水電機(jī)組狀態(tài)評(píng)估及智能診斷方法研究.pdf

1、隨著我國(guó)電力事業(yè)的不斷發(fā)展，水電能源已進(jìn)入了大機(jī)組、特高壓輸送、智能化控制與管理的新時(shí)代。一方面，水力發(fā)電在我國(guó)發(fā)電供應(yīng)段中所占結(jié)構(gòu)比例逐漸增多，且更多的承擔(dān)調(diào)峰、調(diào)頻任務(wù)；另一方面，由于特高壓直流輸電線(xiàn)路的不斷興建和投運(yùn)，大型水電廠作為工業(yè)用電直接供電端的方式也日趨增多。而作為水電廠關(guān)鍵發(fā)電設(shè)備的水力發(fā)電機(jī)組也朝著大容量、高比轉(zhuǎn)速、高負(fù)載等方向不斷發(fā)展，其部件結(jié)構(gòu)及布置形式復(fù)雜程度越來(lái)越高，而水力、機(jī)械、電氣等振源之間的耦合作用日益凸

2、顯，從而導(dǎo)致了水電設(shè)備故障的非計(jì)劃停運(yùn)和突發(fā)沖擊性故障的日趨增多，并直接影響了對(duì)電網(wǎng)的安全穩(wěn)定。因此，傳統(tǒng)基于穩(wěn)態(tài)波形和離線(xiàn)性能試驗(yàn)的水電機(jī)組狀態(tài)評(píng)估與故障診斷方法無(wú)法滿(mǎn)足當(dāng)前水電廠對(duì)于故障快速定位和及時(shí)處理的工程實(shí)際需求。如何在準(zhǔn)確獲知水電廠實(shí)際運(yùn)行數(shù)據(jù)的基礎(chǔ)上，構(gòu)建水電設(shè)備在線(xiàn)健康狀態(tài)高精度評(píng)估模型，精確識(shí)別故障類(lèi)型及其嚴(yán)重程度、變化趨勢(shì)，提供高效合理的機(jī)組檢修方案，為機(jī)組突發(fā)故障提供相應(yīng)的決策建議，是當(dāng)前我國(guó)水電生產(chǎn)急需解決的重大

3、工程實(shí)際問(wèn)題。為此，本文針對(duì)水電機(jī)組狀態(tài)評(píng)估及故障診斷在理論突破及工程應(yīng)用中存在的若干關(guān)鍵問(wèn)題，以水電機(jī)組振動(dòng)故障的暫態(tài)征兆提取和最優(yōu)選擇為切入點(diǎn)，引入熵值理論和非線(xiàn)性信號(hào)辨識(shí)方法，深入探究不同征兆在分類(lèi)超平面中的貢獻(xiàn)因子，構(gòu)建基于暫態(tài)開(kāi)機(jī)過(guò)程數(shù)據(jù)的水電機(jī)組在線(xiàn)評(píng)估方法，為揭示水電機(jī)組性能退化程度提供合理科學(xué)的依據(jù)，同時(shí)建立基于兩階段極限學(xué)習(xí)機(jī)的智能混合故障診斷方法，實(shí)現(xiàn)的故障分類(lèi)器結(jié)構(gòu)參數(shù)一體化自學(xué)習(xí)策略，實(shí)現(xiàn)具有自學(xué)習(xí)功能的多故障、

4、高精度診斷模型。論文的主要研究?jī)?nèi)容和創(chuàng)新性成果如下：
　?。?）由于水電機(jī)組故障信號(hào)往往呈現(xiàn)非平衡、非線(xiàn)性的特征，針對(duì)故障振動(dòng)信號(hào)中的非平穩(wěn)部分，特別由機(jī)組起、停機(jī)等引起的系統(tǒng)沖擊響應(yīng)信號(hào)會(huì)出現(xiàn)能量泄露、模態(tài)混疊等現(xiàn)象，研究工作結(jié)合排列熵對(duì)信號(hào)變化的高度敏感性和集成經(jīng)驗(yàn)?zāi)B(tài)分解的多尺度信號(hào)分解能力，提出了針對(duì)水電機(jī)組非平穩(wěn)信號(hào)特征提取的固有模態(tài)排列熵特征方法。該方法能夠充分辨識(shí)故障作用下的機(jī)組信號(hào)混沌特性變化，實(shí)現(xiàn)對(duì)機(jī)組故障信息的

5、充分表征。同時(shí)針對(duì)水電機(jī)組故障診斷特征向量維數(shù)較高，且不同特征維數(shù)對(duì)故障分類(lèi)器的貢獻(xiàn)度不一的問(wèn)題，本文提出最優(yōu)模型參數(shù)和特征子集一體化選擇策略。在充分考慮不同模型參數(shù)和特征子集之間的關(guān)聯(lián)性基礎(chǔ)上，本文對(duì)模型參數(shù)和特征子集采用連續(xù)-離散的混合編碼，通過(guò)改進(jìn)人工蜂群優(yōu)化算法，構(gòu)建了與故障征兆相關(guān)度高且信息冗余度低的特征子集進(jìn)化尋優(yōu)機(jī)制，實(shí)現(xiàn)了水電機(jī)組的特征子集和模型參數(shù)一體化優(yōu)選從而構(gòu)建能夠充分表征水電機(jī)組故障信息的故障特征子集。
　

