基于健康評估和劣化趨勢預(yù)測的水電機(jī)組故障診斷系統(tǒng)研究

【摘要】：水電機(jī)組運(yùn)行狀態(tài)的實(shí)時(shí)診斷直接關(guān)系到水電站的安全穩(wěn)定運(yùn)行、電力質(zhì)量和電力生產(chǎn)成本等重要的經(jīng)濟(jì)效益指標(biāo),其社會(huì)效益巨大。隨著電站規(guī)模和監(jiān)測輔助系統(tǒng)的不斷擴(kuò)大,機(jī)組的控制和監(jiān)測數(shù)據(jù)信息量越來越大,運(yùn)行操作人員對機(jī)組運(yùn)行狀態(tài)的實(shí)時(shí)有效監(jiān)控、對設(shè)備故障做出迅速而準(zhǔn)確地判斷變得越來越困難,因此,研究水電機(jī)組運(yùn)行狀態(tài)健康評估和性能劣化趨勢預(yù)測是非常必要的。 考慮到水電機(jī)組狀態(tài)監(jiān)測技術(shù)已得到廣泛應(yīng)用,但現(xiàn)階段水電機(jī)組故障樣本較少,現(xiàn)有的診斷技術(shù)無法滿足工程應(yīng)用等實(shí)際情況,提出基于健康評估和劣化趨勢預(yù)測的水電機(jī)組故障診斷新思路。從研究機(jī)組運(yùn)行正常特征入手,通過建立健全的監(jiān)測特征量健康樣本來實(shí)現(xiàn)水電機(jī)組的健康診斷,診斷方法側(cè)重于設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)健康診斷,重點(diǎn)在于監(jiān)測異常和預(yù)測異常,其診斷方法與傳統(tǒng)的基于故障征兆的診斷方法有較大差異。鑒于水電機(jī)組實(shí)際運(yùn)行中,出現(xiàn)的故障概率較小,基于該診斷理念開發(fā)的診斷系統(tǒng)工程實(shí)用性很強(qiáng),且系統(tǒng)具備實(shí)時(shí)健康診斷和量化的性能退化趨勢預(yù)測功能,既能實(shí)時(shí)監(jiān)測異常,又能預(yù)測異常,可滿足現(xiàn)階段的工程應(yīng)用需求。本文從運(yùn)行狀態(tài)特征提取、健康標(biāo)準(zhǔn)及健康樣本的建立、基于特征樣本的健康評估、基于時(shí)序分解模型的狀態(tài)趨勢預(yù)測、基于LS-SVM的參數(shù)性能退化評估以及集成化故障診斷系統(tǒng)的研究與應(yīng)用六個(gè)方面,系統(tǒng)開展了基于健康評估和劣化趨勢預(yù)測的水電機(jī)組故障診斷技術(shù)與應(yīng)用研究。 以水電機(jī)組的水輪機(jī)和發(fā)電機(jī)為研究對象,在歸納總結(jié)水電機(jī)組運(yùn)行異常時(shí)可能出現(xiàn)的各種特征表現(xiàn)的基礎(chǔ)上,提出了表征水電機(jī)組運(yùn)行狀態(tài)的特征參數(shù),以及特征參數(shù)三種可以量化的特征指標(biāo)：幅值、頻率、波形形狀,并給出了相應(yīng)的計(jì)算方法。 提出了可用于水電機(jī)組運(yùn)行狀態(tài)健康評估的三種評價(jià)標(biāo)準(zhǔn)：絕對評價(jià)標(biāo)準(zhǔn)、相對評價(jià)標(biāo)準(zhǔn)、類比評價(jià)標(biāo)準(zhǔn),并給出了標(biāo)準(zhǔn)限值相應(yīng)的取值計(jì)算方法。根據(jù)概率論與數(shù)理統(tǒng)計(jì)學(xué)的極限理論,以及休哈特控制圖理論,提出了采用樣本均值作為特征量的標(biāo)準(zhǔn)值,以3σ準(zhǔn)則確定的X。