关键词： 水电机组   特征提取   故障诊断   趋势预测   经验小波变换   极限学习机  

摘要： 水电能源作为一种清洁可再生能源在我国整个能源结构中占有重要的地位。水电机组作为水电站能源转换的关键核心设备,积极开展水电机组的故障诊断与振动趋势预测研究,有助于降低机组故障事故风险,保障机组安全稳定运行。由于水电机组的结构复杂,各部件相互耦合相互作用以及多种激励的共同影响,在一定程度上增加了水电机组故障诊断与振动趋势预测的难度。本文围绕着水电机组非平稳信号分析处理、故障特征提取、故障特征筛选、故障诊断模型优化和振动趋势预测分析等研究内容,以经验小波变换、最大相关峭度反卷积、混合引力搜索算法、极限学习机等为理论基础,融合非平稳信号处理方法和滤波方法有效地提取出水电机组的故障特征;采用混合的引力搜索算法从特征筛选和极限学习机参数优化两个方面提高故障诊断的准确度;构建了Gram-Schmidt正交法和极限学习机相结合的水电机组振动趋势预测模型。本文的主要研究内容如下所示:(1)水电机组在运行过程中会受到机械,水力和电磁等激励的共同作用,导致机组的振动信号具有非平稳性和强背景噪声性。为了从水电机组的振动信号中提取出故障特征,对原始信号进行滤波降噪,采用经验小波变换将原始振动信号分解成一系列的单一成分模态,依照相关系数和峭度指标筛选具有故障特性的模态进行重构,最大相关峭度反卷积被用于重构信号的二次滤波。通过对滤波信号的频谱分析和包络谱分析可以有效提取水电机组的故障频率特征。(2)为提高水电机组故障诊断模型的诊断精度,采用混合引力搜索算法同时进行故障特征筛选和极限学习机参数优化。经验小波变换将故障信号分解成一系列的单一成分模态,提取模态矩阵的奇异值特征和能量特征,融合从原始信号提取的时域、频域统计特征组合成混合特征子集。为降低混合特征子集中冗余特征对故障诊断的干扰,使用二进制引力搜索算法进行特征的筛选。同时,采用实数的引力算法对极限学习机的输入层权值和阈值进行优化。最后通过测试数据验证了所提故障诊断方法具有很高的诊断准确度。(3)水电机组振动信号分析和水电机组故障诊断均为事后决策分析,在机组出现故障后对机组的检修提供支持。为弥补事后分析的不足,提出一种能够预测机组运行状态趋势的方法,根据机组运行趋势的预测结果及时地对机组进行维护,避免机组进一步恶化演变为机组故障。以水电机组非平稳振动信号分析处理为基础,采用Gram-Schmidt正交法和极限学习机构建水电机组振动信号的趋势预测方法。该方法将水电机组振动信号时间序列采用经验小波变换分解成一系列单一成分的模态,对每个模态构建输入输出,采用Gram-Schmidt正交法对输入特征进行筛选去除冗余的特征,选用引力算法优化的极限学习机作为预测模型。通过实测水电机组振动数据的试验,验证了本文所提预测方法能够准确地预测水电机组的振动趋势。

关键词： 水电机组   振动故障诊断   小波变换   经验模态分解   改进自适应完全集合经验模态分解   SOM神经网络   支持向量机  

摘要： 水电机组的振动稳定性问题是决定机组安全运行的最主要因素,有效地分析和提取振动信号特征,准确地诊断故障,对改善水轮发电机组的安全性和可靠性具有十分重要的意义。本文以水电机组振动故障为研究对象,对振动信号预处理、特征提取和故障诊断方法进行了深入研究。主要工作和研究成果有:首先,本文针对水电机组振动信号奇异点的问题,提出了基于小波变换的奇异数据剔除还原法,发挥小波在奇异点分析上的良好性能,重构清晰的轴心轨迹图形,有效提高机组故障诊断的准确性。第二,根据水电机组早期故障信号信噪比低的情况,引入多小波自适应阈值降噪方法,有效去除了振动信号噪声,对比显示多小波降噪相对于db2小波具有更好的性能,提高振动信号特征提取的准确性。第三,针对经验模态分解(Emprical Mode Decomposition,EMD)方法中的虚假分量问题,提出能量波动法,根据能量分布规律和波动比阈值来剔除虚假分量,提高了水电机组振动信号分析处理和故障特征的提取的准确性。第四,针对EMD方法中的模式混叠问题,提出改进自适应完全集合经验模态分解(Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,I-CEEMDAN)算法,有效消除了模态混叠问题,确保了信号特征提取的可靠性。第五,建立 I-CEEMDAN 奇异谱熵和 SOM(Self-Organizing Feature Maps,SOM)神经网络相结合的诊断方法,可以有效地提取水电机组非平稳信号特征,识别正确率高,运算速度快。最后,建立了 I-CEEMDAN复杂度和最小二乘支持向量机相结合的诊断方法,对水电机组振动故障进行识别,该方法可以有效判断故障类型,适用于小故障样本的情况,提高了水电机组故障诊断的适用范围。

