[发明专利]水轮机故障监测方法、装置、设备及介质

说明书

本公开涉及一种水轮机故障监测方法，包括在水轮机运行过程中，获取水轮机在预设时长内的音频信息；对所述音频信息进行特征提取，得到多个特征向量；根据所述多个特征向量以及每个特征向量对应的故障阈值，确定故障指数；根据所述故障指数，确定所述水轮机的当前状态。本公开不采用机器学习，逻辑简明，在确定故障阈值时不会采用大量的数据进行运算，可以有效节省时间。同时，采用模型输出的结果的可解释性较差，在模型输出错误结果时，不能确定模型出现错误结果的原因。同时，本公开具有较高的可解释性，且适用于不同的环境中，增强了方案的鲁棒性。

技术领域

本公开涉及水电设备技术领域，具体地，涉及一种水轮机故障监测方法、 装置、设备及介质。

背景技术

水轮机是把水流的能量转换为旋转机械能的动力机械，在水电站中，上 游水库中的水经引水管引向水轮机，推动水轮机转轮旋转，带动发电机发电。 由于机械形变、轴瓦磨损等原因，造成水轮机组故障，如不及时处理，会造 成严重的破坏性后果，因此在机组运行过程中需要进行机组稳定参数的监测， 以反映机组的实际状态。

为了监测水电机组的运行状态，通常采用直接放置在水轮机上的传感器 搜集震动信号加以分析。通过数据处理，获得大轴转动偏离轴心的振幅，作 为机组保护在旋转状态下的评判标准。

相关技术中，采用深度神经网络、决策树、模糊神经网络等机器学习的 方法对水轮机运行状态进行监测，而训练机器学习的模型需要花费大量的时 间，且训练得到的模型的通用性较低，更换不同型号的水轮机后往往需要重 新获取数据训练模型。

发明内容

本公开的目的是提供一种水轮机故障监测方法、装置、设备及介质，以 解决现有技术中水轮机状态监测方法的通用性较低的问题。

为了实现上述目的，在本公开的第一方面提供了一种水轮机故障监测方 法，所述方法包括：

在水轮机运行过程中，获取水轮机在预设时长内的音频信息；

对所述音频信息进行特征提取，得到多个特征向量；

根据所述多个特征向量以及每个特征向量对应的故障阈值，确定故障指 数；

根据所述故障指数，确定所述水轮机的当前状态。

可选地，对所述音频信息进行特征提取，得到多个特征向量的步骤，包 括：

将所述音频信息分别进行时域变换和频域变换，获得多个特征向量。

可选地，所述多个特征向量包括多个时域特征向量以及多个频域特征向 量，将所述音频信息分别进行时域变换和频域变换，获得多个特征向量的步 骤，包括：

根据多个时域特征公式分别对所述音频信息进行运算，得到多个时域特 征向量；

根据多个频域特征公式分别对所述音频信息进行运算，得到多个频域特 征向量；

其中，每个时域特征公式对应一个时域特征向量，每个频域特征公式对 应一个频域特征向量。

可选地，根据所述多个特征向量以及每个特征向量对应的故障阈值，确 定故障指数的步骤，包括：

在所述多个特征向量中的任意一个特征向量超出对应的故障阈值的情 况下，确定该特征向量的故障值为1；

在所述多个特征向量中的任意一个特征向量未超出对应的故障阈值的 情况下，确定该特征向量的故障值为0；

根据所述多个特征向量对应的故障值，确定所述故障指数。

可选地，根据所述多个特征向量对应的故障值，确定所述故障指数的步 骤，包括：

将所述多个特征向量的对应的故障值之和作为所述故障指数。