[发明专利]一种设备性能退化趋势提取及预测方法

权利要求书

1.一种设备性能退化趋势提取及预测方法，其特征在于包括以下步骤：

(1)建立综合考虑有功功率、工作水头耦合作用的基于反距离加权的水电机组标准健康模型，并根据获取的水电机组实时在线数据得到当前水电机组的性能退化时间序列；

(2)利用ITD将水电机组的性能退化时间序列分解为若干个平稳的PRC时间序列和一个趋势分量之和；

(3)对得到的所有分量时间序列进行复杂度特性识别，并根据预设的复杂度特性阈值，对分量进行重构获取性能退化趋势；

(4)根据得到的性能退化趋势对水电机组设备性能进行评估、判定和预测，以及时发现设备异常。

2.如权利要求1所述的一种设备性能退化趋势提取及预测方法，其特征在于：所述步骤(1)中，建立综合考虑有功功率、工作水头耦合作用的基于反距离加权的水电机组标准健康模型，并根据获取的水电机组实时在线数据得到当前水电机组的性能退化时间序列的方法，包括以下步骤：

(1.1)利用水电机组已有状态监测数据，确定机组的标准健康状态；

(1.2)选取能反映水电机组运行状态的敏感特征参数，并将机组标准健康状态下的不同水头、不同功率和被选的敏感特征参数作为样本数据，从样本数据中随机选取若干组若为标准样本数据，剩余的作为测试样本数据；

(1.3)采用标准样本数据建立基于反距离加权的健康模型Z(t)＝f(P(t),H(t))，其中,P(t)为水电机组的功率，H(t)为水电机组的工作水头，t表示水电机组运行时刻，并采用测试样本数据对该健康模型进行验证，获得水电机组的标准健康模型；

(1.4)建立水电机组振动参数性能评估模型；

(1.5)将当前工况下水电机组的功率、工作水头实时在线监测数据输入水电机组的标准健康模型，计算当前工况下水电机组的状态参数健康标准值Z(t)，并将状态参数健康标准值Z(t)和当前工况的实测值r(t)输入到水电机组振动参数性能评估模型中，获得当前工况下水电机组性能退化时间序列。

3.如权利要求2所述的一种设备性能退化趋势提取及预测方法，其特征在于：所述步骤(1.3)中，所述水电机组的标准健康模型为：

式中：Z(p_i,h_i)为在样本点(p_i,h_i)处的实测振动值，p_i为样本点对应的功率，h_i为样本点对应的工作水头；为在待预测点(p,h)处的预测振动值，p为待预测点对应的功率，h为待预测点对应的工作水头，n为样本数；w_i为距离权重，其计算公式为：

式中，d_i(p,h)为待预测点(p,h)与样本点(p_i,h_i)之间的欧式距离，Q为幂指数。

4.如权利要求2所述的一种设备性能退化趋势提取及预测方法，其特征在于：所述步骤(1.4)中，所述水电机组振动参数性能评估模型为：

式中：t表示水电机组运行时刻，r(t)表示当前工况的实测值，Z(t)表示当前工况下的状态参数健康标准值。