首页 > 学术论文

基于健康评估和劣化趋势预测的水电机组故障诊断系统研究

来源:论文学术网
时间:2024-08-18 12:54:41
热度:

基于健康评估和劣化趋势预测的水电机组故障诊断系统研究【摘要】: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。

【摘要】: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,研究水电机组运行状态健康评估和性能劣化趋势预测是非常必要的。 考虑到水电机组状态监测技术已得到广泛应用,但现阶段水电机组故障样本较少,现有的诊断技术无法满足工程应用等实际情况,提出基于健康评估和劣化趋势预测的水电机组故障诊断新思路。从研究机组运行正常特征入手,通过建立健全的监测特征量健康样本来实现水电机组的健康诊断,诊断方法侧重于设备运行状态的实时健康诊断,重点在于监测异常和预测异常,其诊断方法与传统的基于故障征兆的诊断方法有较大差异。鉴于水电机组实际运行中,出现的故障概率较小,基于该诊断理念开发的诊断系统工程实用性很强,且系统具备实时健康诊断和量化的性能退化趋势预测功能,既能实时监测异常,又能预测异常,可满足现阶段的工程应用需求。本文从运行状态特征提取、健康标准及健康样本的建立、基于特征样本的健康评估、基于时序分解模型的状态趋势预测、基于LS-SVM的参数性能退化评估以及集成化故障诊断系统的研究与应用六个方面,系统开展了基于健康评估和劣化趋势预测的水电机组故障诊断技术与应用研究。 以水电机组的水轮机和发电机为研究对象,在归纳总结水电机组运行异常时可能出现的各种特征表现的基础上,提出了表征水电机组运行状态的特征参数,以及特征参数三种可以量化的特征指标:幅值、频率、波形形状,并给出了相应的计算方法。 提出了可用于水电机组运行状态健康评估的三种评价标准:绝对评价标准、相对评价标准、类比评价标准,并给出了标准限值相应的取值计算方法。根据概率论与数理统计学的极限理论,以及休哈特控制图理论,提出了采用样本均值作为特征量的标准值,以3σ准则确定的X。=X±3σ为报警界限值的特征量健康标准。 以机组前期正常运行条件下的振动监测样本为例,分析了机组运行条件(功率、水头)对监测参数特征量指标的影响,提出以控制样本方差的方法来对运行条件进行分区,建立分区健康样本的具体方法和步骤,这样既保证了样本的判异准确性,同时也减低了样本空间维数(样本个数)。 建立了基于时间序列变化分解的水电机组特征量趋势预测模型,提出了基于时间序列分解模型的趋势预测和性能退化预测的算法。采用电站实际监测数据对分解模型和算法进行了验证,结果表明,预测趋势与实际监测趋势具有很好的吻合性,可满足水电机组监测特征量的趋势预测和性能退化预测,对早期预警机组潜在异常,具有很好的实用性。 以水电机组振动为例,提出了基于LS-SVM的水电机组振动参数性能退化评估三维标准模型(功率-水头-振动量)。将机组实时运行的有功功率和工作水头代入训练好的模型,即可获取当前工况下机组振动量是否偏离正常状态,实现机组运行状态的健康评估。基于振动参数性能退化时间序列,提出了基于LS-SVM的水电机组振动参数性能退化预测模型,采用上导摆度和上机架振动参数现场状态监测数据对所提模型进行验证。结果表明,该模型能较好的对水电机组振动参数性能退化进行评估和预测。 最后以三峡集团公司远程状态监测与故障诊断系统为例介绍了集成化故障诊断系统的研究与应用,提出了现地监测层—厂站集成层—中心诊断层分布式故障诊断系统的总体结构,以标准化的数据格式来实现不同监测设备之间的数据通信,通过标准化数据平台的集成,实现了状态信息的共享和多信息的融合诊断。通过建立机组运行状态健康样本库,实现了机组运行状态的实时健康评估和性能退化预测,达到了设备健康状态定量评估的目的,可为指导机组状态检修提供技术依据。 【关键词】:水电机组 健康评估 劣化趋势预测 健康样本 时间序列分解 最小二次支持向量机(LS-SVM)
【学位授予单位】:中国水利水电科学研究院
【学位级别】:博士
【学位授予年份】:2013
【分类号】:TV738
【目录】:
  • 摘要4-6
  • Abstract6-12
  • 第一章 绪论12-33
  • 1.1 故障诊断技术研究的目的和意义12-14
  • 1.2 故障诊断技术的研究现状14-17
  • 1.3 水电机组故障诊断理论及诊断方法17-26
  • 1.3.1 基于信号处理的诊断方法18-19
  • 1.3.2 基于解析模型的诊断方法19-20
  • 1.3.3 基于经验知识的诊断方法20-22
  • 1.3.4 基于数据驱动的诊断方法22-26
  • 1.4 水电机组智能诊断原则及技术发展趋势26-29
