关键词： 水电机组   故障诊断   小波变换   数据挖掘   工作原理  

摘要： 水电机组是一种大型的能量转化装置，机组的稳定运行对于水电厂安全、稳定、经济的供电有着很大的影响。由于机组长期运行在恶劣的环境下，因此振动问题往往是安全运行的一大隐患。为了提高机组运行的稳定性，相关故障诊断技术的提高与开发已经变得必不可少。\n 本文对水电机组故障诊断的相关问题做了探讨。首先以实际水电厂出发，对于故障诊断的研究目的和意义、研究内容以及国内外现状做了详细的阐述。分析并总结了振动故障特征、振动机理，并对振因做了详细的比较说明。\n 其次研究了水电机组故障特征的提取。结合Parseval能量积分和小波包分解，利用该方法提取了水电机组振动频谱的能量特征。建立了从信号输入到能量变化再到故障类别的一种映射关系。这种基于“信号—能量—故障”的诊断方法，解决了传统频谱分析方法对信号局部分析不足的问题。\n 最后研究了水电机组故障诊断方法。为了更精确的进行故障诊断，将数据挖掘技术与故障诊断技术相结合，提出了基于多维关联规则数据挖掘系统的故障诊断方法。以实际的水电厂为例，通过关联规则挖掘分析后，很好的完成了故障的精确诊断。

关键词： 水电机组   故障诊断   多重分形   模糊聚类  

摘要： 水电机组的振动信号具有明显的分形特征，本文将多重分形应用到水电机组故障诊断中，利用其分形维数来描述不同故障信号的细节特征。完成的主要工作有:\n 论文首先针对多重分形计算中存在的盒子相对位置影响计算结果稳定性的问题，提出了一种改进的多重分形计算方法。在考虑盒子尺度变化的同时，加入了盒子相对位置这一影响因素，将盒子不同初始位置得到的维数平均值作为维数值。运用改进算法得到的Weierstrass函数维数值与理论维数值对比，改进的多重分形计算结果准确性更高。\n 在上述工作的基础上，进一步将改进的多重分形算法应用于水电机组故障诊断研究中。由于不同的分形维数具有不同的几何特性意义，本文选用7种维数组合来描述信号的特征信息。对水电机组不同负荷条件下的水导轴心轨迹和不同转子故障轴心轨迹特征信息的提取发现，多重分形特征对转子不同故障和机组不同负荷运行状态区分十分明显。\n 考虑到多重分形维数的相关特性对于特征信息相似度很高的信号存在着区分度不十分明显的限制的问题，本文进一步结合模糊聚类算法对信号模式进行识别。模糊聚类通过特征维数的优选，判定维数之间的相似性，最后按照概率大小对信号的模式进行识别。将其应用到水电机组故障诊断实例中，结果表明，此方法可以实现相似特征信号的分类和识别，具有快速准确的优点。

关键词： 水轮发电机组   小波包分析   分形方法   网格维数   支持向量机   振动故障诊断   特征提取  

摘要： 近年来，随着水电站高水头、大容量的发展趋势，要保证水电站机组及厂房结构安全、稳定的运行，对大型水力发电站的机组及厂房结构开展原型振动试验，并对实测的振动信号进行分析处理，利用智能诊断方法进行故障诊断，是一项有重大意义的工作。在水电机组进行智能故障识别中，支持向量机是基于少样本情况下，就机器学习问题所建立的一种新的智能故障识别理论体系。同时，故障特征提取方法也是故障诊断中的重要环节。分形方法通过计算振动信号的分形维数，可以有效地提取出特征向量，有助于对水电机组的状态进行识别。本文在对分形和支持向量机深入了解的基础上，进行了以下方面的研究:\n 首先论述了国内外状态监测与故障诊断的发展现状及存在的问题，在研究了传统信号分析方法以及故障诊断方法的基础上，本文提出了将分形与支持向量机用于水电机组的故障诊断，解决了提取特征向量的困难和样本数较少的问题。\n 接下来研究了利用小波包对振动信号进行降噪的方法，将分形相关理论引入到水轮发电机组故障模式识别中，介绍了几种分形维数及其测量方法，选择了一种与盒维数类似的网格分形维数进行特征提取，利用维数相关性判别法进行故障诊断，并在实例中验证了此方法的有效性。\n 然后介绍了支持向量机的原理及最优超平面的构造，并对如何选取核函数进行了论述。对水电机组振动信号进行分形维数特征提取，将特征向量输入经过遗传算法和粒子群优化后的SVM网络中进行故障诊断。结果表明，两种优化方法都能够对机组的运行状态进行故障诊断，值得进一步地研究。\n 最后将小波包分形与SVM相结合对新疆塔尕克水电站的振动信号进行故障识别，结果表明，该方法能够对不同的故障进行很好地分类，为水电机组的故障诊断开辟了新的思路。

