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。

关键词： 水电机组预警   EEMD   标准差   K均值聚类   欧氏距离  

摘要： 为确保水电机组安全运行及电网稳定,探讨利用水电机组振动信号实现机组故障早期预警,提出了基于集合经验模态分解和标准差水电机组振动信号特征量提取方法,并引入K均值和欧氏距离构建水电机组振动信号异常状态预警指标,量化水电机组振动信号状态异常变化程度,融合多测点状态信息形成水电机组振动故障综合预警指标,实现了水电机组振动故障预警,证明所提特征量和预警方法有效。

关键词： 水电机组   故障诊断   深度置信网络   变分模态分解   引力搜索  

摘要： 提出了基于引力搜索算法(gravitational search algorithm, GSA)优化变分模态分解(variational mode decomposition, VMD)并结合深度置信网络(deep belief network, DBN)的水电机组故障诊断方法。首先,以变分模态分解能量误差最小化为目标,利用GSA并行优化各样本下VMD的2个典型分解参数(分解层数K和惩罚因子α);然后,对分解降噪后的信号进行重构,并对重构后的信号构造由能量熵、奇异谱熵以及峭度组成的特征向量;最后,将构建的特征向量输入DBN构建的水电机组故障诊断模型。通过与已有方法比较可知,所提模型可以有效地提取水电机组的故障特征,且故障识别准确率更高。

关键词： 水电机组   故障诊断   状态趋势预测   混合特征向量集   麻雀搜索算法   极限学习机   高斯过程回归  

摘要： 水电机组作为水电站的核心关键设备,正逐渐朝着巨型化和智能化方向发展。与此同时,随着外部运行环境越来越复杂,机组各部件之间的相互耦合作用也更加明显,这在一定程度上增加了水电机组故障诊断与状态趋势预测的难度。基于此,本文围绕着水电机组振动信号采集,信号预处理,故障特征提取,故障诊断以及状态趋势预测等内容,以聚合经验模态分解,相关峭度理论,近似熵,麻雀搜索算法,极限学习机,高斯过程回归,核马氏距离等作为理论基础,构建了多维状态参数下水电机组智能故障诊断与状态趋势预测方法,并通过仿真实验与实际案例分析,全方位、多角度地验证了所提方法的科学性和有效性。论文主要研究工作如下:首先,在信号预处理方面,针对利用经验模态分解(Empirical mode decomposition,EMD)算法分解信号所存在的模态混叠现象以及通过互相关系数进行信号重构易残留噪声成分的问题,采用聚合经验模态分解(Ensemble empirical mode decomposition,EEMD)算法对水电机组振动信号进行分解。将计算得到的各阶本征模态函数(Intrinsic mode functions,IMF)分量的相关峭度值作为信号重构的依据,结合近似熵、均方根值和峭度值理论构建水电机组的混合特征向量集,以此完成振动信号从降噪到重构再到特征提取的三个重要环节。其次,为充分利用现有的少量故障样本提高故障诊断精度,构建了一种基于改进麻雀搜索算法优化极限学习机的水电机组故障诊断方法。通过Tent混沌映射、自适应权重因子、反向学习策略及差分变异处理对麻雀种群的初始分布、搜索步长以及种群多样性进行改进,进一步提升了算法整体的寻优速度和收敛精度,同时将改进后的麻雀搜索算法应用于极限学习机的参数寻优过程中,得到了最优输入权值与隐层偏置,这大大提升了分类模型的稳定性和故障识别准确率。将该方法应用于水电机组实测振动数据案例分析中,通过与不同诊断模型所得结果进行对比,证明了所提方法的高效性。最后,为弥补水电机组振动故障诊断作为一种事后决策方式所存在的不足,提出了基于多维状态参数与改进高斯过程回归(Gaussian process regression,GPR)模型的水电机组状态趋势预测方法。通过Pearson相关系数与互信息理论的加权组合选取出八种状态参数作为机组输入特征向量,建立了基于麻雀搜索算法优化高斯过程回归的水电机组有功功率预测模型,解决了因参数不稳定造成的预测误差问题。结合核马氏距离与健康指数这两组量化指标定量地对水电机组运行区间进行了划分(正常、预警、故障),并通过在线评估案例分析,论证了开展水电机组状态趋势预测所具有的重要学术意义和工程价值。

关键词： 水电机组   特征提取   故障诊断   故障预警   遗传编程   多传感器数据  

摘要： 随着我国能源结构的转型,尤其是近年来“双碳”战略的实施,水电能源赢来了新的发展契机,水电机组装机容量不断增加。与此同时,水电能源在电网中承担着重要的调峰调频任务,使得水电机组的安全运行关乎电站安全和电力系统稳定。在现代科技发展以及电能需求增加的大背景下,水电机组正在朝着大型化、智能化、复杂化方向发展,机组长时间在变转速、变荷载环境中运行,故障诱发因素增加,运行状态恶化造成的损失也不断提高,一旦发生重大事故,轻则影响能源供给与电力系统稳定,重则造成重大的经济损失与恶劣的社会影响。因此,水电机组的状态监测与故障诊断研究一直是行业关注的热点。 本文针对目前水电机组状态监测与故障诊断领域研究中存在的问题,从水电机组振动信号故障特征提取、水电机组故障分类识别、水电机组故障征兆预警三个方面展开研究,主要研究内容有: (1)为智能化构建水电机组运行状态特征,提出了一种基于多传感器遗传编程的水电机组故障特征提取方法。首先,采集水电机组多传感器振动信号并计算其时频域特征参数来构建原始特征集,然后以复合检测指数作为特征选择指标,降低无关特征干扰与遗传编程计算复杂度。该方法简化了传统特征提取方法的繁杂过程。实验结果表明,本文提出的方法能够智能化提取代表水电机组运行状态的特征参数,相较于基于单传感器数据的故障特征提取方法,本文提出的方法获取的设备信息更全面,为后续水电机组故障诊断与预警研究奠定了基础。 (2)为进一步提高基于多传感器遗传编程故障特征提取模型的稳定性,提出了一种基于集成多传感器遗传编程的水电机组故障特征提取方法,结合支持向量机分类模型实现了水电机组故障的准确诊断,有效解决了水电机组振动信号样本获取难、存在样本少等问题。考虑到支持向量机的参数对分类结果有重要影响,采用粒子群算法对参数进行优化。为了提高诊断模型泛化性能同时避免造成模型过拟合的问题,利用t分布-随机近邻嵌入方法将高维特征映射到低维空间,并结合准确率与样本间的距离度量,提出一种新的遗传编程适应度函数。通过对凯斯西储大学轴承实验台模拟故障数据与水电机组实测数据进行实验分析,证明了本文所提出的方法稳定性更强,更适用于水电机组的实际故障诊断。 (3)针对水电机组故障预警指标构建过程中缺少对于运行工况和环境变化考虑的问题,提出了一种基于集成多传感器遗传编程与主成分分析方法的水电机组故障预警方法。首先,为了降低振动信号中的噪声干扰,运用小波阈值方法对振动信号进行降噪处理。其次,为了准确构建出能够反映水电机组故障发展趋势的预警指标,利用集成多传感器遗传编程进行特征提取后,结合主成分分析方法与欧氏距离构建水电机组故障征兆参数。通过对水电机组实测数据进行分析,证明了本文提出的方法能够发现早期故障,并及时进行预警。