  • 1.4.1 水电机组故障诊断原则26-28
  • 1.4.2 水电机组故障诊断技术的发展趋势28-29
  • 1.5 本文研究思路和研究内容29-33
  • 1.5.1 本文研究思路29-30
  • 1.5.2 本文结构和主要研究内容30-33
  • 第二章 水电机组运行状态特征提取33-44
  • 2.1 引言33
  • 2.2 机组运行状态特征参数的选择33-35
  • 2.3 特征参数的监测方法35-40
  • 2.3.1 机组出力和效率35-36
  • 2.3.2 机组稳定性参数36-37
  • 2.3.3 发电机气隙和磁场强度37-38
  • 2.3.4 发电机局部放电38-39
  • 2.3.5 其它特征参数39-40
  • 2.4 特征量的计算方法40-43
  • 2.4.1 幅域统计法40
  • 2.4.2 时域分析法40-42
  • 2.4.3 频域分析法42-43
  • 2.5 本章小结43-44
  • 第三章 水电机组运行状态健康标准研究44-62
  • 3.1 引言44
  • 3.2 样本统计理论44-49
  • 3.2.1 大数定律和中心极限定理44-45
  • 3.2.2 3σ准则(莱以特准则)45-46
  • 3.2.3 休哈特控制图46-47
  • 3.2.4 主元分析法(PCA)47-49
  • 3.3 健康状态评价标准49-52
  • 3.3.1 绝对评价标准49-50
  • 3.3.2 相对评价标准50-52
  • 3.3.3 类比评价标准52
  • 3.4 振动评价标准52-60
  • 3.4.1 现有的振动评价标准52-54
  • 3.4.2 对现有振动评价标准的探讨54-60
  • 3.4.3 确定振动评价标准的讨论60
  • 3.5 本章小结60-62
  • 第四章 基于特征量健康样本的健康评估及趋势预测62-86
  • 4.1 引言62
  • 4.2 特征量健康样本子集的确定62-64
  • 4.2.1 特征量健康样本指标的种类62-63
  • 4.2.2 特征量健康样本指标集63-64
  • 4.3 基于特征量健康样本的状态识别64-73
  • 4.3.1 数据的统计分布特性64-66
  • 4.3.2 特征量健康样本的建立与状态识别66-71
  • 4.3.3 特征量健康模型的建立与状态识别71-73
  • 4.4 基于时间序列分解模型的趋势预测73-84
  • 4.4.1 时间序列分解模型73-76
  • 4.4.2 基于时间序列的趋势预测算法76-79
  • 4.4.3 基于时间序列的趋势预测实例79-84
  • 4.5 本章小结84-86
  • 第五章 水电机组振动参数性能退化趋势评估与预测模型86-99
  • 5.1 引言86
  • 5.2 最小二乘支持向量机回归原理86-87
  • 5.3 基于LS-SVM的水电机组振动参数性能退化评估模型87-88
  • 5.4 基于LS-SVM的水电机组振动参数性能退化预测模型88-89
  • 5.5 实例分析89-98
  • 5.5.1 上导摆度参数退化评估与预测89-94
  • 5.5.2 上机架振动参数退化评估与预测94-98
  • 5.6 本章小结98-99
  • 第六章 集成化故障诊断系统的研究及应用99-120
  • 6.1 引言99-100
  • 6.2 系统总体结构100-102
  • 6.2.1 现地监测层101
  • 6.2.2 厂站集成层101-102
  • 6.2.3 中心诊断层102
  • 6.3 标准化数据平台的集成102-105
  • 6.3.1 诊断系统常规集成模式102-103
  • 6.3.2 标准化数据平台103-104
  • 6.3.3 标准通讯接口104-105
  • 6.4 数据通信与存储105-114
  • 6.4.1 数据通信105-112
  • 6.4.2 数据存储112-113
  • 6.4.3 数据存储内容113-114
  • 6.5 系统软件功能114-119
  • 6.5.1 实时监测界面设计115-117
  • 6.5.2 信号分析与数据统计117
  • 6.5.3 健康评估与性能退化预测117-119
  • 6.5.4 共性故障的智能诊断119
  • 6.6 本章小结119-120
  • 第七章 结论与展望120-124
  • 7.1 结论120-121
  • 7.2 主要创新点121-122
  • 7.3 展望122-124
  • 参考文献124-135
  • 附录一 攻读博士期间发表的论文135-137
  • 附录二 攻读博士期间所取得的研究成果137-138
  • 致谢138