6、?。?）目前水電機(jī)組往往采用現(xiàn)場(chǎng)試驗(yàn)和簡(jiǎn)單限值比較的方式進(jìn)行狀態(tài)評(píng)估和監(jiān)測(cè)預(yù)警，然而該方法易受工況變化、機(jī)組結(jié)構(gòu)和測(cè)量設(shè)備等諸多因素的影響，缺少對(duì)機(jī)組早期潛在故障的預(yù)警能力，無(wú)法充分表征機(jī)組當(dāng)前的實(shí)際健康狀態(tài)和運(yùn)行服役能力。針對(duì)上述問(wèn)題，本文在綜合分析水電機(jī)組開(kāi)機(jī)不同暫態(tài)過(guò)程和機(jī)組性能試驗(yàn)的相似性基礎(chǔ)上，提出了水電機(jī)組開(kāi)機(jī)過(guò)程的性能評(píng)估方法。該方法通過(guò)將趨勢(shì)定性分析將開(kāi)機(jī)過(guò)程暫態(tài)數(shù)據(jù)轉(zhuǎn)換為一個(gè)個(gè)表征趨勢(shì)的基元序列，首先定義了基本的趨勢(shì)基

7、元，然后通過(guò)最小二乘序列算法將開(kāi)機(jī)過(guò)程中不同的趨勢(shì)片段首先定義了基本的趨勢(shì)基元，然后通過(guò)其擬合線(xiàn)不同的一二階系數(shù)提取其片段的趨勢(shì)基元，從而構(gòu)建表征開(kāi)機(jī)過(guò)程的基元序列，有效地避免了水電機(jī)組開(kāi)機(jī)過(guò)程強(qiáng)噪聲與沖擊信號(hào)的干擾；同時(shí)，為構(gòu)建能夠精確度量開(kāi)機(jī)過(guò)程性能退化程度的量化指標(biāo)，本文提出了一種基于改進(jìn)動(dòng)態(tài)時(shí)間規(guī)整距離的開(kāi)機(jī)過(guò)程相似度計(jì)算指標(biāo)，通過(guò)計(jì)算不同機(jī)組之間開(kāi)機(jī)過(guò)程的正則化動(dòng)態(tài)時(shí)間規(guī)整距離，得到機(jī)組實(shí)際性能退化的量化數(shù)值，構(gòu)建了水電機(jī)組性

8、能退化的在線(xiàn)量化評(píng)估體系。
　　（3）針對(duì)當(dāng)前水電機(jī)組故障診斷的小樣本、高維度等問(wèn)題，本文結(jié)合人工蜂群算法和極限學(xué)習(xí)機(jī)，提出了一種具有結(jié)構(gòu)和參數(shù)自適應(yīng)優(yōu)化的兩階段進(jìn)化極限學(xué)習(xí)機(jī)模型，該模型通過(guò)貪婪算法和交叉驗(yàn)證對(duì)極限學(xué)習(xí)機(jī)隱藏節(jié)點(diǎn)個(gè)數(shù)進(jìn)行自適應(yīng)優(yōu)選，克服了傳統(tǒng)極限學(xué)習(xí)機(jī)結(jié)構(gòu)學(xué)習(xí)階段隱含節(jié)點(diǎn)個(gè)數(shù)難以確定的問(wèn)題，同時(shí)通過(guò)人工蜜蜂群算法對(duì)極限學(xué)習(xí)機(jī)權(quán)重參數(shù)和偏置參數(shù)進(jìn)行的進(jìn)化搜索，從而建立了一種無(wú)需設(shè)置參數(shù)的水電機(jī)組自學(xué)習(xí)智能進(jìn)化故障診

9、斷方法。同時(shí)針對(duì)傳統(tǒng)蜂群算法在開(kāi)發(fā)和探索能力無(wú)法自適應(yīng)從而易陷入局部最優(yōu)解的情況，筆者引入全局引導(dǎo)和Levy飛行策略?xún)煞N策略，并構(gòu)建自適應(yīng)種群調(diào)整策略來(lái)不斷平衡蜂群算法的開(kāi)發(fā)和探索能力，進(jìn)一步提高極限學(xué)習(xí)機(jī)分類(lèi)能力。由于兩階段進(jìn)化極限學(xué)習(xí)機(jī)模型具有很好的小樣本學(xué)習(xí)能力，便于深入挖掘樣本所蘊(yùn)含的故障信息，因此可以在有限的訓(xùn)練樣本條件下得到比較準(zhǔn)確的結(jié)果，能快速有效識(shí)別水電機(jī)組故障類(lèi)型。最后通過(guò)水電機(jī)組故障診斷實(shí)例計(jì)算表明，該方法是有效可行

10、的。
　　（4）針對(duì)當(dāng)前水電廠由于運(yùn)行時(shí)期較長(zhǎng)，各個(gè)業(yè)務(wù)系統(tǒng)存在著開(kāi)發(fā)企業(yè)的不同，開(kāi)發(fā)語(yǔ)言、部署平臺(tái)和通信協(xié)議各異，且對(duì)外數(shù)據(jù)交換格式無(wú)法互相兼容的問(wèn)題。本文提出了一種基于面向服務(wù)架構(gòu)分層分布式水電機(jī)組遠(yuǎn)程故障診斷系統(tǒng)設(shè)計(jì)方案，該方案有效解決了當(dāng)前水電機(jī)組診斷系統(tǒng)在異構(gòu)環(huán)境下與外部系統(tǒng)數(shù)據(jù)與模型間訪(fǎng)問(wèn)與互操作的問(wèn)題，通過(guò)構(gòu)建不同層次、不同粒度的業(yè)務(wù)應(yīng)用和功能模塊的Web服務(wù)，可以滿(mǎn)足多種故障診斷需求功能，給出了各個(gè)核心功能模塊的設(shè)