关键词： 水电机组   故障分类   决策树   数据挖掘  

摘要： 由于引起水电机组振动的原因复杂,监测数据量大,运行检修人员往往很难全面把握故障征兆确定故障原因。对此本文对C4.5决策树分类算法进行研究,应用决策树分类的方法对水电机组故障征兆进行分类。该方法利用典型水电机组故障特征向量建立故障诊断决策树,从而实现对水电机组振动故障的诊断。

关键词： 水电机组   轴系   故障诊断   支持向量机   小波包分解  

摘要： 为实现水电机组轴系运行常见故障的快速实时诊断,提出了一种基于支持向量机的故障诊断及预测方法。该方法应用支持向量机分类的基本原理,提取机组振动信号的频谱能量作为学习样本,通过训练建立基于水电机组轴系运行常见故障的分类模型,进行故障类型识别。同时,结合状态监测系统的实时采集数据,应用时间加权因子和支持向量机回归模型,实现特征数据的实时预测。经实验分析验证,该诊断方法具有较高的准确性,其回归预测方法有效可行,能满足实时故障诊断的要求。

关键词： 水电机组   故障诊断   加权贝叶斯   模糊积分  

摘要： 为提高水电机组故障诊断的准确性,提出了基于Choquet模糊积分融合的多分类器组合故障诊断方法,对朴素贝叶斯分类器进行了基于属性相似度的加权改进,得到基于属性相似度的加权朴素贝叶斯分类器(Attribute Similarity Weighted Naive Bayes Classifier,简称SWNBC),并应用基于Mahalanobis距离的分类器(Mahalanobis Distance Classifier,简称MDC)与BP神经网络(BP neural network)组合成为SWNBC+MDC+BP的多分类器组合模型,以小波包提取的相关频带能量作为输入特征向量,应用组合模型对水电机组故障进行诊断,采用模糊积分法来决定最终的故障类型。实验结果表明该模型相对于单一的分类器,能有效提高识别故障的精度。

关键词： 水电机组   故障诊断   朴素贝叶斯   加权贝叶斯   支持向量机  

摘要： 为提高水电机组故障诊断的准确性,提出了多分类器组合的故障诊断方法。对朴素贝叶斯分类器(NBC)进行了基于属性相似度的加权改进得到基于属性相似度的加权朴素贝叶斯分类器(SWNBC),并应用基于Fisher加权的朴素贝叶斯分类器(FWNBC),与支持向量机分类器(SVM)组合成为SWNBC+FWNBC+SVM多分类器组合模型,以小波包提取的相关频带能量作为输入特征向量,应用组合模型对水电机组故障进行诊断,采用多数投票法来决定最终的故障类型。实验结果表明该模型相对于单一的分类器,能有效提高识别故障的精度。

关键词： 水电机组   调速   油系统   关联监测   远程集控  

摘要： 在总结水电机组调速油系统工作原理的基础上,提出了调速油系统压油槽正常用油量的检测方法,并以此为基础,研究了机组调速油系统故障检测策略,探讨了漏油、漏气、油泵效率低的检测方法,实现了对调速油系统的运行状态监测、性能评价及故障检测,并利用梯级水电厂远程集控系统提供的海量数据源,研制了调速油系统在线监测与分析子系统,目前,系统已投入工业试运行,取得良好的效果。

关键词： 水电机组   故障诊断   核函数   模糊聚类   引力搜索  

摘要： 核聚类是一类有效的水力发电机组振动故障诊断方法,为了解决核聚类有效性评价和核参数选择的问题,提出了一种引力搜索核聚类算法。首先建立以核Xie-Beni指标为目标的聚类模型;然后引入引力搜索框架,以聚类中心和核函数参数为优化变量,通过引力搜索求解核聚类模型;最后定义了基于核空间样本相似度的故障诊断模型。利用国际标准样本集对该方法进行分类测试,并将该方法应用于水电机组振动故障诊断。试验结果表明:与传统聚类方法相比,文中方法具有更高分类精度,且能对故障样本准确聚类并提取诊断模型参数,实现故障的准确诊断。

