关键词： 故障诊断   神经网络   遗传算法   水电机组  

摘要： 将遗传神经网络引入水电机组的故障诊断中,建立基于遗传神经网络的水电机组故障诊断模型,通过Matlab的相关工具箱进行仿真.结果表明遗传神经网络诊断的正确性高于BP网络.

关键词： 水电机组   粗糙集   支持向量机   故障诊断  

摘要： 针对水电机组常规振动故障诊断分类器不能反映分类中的不确定信息的不足,提出一种基于粗糙集的一对一(1-v-1)多类支持向量机分类方法。该方法充分利用粗糙集对不确定、不完整数据和复杂模式的良好刻画能力及支持向量机优秀的泛化能力,应用粗糙集最核心的思想:上、下近似来描述支持向量机分类结果。结合1-v-1方法实现支持向量机的多类分类,导出多类分类时样本的上、下近似和边界区域的集合表示,并以规则的形式对分类器进行描述。用所提方法对国际标准测试数据进行实验,并应用于某水电厂机组振动故障诊断。所得结果与单纯1-v-1多类支持向量机方法比较,结果表明该分类器具有规则简洁、分类阶段所需存储空间小,能够反映故障模式分类中的不确定信息等优点。

关键词： 水电机组   故障诊断   时间序列   相似性挖掘   频率模糊贴近度  

摘要： 时间序列的相似性挖掘是水电机组故障诊断的重要方法,本文提出一种基于频率模糊贴近度的时间序列相似性的数据挖掘方法,用来解决水电机组故障诊断中振摆特征曲线的相似性比较问题。该方法将复杂的时域问题转化为频域问题,通过模糊贴近来度量时间序列之间的距离,刻画出数据时间序列的相似程度。该算法应用到大峡水电站二号机组的故障诊断中,结果表明,该方法能够对故障做出准确判别,分离各种故障类型。由于需要存储的数据比较少,速度快,非常适于水电机组故障诊断中大规模图形序列挖掘。

关键词： 水电机组   短路保护   设计要求  

摘要： 水电站发电机组内部短路故障是发电机运行中的重要问题,本文针对水电站发电机组内部短路故障的主保护进行了探讨。

关键词： 水电机组   状态监测   状态检修   故障诊断  

摘要： 全面介绍我国水电机组水轮机、发电机、轴承和辅机系统的状态监测技术应用现状及存在的主要问题;同时对水电机组各系统的故障诊断技术现状、电厂状态检修策略的实施现状进行了全面地总结和分析。现阶段,水电机组各系统的在线监测技术虽然在短期之内能够基本满足电厂安全运行的监测需求,但是各系统监测信号、数据的精度和抗干扰水平还需进一步提高和完善,同时为实现机组运行的全面监测、机组故障诊断和电厂的状态检修,还迫切需要对低频振动监测、局放信号识别和抗干扰、空化空蚀监测、故障诊断理论研究等技术难点进行攻关和研究。

关键词： 水轮发电机组   故障诊断   应用现状   技术发展  

摘要： 通过资料和国内外现场调研,对水电机组故障诊断技术国内外发展的现状进行论述,提出了故障诊断技术在水电厂生产运行中的诊断原则和作用。并针对水电机组的特点,分类归纳了水电机组故障诊断的对象和内容,对目前水电行业应用较广的几种诊断方法进行分析。最后,提出了故障诊断技术在水电行业研究应用中的不足及其技术展望。

关键词： 故障诊断   智能体   模糊矩阵   水电机组  

摘要： 针对水电机组现有在线监测方式的缺陷,设计了一种基于多智能体的故障诊断系统模型。与经典MAS故障诊断系统相比,该模型将任务控制与任务分解融合于一个Agent子系统中,提高了控制信号的传输率并简化系统;状态监测子系统直接从监控现场提取异常特征信号以提高故障监测的灵敏性;在故障诊断子系统中设计了多Agent并行工作结构以满足系统诊断实时性与高可靠性的要求;采用基于java语言的JAFMAS软件构建开发平台建立多A-gent协调机制。实验结果表明了该方法的有效性。

关键词： 水电机组   Petri网   专家系统   故障诊断   产生式规则  

摘要： 针对水电机组故障诊断的多样性、复杂性,提出采用Petri网模型表示水电机组故障诊断专家系统的产生式规则,基于水电机组振动故障征兆信息可快速推理故障源。诊断实例表明,该诊断推理方法快速、准确、有效,可供借鉴。

