关键词： 水轮发电机组   振动   故障诊断   时频分析   信号处理  

摘要： 针对某电站异常振动机组,实测不同水头下水力发电机组的顶盖、推力机架、大轴振动、振动情况和尾水管的压力脉动,分析振动峰值等变量与负荷变化的关系,并结合HHT频谱分析方法计算其振动频率。研究表明:机组振动频率主要集中在7.5Hz(此频率为叶片通过频率),且振动随着负荷增大而增加,可诊断该现象是水力激振引发的机组振动,该振动结果在机组检修中得到验证,充分证明了该方法的可靠性,这为水电机组的故障振动提供了有益的理论依据。

关键词： 盲源分离   EEMD   水电机组转子系统   振动信号   故障诊断  

摘要： 转子系统发生振动时产生的信号是多个故障源振动信号的混合,如何分离出混合信号中的各个故障源振动信号,是进行水电机组转子系统故障诊断的关键;针对此问题,采用一种基于EEMD-PCA-ICA的自适应单入多出盲源分离法,通过转子系统故障的实验研究表明,该算法具有很好的分离效果。

关键词： 多分类器组合   故障诊断   水电机组   专家系统技术  

摘要： 此文章分析了水电机组故障的原所在，并清晰的做出了多分类器的优缺点以及适应功能；对水电机组故障的诊断做深度分析并给出解决不足的措施，进一步得出推理结论。

关键词： 水力发电机组   智能故障诊断   多元征兆提取方法   多重微分经验模态分解   统计模糊矢量链码   轴心轨迹识别   振动转速关系曲线   加权模糊核聚类   投影D-S证据理论  

摘要： 随着我国能源结构的不断优化调整,电网规模逐步扩大,水电能源比重日趋增大,所担负的调峰调频任务也愈加艰巨,这对水电能源生产核心设备——水电机组运行的安全稳定性提出了更加严格的要求。伴随着水电机组巨型化、复杂化的发展,机组故障发生、演化过程中水机电等多种因素的耦合作用越发突显,故障与征兆间的映射关系极为复杂,传统的基于单一类型征兆模式识别的故障诊断方法已经很难满足机组故障诊断可靠性的要求,迫切需要综合提取水电机组故障多元征兆以进行全面诊断,保证水电机组故障诊断的可靠性。本文针对水电机组振动故障诊断及其工程应用中的若干关键科学问题,以水电机组振动故障的多元征兆提取为切入点,引入先进信号分析与图像处理方法,深入探究其理论基础及工程应用背景,并结合水电机组故障特点进行改进,提高故障征兆辨识的有效性,同时针对不同征兆所得诊断结果可能存在的局部决策冲突问题,综合运用特征联合与决策融合的方法对多元征兆信息进行融合,形成基于多元征兆提取的融合智能故障诊断体系并应用于水电机组的振动故障诊断之中。论文的主要研究内容及创新性成果如下： (1)深入研究了经验模态分解(EMD)中的模态混叠问题,并针对此问题提出了一种多重微分经验模态分解方法,运用微分运算增强高频分量的特性来改善频率混叠问题。该方法首先对原始信号及其各阶微分信号进行EMD分解,形成本征模态函数矩阵,然后求取各阶微分信号的能量分布,联合获得能量特征矩阵,并以此作为故障征兆完成故障的识别与诊断。通过仿真及实验验证,该方法能够一定程度上改善频率混叠现象,对水电机组故障诊断精度的提高具有一定的促进作用。 (2)针对轴心轨迹识别过程中,其形状特征难以有效获取的问题,提出了基于统计模糊矢量链码的轴心轨迹自动识别方法。首先引入模糊矢量依据轴心轨迹内角信息对轴心轨迹的边界进行编码,继而运用统计模糊矢量链码提取轴心轨迹的形状特征,最后,以此为依据,采用支持向量机对轴心轨迹进行分类,完成其自动识别。与传统特征提取方法的对比试验结果表明,统计模糊矢量链码具有计算简单、可分性高的优点,能够有效的提取轴心轨迹的形状特征,进而更加准确的识别出轴心轨迹类型,有助于水电机组故障自动诊断的实现。 (3)分析了当前水电机组故障诊断中振动与其他状态参量相关性特征提取方法的缺点,引入了运用关系曲线形状来表征振动相关性特征的思想;以振动转速关系为例,研究了水电机组振动随转速变化的趋势,针对振动转速关系曲线的非闭合性、函数性等诸多特点,对统计模糊矢量链码进行相应改进,按照转速递增的顺序,依次对曲线上各点进行编码,实现二维点划分下的非闭合曲线编码,最后利用链码的统计特征表征曲线的形状,使其具有平移、缩放不变性。并以此作为曲线形状特征,完成振动转速关系曲线的自动识别。通过仿真试验证明了该方法的有效性,同时将该方法应用于二滩水电厂3号机组的振动问题分析中,验证了方法的工程实用价值。 (4)围绕水电机组故障诊断实际应用中,先验经验缺乏,准确、完备训练样本难以获取的问题,深入研究了无监督学习模式识别方法,将模糊核聚类应用于机组故障的识别中。针对其核参数选择与最优聚类中心获取的主要难题,提出了一种仿电磁蜂群加权模糊核聚类算法：给每个样本特征设置权重,表征其贡献度的大小;将聚类中心、核参数以及征兆权重同时作为聚类模型的优化变量,实现其同步寻优;以核Xie-Beni指标作为聚类模型的目标函数,获取最佳聚类效果;将人工蜂群算法和仿电磁学算法有机结合,综合利用两种进化策略,进行模型求解,准确高效的完成聚类。通过在水电机组振动故障诊断中的应用,对该方法的工程实用性进行了验证。 (5)针对多元征兆故障诊断中可能存在的局部决策冲突问题,提出了一种基于投影D-S证据理论的混合决策融合诊断策略。对识别框架相同的征兆进行特征联合,统一识别;通过投影将不同框架下的诊断结果映射到包含所有识别框架的融合框架中,在融合框架上完成诊断结果决策层的融合。以所提诊断策略为核心建立了水电机组故障诊断专家系统,并成功的应用于松江河水电厂的故障诊断系统中,验证了该方法的有效性和实用性。

