关键词： 水电机组   非线性动力学分析   耦合故障   操作油管   振动故障   碰撞摩擦  

摘要： 贯流式机组操作油管与受油器浮动瓦碰摩现象会引起操作油管的异常振动,导致漏油、窜油现象,为更好地保证水电机组的安全运行,在考虑水电机组运行过程中常见频发性故障的情况下,建立包含定转子电磁激励影响和操作油管不对中故障的操作油管-转子振动碰摩的动力学模型及微分方程,采用数值积分法对操作油管径向振动随油管不对中量、励磁电流大小和定子刚度系数等参数变化的非线性动力学特征进行分析,使用时域波形图、频谱、轴心轨迹图、庞加莱截面图和分岔图等多种手段表征系统耦合故障下的动力学响应,发现碰撞摩擦、不平衡磁拉力等因素对机组振动的影响较大,相关研究可为工程实际中多故障源激励耦合造成机组异常运行、停机等现象提供耦合故障类型诊断思路。

关键词： 水电机组   卷积神经网络   融合特征   极端梯度提升算法   故障诊断  

摘要： 现有水电机组故障诊断方法或由专家经验出发构建新的故障征兆提取算法,或依赖于机器自学习算法自动提取相应故障征兆。结合二者优势,提出一种结合卷积神经网络(CNN)及人工经验的水电机组融合特征-极端梯度提升算法(XGBoost)的水电机组故障诊断方法,首先利用CNN自学习能力自动挖掘水电机组故障数据所隐藏的征兆指标,与水电机组数据分析时所常用的时域、频域人工征兆指标相融合,构建高维的融合特征来表征水电机组运行特点,并通过特征筛选降维,消除特征间冗余信息。然后基于XGBoost分类算法识别具体故障类别。通过某电厂转轮室碰摩故障实测数据进行验证,结果表明该方法能有效提高水电机组故障诊断精度。

关键词： 振动信号   增强层次   图像识别   故障诊断   数据驱动  

摘要： 图像转化在水电机组故障诊断领域具有一定的潜力,传统将一维数据转化为图像的方法存在图像特征单一性、一张图像难以表示多种信号且图像识别精度偏低等问题。为此,提出一种基于增强层次对称点图像分析(Enhanced Hierarchical SDP,EHSDP)和深度残差网络(Deep Residual Network,Resnet50)的水电机组故障诊断方法。首先,利用移动差分和移动平均过程代替传统的层次分解,提出EHSDP的图像转化方法,在克服信号特征表现单一性问题的同时图像转化效率提高27.42%;其次,将分解过的振动信号图像化得到水电机组的图像数据库,划分EHSDP图像为训练集和验证集,利用训练集训练Resnet50模型得到最优模型参数;然后,将验证集图像输入训练好的Resnet50模型中,借助TSNE对提取到的特征降维可视化,各状态特征信号无混叠;最后,输出图像特征分类实现水电机组故障诊断,并用某水电站SK-3#真实机组数据进行验证。仿真实验和实例验证结果均表明,所提方法在所有对比模型中优势明显,验证了本文所提方法的有效性和实用性。

关键词： 本征模态函数   能量矩   双向长短期记忆神经网络   故障诊断   水电机组振动信号  

摘要： 针对水电机组振动信号存在非平稳和非线性,提出一种结合IMF能量矩和双向长短期记忆神经网络(bidirection long short term memory neural network,BiLSTMNN)的故障诊断方法。首先采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)方法对正常和故障振动信号样本进行处理,得到频率各异的本征模态函数(intrinsic mode functions,IMF)和剩余分量。然后计算IMF能量矩,并将其作为故障特征。进一步,将故障特征作为输入、故障类别作为输出,训练BiLSTMNN得到水电机组故障识别器。结合故障识别器和实时振动信号IMF能量矩特征,即可识别水电机组运行状态为正常或具体故障类型。最后,结合转子实验台数据和实际电站机组样本数据,设计对比实验,验证了所提方法在挖掘信号特征方面的有效性及较高的故障诊断准确率。

关键词： 水电机组   振动特性   水力不平衡   非线性动力学  

摘要： 为了研究水力不平衡对水电机组振动特性的影响,本文首先建立了高雷诺数下水力不平衡力及水力不平衡转矩的数学模型,并根据此模型建立了水轮机效率数学模型。然后,结合机械与电气不平衡因素以及水击模型、PID调速器模型、流量模型和发电机模型,建立了包含水轮机调节系统和水轮发电机组转子-轴承系统的水电机组耦合非线性数学模型。基于该模型,通过数值模拟,研究了不同工况下机组的振动响应特性,相关的结论可以为机组的安全可靠运行提供理论指导和应用参考。

关键词： 形态学   支持向量机   故障识别  

摘要： 为解决水电机组主轴运行期间的潜在故障,提出了多重分形谱、粒子群寻优和支持向量机对主轴图像数据多维度故障识别的方法;实现机组轴系运行中的摆度波形形态学特性提取,获得多重分形谱数据;采用粒子群寻优算法从海量样本中寻优获得异常故障特征形成故障特征集,由支持向量机分类方法对故障特征集进行分类识别,有效识别图形数据堆积过程中故障样本分类,实现轴系故障识别,以便确定相应的解决措施。

关键词： 水电机组   混合智能故障诊断方法   支持向量机  

摘要： 现有支持向量机方法在水电机组故障诊断应用中存在建模能力差、未考虑水电机组故障数据样本不确定性问题,难以保障故障诊断结果的准确性。针对此情况,本文在传统支持向量机方法的基础上引入粗糙集理论,构建粗糙多类支持向量机,并将其应用于水电机组导摆度偏大故障诊断中,进而确认此混合智能故障诊断方法具有较高的准确性。

关键词： 水力发电机组   状态监测   设备检修   趋势故障识别   特征参数  

摘要： 该文针对水轮发电机组中的趋势故障问题,结合现阶段在线监测系统在水力发电机组中的应用情况进行研究。为了更及时有效地识别趋势故障,针对机组运行过程中各状态监测量出现的趋势异常现象进行总结并分类,同时提取趋势异常故障识别的有效特征参数,通过自动计算同一工况下的这些特征参数值,进而对不同类型的趋势异常现象做出评价,实现对机组运行健康状态的早期预警和诊断。此外,还列举了不同类型的趋势异常现象及特征参数在其故障识别中的应用案例,验证了趋势故障识别方法在水电机组运检中的实际应用价值。

关键词： 水电机组   故障诊断   振动信号   卷积神经网络   支持向量机  

摘要： 在当前水电机组智能故障诊断的方法中,人为选择故障分类特征的主观性及故障小样本数据的局限性对故障诊断结果的准确性具有重要影响。对此,结合卷积神经网络(CNN)的特征提取优势和支持向量机(SVM)优良的小样本处理能力,提出了一种针对水电机组振动故障诊断的CNN-SVM方法。该方法以水电机组振动信号的时域波形图作为模型输入,然后利用CNN提取信号特征并导入SVM实现机组故障诊断。最后,通过具体的实例分析,验证了所提诊断方法的优势。

关键词： 水轮发电机   发电电动机   转子   一点接地   分析处理  

摘要： 发电机转子一点接地是水电机组调试、运行过程中常见的一种故障,如果不及时处理,极易诱发两点接地,致使机组严重受损。本文以国内某抽水蓄能电站300 MW级发电电动机调试过程中转子一点接地故障分析与处理为背景,在解析转子一点故障诱因的前提下,详细阐述了水轮发电机调试、运行过程中转子一点接地故障查找与处理的新工艺,新方法以及注意事项。