关键词： 水轮发电机组   振动   故障树   故障诊断  

摘要： 随着水电机组装机容量和工程规模的日益巨型化,机组运行的稳定性关系到水电站能否进行安全、经济的生产。水电机组在运行过程中发生故障是不可避免的,而传统的计划检修存在着检修过剩或检修不足等现象。所以,为提高机组故障诊断的针对性和正确性,进行水电机组振动监测及故障诊断研究是一种必然的趋势。本文首先详细的介绍了水电机组的结构及工作原理,针对引起水电机组振动原因的复杂多样性,分别从水力、机械、电磁三方面进行研究并给出相应的诊断对策。着重介绍了信号的采集系统的设计,包括监测点布置、传感器选择的原则、采集系统的原理及各组成部分。然后对采集到的数据进行信噪分离处理,提出了利用小波包来求取某种特性的小波基函数,从而得到更加有效的具有振动故障特征的信号。由于机组各部件在结构上具有某种逻辑关系,据此可以建立水电机组故障树。对于难以获得机组各部件的失效概率,在故障树分析中考虑由若干次大修中得到的各底事件失效分布曲线确定的标准概率分布模型来求取底事件故障发生的概率。建立了故障树并对其进行了定性和定量分析,得到了每个事件的相对重要性。并应用在溪洛渡水电站5#机组上,实验时记下机组在各工况下的参数和振动变化的趋势图,并分析了振动监测结果,验证了该系统具有较好的可行性和可靠性。本文实现了信号采集与处理、振动监测和故障诊断等功能,使该系统能够应用于实际,有利于机组的检修。

关键词： 水电机组   在线监测   故障诊断技术  

摘要： 在水电厂实际运营中,水电机组运行的稳定性会对电网运行的稳定性产生决定性影响。随着发电机组单机容量的不断扩大,机组检修、维护、运行及管理等也要不断提高要求,对水电机组运行状态做出实时监测,做好预测预报、分析故障原因,可大大提高故障排除的效率,保证水电机组运行的安全性、稳定性。本文结合实践经验主要分析了水电机组在线监测及故障诊断技术的相关内容,仅供参考。

关键词： 水电机组   故障诊断   经验模态分解   复杂度   最小二乘支持向量机  

摘要： 水电机组的振动信号为典型的非平稳、非线性信号。为了通过振动信号正确判断水电机组的运行状态,本文提出运用经验模态分解处理原始信号,并对获得的基本模式分量计算其复杂度特征,最后运用最小二乘支持向量机进行故障诊断。选取径向基函数作为核函数,并通过网格搜索和交叉验证确定相关参数。结果表明,经验模态分解复杂度特征和支持向量机结合,能够准确地实现故障诊断,确定故障类型,为机组运行维护人员提供参考依据。

关键词： 水电机组   转子动力学   不对中故障   不平衡故障  

摘要： 研究水力发电需要考虑各种综合因素,包括其运行的稳定性。而机组的故障特别是转子故障会引起机组的振动,从而严重影响了水力发电。转子故障包括转子不对中、转子不平衡,在实际运行中,诱发转子发生这些故障的因素量太小且受到机组安装设计的一些限制,我们并不能够很精确地进行实际测量。通过对水电机组的模型进行仿真分析,判断随着转子的不对中量和不平衡量和转速的变化对机组的影响。分析表明,随着转速的增加,会发生碰摩现象,但当转速达到一定值后,机组又平稳运行;随着不对中量增加,机组由稳定运行到发生碰摩;随着不平衡量的增加,机组由稳定运行到发生碰摩。

关键词： 水电机组   在线监测   故障诊断  

摘要： 在水电厂实际运营中,水电机组是其中的核心设备,其运行状态的好坏会对水电厂的安全运行产生决定性影响。随着发电机组单机容量的不断扩大,机组检修、维护、运行及管理等也要不断提高要求,对水电机组运行状态做出实时监测,做好预测预报、分析故障原因,可大大提高故障排除的效率,保证水电机组运行的安全性、稳定性。

关键词： 模拟退火算法   小波神经网络   水电机组   故障诊断  

摘要： 针对水电机组振动故障征兆和故障类型的非线性特性及传统小波网络在故障诊断中的缺陷,设计了一种基于模拟退火算法的小波神经网络(SA-WNN)故障诊断模型;将SA-WNN诊断模型应用到水电机组4种典型故障,验证其可行性;实例结果表明,与传统小波网络相比,基于模拟退火算法优化的小波神经网络训练次数少,收敛精度高,为水电机组故障诊断提供了新途径。

关键词： 水电站   调速器   故障切换   导叶传感器   反馈信号   录波   可编程计算机控制器  

摘要： 黄河万家寨水利枢纽有限公司龙口水电站机组调速器系统在2015年3—5月频繁出现控制通道双机自动切换的异常现象,根据调速器双机切换逻辑程序进行故障原因排查,通过对控制通道元件的反馈信号波形进行录波分析,确定了故障原因是调速器驱动板调零调幅运算放大器芯片性能下降造成导叶反馈信号断线,进而造成调速器双机频繁自动切换。采取修改调节器程序、增加滤波功能、更换驱动板芯片、减少反馈信号干扰电平等措施后,从根本上解决了调速器双机故障切换的问题。

关键词： 粗糙集   PSO-RBF   水电机组   神经网络   故障诊断   决策表   机组故障   空间维数   条件属性   决策属性  

摘要： 将聚类PSO优化粗糙集-神经网络算法引入水电机组故障诊断中,利用聚类算法和PSO算法的优点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。该方法降低了神经网络的输入信息空间维数,简化神经网络结构,有效提高故障诊断的准确性。通过对水电机组振动故障数据进行诊断分析,证明了该诊断方法的有效性和优越性。