关键词： 水轮发电机组   小波包分析   分形方法   网格维数   支持向量机   振动故障诊断   特征提取  

摘要： 近年来，随着水电站高水头、大容量的发展趋势，要保证水电站机组及厂房结构安全、稳定的运行，对大型水力发电站的机组及厂房结构开展原型振动试验，并对实测的振动信号进行分析处理，利用智能诊断方法进行故障诊断，是一项有重大意义的工作。在水电机组进行智能故障识别中，支持向量机是基于少样本情况下，就机器学习问题所建立的一种新的智能故障识别理论体系。同时，故障特征提取方法也是故障诊断中的重要环节。分形方法通过计算振动信号的分形维数，可以有效地提取出特征向量，有助于对水电机组的状态进行识别。本文在对分形和支持向量机深入了解的基础上，进行了以下方面的研究:\n 首先论述了国内外状态监测与故障诊断的发展现状及存在的问题，在研究了传统信号分析方法以及故障诊断方法的基础上，本文提出了将分形与支持向量机用于水电机组的故障诊断，解决了提取特征向量的困难和样本数较少的问题。\n 接下来研究了利用小波包对振动信号进行降噪的方法，将分形相关理论引入到水轮发电机组故障模式识别中，介绍了几种分形维数及其测量方法，选择了一种与盒维数类似的网格分形维数进行特征提取，利用维数相关性判别法进行故障诊断，并在实例中验证了此方法的有效性。\n 然后介绍了支持向量机的原理及最优超平面的构造，并对如何选取核函数进行了论述。对水电机组振动信号进行分形维数特征提取，将特征向量输入经过遗传算法和粒子群优化后的SVM网络中进行故障诊断。结果表明，两种优化方法都能够对机组的运行状态进行故障诊断，值得进一步地研究。\n 最后将小波包分形与SVM相结合对新疆塔尕克水电站的振动信号进行故障识别，结果表明，该方法能够对不同的故障进行很好地分类，为水电机组的故障诊断开辟了新的思路。

关键词： 水电机组   健康评估   劣化趋势预测   健康样本   时间序列分解   最小二次支持向量机(LS-SVM)  

摘要： 水电机组运行状态的实时诊断直接关系到水电站的安全稳定运行、电力质量和电力生产成本等重要的经济效益指标,其社会效益巨大。随着电站规模和监测辅助系统的不断扩大,机组的控制和监测数据信息量越来越大,运行操作人员对机组运行状态的实时有效监控、对设备故障做出迅速而准确地判断变得越来越困难,因此,研究水电机组运行状态健康评估和性能劣化趋势预测是非常必要的。 考虑到水电机组状态监测技术已得到广泛应用,但现阶段水电机组故障样本较少,现有的诊断技术无法满足工程应用等实际情况,提出基于健康评估和劣化趋势预测的水电机组故障诊断新思路。从研究机组运行正常特征入手,通过建立健全的监测特征量健康样本来实现水电机组的健康诊断,诊断方法侧重于设备运行状态的实时健康诊断,重点在于监测异常和预测异常,其诊断方法与传统的基于故障征兆的诊断方法有较大差异。鉴于水电机组实际运行中,出现的故障概率较小,基于该诊断理念开发的诊断系统工程实用性很强,且系统具备实时健康诊断和量化的性能退化趋势预测功能,既能实时监测异常,又能预测异常,可满足现阶段的工程应用需求。本文从运行状态特征提取、健康标准及健康样本的建立、基于特征样本的健康评估、基于时序分解模型的状态趋势预测、基于LS-SVM的参数性能退化评估以及集成化故障诊断系统的研究与应用六个方面,系统开展了基于健康评估和劣化趋势预测的水电机组故障诊断技术与应用研究。 以水电机组的水轮机和发电机为研究对象,在归纳总结水电机组运行异常时可能出现的各种特征表现的基础上,提出了表征水电机组运行状态的特征参数,以及特征参数三种可以量化的特征指标：幅值、频率、波形形状,并给出了相应的计算方法。 提出了可用于水电机组运行状态健康评估的三种评价标准：绝对评价标准、相对评价标准、类比评价标准,并给出了标准限值相应的取值计算方法。根据概率论与数理统计学的极限理论,以及休哈特控制图理论,提出了采用样本均值作为特征量的标准值,以3σ准则确定的X。=X±3σ为报警界限值的特征量健康标准。 以机组前期正常运行条件下的振动监测样本为例,分析了机组运行条件(功率、水头)对监测参数特征量指标的影响,提出以控制样本方差的方法来对运行条件进行分区,建立分区健康样本的具体方法和步骤,这样既保证了样本的判异准确性,同时也减低了样本空间维数(样本个数)。 建立了基于时间序列变化分解的水电机组特征量趋势预测模型,提出了基于时间序列分解模型的趋势预测和性能退化预测的算法。采用电站实际监测数据对分解模型和算法进行了验证,结果表明,预测趋势与实际监测趋势具有很好的吻合性,可满足水电机组监测特征量的趋势预测和性能退化预测,对早期预警机组潜在异常,具有很好的实用性。 以水电机组振动为例,提出了基于LS-SVM的水电机组振动参数性能退化评估三维标准模型(功率-水头-振动量)。将机组实时运行的有功功率和工作水头代入训练好的模型,即可获取当前工况下机组振动量是否偏离正常状态,实现机组运行状态的健康评估。基于振动参数性能退化时间序列,提出了基于LS-SVM的水电机组振动参数性能退化预测模型,采用上导摆度和上机架振动参数现场状态监测数据对所提模型进行验证。结果表明,该模型能较好的对水电机组振动参数性能退化进行评估和预测。 最后以三峡集团公司远程状态监测与故障诊断系统为例介绍了集成化故障诊断系统的研究与应用,提出了现地监测层—厂站集成层—中心诊断层分布式故障诊断系统的总体结构,以标准化的数据格式来实现不同监测设备之间的数据通信,通过标准化数据平台的集成,实现了状态信息的共享和多信息的融合诊断。通过建立机组运行状态健康样本库,实现了机组运行状态的实时健康评估和性能退化预测,达到了设备健康状态定量评估的目的,可为指导机组状态检修提供技术依据。