关键词： 水力发电机组   系统辨识   参数辨识   模糊理论   模糊模型   模糊聚类   引力搜索   故障诊断  

摘要： 水电机组控制系统与机组的稳定、安全、高效运行密切相关,对其进行精确建模研究是系统动态过程仿真、自适应控制、机组及互联电网稳定性分析和机组故障诊断的基础。水电机组控制系统是具有时变、非最小相位、强非线性等特点的复杂系统,精确建模一直是相关研究的难点;水电机组日趋大型化、复杂化导致机组故障风险日益突出,机组故障诊断研究一直备受学界关注。因此,深入研究水电机组控制系统辨识理论与方法,获得机组控制系统的精确模型描述,研究机组故障诊断策略,对实现水电机组的安全、可靠和高效运行,具有十分重要的理论意义和工程应用价值。 在水电机组系统辨识研究中,传统方法多集中在线性系统辨识领域,辨识的模型多为忽略了非线性环节的简单线性模型,缺乏对非线性系统辨识的研究,制约了高精度水电机组对象模型的获取,亟需进一步发展水电机组非线性辨识理论并系统地建立完善水电机组系统辨识方法体系。为此,在全面分析水电机组特性基础上,凝练出机组控制系统辨识及机组故障诊断所面临的科学问题,结合模糊理论及先进智能优化方法,对水电机组控制系统参数辨识方法、模型整体辨识策略进行了系统深入的研究,进一步开展了基于系统辨识的机组故障诊断研究,提出了基于模糊聚类理论的故障模式识别方法体系。论文的主要工作及创新性成果如下： （1）针对水电机组对象特性及系统辨识研究需求,研究并建立了水轮机调节系统各环节数学模型,对其中的非线性特性进行了重点解析,探讨了不同工况下水电机组控制对象模型表现形式,建立了水轮机调节系统典型线性模型及非线性模型的SIMULINK仿真平台,为系统辨识研究打下了基础。 （2）考虑水电机组参数辨识的特殊性,研究并推导了基于微分变换和积分变换的连续系统参数辨识方法,直接辨识对象物理参数。构建了基于Harley变换的连续系统辨识模型,实现了水轮机调速器控制参数的精确辨识,研究了具有结构简单、计算速度快的Haar类正交变换,成功应用于水轮机调节对象的参数辨识。 （3）水电机组控制系统是复杂的非线性系统,在不对模型进行简化的情况下进行非线性系统参数辨识。引入引力搜索算法,结合粒子群算法的优点提出了改进引力搜索算法,使其在保留引力搜索的前提下增加了信息共享及记忆能力,进一步提高了搜索能力,在此基础上研究了基于智能优化的非线性系统辨识方法,构造了基于智能优化方法的水轮机调节系统辨识框架,实现了复杂工况下水轮机调节系统非线性模型参数的精确辨识。 （4）进一步研究了水电机组复杂非线性系统的整体模型辨识,提出用模糊模型来精确描述水轮机调节系统。在传统T-S模糊模型的基础上,研究并提出用变尺度混沌优化方法来优化T-S模糊的结构与参数,实现结构参数的一体化辨识,为提高模糊空间划分的合理性,提出了基于线性回归原型及超平面原型的模糊聚类方法,实现了T-S模糊模型的高精度辨识,最后验证其在水轮机调节系统辨识中的效果。 （5）研究了基于数学模型的动态系统故障诊断策略,为进一步开展该类问题研究打下了基础。进而研究了基于模糊聚类模式识别方法的机组故障诊断,提出了加权混合模糊聚类方法（WCOFCM）和一种加权核聚类算法（WFKC）,结合混沌变量的全局搜索能力与梯度算子的局部寻优能力,通过核函数非线性映射及样本特征加权,有效区分了重要和非重要的样本特征,突出了敏感样本特征在聚类中的主导作用,有效实现了机组故障模式的准确识别。

关键词： 水电机组   振动故障诊断   信息熵理论   Parks聚类分析  

摘要： 针对水电机组振动故障与征兆之间复杂的非线性关系,将经过整理的水电机组典型故障分别作为标准故障类,每个标准故障类和它所对应的具有代表性的特征参数构成故障类特征向量,建立标准故障特征参数矩阵。采用信息熵理论和Parks聚类分析方法对待检样本进行聚类分析,从而辨识出待检样本最有可能属于哪个故障类,即最有可能是哪种故障。通过实例检验表明理论计算与现场检查结果相符,证明该方法能有效地确定故障类型和发生故障的部位,适合于故障诊断中自动模式识别,具有良好的实际应用前景,为水电机组状态监测及故障诊断提供了一种新途径。