关键词： 水电机组   故障诊断   小波变换   数据挖掘   工作原理  

摘要： 水电机组是一种大型的能量转化装置，机组的稳定运行对于水电厂安全、稳定、经济的供电有着很大的影响。由于机组长期运行在恶劣的环境下，因此振动问题往往是安全运行的一大隐患。为了提高机组运行的稳定性，相关故障诊断技术的提高与开发已经变得必不可少。\n 本文对水电机组故障诊断的相关问题做了探讨。首先以实际水电厂出发，对于故障诊断的研究目的和意义、研究内容以及国内外现状做了详细的阐述。分析并总结了振动故障特征、振动机理，并对振因做了详细的比较说明。\n 其次研究了水电机组故障特征的提取。结合Parseval能量积分和小波包分解，利用该方法提取了水电机组振动频谱的能量特征。建立了从信号输入到能量变化再到故障类别的一种映射关系。这种基于“信号—能量—故障”的诊断方法，解决了传统频谱分析方法对信号局部分析不足的问题。\n 最后研究了水电机组故障诊断方法。为了更精确的进行故障诊断，将数据挖掘技术与故障诊断技术相结合，提出了基于多维关联规则数据挖掘系统的故障诊断方法。以实际的水电厂为例，通过关联规则挖掘分析后，很好的完成了故障的精确诊断。

关键词： 水电机组   振动信号   故障诊断   灰色系统理论   特征提取  

摘要： 振动是水电机组常见的故障之一，强烈的振动会对机组产生疲劳损坏，甚至对电力系统的安全运行产生影响。因此，对机组振动故障诊断进行研究，防范事故，保证电力系统安全稳定运行具有重要意义。本文借鉴应用数学科学的研究成果，将灰色理论应用于水电机组振动故障诊断中，完成的工作有:\n 首先，进行了水电机组振动信号的特征提取研究，用提取的特征信号建立标准故障特征矩阵和待检特征矩阵，并通过计算它们之间关联度来确定待检故障类型。针对关联度分析存在漏判和误判的缺陷提出一种改进方法，引入阈值进一步判断其故障类型，实例证明，该方法能取得良好效果。\n 其次，本文首次将灰色理论引入水电机组故障预测评估中，针对GM(1，1)模型在实际预测中对原始数据要求高，不能满足实际需要，提出了基于GM(1，1)模型的改进算法。改进算法基于模型数据进行处理，分别采用滑动平均法和局部残差处理法，通过对比经过两种方法处理后模型精度的高低，最终选取了对数据进行GM(1，1)残差处理方法。采用GM(1，1)模型对水电机组故障特征量进行了预测，从而可以明确该种故障的发展趋势，对机组是否需要停机检修提供了一定的依据。\n 最后，将故障诊断和状态预测进行了界面可视化设计，界面设计都是通过MATLABGUI实现的，从而增强了人机交互性，使故障识别、状态预测更具有直观性。

关键词： 发电设备   故障   缺陷   应对措施   水电机组  

摘要： 对2011年湖南省内部分水电厂发生的引起水电机组异常的发电设备典型缺陷及故障进行了分析和分类,总结了水电厂发电设备缺陷及故障中安全生产的薄弱环节,并提出了应对措施。

关键词： 水电机组   故障诊断   多重分形   模糊聚类  

摘要： 水电机组的振动信号具有明显的分形特征，本文将多重分形应用到水电机组故障诊断中，利用其分形维数来描述不同故障信号的细节特征。完成的主要工作有:\n 论文首先针对多重分形计算中存在的盒子相对位置影响计算结果稳定性的问题，提出了一种改进的多重分形计算方法。在考虑盒子尺度变化的同时，加入了盒子相对位置这一影响因素，将盒子不同初始位置得到的维数平均值作为维数值。运用改进算法得到的Weierstrass函数维数值与理论维数值对比，改进的多重分形计算结果准确性更高。\n 在上述工作的基础上，进一步将改进的多重分形算法应用于水电机组故障诊断研究中。由于不同的分形维数具有不同的几何特性意义，本文选用7种维数组合来描述信号的特征信息。对水电机组不同负荷条件下的水导轴心轨迹和不同转子故障轴心轨迹特征信息的提取发现，多重分形特征对转子不同故障和机组不同负荷运行状态区分十分明显。\n 考虑到多重分形维数的相关特性对于特征信息相似度很高的信号存在着区分度不十分明显的限制的问题，本文进一步结合模糊聚类算法对信号模式进行识别。模糊聚类通过特征维数的优选，判定维数之间的相似性，最后按照概率大小对信号的模式进行识别。将其应用到水电机组故障诊断实例中，结果表明，此方法可以实现相似特征信号的分类和识别，具有快速准确的优点。