关键词： 灯泡贯流式水电机组   变分模态分解   故障诊断   优化算法  

摘要： 针对灯泡贯流式水电机组缺乏故障诊断方法，采用转子故障平台模拟机组典型故障作为依据。结合混沌映射（Chaotic map）优化的减法平均器（SABO）优化变分模态分解（VMD）对原始数据进行分解。对得到的分量采用多尺度样本熵的计算，结果输入到多策略改进的蝴蝶优化算法（BOA）优化的BP神经网络中进行故障诊断和分类识别。结果表明，诊断结果为98.75%，明显优于未优化模型。该项研究可以对现有灯泡贯流式水电机组故障诊断方法进行有价值的补充。

关键词： 水电机组振动信号   故障诊断   跳蛛优化算法   变分模态分解   多尺度波动散布熵  

摘要： 针对水电机组振动信号非平稳、非线性及强噪声的特点,提出了一种IMF多尺度波动散布熵(MFDE)结合门控循环单元(GRU)的故障诊断方法。首先,采用跳蛛优化算法(JSOA)寻找变分模态分解(VMD)最优参数,达到振动信号最佳分解降噪效果;其次,对分解得到的本征模态函数(IMF)进行重构,计算有效IMF的多尺度波动散布熵(MFDE)作为故障特征向量;最后,将特征向量输入GRU构建水电机组故障识别器。所提方法对实际水电站机组故障样本数据的故障识别率达97.83%,验证了该方法的有效性。

关键词： 水电机组   故障预警   遗传规划   多传感器数据   故障预警指标  

摘要： 水电机组故障预警指标对于机组早期故障预警时间影响较大,而当前预警指标多基于单传感器信息构建,且其特征信息单一,难以更全面地表征机组运行状态,针对此问题,提出了一种基于集成多传感器遗传规划(integrated multi-sensor genetic programming,IMSGP)与权重欧式距离指标(weighted euclidean distance index,WEDI)的水电机组故障预警方法。首先,将多传感器信号进行预处理,剔除干扰信息;然后从预处理后的信号中提取多元特征,构建原始预警特征集;接下来利用复合检测指数(composite detection index,CDI)进行特征选择,并利用IMSGP进行特征构造;最后结合主成分分析(principal component analysis,PCA)与欧式距离构建WEDI,判别机组异常状态。通过对水电机组实测数据的分析,证明了提出的方法可及时发现早期故障,实现故障预警。

关键词： 特征提取   故障诊断   特征融合   近似熵   卷积神经网络  

摘要： 针对水电机组振动信号存在非平稳和非线性,单一特征提取难以实现高精度故障诊断问题,提出了一种基于卷积神经网络和近似熵特征融合的故障诊断方法。利用卷积神经网络提取振动信号特征;EEMD与近似熵构建信号特征向量,将两种方法提取的状态特征融合构建融合特征向量;进一步,将融合特征作为输入、故障类别作为输出,训练BP神经网络得到水电机组故障识别器,识别水电机组运行状态,即正常或具体故障类型。结合转子实验台实验数据,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   声纹信号   卷积神经网络   EEMD   故障诊断  

摘要： 水电机组声纹信号包含大量反映内部机械状态的有效信息,为了准确提取水电机组磨碰故障声纹特征,提出一种基于聚合经验模态分解(EEMD)与卷积神经网络(CNN)相结合的水电机组磨碰声纹识别模型。首先将水电机组噪声信号进行EEMD分解,得到若干本征模态分量(IMF)和残余分量(Res),然后将得到的IMF和Res与原噪声信号构建融合特征向量;以融合特征向量为输入,碰磨故障输出,正常和碰磨故障试验数据为样本,训练CNN深度学习神经网络,得到水电机组磨碰故障识别器,识别水电机组磨碰故障。结合水机电耦合平台和实际机组试验磨碰数据,验证了所提方法对水电机组碰磨故障识别效果,平均准确率达到99.8%,且该方法识别效果显著优于其他几种识别模型。

