关键词:
水力发电机组
信息传递
可靠性评估
趋势预测
状态维修
摘要:
水力发电机组作为稳定灵活性能源供给是电力系统适应大规模高比例新能源的重要保障。受电力负荷需求和自身复杂水-机-电多源因素耦合影响,水力发电机组需面临更加频繁的暂态运行过程,机组振动和压力脉动等稳定性指标变化剧烈,参数间耦联关系更为复杂,严重威胁机组运行可靠性及健康状态。本文以揭示水力发电机组运行状态变量间耦联机理与量化多源指标参数潜在风险规律为关键科学问题,提出水力发电机组动态安全评价统一研究新视角,并基于所揭示机理进一步优化机组状态维修策略,取得以下几方面研究成果:1.从信息传递角度揭示了水力发电机组运行状态变量间耦联机理和物质与能量作为信息载体在动态过程中的协同关系。以水电机组甩负荷暂态运行过程为例证明了两个子系统间信息因果关系可以由两个系统直观变量在暂态过程中的信息传递来表示,这种关系是双向非对称的。信息流路径和方向不会随着甩负荷量变化而改变,且信息流路径始终为机组出力→运行水头→机组转速→导叶开度→流量,整个过程中导叶→流量信息传递量是最高的。此外,揭示了变量间耦合的跨时频尺度效应,即信息传递存在于相同和不同时间与频率尺度变量之间。2.为提高水电机组多源耦合故障信号特征提取精度,围绕揭示机组多源信号耦合机理这一关键问题,提出了一种基于信息因果和变分模态分解的水力发电机组多源耦合故障分离降噪策略IFC-VMD。将IFC-VMD应用在S电站3号机组故障特征提取和分离降噪中,准确剔除冗余和干扰成分,结果表明所提方法在重构多源故障信号中较现有成熟方法具有明显优势,去噪保真率提高了3%。较好保留了实际有效故障特征,为水力发电机组多源故障耦合信号特征分离降噪提供有力理论支撑和有效分析方法。3.为准确诊断机组故障早期微弱信号特征,提出了一种基于动态信息传递的过程诊断模型。该方法创新性地实现了机组测点信号间动态信息传递特性定量描述,突破了传统基于信号特征提取分析的水电机组故障诊断模式范式。通过某250MW水电机组实测数据验证了该方法的适用性和有效性。结果表明所提诊断模型对检测小幅异常更为敏感。对比分析PCA和KICA-PCA方法,所提模型在诊断成功率上分别提高了84.7%和90.6%,在检测延迟上分别提前了43和33个检测样本,且虚警率低至1.2%。研究结果为水电机组等具备多传感器系统的状态过程诊断提供了新的视角和技术支持。4.围绕参变量之间信息因果关系深入挖掘水电机组复杂状态数据,提出了基于信息因果和Page Rank算法的辅助变量选择方法,通过深度学习和模糊综合评价实现了机组状态趋势预测和运行状态风险量化。结果表明:(1)通过挖掘变量之间信息因果关系可实现对系统全状态变量有效降维,且将主导变量和其因变量作为预测输入时主导变量各项预测误差均0.1之内,最低达到了0.0006;通过考虑预测对象变量与其因果变量之间的信息传递序列,增加缺乏样本情况下的预测输入维数以提高预测精度,对机组振动和压力脉动预测的平均绝对百分比误差分别为0.0043和0.3809。(2)对Z电站某机组来说,在130MW~250MW试验负荷区间内该机组均处在D类风险区,且在200MW时达到最高的累积风险隶属1.6265。其中,风险贡献度最高的指标为无叶区压力2,其在所有试验负荷区间内成为最大风险贡献情况占比高达50%,结合现场测试结果判定该机组风险来源于转轮部件的动静干涉问题,建议电站通过增大活动导叶分布圆直径或优化转轮等措施减小运行过程中出现的异常振动现象。5.针对现阶段水电机组设备状态检修缺乏统一理论研究框架,提出了基于广义比例风险模型和半马尔科夫决策过程的水力发电机组可靠性预测和CBM策略集成框架。利用葛洲坝某机组16年运行和维护记录进行案例研究,验证了所提方法的有效性和适用性。结果表明,所建方法可以实现变工况条件下机组可靠性预测和维修成本优化,在机组单设备系统分析中,与平均时间成本模型相比,分别避免了599¥/d的运行成本和15天的检测间隔偏差。在机组多设备系统分析中较(非)恒定维修阈值模型分别避免了34天和12天的检修等待时间。此外,还讨论了运行条件和折扣率对框架性能的影响,提高了方法的完备性。研究结果为具备高可靠性水力发电机组或更广泛应用提供了理论和实践指导。