能量算子   神经网络预测   自编码器   K均值聚类  

摘要： 针对当前常用的基于基线值和3σ方法的固定阈值预警方法存在预警不及时问题,本文提出了一种基于振动信号Teager能量的趋势预测和K均值聚类的预警方法。该方法通过预测值和历史能量序列的聚类完成信号能量"跃迁"的判断,进而识别机组运行状态的变化以实现故障预警。经实际数据验证,本文提出的方法可有效对机组突变故障进行预警。

关键词： 多维特征   多分类器   样本熵   水电机组   故障诊断  

摘要： 提出了一种基于多维特征和多分类器的水电机组故障诊断方法。通过提取水电机组不同状态下振动信号的时域特征、频域特征和集合经验模态分解-样本熵,构建多维特征,实现特征信息的多维互补,并利用遗传算法对构建的多维特征进行降维处理。以此多维特征作为分类器的输入,分别通过支持向量机、反向传播神经网络和朴素贝叶斯分类器进行故障诊断,将三种分类器的初步诊断结果进行融合得到最终诊断结论,从而提高水电机组故障诊断的准确率。为验证该方法的有效性,将转子不平衡、转子不对中、转子碰磨等故障在转子试验台上进行模拟,并用上述方法进行诊断,结果表明,较单维特征和单分类器,多维特征输入和多分类器融合的故障诊断准确率更高。

关键词： 水电机组   故障诊断   多重分形   概率神经网络   人工鱼群算法  

摘要： 水电机组振动信号属于非线性、非平稳信号,在不同尺度下呈现一定的相似性,是典型的分形信号。本文运用多重分形方法分析机组振动信号,提取信号的广义维数谱特征,并应用人工鱼群算法优化的概率神经网络进行故障诊断。诊断实例表明,多重分形和概率神经网络结合,能够准确辨别故障类型。与BP和RBF网络相比,该方法诊断识别率更高,速度更快,为机组运行维护人员提供更为可靠的参考依据。

关键词： 调速器综合控制模块   电容损坏   电磁干扰  

摘要： 介绍了某水电厂先后发生的一起导叶接力器异常抽动导致的事故低油压保护动作机组机械事故停机事件和一起机组自动开机不成功事件,通过试验排查故障原因均为调速器液压控制柜综合控制模块内滤波电容损坏,经过对综合控制模块产品质量检查和现场运行环境检测,最后确定电容产品质量和现场电磁干扰为主要故障原因,对应采取更换故障批次综合控制模块和综合控制模块各控制回路增加抗浪涌保护器的措施。

关键词： 水电机组   贝叶斯网络   故障诊断   检修决策  

摘要： 水电机组作为水电生产过程的主要部件,确保其安全运行对水电生产过程的稳定性有着重要意义。而如何保证其稳定运行,这就要求检修人员能根据水电机组的具体状况,及时采取有效的检修措施。为此,本文以辅助检修人员进行快速有效的检修工作为目的,引入贝叶斯网络（Bayesian network,BN）,提出了一种基于贝叶斯网络的水电机组故障诊断与检修决策方法。具体的内容与创新工作如下:1)为实现水电机组在线监测系统与故障诊断模型之间的有效连接,设计了一种多源信息采集系统。分别使用传感器采集与人工观测的形式对故障信号进行提取,并转化为相应的BN证据,用于BN模型的故障诊断。同时,设计了一种传感器报警管理方法对传感器采集信号进行筛选,可以有效提高BN证据的准确性;2)针对现有故障诊断方法忽略了缺乏状态监测系统的水电机组部件的故障诊断,且无法处理不确定性因素的问题,提出了一种基于BN的多源信息故障诊断方法。该方法使用狄利克雷分布进行系统风险评估,多源信息故障诊断模型进行故障诊断,可以实现水电机组系统到局部的统一。此外,所提出的改进专家经验法,采用FT转化BN结构,Noisy-OR模型简化CPT,FCE获取条件概率的方式构建专家经验BN模型,可以解决专家经验无法构建大规模BN模型的问题;3)为辅助检修人员的检修工作,提出了一种基于期望效用原理的检修决策方法。该方法以检修决策变量为基本组成单元,根据各种不同状态下的检修决策变量制定检修决策方案,并通过期望效用原理选择最优决策方案,对管理人员进行检修工作的安排具有良好辅助作用;最后,为验证所提出方法的实际运用能力以及所建立模型的准确性,提出了一种水电机组故障诊断与检修决策系统的基本框架。通过采集信号模拟、系统风险评估、故障诊断与最有决策方案的选择验证了模型的实际运用价值。同时,使用ROC曲线、校准曲线与准确度验证对模型进行验证。结果表明,模型准确率在80%以上。