=X±3σ為報(bào)警界限值的特征量健康標(biāo)準(zhǔn)。 以機(jī)組前期正常運(yùn)行條件下的振動(dòng)監(jiān)測樣本為例,分析了機(jī)組運(yùn)行條件(功率、水頭)對監(jiān)測參數(shù)特征量指標(biāo)的影響,提出以控制樣本方差的方法來對運(yùn)行條件進(jìn)行分區(qū),建立分區(qū)健康樣本的具體方法和步驟,這樣既保證了樣本的判異準(zhǔn)確性,同時(shí)也減低了樣本空間維數(shù)(樣本個(gè)數(shù))。 建立了基于時(shí)間序列變化分解的水電機(jī)組特征量趨勢預(yù)測模型,提出了基于時(shí)間序列分解模型的趨勢預(yù)測和性能退化預(yù)測的算法。采用電站實(shí)際監(jiān)測數(shù)據(jù)對分解模型和算法進(jìn)行了驗(yàn)證,結(jié)果表明,預(yù)測趨勢與實(shí)際監(jiān)測趨勢具有很好的吻合性,可滿足水電機(jī)組監(jiān)測特征量的趨勢預(yù)測和性能退化預(yù)測,對早期預(yù)警機(jī)組潛在異常,具有很好的實(shí)用性。 以水電機(jī)組振動(dòng)為例,提出了基于LS-SVM的水電機(jī)組振動(dòng)參數(shù)性能退化評估三維標(biāo)準(zhǔn)模型(功率-水頭-振動(dòng)量)。將機(jī)組實(shí)時(shí)運(yùn)行的有功功率和工作水頭代入訓(xùn)練好的模型,即可獲取當(dāng)前工況下機(jī)組振動(dòng)量是否偏離正常狀態(tài),實(shí)現(xiàn)機(jī)組運(yùn)行狀態(tài)的健康評估?；谡駝?dòng)參數(shù)性能退化時(shí)間序列,提出了基于LS-SVM的水電機(jī)組振動(dòng)參數(shù)性能退化預(yù)測模型,采用上導(dǎo)擺度和上機(jī)架振動(dòng)參數(shù)現(xiàn)場狀態(tài)監(jiān)測數(shù)據(jù)對所提模型進(jìn)行驗(yàn)證。結(jié)果表明,該模型能較好的對水電機(jī)組振動(dòng)參數(shù)性能退化進(jìn)行評估和預(yù)測。 最后以三峽集團(tuán)公司遠(yuǎn)程狀態(tài)監(jiān)測與故障診斷系統(tǒng)為例介紹了集成化故障診斷系統(tǒng)的研究與應(yīng)用,提出了現(xiàn)地監(jiān)測層—廠站集成層—中心診斷層分布式故障診斷系統(tǒng)的總體結(jié)構(gòu),以標(biāo)準(zhǔn)化的數(shù)據(jù)格式來實(shí)現(xiàn)不同監(jiān)測設(shè)備之間的數(shù)據(jù)通信,通過標(biāo)準(zhǔn)化數(shù)據(jù)平臺(tái)的集成,實(shí)現(xiàn)了狀態(tài)信息的共享和多信息的融合診斷。通過建立機(jī)組運(yùn)行狀態(tài)健康樣本庫,實(shí)現(xiàn)了機(jī)組運(yùn)行狀態(tài)的實(shí)時(shí)健康評估和性能退化預(yù)測,達(dá)到了設(shè)備健康狀態(tài)定量評估的目的,可為指導(dǎo)機(jī)組狀態(tài)檢修提供技術(shù)依據(jù)。 【關(guān)鍵詞】：水電機(jī)組 健康評估 劣化趨勢預(yù)測 健康樣本 時(shí)間序列分解 最小二次支持向量機(jī)(LS-SVM)
【學(xué)位授予單位】：中國水利水電科學(xué)研究院
【學(xué)位級別】：博士
【學(xué)位授予年份】：2013
【分類號(hào)】：TV738
【目錄】：

