[发明专利]基于在线数据的水轮发电机组水力不平衡故障的自动分析诊断方法

说明书

本发明提出的一种基于在线数据的水轮发电机组水力不平衡故障的自动分析诊断方法，步骤包括：1)计算获取空载工况下摆动、振动信号的1X分量和叶片频率分量；2)计算获取不同负载工况下，多个摆动、振动信号的1X分量和叶片频率分量；3)计算得出多个摆动、振动信号的1X分量与空载工况下的矢量差幅值和多个叶片频率分量与空载工况下的振动矢量差；4)计算得出摆动、振动信号的1X分量振动矢量差幅值与负荷的线性相关系数和叶片频率分量振动矢量差幅值与负荷的线性相关系数；5)通过相关系数分别与预设值进行对比，根据比较情况判断出引起水利不平衡故障的因素。本发明易于操作。使用人员无需进行设置、选择数据等复杂操作，采用“一键完成”式的软件操作。

技术领域

本发明涉及一种基于在线数据的水轮发电机组水力不平衡故障的自动分析诊断方法。

背景技术

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，研究开发智能水电机组故障诊断系统是非常必要的。水电机组在运行过程中难免发生各种各样的异常情况，同一异常现象可能有不同的产生原因，并且出现的故障具有随机性，其中许多事电站工作人员无法预先、直接检测到的，一般要根据工作人员的个人经验和对监测数据的分析来查找故障发生的原因及部位，因而有一定的主观性和局限性。因此，为保障水电机组的正常安全运行，对其运行状态进行检测，及时发现故障征兆，做到“预测性检修”防患于未然是工程界梦寐以求的理想，也是大型电站机组检修的发展方向。水轮发电机组故障诊断是近几年兴起的一门识别机组运行状态的科学，是一个复杂的综合系统，涉及的专业范围广。及时准确地诊断出水电机组的状态和故障，对提高水电机组工作稳定性、安全可靠性具有重大意义。传统水轮发电机组的故障诊断主要有以下4种方法

1、基于信号处理的诊断方法

基于信号处理的诊断方法是各种诊断方法的基础和前提，作为一种传统的故障诊断方法，根据系统可测信号的特征值，如幅值、相位、频率、方差等，以及信号之间的相关性，与故障源之间存在的某种关系，通过信号处理和特征提取，找出其与故障源之间的映射关系来进行运行设备的故障诊断。目前常用的信号处理方法包括时域分析法、频域分析法、时频域分析法等。

2、基于解析模型的诊断方法

基于解析模型的诊断方法是以控制理论为基础的诊断方法。把设备看成一个具有一定输入、输出关系的动态系统，根据系统的输入，输出关系建立数学表达或解析表达模型，利用观测器、滤波器、等价空间方程、参数模型估计与辨识等方法产生残差，根据模型的残差来判断发生故障的可能性。水电机组是一个复杂的非线性时变系统，建立比较准备的数学模型往往很难得到，这也限制了基于解析模型的诊断方法在水电机组故障诊断的应用。目前常用的解析模型方法包括参数估计方法、状态估计方法、等价空间方法等。

3、基于经验知识的诊断方法

涉及研究领域的知识表达、处理和应用的方法，统称为基于知识的诊断方法，如故障征兆树方法、专家系统方法等，他们的特点是将专业知识通过语义和框架的方式进行表达，故障的诊断则采用推理和推理过程进行，如产生式规则推理、逻辑推理、模糊知识推理等。目前常用的经验知识的诊断方法包括符号有向图分析方法、故障树分析方法、专家系统诊断法等。

4、基于数据驱动的诊断方法

基于数据驱动的故障诊断方法就是利用设备长期积累的在线或离线的状态数据，而不需要精确的数学解析模型，应用统计分析模式进行识别，神经网络技术或支持向量机模型分类等方法，通过数据学习和建模，将设备状态进行识别和分类，最终得到系统可能存在的故障。目前常用的数据驱动方法包括神经网络诊断方法、支持向量机诊断方法、统计分析诊断方法、模糊诊断方法等。

传统故障诊断技术的缺陷：