基于支持向量机的水电机组状态趋势预测研究

趋势预测是水电机组状态监测与故障诊断系统中的重要内容之一,对保障机组安全稳定运行具有重要意义。针对水电机组振动的非线性、非平稳特性,提出将最小二乘支持向量机应用于水电机组振动状态趋势预测;并将该算法应用于某水电机组振动序列峰峰值的预测,与BP神经网络的预测结果的对比表明：最小二乘支持向量机算法更适合于水电机组状态趋势预测分析。     

基于SVM的集成预测方法及其在水电机组故障诊断中的应用

针对水力发电系统的非线性及非平稳性特点,提出一种基于小波变换和支持向量机(SVM)的集成预测方法,用于水电机组状态趋势分析.采用小波变换将非平稳时间序列分解成若干个具有较强规律性的子序列,然后采用合适核函数的最小二乘支持向量机(LS-SVM)方法分别对这些子序列进行预测,最后综合这些子序列的预测结果作为原始序列的预测值.将该集成方法应用于某水电机组振动峰峰值的预测,结果表明该集成方法的预测性能优于单一LS-SVM方法.     

水电机组振动劣化预警模型研究及应用

近年来运行中的水电机组振动稳定性问题日益突出,传统振动预警方法主要通过振动监测值与振动限值的简单比较来实现,存在适用工况范围有限,限值单一的不足。针对传统预警方法的不足,首先收集机组健康状态时的振动数据,并按照功率和水头将机组运行工况细化为若干典型工况,然后求取各典型工况下机组振动健康区间,最终建立水电机组振动劣化预警模型。实例结果表明,该模型能采用数字化和三维可视化两种方式完成水电机组不同工况的振动预警,同时能利用振动历史数据进行自学习,修正各典型工况的振动限值,提高振动预警的准确性,该模型明显优于传统振动预警方法。     

基于无监督特征学习的水电机组健康状态实时评价方法

水电机组健康状态实时评价是状态监测和劣化预警中的重要内容,传统方法采用单一限值比较,不能体现机组个性特色,且适用机组运行工况有限。同时,现阶段已知的水电机组故障类型有限,缺乏故障样本,限制了有监督特征学习方法的实际应用。本文提出了以无监督特征学习技术构建水电机组健康状态劣化指标的新方法,充分利用水电机组状态监测系统中海量数据,挖掘机组正常状态关键特征,建立基于特征空间重构奇异值分解的时域劣化指标和基于自编码器重构误差的频域劣化指标,实时量化评价机组健康状态。以国内某水电站机组轴向振动波形为例,验证了劣化指标的有效性。结果表明,所提出的劣化指标能够反映机组健康状态劣化程度,且比常用时域统计指标更清晰地表现劣化趋势,有效评价机组健康状态,实用性更强。     

基于振动监测与分析的水电机组状态检修系统

从系统软件设计的角度，以状态监测参数的选取、专家知识加及状态参数数据库的建立为重点，介绍了水电机组状态监测与检修系统的构成及该系统各软件模块的设计思路和应用功能。     

改进的小波阈值函数在水电机组振动信号降噪中的应用

小波阈值降噪是水电机组振动信号除噪常用的方法,传统降噪算法是软、硬阈值函数,对于硬阈值函数处理过的信号,其重构后的信号在阈值处是间断的,易产生附加振荡;而经软阈值函数降噪后的信号虽然连续性好,但与原始信号之间存在着恒定的偏差,影响重构精度。因此在传统软、硬阈值函数的基础上提出了一种改进阈值函数的小波降噪算法,通过Matlab仿真和电厂采集数据的验证表明,该方法克服了软、硬阈值函数算法的缺点,去噪效果明显。通过比较不同降噪方法对振动信号特征分量的保持程度,说明该方法在各分量保持均优于传统的阈值方法,是一种有效的降噪方法。更多还原     

基于灰度理论的水电机组状态评估方法研究

为预知水电机组状态,指导状态检修,避免计划检修及紧急抢修中的不足,提出了一种基于灰度理论的水电机组状态评估方法。利用灰色关联度多指标评价模型对水电机组日常运行数据进行计算及分析,验证了灰色关联分析在水电机组状态评估中的有效性,对水电机组的状态检修具有一定的指导意义。     

基于开机过程信息融合的水电机组故障诊断方法

为保证水电机组运行的可靠性，通常采用基于振动频率分析的故障诊断技术。但是水电机组故障类型间存在重叠的频率特征，仅凭频率分析不易确定故障类型。因此，文中采用信息融合技术，引入开机过程中的时间和空间特征信息，在特征层采用支持向量机作为信息融合手段，在决策层采用D-S证据理论进行信息融合。实验结果表明，信息融合增加了故障诊断的特征信息，提高了故障诊断系统的诊断能力。     

基于LabVIEW和PXI技术的水电机组在线振动监测系统

针对水电机组振动监测的多样性和复杂性，运用PXI总线仪器和LahVIEW可视化的虚拟仪器系统开发平台，设计并组建水电机组振动监测系统。该系统实现了水电机组的振动信号的自动采集，并能通过计算机进行振动信号的处理和分析。实际应用证明，这种基于LahVIEW和PXI技术的水电机组在线振动监测系统具有很强的灵活性和可扩展性。     

基于振动特性试验的水电机组稳定性分析与评估

水轮发电机组作为电力系统中的重要调频电源,其安全可靠关乎整个系统的安全运行。文章以达拉河口水电站为例,通过振动特性试验分析研究了机组在不同工况下的振动摆度值。试验结果显示,该电站机组整体稳定性良好,能满足长期稳定运行要求。     