关键词： 水电机组振动   特征提取   故障诊断   多小波   自适应多小波   小波网络   多小波网络  

摘要： 随着国民经济的快速发展,我国电力需求也面临着急剧增长的局面,水力发电作为电力能源结构的重要组成部分,其综合开发和利用已经成为我国可持续发展的重要战略方向。水电机组作为水力发电的关键设备,目前正在向大型化、复杂化、集成化、精密化、自动化方向发展,与此同时,其安全性和稳定性问题也日趋突出。水电机组振动包含机组运行状态的重要信息,同时,当其数值超过一定阈值时,也会成为影响机组安全运行的主要故障。因此,开展水电机组振动故障诊断技术研究,已成为保证水电机组和电网安全、稳定运行,提高设备利用率,避免重大经济损失和人员伤亡的迫切要求。 特征提取和故障诊断方法研究是水电机组振动故障诊断过程中的两个关键问题,许多学者在这些方面进行了广泛的探索和深入的研究,并取得了相应的成果。然而,由于水电机组自身的复杂性和某些传统方法本身的特性决定了其在不同程度上存在不足,使得水电机组故障诊断结果的准确性还难以得到保证。因此,为确保水电机组振动故障快速、准确的诊断,一方面需要对原有方法进行改进,发挥其优点,抑制其不足,满足水电机组振动故障诊断要求；另一方面,需要利用国内和国际上先进的技术,加强对新的特征提取和故障诊断方法的探索和研究,寻求更加合理的水电机组振动故障诊断解决方案。 小波分析方法克服了傅里叶变换的诸多缺陷,能够同时展现出信号的时域特征和频域特征。多小波分析是小波分析的扩展,其不仅继承了小波分析的优点,而且能够同时具有正交性、对称性,紧支撑、高阶消失矩等多种优良特性,具有更加广阔的应用前景。本文结合水电机组的特点,以小波、多小波理论为基础,以改进、优化现有方法和提出、引入新方法为手段,以水电机组安全、稳定运行为目标,分别从水电机组振动信号特征提取和故障诊断方法方面,展开了深入的研究,为水电机组振动故障的快速、准确诊断提供了新的思路和解决方案。具体研究内容包括： 系统阐述了小波、多小波理论,研究了多小波预处理方法,为水电机组振动信号降噪预处理和故障特征自适应提取方法的提出奠定理论基础；详细分析了小波阈值降噪方法和多小波相邻系数降噪方法,并在此基础上提出了基于多小波相邻系数降噪的水电机组振动信号降噪方法。通过与小波阈值降噪方法进行实验对比分析,并考虑不同基函数、阂值函数和多小波预处理方法对降噪效果产生的影响,验证了所提出方法的有效性。 提出了基于综合检测指数的水电机组自适应多小波振动故障特征提取方法。首先,以综合检测指数最大值为优化目标,利用遗传算法从自适应多小波库中选择最优多小波；然后,利用该多小波分别对转子实验台和水电机组采集的振动信号进行特征提取；接下来,用K均值聚类方法检测该方法的有效性。实验结果表明,与基于综合检测指数的GHM多小波特征提取方法和DB4小波特征提取方法相比,所提出的方法能够有效的增强特征参数对故障的敏感性,获得更高的故障识别率。 结合小波与神经网络理论,提出了基于蚁群初始化小波网络的水电机组振动故障诊断方法。