• 摘要4-6
• Abstract6-12
• 第一章 緒論12-33
• 1.1 故障診斷技術(shù)研究的目的和意義12-14
• 1.2 故障診斷技術(shù)的研究現(xiàn)狀14-17
• 1.3 水電機(jī)組故障診斷理論及診斷方法17-26
• 1.3.1 基于信號(hào)處理的診斷方法18-19
• 1.3.2 基于解析模型的診斷方法19-20
• 1.3.3 基于經(jīng)驗(yàn)知識(shí)的診斷方法20-22
• 1.3.4 基于數(shù)據(jù)驅(qū)動(dòng)的診斷方法22-26
• 1.4 水電機(jī)組智能診斷原則及技術(shù)發(fā)展趨勢26-29
• 1.4.1 水電機(jī)組故障診斷原則26-28
• 1.4.2 水電機(jī)組故障診斷技術(shù)的發(fā)展趨勢28-29
• 1.5 本文研究思路和研究內(nèi)容29-33
• 1.5.1 本文研究思路29-30
• 1.5.2 本文結(jié)構(gòu)和主要研究內(nèi)容30-33
• 第二章 水電機(jī)組運(yùn)行狀態(tài)特征提取33-44
• 2.1 引言33
• 2.2 機(jī)組運(yùn)行狀態(tài)特征參數(shù)的選擇33-35
• 2.3 特征參數(shù)的監(jiān)測方法35-40
• 2.3.1 機(jī)組出力和效率35-36
• 2.3.2 機(jī)組穩(wěn)定性參數(shù)36-37
• 2.3.3 發(fā)電機(jī)氣隙和磁場強(qiáng)度37-38
• 2.3.4 發(fā)電機(jī)局部放電38-39
• 2.3.5 其它特征參數(shù)39-40
• 2.4 特征量的計(jì)算方法40-43
• 2.4.1 幅域統(tǒng)計(jì)法40
• 2.4.2 時(shí)域分析法40-42
• 2.4.3 頻域分析法42-43
• 2.5 本章小結(jié)43-44
• 第三章 水電機(jī)組運(yùn)行狀態(tài)健康標(biāo)準(zhǔn)研究44-62
• 3.1 引言44
• 3.2 樣本統(tǒng)計(jì)理論44-49
• 3.2.1 大數(shù)定律和中心極限定理44-45
• 3.2.2 3σ準(zhǔn)則(萊以特準(zhǔn)則)45-46
• 3.2.3 休哈特控制圖46-47
• 3.2.4 主元分析法(PCA)47-49
• 3.3 健康狀態(tài)評價(jià)標(biāo)準(zhǔn)49-52
• 3.3.1 絕對評價(jià)標(biāo)準(zhǔn)49-50
• 3.3.2 相對評價(jià)標(biāo)準(zhǔn)50-52
• 3.3.3 類比評價(jià)標(biāo)準(zhǔn)52
• 3.4 振動(dòng)評價(jià)標(biāo)準(zhǔn)52-60
• 3.4.1 現(xiàn)有的振動(dòng)評價(jià)標(biāo)準(zhǔn)52-54
• 3.4.2 對現(xiàn)有振動(dòng)評價(jià)標(biāo)準(zhǔn)的探討54-60
• 3.4.3 確定振動(dòng)評價(jià)標(biāo)準(zhǔn)的討論60
• 3.5 本章小結(jié)60-62
• 第四章 基于特征量健康樣本的健康評估及趨勢預(yù)測62-86
• 4.1 引言62
• 4.2 特征量健康樣本子集的確定62-64
• 4.2.1 特征量健康樣本指標(biāo)的種類62-63
• 4.2.2 特征量健康樣本指標(biāo)集63-64
• 4.3 基于特征量健康樣本的狀態(tài)識(shí)別64-73
• 4.3.1 數(shù)據(jù)的統(tǒng)計(jì)分布特性64-66
• 4.3.2 特征量健康樣本的建立與狀態(tài)識(shí)別66-71
• 4.3.3 特征量健康模型的建立與狀態(tài)識(shí)別71-73
• 4.4 基于時(shí)間序列分解模型的趨勢預(yù)測73-84
• 4.4.1 時(shí)間序列分解模型73-76
• 4.4.2 基于時(shí)間序列的趨勢預(yù)測算法76-79
• 4.4.3 基于時(shí)間序列的趨勢預(yù)測實(shí)例79-84
• 4.5 本章小結(jié)84-86
• 第五章 水電機(jī)組振動(dòng)參數(shù)性能退化趨勢評估與預(yù)測模型86-99
• 5.1 引言86
• 5.2 最小二乘支持向量機(jī)回歸原理86-87
• 5.3 基于LS-SVM的水電機(jī)組振動(dòng)參數(shù)性能退化評估模型87-88
• 5.4 基于LS-SVM的水電機(jī)組振動(dòng)參數(shù)性能退化預(yù)測模型88-89
• 5.5 實(shí)例分析89-98
• 5.5.1 上導(dǎo)擺度參數(shù)退化評估與預(yù)測89-94
• 5.5.2 上機(jī)架振動(dòng)參數(shù)退化評估與預(yù)測94-98
• 5.6 本章小結(jié)98-99
• 第六章 集成化故障診斷系統(tǒng)的研究及應(yīng)用99-120
• 6.1 引言99-100
• 6.2 系統(tǒng)總體結(jié)構(gòu)100-102
• 6.2.1 現(xiàn)地監(jiān)測層101
• 6.2.2 廠站集成層101-102
• 6.2.3 中心診斷層102
• 6.3 標(biāo)準(zhǔn)化數(shù)據(jù)平臺(tái)的集成102-105
• 6.3.1 診斷系統(tǒng)常規(guī)集成模式102-103
• 6.3.2 標(biāo)準(zhǔn)化數(shù)據(jù)平臺(tái)103-104
• 6.3.3 標(biāo)準(zhǔn)通訊接口104-105
• 6.4 數(shù)據(jù)通信與存儲(chǔ)105-114
• 6.4.1 數(shù)據(jù)通信105-112
• 6.4.2 數(shù)據(jù)存儲(chǔ)112-113
• 6.4.3 數(shù)據(jù)存儲(chǔ)內(nèi)容113-114
• 6.5 系統(tǒng)軟件功能114-119
• 6.5.1 實(shí)時(shí)監(jiān)測界面設(shè)計(jì)115-117
• 6.5.2 信號(hào)分析與數(shù)據(jù)統(tǒng)計(jì)117
• 6.5.3 健康評估與性能退化預(yù)測117-119
• 6.5.4 共性故障的智能診斷119
• 6.6 本章小結(jié)119-120
• 第七章 結(jié)論與展望120-124
• 7.1 結(jié)論120-121
• 7.2 主要?jiǎng)?chuàng)新點(diǎn)121-122
• 7.3 展望122-124
• 參考文獻(xiàn)124-135
• 附錄一 攻讀博士期間發(fā)表的論文135-137
• 附錄二 攻讀博士期間所取得的研究成果137-138
• 致謝138