关键词： 水电机组   振动信号   故障诊断   灰色系统理论   特征提取  

摘要： 振动是水电机组常见的故障之一，强烈的振动会对机组产生疲劳损坏，甚至对电力系统的安全运行产生影响。因此，对机组振动故障诊断进行研究，防范事故，保证电力系统安全稳定运行具有重要意义。本文借鉴应用数学科学的研究成果，将灰色理论应用于水电机组振动故障诊断中，完成的工作有:\n 首先，进行了水电机组振动信号的特征提取研究，用提取的特征信号建立标准故障特征矩阵和待检特征矩阵，并通过计算它们之间关联度来确定待检故障类型。针对关联度分析存在漏判和误判的缺陷提出一种改进方法，引入阈值进一步判断其故障类型，实例证明，该方法能取得良好效果。\n 其次，本文首次将灰色理论引入水电机组故障预测评估中，针对GM(1，1)模型在实际预测中对原始数据要求高，不能满足实际需要，提出了基于GM(1，1)模型的改进算法。改进算法基于模型数据进行处理，分别采用滑动平均法和局部残差处理法，通过对比经过两种方法处理后模型精度的高低，最终选取了对数据进行GM(1，1)残差处理方法。采用GM(1，1)模型对水电机组故障特征量进行了预测，从而可以明确该种故障的发展趋势，对机组是否需要停机检修提供了一定的依据。\n 最后，将故障诊断和状态预测进行了界面可视化设计，界面设计都是通过MATLABGUI实现的，从而增强了人机交互性，使故障识别、状态预测更具有直观性。

关键词： 发电设备   故障   缺陷   应对措施   水电机组  

摘要： 对2011年湖南省内部分水电厂发生的引起水电机组异常的发电设备典型缺陷及故障进行了分析和分类,总结了水电厂发电设备缺陷及故障中安全生产的薄弱环节,并提出了应对措施。

关键词： 水电机组   故障诊断   核函数   模糊聚类   引力搜索  

摘要： 核聚类是一类有效的水力发电机组振动故障诊断方法,为了解决核聚类有效性评价和核参数选择的问题,提出了一种引力搜索核聚类算法。首先建立以核Xie-Beni指标为目标的聚类模型;然后引入引力搜索框架,以聚类中心和核函数参数为优化变量,通过引力搜索求解核聚类模型;最后定义了基于核空间样本相似度的故障诊断模型。利用国际标准样本集对该方法进行分类测试,并将该方法应用于水电机组振动故障诊断。试验结果表明:与传统聚类方法相比,文中方法具有更高分类精度,且能对故障样本准确聚类并提取诊断模型参数,实现故障的准确诊断。