基于PC机的水电机组振动监测系统的开发

针对水电机组运行过程中因振动而引起故障这一问题，开发出了一种基于PC机的新型水电机组振动在线监测分析系统。该系统由PC机、专用数据采集箱、摆度、振动传感器及有关功能模块共同组成。重点讨论了系统的数据实时监测模块、振动分析模块、历史数据管理模块的问题，该系统能够连续地在线监测机组振动和摆度的变化过程，可以为机组检修及运行调度提供良好的依据和可靠的信息。     

基于IPSO优化LSSVM的水轮发电机组振动故障诊断

提出改进的粒子群(IPSO)算法，并与最小二乘支持向量机(LSSVM)相结合，得到基于IPSO-LSSVM的水轮发电机组故障诊断方法。改进后的粒子群算法能较好地调整算法在全局与局部搜索能力之间的平衡，将其应用于LSSVM的参数优化，可以提高故障诊断的精度和效率。实例分析结果证明，IPSO-LSSVM模型不仅能够取得良好的分类效果，而且诊断速度与精度均高于采用BP神经网络、LSSVM以及PSO-LSSVM等方法，适合在实际工程中应用。     

混流式水轮机顶盖振动信号的精细分频研究

高水头长引水隧洞电站在水力过渡过程中具有振荡周期长、振幅大、波动衰减周期长等特点,水轮机顶盖振动可以较好地反映该规律。本文依据真机试验,采用小波和小波包联合分析方法,对一大型电站变负荷振动试验中顶盖的振动响应测试信号进行了精细分频分析。结果表明:高水头长引水隧洞电站的水流脉动、尾水涡带和水击波频率较为接近,三者共同作用,导致顶盖强烈的振动响应;其中,水流脉动和尾水涡带是引起顶盖振动的最主要原因;同时也证明了小波和小波包联合分析方法是处理水电站振动信号的一种较好的方法。     

基于PULSE分析系统的水电机组振动监测系统校准

针对智能化水电机组振动在线监测分析系统,利用PULSE分析系统对其进行定期的校准,以保证振动监测系统工作的可靠性。以广州抽水蓄能电站300 MW蓄能机组为例,用PULSE分析系统校准传感器及振动监测系统通道,对装置各通道误差、报警及保护动作值进行修正,保证了测量的准确性,降低了误跳机概率,是国内首次开展蓄能机组在线振动监测保护装置的现场校准工作。     

大型泵站水泵机组振动信号滤波方法

针对大型泵站水泵机组运行时振动信号易受多种因素影响产生随机误差、噪声干扰,进而影响机组健康状态评价结果的问题,对水泵机组振动信号滤波方法进行分析研究。以南水北调东线某泵站水泵机组运行时机泵联轴器处的振动信号为例,分别使用巴特沃斯滤波器、基于汉宁窗的FIR 滤波器以及基于谐波小波的滤波器3 种滤波方法对水泵机组振动信号进行滤波处理并进行对比分析。结果表明:巴特沃斯滤波器和基于汉宁窗的FIR 滤波结果中存在时域波形的时延和轴心轨迹的连线,滤波不完全,而基于谐波小波的滤波几乎能够完全滤除干扰;对于特定频段的滤波,基于谐波小波的滤波在频段范围比较小的时候优势更加明显。     

基于大数据的多维度水电机组健康评估与诊断

考虑到当前水电机组安全高效运行领域存在的健康状态评估不准确、故障样本少、故障知识不健全和大型机组安全高效运行准则缺乏等问题,本文通过分析提炼水电机组试验、在线监测及运行维护等海量健康数据,提出了表征机组运行状态的特征参数,揭示了各特征参数与机组运行工况参数之间的耦合关系,最终建立了基于健康样本的多维度水电机组健康评估和性能退化预测理论方法。此外,本研究还提出了大型机组安全稳定运行分区准则。基于所建模型和准则,建立了大型水电机组远程状态监测与诊断系统平台。为保障水电机组安全、稳定和高效运行提供了重要技术支撑。     

李家峡水电站机组开停机过程非平稳振动信号的小波分析

基于李家峡水电站双排机组振动的现场试验研究,并且针对传统频谱分析方法傅立叶变换（FFT）对于非平稳信号已力不从心这一缺陷,利用小波分析方法在时域和频域上同时具有良好的局部化性质,通过对开停机这一典型非平稳过程信号进行小波及小波包分析,将其分解到不同频带内,获取微弱信息和提取优势频率,并对其作振源分析,得出开停机初始时刻因水流不稳均出现强烈的振动现象,且低频段信号能量最大,开停机过程水流脉动压力和尾水涡带摆动是引起定子基础振动的主要原因。同时也证明了小波是处理非平稳信号的最有力的工具。     

基于模糊综合评价法的水电工程施工安全评价

水电工程施工条件复杂、安全事故危害大且参建人员安全意识不高,因此准确对其进行安全评价十分必要。在分析水电工程施工特点基础上,以管理因素、技术因素、安全应急保障措施和安全管理业绩4个方面为一级评价指标,初步建立了安全评价指标体系。以某水电工程为例,采用9标度法,通过归一化处理确定各评价指标权重。最后采用模糊综合评价方法,计算该工程的施工安全综合评价得分,可为进一步采取相应的施工安全管理措施提供参考。     

基于PNN的水轮发电机组振动故障诊断

概率神经网络（PNN）是一种训练速度快、结构简洁明了、应用广泛的人工神经网络。它采用贝叶斯分类决策理论建立系统的数学模型,以高斯函数作为激励函数,具有非线性处理和抗干扰能力强等特点。提出基于PNN的水轮发电机组振动故障诊断方法,并在水轮发电机组振动频谱波形特征的基础上,对几种典型故障模式进行了实例研究。理论分析和实例结果验证了基于PNN的水轮发电机组振动故障诊断方法是正确和有效的。