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

旋轉(zhuǎn)機(jī)械Verhulst模型趨勢預(yù)測研究    徐小力,許寶杰,殷健

基于時(shí)間序列分析的火災(zāi)分析與預(yù)測    陳俊達(dá);李曉宏;李佳樂;徐茂;蘭月新;

電力設(shè)備狀態(tài)監(jiān)測的現(xiàn)狀及發(fā)展趨勢    施義;

國內(nèi)外渠系改造現(xiàn)狀及發(fā)展展望    賀軍奇;汪有科;邊軍鋒;任濤;

山東木材供需趨勢分析與預(yù)測    牛繼荃,呂天軍,劉維

采用遺傳算法的旋轉(zhuǎn)機(jī)組狀態(tài)趨勢預(yù)測之探討    徐小力,許寶杰,殷健

基于隱馬爾可夫模型的機(jī)器狀態(tài)趨勢預(yù)測方法    許寶杰 ,韓秋實(shí) ,徐小力

旅游業(yè)趨勢預(yù)測方法比較    王天祐,何雍慶

支持向量機(jī)理論在設(shè)備狀態(tài)趨勢預(yù)測上的應(yīng)用研究    王紅軍;徐小力;

BP神經(jīng)網(wǎng)絡(luò)在齒輪箱故障診斷中的應(yīng)用    楊樹蓮;

基于消息的匯率趨勢預(yù)測方法    柏文陽;何瑗;馬耀華;肖建華;徐潔磐;