关键词： 水电机组   故障诊断   信号降噪   特征提取   分类方法  

摘要： 随着水电机组向巨型化、大容量发展,状态监测在保障水电机组安全运行、甚至电网稳定的作用越来越突出。状态监测可以反映机组运行过程中故障信息,例如机组出现转子不平衡故障时,开机过程中振动信号的转频逐渐升高并且振动幅值也随之增大,存在明显的非平稳特性,但是以往状态分析方法都将信号作为平稳信号进行分析,如常用的傅里叶变换。对此,本文对目前状态监测分析中信号降噪、特征提取和特征分类中存在的问题进行研究。　　目前小波降噪方法在信号降噪处理中应用较多,但是普通的软、硬阈值函数的小波降噪方法在降噪过程中会出现系数的恒定偏差和信号的附加振荡问题。针对此问题,本文提出了一种改进阈值函数的小波降噪方法,使阈值函数变换后的系数在阈值点处连续且大于阈值处不会出现系数恒定偏差,既克服了硬阈值降噪产生的附加振荡,也抑制了软阈值降噪存在的过扼杀现象。通过不同降噪方法对模拟和实测信号的降噪效果对比,表明改进阈值的降噪方法在抑制附加振荡和保留信号特征方面都优于原有方法。　　由于机组在开停机等过渡过程中振动信号体现明显的非平稳特性,而根据维格纳-维利分布(WVD)具有良好聚集性的特点,本文通过该方法对机组振动信号进行时频分析,但分析发现其对多分量信号分析时存在交叉项干扰问题,即产生虚假频率。针对此问题本文提出了一种维格纳-维利分布和集合经验模态分解(EEMD)相结合的时频分析方法。首先通过集合经验模态分解将信号分解为频率成分较为单一的若干模态分量,再对每个模态分量进行维格纳-维利分布的时频分析,将每个分析结果进行叠加形成整个信号的时频分析。这样既抑制了维格纳-维利分布的交叉项干扰,又发挥了维格纳-维利分布的高变分辨率的优势,最终将其应用到机组开机过程的振动信号分析中。对比小波分析和短时傅里叶分析结果,表明该方法在机组开机过程能够更加清晰的体现振动频率特征。　　由于水电机组状态监测数据是不断采集的,形成的特征向量越来越多,将成为大规模海量数据集。针对此问题,本文将流挖掘的分类方法引入水电机组故障诊断中。通过在设置窗口内进行关联规则的挖掘和规则存储,即使新的数据不断地产生,分类器只在固定窗口内计算,并根据置信度对关联规则进行更新存储实现分类,达到了对水电机组故障特征进行快速诊断的目的,满足在线故障分类的要求。　　根据本文提出的信号分析处理方法,通过LabVIEW图形编程软件将其实现并应用到水电机组状态监测分析中。通过实测的一段故障信号分别用传统故障诊断方法和本文中提出的故障诊断方法进行分析,本文方法准确判断主要存在故障为轴系不对中故障,与机组特征相符,从而进一步验证了所提出的信号分析及处理方法的正确性。

关键词： 水电机组   故障诊断   模糊积分   趋势预测   果蝇优化算法  

摘要： 随着我国水电事业的迅猛发展，水电以其在电力行业调峰的重要作用以及巨大的潜在资源，受到了世界各国的高度重视。水电机组的单机容量变得越来越大，并且在电力系统中所占的比例也呈现快速增长的趋势。水电机组一直都被视为水电企业的核心设备，其运行的安全性与机组自身的健康状态与水电企业的安全性与经济效益有着密切的关系，水电机组一旦发生事故，就会造成严重的安全事故并可能导致巨大的经济损失。因此，水电机组的安全性、可靠性和稳定性既是水电企业追求的目标，也是许多学者研究的热点。水电机组故障诊断与状态趋势的预测能为掌握机组的状态提供技术支持，从而有助于降低机组事故率，减少经济损失。本文总结了这一领域的研究现状，以水电机组振动机理为基础，应用模糊积分融合多分类器的方法对水电机组进行了故障诊断，并将智能算法优化后的广义回归神经网络应用于水电机组的状态趋势预测，主要的工作包括以下两个部分： 第一部分是基于模糊积分的水电机组故障诊断的研究。 应用小波包能量算法提取水电机组的故障特征，提出了一种基于模糊积分融合的多分类器组合诊断模型，采用一种加权方法改进了传统的朴素贝叶斯分类器，并将其与马氏距离分类器、BP神经网络作为子分类器，通过模糊测度表征子分类器相互间的作用，最后使用模糊积分融合三个子分类器的输出结果而得到最终的诊断结果，仿真实验表明基于模糊积分融合的的诊断模型不仅具有较高诊断的准确率，而且相对于单一的诊断方法其泛化性有一定程度的提高。 第二部分是关于智能算法优化的广义回归神经网络状态趋势预测的研究。 本部分将混沌理论中关于时间序列预测的理论应用到水电机组振动状态趋势预测中，分析了水电机组的振动序列相空间重构中嵌入维数和延时参数选择的问题，应用果蝇优化算法优化选择广义回归神经网络的分布参数（spread），将优化后的广义回归神经网络应用到水电机组的振动状态趋势预测中，在与BP神经网络的预测结果均方误差的对比中可看出，该模型有较高的稳定性与预测精度，对于信号趋势走向的反映相对比较准确。这种模型为预测机组的运行状况提出了一种新的方法，从而为了解机组状态变化的规律提供了强有力的技术支持。