采用蚁群算法对小波网络的参数进行初步寻优,将优化后的参数作为小波网络的初始化参数,利用梯度下降法完成小波网络的后续训练。水电机组的实例诊断结果表明,该方法克服了传统小波网络对初始参数敏感的缺陷,具有较快的收敛速度和较强的泛化能力。 结合多小波与神经网络理论,提出了基于径向基多小波网络的水电机组振动故障诊断方法。采用多小波尺度函数作为径向基多小波网络的核函数,建立网络模型,并将该网络模型引入到水电机组振动故障诊断中,加快了网络收敛速度,增强了网络的泛化能力,更适用于水电机组振动故障的在线学习和诊断。 论文最后对本文的主要研究内容进行了系统的总结,并指出了水电机组振动故障诊断的研究重点和小波、多小波相关理论在水电机组故障诊断应用方面未来需要开展的研究工作。

关键词： 水电机组   故障诊断   随机近邻嵌入   基于核函数的方法  

摘要： 水电机组作为小水电生产过程中的核心设备,它的运行状况不仅关系到水电厂的安全还直接关系到水电厂能否向电网安全、经济地提供可靠电力。由于水电机组具有构造复杂,机组运行呈季节性,异常振动诱发因素多等特点,日益影响着电网的安全稳定运行。因此,对水电机组进行运行状态监测和故障诊断,确保水电机组安全、可靠、稳定运行,使其发挥最大的发电效益,具有十分重要的意义。传统的故障诊断方法主要基于专业技术人员的经验和知识来推理诊断。这种过分依赖于个人经验和知识的方法目前仍在水电机组故障诊断中占主导地位,其弊端是显而易见的。因此,必须提高设备故障诊断的自动化和智能化程度,实现对设备的高效、可靠的智能诊断。本文分析了随机近邻嵌入分析系列方法的特点,并将其应用在水电机组故障诊断中。具体工作包含以下4个方面：(1)针对随机近邻嵌入分析系列方法的非线性本质和无监督学习特征等问题,提出了一种线性有监督的特征提取方法,称为判别随机近邻嵌入分析方法。该方法的优势主要包括：通过输入样本的类别信息构建数据分布的联合概率表达式,用于反映同类和异类数据间的相似度,使得方法具有监督性；引入线性投影矩阵生成子空间数据,使得方法呈现线性本质。对比实验表明,所提方法不仅具有较好的可视化能力,而且能够有效地对不同类别的数据进行降维分簇,提升后续模式分类器的鉴别效果。(2)针对判别随机近邻嵌入分析方法计算量复杂且不适合多样本数据等问题,提出了一种快速判别随机近邻嵌入分析方法。该方法通过引入K最近邻分类算法的思想,减少样本量来计算样本相似度,其在保证识别率的前提下减少了算法的运行时间。(3)提出核判别随机近邻嵌入分析方法。该方法在判别随机近邻嵌入分析方法的基础上,通过引入核函数将原空间中的样本映射到高维核空间中,构建了用于反映同类和异类数据间相似度的联合概率表达式。其突出了异类样本间的特征差异,使样本变得线性可分,从而提高了分类性能。(4)将所提的核判别随机近邻嵌入分析方法应用在轴心轨迹特征提取上,以达到对水电机组进行故障诊断的应用。仿真实验证明了该方法在水电机组故障诊断上的有效性和可行性。

