关键词： 水轮发电机组   快速独立分量分析   集合经验模态分解   最小二乘支持向量机   故障诊断  

摘要： 振动问题在水电机组中普遍存在。因此,对机组的振动信号作以有效分析与评价,准确识别与排除故障,对保障机组、电厂及电网的最优运行具有重要意义。本文以水电机组的振动信号为研究对象,将快速独立分量分析和集合经验模态分解进行有效结合,然后引入到机组振动信号的处理中;同时构建基于改进粒子群优化算法-最小二乘支持向量机的模型,用于振动故障的判别。首先针对水电机组振动激励源众多、传播路径复杂且容易产生耦合的特点,引入了快速独立分量分析(FICA)方法对实测信号进行分离,获得多个能表征不同振源的独立分量。在此基础上,提出FICA-EEMD特征提取法。即对FICA分离的各个独立分量作集合经验模态分解(EEMD),获得若干个本征模态分量(IMF),再将各个IMF归一化能量当作对应分量的特征值。与使用EEMD相比,FICA-EEMD具有一定的优势。然后将最小二乘支持向量机(LSSVM)引入到机组的振动故障诊断中。利用改进后的粒子群优化算法(IPSO)确定LSSVM的最佳超参数,并对传统的LSSVM进行有效的多分类扩展,进而构建相应的诊断模型,以完成对多种振动故障的精确判别。最后利用实测振动数据对上述理论与模型作以验证。可以证明,FICA-EEMD可有效提取到振动信号的特征向量,IPSO-LSSVM可准确识别出振动故障的类型,且相较于PSO-LSSVM、GA-LSSVM模型,具有更高的诊断精度及更快的运行速度,值得推广应用。

关键词： 水电机组   多重分形   自组织特征映射神经网络   振动信号   故障诊断  

摘要： 随着水电装机容量的增加,保证水电机组的安全可靠运行便成为了电力行业的一项重要内容。对水电机组的振动故障进行诊断,及时发现并排除机组的故障便成为了保证机组安全运行、电网安全,减低大型事故发生和避免重大经济损失的一项迫切要求。本文的主要研究内容如下:首先对于多重分形计算中由于传统的小波模极大值法在进行小波变换时会产生大量的接近于0的系数,这意味着对于含有-qs的结构函数而言,在计算时数值会产生不稳定的现象,针对这一现象,使用基于小波导性因子的多重分形计算方法,该方法可以保证在-qs的结构函数上计算的稳定性,同时相较于建立在连续小波变换上的小波模极大值法,该方法是建立在离散小波变换的基础上,计算复杂程度更低,更加适用于在线实时诊断。其次在上述工作的基础上,计算信号的多重分形谱作为故障特征向量。在多重分形谱中,当谱参数足够多时,所表征的机组状态信息越明确,但这相应地会带来“维数灾难”问题,针对这一问题,考虑到多重分形谱的非线性特性,使用堆叠降噪自编码模型对故障特征进行数据降维,获得具有较强鲁棒性的新的特征向量。同时使用自组织特征映射网络对故障特征进行的分类和识别。最后使用水电机组的实测信号对本文方法进项验证。使用多重分形和堆叠降噪自编码模型提取已知机组状态的振动信号的故障特征,将故障特征分为训练样本和测试样本,对神经网络进行训练和测试,结果表明,本文的模型可以有效地提取机组的状态信息,相较于传统的神经网络算法,识别的准确率更高。同时采集两组未知状态的水电机组振动信号使用本文方法进行识别,结合事后检修,结果表明本文方法可以正确的分辨出两组信号表征的机组状态。

关键词： 水电机组   状态监测   故障诊断   解决技术  

摘要： 保障水电机组的安全可靠运行是非常关键的,所以需要经常对其运行状况进行诊断分析,判断机组是否会发生故障,能否继续安全运行以及可以稳定运行多久等,这些都是机组故障诊断技术的范围,可以从机组本身提供的信息去分析解决这些问题。