关键词： 水电机组   故障诊断   信号降噪   特征提取   分类方法  

摘要： 随着水电机组向巨型化、大容量发展,状态监测在保障水电机组安全运行、甚至电网稳定的作用越来越突出。状态监测可以反映机组运行过程中故障信息,例如机组出现转子不平衡故障时,开机过程中振动信号的转频逐渐升高并且振动幅值也随之增大,存在明显的非平稳特性,但是以往状态分析方法都将信号作为平稳信号进行分析,如常用的傅里叶变换。对此,本文对目前状态监测分析中信号降噪、特征提取和特征分类中存在的问题进行研究。　　目前小波降噪方法在信号降噪处理中应用较多,但是普通的软、硬阈值函数的小波降噪方法在降噪过程中会出现系数的恒定偏差和信号的附加振荡问题。针对此问题,本文提出了一种改进阈值函数的小波降噪方法,使阈值函数变换后的系数在阈值点处连续且大于阈值处不会出现系数恒定偏差,既克服了硬阈值降噪产生的附加振荡,也抑制了软阈值降噪存在的过扼杀现象。通过不同降噪方法对模拟和实测信号的降噪效果对比,表明改进阈值的降噪方法在抑制附加振荡和保留信号特征方面都优于原有方法。　　由于机组在开停机等过渡过程中振动信号体现明显的非平稳特性,而根据维格纳-维利分布(WVD)具有良好聚集性的特点,本文通过该方法对机组振动信号进行时频分析,但分析发现其对多分量信号分析时存在交叉项干扰问题,即产生虚假频率。针对此问题本文提出了一种维格纳-维利分布和集合经验模态分解(EEMD)相结合的时频分析方法。首先通过集合经验模态分解将信号分解为频率成分较为单一的若干模态分量,再对每个模态分量进行维格纳-维利分布的时频分析,将每个分析结果进行叠加形成整个信号的时频分析。这样既抑制了维格纳-维利分布的交叉项干扰,又发挥了维格纳-维利分布的高变分辨率的优势,最终将其应用到机组开机过程的振动信号分析中。对比小波分析和短时傅里叶分析结果,表明该方法在机组开机过程能够更加清晰的体现振动频率特征。　　由于水电机组状态监测数据是不断采集的,形成的特征向量越来越多,将成为大规模海量数据集。针对此问题,本文将流挖掘的分类方法引入水电机组故障诊断中。通过在设置窗口内进行关联规则的挖掘和规则存储,即使新的数据不断地产生,分类器只在固定窗口内计算,并根据置信度对关联规则进行更新存储实现分类,达到了对水电机组故障特征进行快速诊断的目的,满足在线故障分类的要求。　　根据本文提出的信号分析处理方法,通过LabVIEW图形编程软件将其实现并应用到水电机组状态监测分析中。通过实测的一段故障信号分别用传统故障诊断方法和本文中提出的故障诊断方法进行分析,本文方法准确判断主要存在故障为轴系不对中故障,与机组特征相符,从而进一步验证了所提出的信号分析及处理方法的正确性。