ISBN: (纸本)9787550912915

关键词： 水电机组   时频分析   特征提取   故障诊断   趋势预测   精细复合多尺度散布熵   极限学习机   随机森林  

摘要： 随着我国能源结构的不断调整,水电能源已成为构建现代多功能互补、供需协调智慧能源系统中的重要一环。大力开发水电能源对于推动我国能源绿色低碳发展,提高能源供应能力和优化能源布局起着重大战略意义。作为水电站能源转换核心设备,水电机组正向巨型化、复杂化、智能化方向发展,且机组结构日趋复杂,集成化程度越来越高,机组的安全问题日益凸显。同时,水电机组作为一类复杂非线性动力学系统,其运行过程受到水机电复杂耦合因素影响,机组振动信号通常呈现强非平稳、非线性特性,传统水电机组状态分析与故障诊断方法在准确表征故障与征兆间复杂映射关系,实现机组状态准确评估和故障精准诊断方面存在一定的理论和工程技术难点。因此,亟需探究新的状态分析与故障诊断方法,以提高故障诊断的可靠性和状态趋势预测的准确性,为事后维修决策和事前预知维护提供合理的指导意见。针对上述问题,本文围绕水电机组在非平稳信号分析与特征提取、故障检测与故障分类、以及状态趋势预测等工程应用中存在的关键问题,引入先进信号处理方法、非线性动力学理论以及智能故障诊断方法,以经验模态分解、多尺度非线性熵、基于互信息的最大相关最小冗余特征约简、极限学习机和随机森林等作为理论分析手段,探究并改进现有方法中存在的理论和应用不足,设计了水电机组非平稳振动信号分析的改进方法,提出了基于特征空间重构与多尺度排列熵的水电机组非线性特征提取方法,发展了故障检测、故障分类的两阶段综合故障诊断方法,构建了基于散布熵判别与极限学习机的水电机组状态趋势分段预测模型,为水电机组智能故障诊断和状态趋势预测领域的方法创新拓展了思路,并具有一定的工程应用价值。论文的主要研究内容及创新性成果如下:(1)针对经验模态分解中存在的端点效应问题,深入分析了端点效应产生的原因及对信号分解结果的影响,提出了基于极限学习机与镜像延拓的经验模态分解端点效应抑制方法。该方法有效融合了极限学习机延拓和镜像延拓两种单一延拓方法在抑制端点效应上的优势,在每一次筛选本征模态函数的过程中,完成信号极值点两阶段延拓。在第一阶段,利用极限学习机在数据预测上的良好性能,在信号极值点序列两端进行初步延拓;在第二阶段,利用镜像延拓方法对初步延拓后的极值点序列两端进行延拓,以避免在分解过程中极值点序列不足而导致包络线拟合失真的缺陷。最后,在仿真信号实验中,通过定性和定量对比分析,验证了所提方法的有效性。并将其应用于水轮机尾水管压力脉动信号分析,验证了其具有一定的工程应用价值。(2)考虑到强背景噪声干扰、多振源激励耦合作用下水电机组故障与征兆之间映射关系难以准确表征的问题,提出了一种基于特征空间重构与多尺度排列熵的水电机组非线性特征提取方法。该方法首先针对机组故障信号呈现的非平稳特性,且易发生模态混叠、能量泄露等现象,设计了基于集合经验模态分解的特征空间重构方法。该方法以能量为衡量标准,将与故障信息高度敏感的本征模态分量重构,实现故障特征的初步提取;同时结合多尺度排列熵在不同尺度检测信号动力学突变行为的优势,进一步对初步提取的重构特征空间进行多尺度排列熵分析,完成对机组故障特征的充分表征,通过国际标准故障诊断案例验证了所提特征提取方法的有效性和先进性。最终将所提方法成功应用于水电机组空化信号特征提取,表明了其工程实用性。(3)针对水电机组实际运行中多类故障的不同衍生和发展规律,深入考虑故障初步检测与不同故障类型、不同故障程度精准识别的实际诊断需求,提出了基于精细复合多尺度散布熵与快速集合经验模态分解的故障检测与分类的两阶段综合故障诊断策略。在故障检测阶段,考虑机组存在“正常”或“故障”状态的判别需要,探究了故障信号与正常信号对精细复合多尺度散布熵尺度因子具有不同敏感性的变化规律,提出了基于精细复合多尺度散布熵判据的故障检测方法,实现了对机组健康状况的快速判断。进一步,如果检测到故障,考虑到单一散布熵对不同故障种类和故障程度表征的不足,综合快速集合经验模态分解对复杂非线性信号高效处理性能以及精细复合多尺度散布熵在多个尺度度量信号不确定性或不规则性的优势,提出了一种基于快速集合经验模态分解与精细复合多尺度散布熵的广义多尺度特征提取方法,实现对故障特征的多维广域提取;考虑到所提取特征存在的高维、冗余特性,建立了基于互信息的最大相关最小冗余的最优特征选择和随机森林分类器的故障分类机制,实现了对不同故障种类、故障程度的准确分类。故障诊断实例表明,所提综合故障诊断策略能有效的实现对故障的检测与分类,为解决工程实际中的故障诊断问题提供了一种有效思路。(4)随着运行时间的不断积累,水电机组不可避免的存在性能下降、设备失效问题,结合机组运行状态特性,提出了一种基于散布熵判别与极限学习机的分段预测模型,实现对机组状态趋势的有效预测,以便及早捕捉异常征兆。该模型考虑极限学习机对不同波动趋势信号预测精度

关键词： 机组故障   系统辨识   模糊聚类  

摘要： 水力发电是我国电网的重要组成部分,但是在水电机组运行过程中容易出现机组振动,进而引发机组故障,影响电网供电的可靠性.本文将对机组故障诊断中常用的系统辨识法进行分析,并针对其中的不足,提出一种模糊聚类故障诊断法,进而提高水电机组故障诊断的准确性.