关键词： 燃煤火电机组   常规水电机组   电力调度   应对措施  

摘要： 针对燃煤火电机组和常规水电机组仍然占据发电装机主流地位,且单机容量普遍较大,大型发电机组设备故障导致的减出力、跳闸、波动对电网的安全运行影响很大这一现实,归纳了燃煤火电机组和常规水电机组主要故障类型,分析了故障对电网的影响,总结了电力调度员需要采取的应对措施,为电力调度员提供参考。

关键词： 水电机组   非平稳   变分模态分解   支持向量机   故障诊断  

摘要： 针对传统方法难以精确提取水电机组非平稳振动信号的故障特征,首先引入变分模态分解(variational modal decomposition,VMD)将水电机组非平稳振动信号分解为一系列中心频段互不重叠的IMF分量,进而采取能量法提取各IMF分量的故障特征,最后将提取的故障特征向量输入到本文建立的基于遗传算法优化支持向量机的故障诊断模型中,实现故障模式的识别与诊断。将该方法应用于实际水电机组故障振动信号的处理中,仿真结果表明,该方法能够有效识别机组的异常状况,具有较高的故障诊断正确率。

关键词： 数据挖掘技术   振动故障诊断   水电机组   振动信号   数据集中   运行信息   交叉学科   网络安全  

摘要： 提出一种利用聚类分析、离差标准分法、神经网络等方法建立机组综合评价模型,用来解决水电机组故障诊断问题。该算法应用到某些电站机组的故障诊断中,结果表明,该方法能够对故障做出准确判别,分离各种故障类型。由于需要存储的数据比较少,速度快,非常适于水电机组故障诊断中大规模图形序列挖掘。

关键词： 水电机组   噪声   故障诊断   卡门涡   共振  

摘要： 水电机组运行时主要受机械、电气与水力三种因素的耦合作用,因此,水电机组噪声中包含了上述三因素的信息,在机组出现故障时,可以利用噪声信号来进行分析与诊断。用3个实例介绍了噪声测试在三种典型故障分析中的应用,结果表明噪声分析是诊断机组故障行之有效的方法与手段。

关键词： 故障诊断   水电机组   小波神经网络   自适应差分进化  

摘要： 水电机组振动特征和故障类型之间存在复杂的非线性关系,结合小波神经网络和自适应差分进化法,提出一种新型水电机组振动故障诊断方法。该算法具有进化计算和群体智能的特点,能够根据个体的状态自适应调节交叉概率因子和缩放因子;自适应差分进化算法应用于小波神经网络的参数搜索中,加快了小波神经网络的训练速度,提高了网络训练精度。实验结果表明:该方法比传统的基于BP神经网络和小波神经网络的故障诊断方法,具有更高的准确度和更快的诊断速度。

关键词： 水电机组   故障诊断   贝叶斯网络   故障树   模型转化  

摘要： 为克服贝叶斯网络应用在水电机组故障诊断中存在的结构和概率不易确定的困难,研究过程中将故障树转化为贝叶斯网络模型。首先比较两种模型的类似,通过与或门故障树例子验证了贝叶斯网络方法和故障树分析法计算结果相同。再将现有故障树结构的发电机故障模型转化为贝叶斯网络模型,利用柱状图对比通过专家系统确定的先验概率和通过贝叶斯网络的反向推理获得各个底层事件在顶层事件发生故障下的后验概率,得到最有可能导致系统故障的底层事件,据此进行诊断,为复杂系统的可靠性设计和故障诊断提供依据。

关键词： 水电机组   故障诊断   集合经验模态分解   自组织特征映射网络   奇异谱熵  

摘要： 针对水电机组振动信号的非平稳性和特殊性,提出一种基于集合经验模态分解(EEMD)的奇异谱熵和自组织特征映射网络(SOM)相结合的故障诊断方法。首先采用EEMD对振动信号进行分解,得到本征模态函数(IMF);随后进行奇异谱分解,得到反映振动信号的动态特征向量——奇异谱熵;最后将得到的特征向量输入经过训练的SOM神经网络中进行故障自动识别。结果表明:该方法可以准确地提取机组故障特征,具有更高的识别精度和更快的计算速度。