关键词： 水电机组   转子非线性动力学   轴系振动   EMD   多尺度数学形态学   故障诊断  

摘要： 转子偏心、转子不平衡对中等轴系故障是机组异常振动的主要诱因之一,直接影响到机组的安全稳定经济运行。针对转子质量偏心和转子不平衡等故障耦合现象,基于转子非线性动力学、EMD信号处理和多尺度数学形态学等方法,通过数值模拟和试验分析,开展轴系多故障耦合机制下的水电机组转子运动机理研究,不仅可以揭示转子在不同条件下的非线性动力学特性,明确转子异常振动影响因子主次顺序,同时也为有助于剖析实测振动信号所蕴含的内在故障诱因,提取不同类型振动信号的特征信息,这不仅为水电机组优化设计、技术改造等提供有力的理论依据,也为水电机组故障诊断技术提供了新技术,对该问题的研究具有重要的学术价值和实用意义。本文具体研究了以下内容： 1.基于转子非线性动力学相关理论,参照水电机组运行特性和结构特征进行模型简化,建立了水电机组多故障耦合(转子质量偏心、两轴平行不对中、两轴夹角不对中)下转子非线性动力学模型,进而探讨了机组转速、两轴平行不对中量和两轴角度不对中量等参数对水电机组运行特性的影响,分析了不同参数下水电机组的动态特性,重点研究了机组转子非线性动力学特性。研究表明：通过分析转子运动分岔图、轴心轨迹、庞加莱截面图和频谱图,在多故障耦合机制下转子最终运行状态呈现出三种典型的非线性行为：即平稳周期运动、周期性碰摩运动和复杂的混沌运行现象。 2.进行多故障耦合机制下的水电机组转子振动试验,并针对实测振动信号,基于小波变换原理对不同转速下的试验数据进行了简要分析,验证了在多故障耦合机制下,水电机组转子在不同转速时其运动规律与仿真分析结果一致。 3.利用EMD方法可依据信号本身固有特性进行分解的特征,对不同转速下的水电机组振动测试信号进行分析。研究表明：基于EMD方法可以得到机组振动信号的IMF分量,能量占据主导地位的IMF分量与机组运行状态密切相关,该IMF分量直接由转子系统故障源诱发,因而采用EMD方法能够准确地捕捉到机组振动信号中所蕴含的真实物理意义,准确识别机组运行状态。同时,基于IMF分量能量比进行信号重构,重构信号能够反应机组运行状态信息,能够表征机组主要振动特性。与仿真信号相比较,两者波形基本一致,主要振源频率相似。 4.针对多故障耦合机制下,基于正交试验法对转子运行影响因子(质量偏心、两轴平行不对中和两种夹角不对中量)的主次顺序进行了分析。研究表明：在多故障耦合机制下,偏心所造成的不平衡力对转子动力特性的影响最大,且偏心越大,不平衡力越大,转子振动越剧烈；在低速运行时,由夹角不对中所产生的不对中力,对转子运行特性的影响权重仅次于质量偏心,夹角不对中越大,振动越剧烈；在较高速度运行时,由两轴平行不对中量所产生的不对中力,对转子的影响仅次于质量偏心;在较高速度运行时,转子不平衡力和转子不对中力越大,越容易诱发碰摩现象,且碰摩现象对转速较敏感,在特殊转速下,转子易进入混沌运行状态。 5.运用多尺度数学形态谱和形态谱熵等相关理论,对转速改变时水电机组多故障耦合振动实测信号和平行不对中量改变时的水电机组多故障耦合振动仿真信号进行分析处理。研究表明：基于多尺度数学形态谱和形态谱熵,可将振动信号识别为平稳周期运动、周期性碰摩运动和混沌运动三种类型,采用该方法能够快捷、准确地获得水电机组多故障耦合振动信号特性,完成对振动类型的识别,这不仅为振动信号处理提供了新的方法,也为水电机组故障诊断奠定了基础。