关键词： 水轮发电机组   调速控制   解列   孤网   频率控制  

摘要： 我国一些地区电网与主网间联系薄弱,发生解列故障的风险较大。针对安装有较大容量水电机组的外送型地区电网,进行了解列故障时的水电机组孤网暂态频率特性和控制策略研究。分析了水电机组的过速保护和过电压保护的配置情况,以大型水电机组外送功率典型系统为例,研究了解列故障时水电机组的调控特性,结果表明采用常规一次调频下限幅时水电机组转速飞升较为严重,而放开一次调频下限幅措施下存在较为严重的超调现象,有可能引发低频减载动作。文中提出一种应对解列故障的水电机组调频控制改进方案,通过测量解列前地区电网外送功率值,对原有调速控制系统进行改进,包括更新控制目标值和加入呈衰减特性的前馈信号,实现对频率飞升的控制和超调现象的抑制,仿真结果验证了改进方案的有效性。文中工作可为充分掌握水电机组调频特性,制定有效措施提高地区电网抵御解列故障的能力提供参考。

关键词： 人工蜜蜂群算法   水电机组   故障诊断   支持向量机   参数优化  

摘要： 水电机组故障诊断实质上是一种典型的小样本机器学习问题,支持向量机作为一种先进的机器学习方法,在解决小样本问题上有着突出的表现,但其参数设置问题一直未能很好的解决。针对此问题,提出了一种基于人工蜜蜂群优化支持向量机的水电机组故障诊断方法,为改进人工蜜蜂群全局搜索能力,引入Levy飞行策略,对原始人工蜜蜂群算法进行改进。实验表明,Levy飞行蜜蜂群优化和支持向量机相结合的水电机组故障诊断算法,对多类故障能够有效地分类,提高了水电机组故障诊断的准确率,具有一定的工程应用价值。

关键词： 水电机组   故障分类   决策树   数据挖掘  

摘要： 由于引起水电机组振动的原因复杂,监测数据量大,运行检修人员往往很难全面把握故障征兆确定故障原因。对此本文对C4.5决策树分类算法进行研究,应用决策树分类的方法对水电机组故障征兆进行分类。该方法利用典型水电机组故障特征向量建立故障诊断决策树,从而实现对水电机组振动故障的诊断。

关键词： 水电机组   轴系   故障诊断   支持向量机   小波包分解  

摘要： 为实现水电机组轴系运行常见故障的快速实时诊断,提出了一种基于支持向量机的故障诊断及预测方法。该方法应用支持向量机分类的基本原理,提取机组振动信号的频谱能量作为学习样本,通过训练建立基于水电机组轴系运行常见故障的分类模型,进行故障类型识别。同时,结合状态监测系统的实时采集数据,应用时间加权因子和支持向量机回归模型,实现特征数据的实时预测。经实验分析验证,该诊断方法具有较高的准确性,其回归预测方法有效可行,能满足实时故障诊断的要求。