基于在线监测数据的水轮机运行区精细划分

运行分区对水电机组安全稳定性具有十分重要的意义。常规运行区划分一般基于部分水头和负荷工况下的稳定性试验,试验数据有限导致划分的运行区难以覆盖全部运行工况,相对粗略。文章提出一种基于机组在线监测数据、辅以稳定性试验分析的运行区精细划分方法。以某混流式机组为例,分析相关数据,以超标相对严重的尾水管压力脉动为依据,绘制机组水头-负荷伪彩色图,获取各压力脉动测点超标区域,而后按照涡带强度划分运行区。将精细划分方法与常规方法的超标区及划分结果进行对比分析,显示出前者在获取涡带区边界、识别涡带区范围、实现全水头划分等方面优于后者。     

永磁同步电机的混沌模型及其控制器设计

永磁同步电机在一定条件下会表现出有害的混沌运动,因此研究永磁同步电机的控制技术具有重要意义。首先,基于前人的研究,给出了永磁同步电机的数学模型;其次,为消除混沌对同步电机的有害影响,基于线性反馈控制理论,为永磁同步电机设计了相应的控制器;最后,采用Matlab数值仿真验证了所设计控制器的有效性。     

改进EMD降噪方法在水轮机尾水管压力脉动信号中的应用

针对水轮机尾水管压力脉动信号的降噪处理问题,提出一种基于改进经验模态(EMD)分解的降噪方法。首先将信号进行EMD分解,得到一系列本征模态函数;然后利用基于自相关函数特性的分析方法将其分解为噪声主导分量和信号主导分量两部分,并将噪声主导分量利用小波软阈值降噪;最后将经过处理的噪声主导分量与信号主导分量重构成新信号,用于后续分析。通过与基于互相关分析的EMD降噪法对比,发现该方法具有更高的信噪比,既保留了尾水管压力脉动信号的低频成分,又保留了其有用的高频成分,是一种有效的水轮机尾水管压力脉动信号降噪方法。     

一种基于阶次分析的水电机组开机过程稳定性评价方法

开机过程中水电机组状态经历快速变化过程,因此分析机组开机这一典型过渡过程的稳定性具有重要意义。首先基于角度域平稳信号阶次分析方法,获取开机过程稳定性参数的三维阶次谱,然后从中选取起主导作用的转频分量的幅值变化趋势作为稳定性评价对象,再使用平均欧氏距离对历次开机过程转频分量幅值变化趋势差异性进行量化,由此实现对机组开机过程稳定性评价。选取某电站机组相近水头下多次开机过程实测数据的验证结果表明,该方法能较好地对机组开机过程稳定性异常状态进行识别,具有可行性。     

陶粒混凝土与钢筋粘结锚固可靠度分析

根据试验研究统计得到螺纹Ⅱ级钢筋锚固时极限粘结应力τu,回归方程及其准确性的统计数据,应用概率分析方法,确定了符合可靠度要求的,适用于不同强度等级轻骨料混凝土钢筋设计锚固长度,从而为有关规程的修订奠定了基础。     

灯泡贯流式机组水导轴承稳态振动超标原因分析与运行建议

针对某灯泡贯流式机组水导轴承径向振动超国标问题,从机械、电气、水力三方面查找超标原因.通过分析确定,振动超标的直接原因是机组实际运行水头偏离设计水头;间接原因是机组支撑和水导轴承结构问题.同时从水导轴承安全性评估、水导轴承扇形板结构、调整机组运行策略等多方面提出机组运行优化建议,从而提高机组稳定性.     

基于CEEMDAN和混合灰狼算法优化SVM的水电机组故障诊断方法

为有效利用水电机组的振动信号诊断机组故障,提出了一种基于自适应噪声完备集合模态分解(CEEMDAN)和混合灰狼算法优化支持向量机(HGWO-SVM)的水电机组故障诊断方法.首先利用CEEMDAN方法对原始振动信号进行分解降噪,获得原始信号的各模态分量(IMF),并以IMF为基础构造各样本下机组信号的特征向量;接着在原始...     

考虑尾水位影响的水电机组三维振动区精细划分

常规的水电机组振动区划分通常依赖于稳定性试验,只能获取机组在有限水头下的稳定性表现,且其振动区划分未考虑尾水位变化带来的影响,划分结果缺乏全面性。为此,分析挖掘水电机组海量状态监测数据,提出考虑尾水位影响的三维振动区划分方法,基于机组实测状态监测数据,利用BP-Garson算法分析振动敏感性工况参数,选择尾水位作为第三维坐标,以负荷—水头—尾水位坐标进行振动区立体划分。实际应用结果表明,该方法可提高振动区划分的准确度,与常规的划分方法相比具有优越性,对尾水位变动较大电站的运行具有重要指导意义。     

基于多维特征和多分类器的水电机组故障诊断

提出了一种基于多维特征和多分类器的水电机组故障诊断方法。通过提取水电机组不同状态下振动信号的时域特征、频域特征和集合经验模态分解-样本熵,构建多维特征,实现特征信息的多维互补,并利用遗传算法对构建的多维特征进行降维处理。以此多维特征作为分类器的输入,分别通过支持向量机、反向传播神经网络和朴素贝叶斯分类器进行故障诊断,将三种分类器的初步诊断结果进行融合得到最终诊断结论,从而提高水电机组故障诊断的准确率。为验证该方法的有效性,将转子不平衡、转子不对中、转子碰磨等故障在转子试验台上进行模拟,并用上述方法进行诊断,结果表明,较单维特征和单分类器,多维特征输入和多分类器融合的故障诊断准确率更高。     

基于连续小波变换和卷积神经网络的尾水管涡带状态识别

混流式水轮机尾水管压力脉动是影响水电机组稳定性的重要因素,监测和识别尾水管涡带状态对于保障水电机组的安全稳定运行十分必要。为此,采用能有效表征信号时频域特性的小波系数云图作为特征图像,并结合卷积神经网络对图像拓扑结构的良好适应性,将图像智能识别技术引入尾水管涡带状态识别领域,提出了基于连续小波变换与卷积神经网络的尾水管涡带状态识别方法,实现了时频图纹理特征的自动提取,避免了人工辨识并简化了特征预处理程序,能迅速准确识别尾水管涡带状态。根据某水电站单机容量200 MW的混流式机组变负荷试验数据对该方法进行实例验证,结果证明了其有效性。