关键词： 水电机组   故障诊断   模糊积分   趋势预测   果蝇优化算法  

摘要： 随着我国水电事业的迅猛发展，水电以其在电力行业调峰的重要作用以及巨大的潜在资源，受到了世界各国的高度重视。水电机组的单机容量变得越来越大，并且在电力系统中所占的比例也呈现快速增长的趋势。水电机组一直都被视为水电企业的核心设备，其运行的安全性与机组自身的健康状态与水电企业的安全性与经济效益有着密切的关系，水电机组一旦发生事故，就会造成严重的安全事故并可能导致巨大的经济损失。因此，水电机组的安全性、可靠性和稳定性既是水电企业追求的目标，也是许多学者研究的热点。水电机组故障诊断与状态趋势的预测能为掌握机组的状态提供技术支持，从而有助于降低机组事故率，减少经济损失。本文总结了这一领域的研究现状，以水电机组振动机理为基础，应用模糊积分融合多分类器的方法对水电机组进行了故障诊断，并将智能算法优化后的广义回归神经网络应用于水电机组的状态趋势预测，主要的工作包括以下两个部分： 第一部分是基于模糊积分的水电机组故障诊断的研究。 应用小波包能量算法提取水电机组的故障特征，提出了一种基于模糊积分融合的多分类器组合诊断模型，采用一种加权方法改进了传统的朴素贝叶斯分类器，并将其与马氏距离分类器、BP神经网络作为子分类器，通过模糊测度表征子分类器相互间的作用，最后使用模糊积分融合三个子分类器的输出结果而得到最终的诊断结果，仿真实验表明基于模糊积分融合的的诊断模型不仅具有较高诊断的准确率，而且相对于单一的诊断方法其泛化性有一定程度的提高。 第二部分是关于智能算法优化的广义回归神经网络状态趋势预测的研究。 本部分将混沌理论中关于时间序列预测的理论应用到水电机组振动状态趋势预测中，分析了水电机组的振动序列相空间重构中嵌入维数和延时参数选择的问题，应用果蝇优化算法优化选择广义回归神经网络的分布参数（spread），将优化后的广义回归神经网络应用到水电机组的振动状态趋势预测中，在与BP神经网络的预测结果均方误差的对比中可看出，该模型有较高的稳定性与预测精度，对于信号趋势走向的反映相对比较准确。这种模型为预测机组的运行状况提出了一种新的方法，从而为了解机组状态变化的规律提供了强有力的技术支持。

关键词： 水电机组   状态监测   故障诊断   频率征兆  

摘要： 水电以其在电力行业调峰的重要作用以及巨大的潜在资源，越来越受到人们的重视。随着电力市场的发展，提高水电自身的竞争力已成为行业追求的目标。提高水电机组运行稳定性，发展故障诊断相关的研究技术和实测手段，实施状态检修，是电力改革的必然要求。　　 本文就水轮机组状态监测与故障诊断问题进行探讨，建立了一套对机组进行状态监测的方法，并在此基础上分析研究了水电机组在线监测及故障诊断系统，为水电厂开展状态检修及故障诊断奠定了基础。　　 本论文基于状态检修的概念及其发展现状，并针对贵州洪家渡发电厂3号机组在线监测，分析水电站机组运行稳定性，并探讨了故障诊断的实施。　　 本文主要有以下几部分组成:　　 ①介绍论文选题的背景和意义，分析总结国内外故障诊断技术的发展与研究现状，对目前水轮发电机组故障诊断技术的发展趋势和有待解决的问题进行分析与探讨。　　 ②研究了水轮发电机组的主要故障及其征兆，分析了水电机组故障原因及对应的频率征兆，为研究洪家渡水电机组状态监测及故障诊断奠定基础。　　 ③分析研究了洪家渡水电机组状态监测和故障诊断系统，给出了在线监测结果，并根据监测结果对机组状态进行了分析。　　 ④研究了洪家渡水电机组故障诊断系统的构成及建立，分析了洪家渡水电机组的故障特征，并验证了水电机组故障诊断系统正确性。

关键词： 粗糙集   BP神经网络   人工鱼群   水电机组   故障诊断  

摘要： 将粗糙集和人工鱼群优化-神经网络算法引入水电机组故障诊断中,利用人工鱼群优化算法中聚类的特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。实验结果表明:该方法降低了神经网络的输入信息空间维数,简化了神经网络结构,有效提高了故障诊断的准确性。

关键词： 水轮发电机   设备状态监测   故障诊断方法  

摘要： 大型水电机组的状态监测与故障诊断技术还远远没有成熟,这就要求在今后的研究工作中,不断地提高已有的知识水平,完善知识体系。以下几个方面需要在今后的研究工作中进行更加深入细致的研究:①水电机组设备庞大,结构复杂,诱发故障的因素多、水电机组故障率高、技术难度大;②水力流体因素、振动因素、电磁因素是相互影响的3个难点,是以后要继续研究的重要课题。

关键词： 大唐重庆彭水电厂   状态监测   故障诊断   TN8000  

摘要： 通过描述大唐重庆彭水电厂TN8000水电机组状态监测分析故障诊断系统的构成、传感器选型、测点布置和该系统的功能,总结了系统运行近两年的运行状况和对水电厂生产运营的指导作用,说明了在电厂应用该系统的重要意义。

关键词： 水电机组   故障分类   数据流   关联分类  

摘要： 引进一种数据流关联规则分类法(AC-DS),并应用该方法对UCI机器学习库中标准数据集进行分类验证,验证结果表明该方法准确且有效。然后将该方法应用到水电机组故障的诊断分类中,证明该方法的分类精度随着测试样本的增加而增加。该方法对现场不同类型机组故障分类有一定意义。

关键词： 振动摆度   压力脉动   局部放电   实时采集   状态检修  

摘要： 概略地介绍了TN8000水电机组状态监测分析故障诊断系统的作用及适用范围,画出了系统的网络构成图,详细介绍了系统的各种功能,给出了该系统在实际工程中的应用实例。