关键词： 小波变换   奇异值分解   随机森林   特征提取   水电机组故障诊断  

摘要： 针对水电机组振动信号故障特征提取难,提出一种融合小波变换(Wavelet Transform,WT)和奇异值分解(Singular Value Decomposition,SVD)相结合的故障特征提取方法。首先,通过小波阈值降噪消除强噪声对模型特征提取的干扰,再利用小波变换将降噪信号分解成不同频率的模态子序列,应用SVD理论提起子序列的SVD值作为特征,最终将特征输入RF模型中实现水电机组故障的快速识别与诊断。通过在公开数据集和真实机组案例中应用,验证了对水电机组故障诊断的高效性。

关键词： 水电机组   知识图谱   故障诊断   知识图谱补全   改进的快速区域级神经网络  

摘要： 近年来,随着分布式新能源的大规模接入电网,水电站灵活的调峰填谷运行特性为新型电力系统的稳定运行提供了重要保障。水电机组的运行原理牵涉到水、机械和电气等多个系统的复杂耦合,导致机组监测系统获取的数据碎片化严重,关联性和全局性缺失给水电机组的运行维护和故障诊断带来了挑战。为了解决当前海量数据下水电机组数据壁垒严重、故障定位模糊等的问题,本文融合知识图谱补全模型和改进的快速区域级神经网络模型(Improved Fast Region Convolutional Neural Network,IF-RCNN),提出了基于多源海量数据一张图的水电机组故障监测与诊断的研究方法。本文研究的主要内容包括: (1)针对水电机组监测数据的多源、海量和异构特点,本文构建了一个涵盖了设备、指标和故障等关键信息的水电机组一张图。首先,采用条件随机字段技术获取水电机组运行状况、设备状态、故障诊断的响应数据。其次,将获取的碎片化数据以设备、系统、故障等表征进行分类,并利用Neo4j图数据库将复杂的关联关系以图的形式存储。最后,整合实时更新的机组监测数据以及故障信息,形成了全面的水电机组知识图谱。该图谱不仅能够揭示机组运维数据间难以察觉的潜在联系,更在机组故障根源的诊断和定位方面发挥了关键作用。 (2)针对水电机组一张图构建中的数据混乱缺失的问题,本研究提出了一种基于改进的翻译模型(Improved Translation Model,Trans IE)的知识图谱补全策略。该方法旨在优化水电一张图中数据的预测链接,将实体间的关系映射到模空间的转换中,更加明确和严格地描述设备特征与故障根因之间的关联。本文以湖南某水电厂的实际故障数据为基础,用以验证所提模型在处理水电机组知识图谱补全任务中的有效性,结果展示了Trans IE模型在处理复杂关系模式时强大的推理能力。 (3)计及水电机组故障样本关联性较差问题,本研究提出了一种基于IF-RCNN的故障诊断策略。在保持参数数量不变的前提下,融合残差网络于快速区域级神经网络模型结构中,有效地增加了网络深度,进而获得了更为丰富的特征表示。IF-RCNN网络模型不仅提升了对深层次故障信息的捕获能力,还增强了模型对数据噪声和干扰的鲁棒性。仿真结果表明该方法处理水电机组中大规模和多样化的数据的适用性。

关键词： 水电机组   噪声特征   声级   状态监测   故障诊断  

摘要： 在水电机组状态监测与故障诊断方法中,噪声分析具有比较独特的作用,但由于其频率成分复杂,产生噪声的因素众多,噪声监测与分析并没有受到与振动、摆度、水压脉动等信号同样的重视程度,但噪声分析作为稳定性状态分析方法的有效补充,能够在机组出现故障时,为其诊断和原因追溯提供更多的依据。本文对水电机组噪声特征进行了总结和归纳,尤其是基于水力因素的噪声源和噪声产生过程进行了分析,然后对噪声特征值的计算方法进行了讨论,并结合智能化噪声监测分析系统的应用,提出了噪声监测的软硬件解决方案,最终提出了一套基于噪声特征的水电机组噪声诊断方法。实践证明,噪声监测和诊断方法在水电现场具有良好的有效性和实用性,能够为机组状态检修提供支撑和依据。

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： 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。