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

摘要： 随着我国经济的迅猛发展,我国对能源的需求也越来越大,同时在能源革命和电力转型的大背景下,大力发展可再生能源符合国家的发展需要,已成为我国能源结构调整的重要一环。而水电作为技术最成熟的可再生能源,对其进行有效地开发利用是能源发展的重点之一。水电机组作为开发水电能源的关键设备,保证其安全稳定高效地运行具有非常重大的意义。然而,由于水电机组故障和征兆之间对应关系十分复杂,水电机组的故障诊断一直是一个研究难点和热点,而水电机组故障诊断的关键之处在于故障特征的提取和故障状态的识别。基于此,本文从故障特征的提取和故障状态的识别两方面着手展开研究,建立了基于多维特征和组合分类器的水电机组故障诊断模型,从特征提取和故障识别两方面综合提高水电机组故障诊断的准确率。为了从特征提取方面提高水电机组故障诊断的准确率,本文综合时域特征、频域特征和时频域特征组成多维特征。其中,提取集合经验模态分解-样本熵作为时频域特征弥补传统时域特征和频域特征的不足,并利用遗传算法对多维特征进行特征选择,以去除多维特征中的冗余特征量。最终,以筛选后的多维特征代替传统的单维特征作为故障识别的输入特征量进行故障诊断。为了从故障识别方面提高水电机组故障诊断的准确率,本文首先分别利用支持向量机、反向传播神经网络和朴素贝叶斯三种分类器进行故障诊断得到初步的诊断结果,并使用加权投票法对三种分类器进行组合得到组合分类器,通过组合分类器融合三种分类器各自的诊断结果,作为最终的诊断结论。最后,综合多维特征和组合分类器建立基于多维特征和组合分类器的水电机组故障诊断模型。利用转子试验台模拟转子常见的四种运行状态,并采集转子振动信号数据用于验证本文故障诊断方法的有效性。利用120组实验数据,使用基于多维特征和组合分类器的水电机组故障诊断方法对转子不对中、转子不平衡、转子碰磨和转子正常四种运行状态进行故障诊断,故障诊断准确率可达98.00%。结果表明,基于多维特征和组合分类器的水电机组故障诊断方法相较于单维特征和单分类器的故障诊断能够从特征提取和状态识别两方面提高水电机组的故障诊断准确率。

关键词： 接地故障   定子铁芯压紧螺杆   故障分析   巨型水轮发电机  

摘要： 对穿芯结构的铁芯压紧螺杆短路情况展开了分析,根据分析结果,提出了螺杆短路适宜的处理方案。在分析中,选取最恶劣的接地故障情况对短路电流及其引起的温升进行计算,从而得到了螺杆温升与螺杆长度的对应关系。计算结果表明:短路会导致螺杆的温度升高,且该温升会随着短路点之间距离的增加而增加,当首位两端发生短路故障时,短路电流和损耗会达到最大,螺杆的温度达到374. 5°。在实际运行中,一旦发生该类故障,可通过对空载和负载条件下螺杆的电压进行对比分析,判断出发生接地故障的螺杆,并对其进行清扫,从而消除故障。

关键词： 水电机组   状态监测   故障诊断  

摘要： 水电机组状态监测技术和故障诊断技术现状,包括机组振动稳定性监测技术、发电机气隙和磁场强度监测技术、水电机组故障诊断技术等,分析水电机组状态监测与故障诊断技术中存在的问题及发展趋势。

关键词： 机组状态监测   故障诊断技术   水电机组   故障诊断系统   水电厂运行   状态检测系统   运行状态   运行过程  

摘要： 在电厂中,水电机组是其中十分重要的一个设备,其运行状态与水电厂运行的安全性有着直接的联系。在我国水电工程不断发展与进步的情况下,水电机组就必须向着以下几个方面发展:效率更高;容量更大;转速更快;水头更高等,除此之外,为了能够更好的满足当前时代对机组的更高需求,还应该尽量选择具有高强度的材料以及灵活性更高的构件。为了能够让水电组实现更加稳定、安全且可靠的运行,就需要在线监测水电组的运行状态并进行相应的诊断分析,为了能够提高这些工作的准确性和效率,可以在这个过程中使用水电组状态检测系统以及故障诊断系统,接下来是将系统收集到的有关数据信息上传到计算机网络中,进行相应的监测分析,从而更好的排查机组运行过程中存在的问题,并及时的采取合理的措施加以解决,避免机组运行过程中出现故障问题.