关键词： 水电机组   健康评估   劣化趋势预测   健康样本   时间序列分解   最小二次支持向量机(LS-SVM)  

摘要： 水电机组运行状态的实时诊断直接关系到水电站的安全稳定运行、电力质量和电力生产成本等重要的经济效益指标,其社会效益巨大。随着电站规模和监测辅助系统的不断扩大,机组的控制和监测数据信息量越来越大,运行操作人员对机组运行状态的实时有效监控、对设备故障做出迅速而准确地判断变得越来越困难,因此,研究水电机组运行状态健康评估和性能劣化趋势预测是非常必要的。 考虑到水电机组状态监测技术已得到广泛应用,但现阶段水电机组故障样本较少,现有的诊断技术无法满足工程应用等实际情况,提出基于健康评估和劣化趋势预测的水电机组故障诊断新思路。从研究机组运行正常特征入手,通过建立健全的监测特征量健康样本来实现水电机组的健康诊断,诊断方法侧重于设备运行状态的实时健康诊断,重点在于监测异常和预测异常,其诊断方法与传统的基于故障征兆的诊断方法有较大差异。鉴于水电机组实际运行中,出现的故障概率较小,基于该诊断理念开发的诊断系统工程实用性很强,且系统具备实时健康诊断和量化的性能退化趋势预测功能,既能实时监测异常,又能预测异常,可满足现阶段的工程应用需求。本文从运行状态特征提取、健康标准及健康样本的建立、基于特征样本的健康评估、基于时序分解模型的状态趋势预测、基于LS-SVM的参数性能退化评估以及集成化故障诊断系统的研究与应用六个方面,系统开展了基于健康评估和劣化趋势预测的水电机组故障诊断技术与应用研究。 以水电机组的水轮机和发电机为研究对象,在归纳总结水电机组运行异常时可能出现的各种特征表现的基础上,提出了表征水电机组运行状态的特征参数,以及特征参数三种可以量化的特征指标：幅值、频率、波形形状,并给出了相应的计算方法。 提出了可用于水电机组运行状态健康评估的三种评价标准：绝对评价标准、相对评价标准、类比评价标准,并给出了标准限值相应的取值计算方法。根据概率论与数理统计学的极限理论,以及休哈特控制图理论,提出了采用样本均值作为特征量的标准值,以3σ准则确定的X。=X±3σ为报警界限值的特征量健康标准。 以机组前期正常运行条件下的振动监测样本为例,分析了机组运行条件(功率、水头)对监测参数特征量指标的影响,提出以控制样本方差的方法来对运行条件进行分区,建立分区健康样本的具体方法和步骤,这样既保证了样本的判异准确性,同时也减低了样本空间维数(样本个数)。 建立了基于时间序列变化分解的水电机组特征量趋势预测模型,提出了基于时间序列分解模型的趋势预测和性能退化预测的算法。采用电站实际监测数据对分解模型和算法进行了验证,结果表明,预测趋势与实际监测趋势具有很好的吻合性,可满足水电机组监测特征量的趋势预测和性能退化预测,对早期预警机组潜在异常,具有很好的实用性。 以水电机组振动为例,提出了基于LS-SVM的水电机组振动参数性能退化评估三维标准模型(功率-水头-振动量)。将机组实时运行的有功功率和工作水头代入训练好的模型,即可获取当前工况下机组振动量是否偏离正常状态,实现机组运行状态的健康评估。基于振动参数性能退化时间序列,提出了基于LS-SVM的水电机组振动参数性能退化预测模型,采用上导摆度和上机架振动参数现场状态监测数据对所提模型进行验证。结果表明,该模型能较好的对水电机组振动参数性能退化进行评估和预测。 最后以三峡集团公司远程状态监测与故障诊断系统为例介绍了集成化故障诊断系统的研究与应用,提出了现地监测层—厂站集成层—中心诊断层分布式故障诊断系统的总体结构,以标准化的数据格式来实现不同监测设备之间的数据通信,通过标准化数据平台的集成,实现了状态信息的共享和多信息的融合诊断。通过建立机组运行状态健康样本库,实现了机组运行状态的实时健康评估和性能退化预测,达到了设备健康状态定量评估的目的,可为指导机组状态检修提供技术依据。