您可以在本站搜索以下学术论文文献来了解更多相关内容

旋转机械Verhulst模型趋势预测研究    徐小力,许宝杰,殷健

基于时间序列分析的火灾分析与预测    陈俊达;李晓宏;李佳乐;徐茂;兰月新;

电力设备状态监测的现状及发展趋势    施义;

国内外渠系改造现状及发展展望    贺军奇;汪有科;边军锋;任涛;

山东木材供需趋势分析与预测    牛继荃,吕天军,刘维

采用遗传算法的旋转机组状态趋势预测之探讨    徐小力,许宝杰,殷健

基于隐马尔可夫模型的机器状态趋势预测方法    许宝杰 ,韩秋实 ,徐小力

旅游业趋势预测方法比较    王天祐,何雍庆

支持向量机理论在设备状态趋势预测上的应用研究    王红军;徐小力;

BP神经网络在齿轮箱故障诊断中的应用    杨树莲;

基于消息的汇率趋势预测方法    柏文阳;何瑗;马耀华;肖建华;徐洁磐;

机织物的叠层与透气量变化关系的趋势预测    冯岑;房莉;

乳腺癌危险因素综合评价及其趋势预测    方亚;施侣元;

宣武区1993—2000年糖尿病死亡分析及趋势预测    杜淑菊;

水电机组发展历程中的若干力学问题    陈贵清;马弘达;杨雪梅;

湖北省2002年森林火灾趋势预测及对策    陶磊;

奇特的岩溶塌陷    梁伟福;

水力学原理在水电机组增容改造中的应用    朱磊;

陕甘宁青蒙相邻干旱地区近530年旱涝灾害、突变分析及其趋势预测    梁旭;冯建民;张智;纳丽;

湖北省二00一年血防灾情回顾与二00二年灾情趋势预测    戴裕海;陈伟;

2005年五大技术与趋势预测(上)    编译 黄梦 

2000年全国装饰装修趋势预测    史芬

2005年IT行业趋势预测    记者 范俊

台式PC趋势预测    

2005年职业发展趋势预测    王松群

今后20年的出版与印刷趋势预测(12)    仇威

亦庄地产今后什么样?    牟鑫

Gartner发布十大趋势预测 云和虚拟化最热门    记者 黄智军

趋势预测引导产品战略型开发    记者王晴颖

2005年冷饮行业现状及市场趋势预测    钟实

基于健康评估和劣化趋势预测的水电机组故障诊断系统研究    潘罗平

汽轮发电机组状态趋势预测及故障诊断方法研究    张文斌

网络用户偏好分析及话题趋势预测方法研究    程辉

社交网络中信息传播模式及话题趋势预测研究    程军军

融合支持向量机的水电机组混合智能故障诊断研究    张孝远

基于多源信息融合的水电机组故障诊断与轴心轨迹识别技术研究    杨志荣

基于团队智能的水电机组集成监测方法研究与实践    谢国财

基于微博平台的事件趋势分析及预测研究    田野

贝叶斯网络在水电机组状态检修中的应用研究    华斌

关中地区地震活动规律及其与构造活动的关系研究    杨建军

微博热点话题检测与趋势预测研究    姚海波

风电机组齿轮箱故障趋势预测方法研究    马玉峰

基于特征的水电机组状态趋势预测    代开锋

滚动轴承性能退化评价与趋势预测研究    王建利

某省梅毒和淋病流行特征及趋势预测研究    曹元元

基于HMM的回转窑喂煤量趋势预测    林祈元

水电机组主轴系统稳定性分析    马弘达

基于类模型的Web舆情趋势预测    王沙沙

水电机组一次调频性能分析及试验研究    吴扬文

水轮发电机组轴系故障趋势预测与评估    姜正