关键词： 水轮机组   不平衡故障   故障特征指标   故障预警   大数据技术  

摘要： 以质量不平衡、电磁拉力不平衡、水力不平衡为代表的不平衡类故障是水电机组最常见的故障,对这类故障进行预测和早期预警迫在眉睫。传统的故障诊断技术往往局限于事后故障分析,而本文则通过对机组不平衡类故障的机理分析,针对各种不平衡故障,提出能反映故障发展水平的特征指标,并采用大数据分析技术,通过对特征指标的大数据挖掘分析,实现机组不平衡故障的早期预警。

关键词： 水电机组   故障诊断   因果关系   条件概率表   模糊认知贝叶斯网络  

摘要： 为构建更为直观显示水电机组各类型故障之间因果关系的水电机组故障诊断模型,提出一种基于可能性原理的模糊认知贝叶斯网络建模方法,通过专家经验与数据学习构建普通贝叶斯网络与条件概率表,利用条件概率表发现变量间的概率因果关系,并根据不确定性原理将概率因果关系转化为模糊因果关系,最后确定因果关系标志符号,并完成模型的构建。通过构建水电机组故障诊断模型对模糊认知贝叶斯网络模型进行了有效验证,结果表明该模型能直观反映水电机组各类型故障之间的因果关系。

关键词： 水电机组   故障诊断   FFT  

摘要： 随着水电站自动化运行不断提升,传统的维修方式已经难符合需求,需要提升设备的利用效率,节省维修成本,这对于水电站经济效益的提升有着十分重要的意义。本文将对水电机组振动监测与故障系统的构成以及设计进行分析。

关键词： FCM聚类   膜计算   水电机组   故障识别  

摘要： 本文对水电机组振动故障进行识别研究,提出了一种基于膜计算的粒子群模糊聚类方法;该方法利用粒子群算法对模糊均值聚类算法的聚类中心进行优化,并利用膜计算增加粒子群的种群多样性;最后将所给方法成功应用于水电机组振动故障识别;并与粒子群优化的FCM算法、FCM算法、K-means算法进行比较,说明所给方法的优越性。

关键词： 故障诊断   融合模型   支持向量机   微分经验模式分解  

摘要： 为提高水电机组故障诊断的准确率,提出基于优化支持向量机多分类器的水电机组故障诊断方法。支持向量机(Support Vector Machine,简称SVM)在解决小样本问题上有着突出的表现,针对其参数设置采用人工蜜蜂群(artificial bee colony,简称ABC)进行参数优化。建立基于Fisher加权的朴素贝叶斯分类器(Attribute Fisher Weighted Naive Bayes Classifier,简称FWNBC)和基于Mahalanobis距离的分类器(Mahalanobis Distance Classifier,简称MDC),并与优化的支持向量机分类器组合成为FWNBC+MDC+优化SVM的分类融合模型,以基于优化微分经验模式分解法(Differential empirical mode decomposition,简称DEMD)提取的分量作为输入特征向量,应用融合模型对水电机组故障进行诊断,以投票为决策方法。实验结果表明该模型对于未经优化的支持向量机和特征提取以及单一的分类器,能有效提高故障识别的准确率。

关键词： 水电机组   状态监测   故障诊断  

摘要： 作为电厂的重要设备之一,水电机组的良好运行状态是确保水电厂安全运行的重要保证。随着国内水电工程建设的发展不断加快,水电机组开始往高效率、大容量、高转速以及高水头的设计方向进行发展,在设计采用的材料拥有更高的强度,不仅增加了机组尺寸,减小了相对刚度,并且采用更加灵活的构件,因此对机组运行的稳定性和可靠性提出了更高的要求。为了对水电机组的运行状态进行在线监测和诊断分析,采用了水电机组状态监测与故障诊断系统,通过系统收集机组运行数据,上传给计算机网络进行监测分析,对机组运行过程中存在的潜在故障进行排查和报警,提前避免重大安全事故的产生,对保证水电机组运行的安全性和可靠性具有重要的意义。本文主要对状态监测技术和故障诊断技术进行了分析。