機(jī)織物的疊層與透氣量變化關(guān)系的趨勢預(yù)測    馮岑;房莉;

乳腺癌危險(xiǎn)因素綜合評價(jià)及其趨勢預(yù)測    方亞;施侶元;

宣武區(qū)1993—2000年糖尿病死亡分析及趨勢預(yù)測    杜淑菊;

水電機(jī)組發(fā)展歷程中的若干力學(xué)問題    陳貴清;馬弘達(dá);楊雪梅;

湖北省2002年森林火災(zāi)趨勢預(yù)測及對策    陶磊;

奇特的巖溶塌陷    梁偉福;

水力學(xué)原理在水電機(jī)組增容改造中的應(yīng)用    朱磊;

陜甘寧青蒙相鄰干旱地區(qū)近530年旱澇災(zāi)害、突變分析及其趨勢預(yù)測    梁旭;馮建民;張智;納麗;

湖北省二00一年血防災(zāi)情回顧與二00二年災(zāi)情趨勢預(yù)測    戴裕海;陳偉;

2005年五大技術(shù)與趨勢預(yù)測（上）    編譯　黃夢　

2000年全國裝飾裝修趨勢預(yù)測    史芬

2005年IT行業(yè)趨勢預(yù)測    記者 范俊

臺(tái)式PC趨勢預(yù)測    

2005年職業(yè)發(fā)展趨勢預(yù)測    王松群

今后20年的出版與印刷趨勢預(yù)測(12)    仇威

亦莊地產(chǎn)今后什么樣？    牟鑫

Gartner發(fā)布十大趨勢預(yù)測 云和虛擬化最熱門    記者 黃智軍

趨勢預(yù)測引導(dǎo)產(chǎn)品戰(zhàn)略型開發(fā)    記者王晴穎

2005年冷飲行業(yè)現(xiàn)狀及市場趨勢預(yù)測    鐘實(shí)

基于健康評估和劣化趨勢預(yù)測的水電機(jī)組故障診斷系統(tǒng)研究    潘羅平

汽輪發(fā)電機(jī)組狀態(tài)趨勢預(yù)測及故障診斷方法研究    張文斌

網(wǎng)絡(luò)用戶偏好分析及話題趨勢預(yù)測方法研究    程輝

社交網(wǎng)絡(luò)中信息傳播模式及話題趨勢預(yù)測研究    程軍軍

融合支持向量機(jī)的水電機(jī)組混合智能故障診斷研究    張孝遠(yuǎn)

基于多源信息融合的水電機(jī)組故障診斷與軸心軌跡識(shí)別技術(shù)研究    楊志榮

基于團(tuán)隊(duì)智能的水電機(jī)組集成監(jiān)測方法研究與實(shí)踐    謝國財(cái)

基于微博平臺(tái)的事件趨勢分析及預(yù)測研究    田野

貝葉斯網(wǎng)絡(luò)在水電機(jī)組狀態(tài)檢修中的應(yīng)用研究    華斌

關(guān)中地區(qū)地震活動(dòng)規(guī)律及其與構(gòu)造活動(dòng)的關(guān)系研究    楊建軍

微博熱點(diǎn)話題檢測與趨勢預(yù)測研究    姚海波

風(fēng)電機(jī)組齒輪箱故障趨勢預(yù)測方法研究    馬玉峰

基于特征的水電機(jī)組狀態(tài)趨勢預(yù)測    代開鋒

滾動(dòng)軸承性能退化評價(jià)與趨勢預(yù)測研究    王建利

某省梅毒和淋病流行特征及趨勢預(yù)測研究    曹元元

基于HMM的回轉(zhuǎn)窯喂煤量趨勢預(yù)測    林祈元

水電機(jī)組主軸系統(tǒng)穩(wěn)定性分析    馬弘達(dá)

基于類模型的Web輿情趨勢預(yù)測    王沙沙

水電機(jī)組一次調(diào)頻性能分析及試驗(yàn)研究    吳揚(yáng)文

水輪發(fā)電機(jī)組軸系故障趨勢預(yù)測與評估    姜正