水轮发电机组机械故障诊断研究及应用

文章以水电机组机械故障监测与诊断为应用背景,提出了水电机组运行设备状态监测与故障诊断的模糊专家系统结构模式及诊断模型,给出了故障诊断的知识表示方法及实例,对反映故障的特征量进行了一定分析。     

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。     

水电机组的计算机实时状态监测研究

水电机组计算机实时状态监测是优化维护系统实现实时状态监测功能的技术基础。本文在分析状态监测量选取原则的基础上，确定了水电机组实时状态监测内容、途径及方法，并进一步论述了水电机组状态监测数字信号处理与信息管理方法。实现水电机组的实时状态监测功能，可以极大地丰富机组系统运行信息，节省运行与检修人力与物力，有效地提高了水电机组运行与维护质量及检修的有效性与经济性；对于水电厂逐步实现向状态检修过渡具有积极的意义。     

水电机组故障诊断技术的应用现状与技术发展

通过资料和国内外现场调研,对水电机组故障诊断技术国内外发展的现状进行论述,提出了故障诊断技术在水电厂生产运行中的诊断原则和作用。并针对水电机组的特点,分类归纳了水电机组故障诊断的对象和内容,对目前水电行业应用较广的几种诊断方法进行分析。最后,提出了故障诊断技术在水电行业研究应用中的不足及其技术展望。     

水电机组智能评估及诊断技术研究与应用

<正>成果概况"水电机组智能评估及诊断技术研究与应用"项目由中国水利水电科学研究院牵头,中国长江三峡集团有限公司、北京中水科水电科技开发有限公司等参与完成。该项目针对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'大型机组安全高效运行准则缺乏等问题,开展了基于健康大数据的水电机组健康评估、智能诊断专家知识库、大型机组安运行分区准则、大型水电机组远程状态监测与诊断系统平台等研究及开发。研究成果能有效保障国家巨型水电机组的安全高效运行,为大型水利水电工程智能化运行管理提供^酸验和可靠技术劳f。2018年,该项目获得了大禹水利科学技术奖～^奖〇     

大型水电机组推力轴承运行稳定性及故障诊断

在调研的基础上，分析了当前大型水电机组推力轴承运行状况及其故障原因，并结合电网和水电厂的运行实际，按照电力系统实施运行机组状态检修的目的和要求，建立了一个大型水电机组推力轴承运行稳定性状态监测及故障诊断系统，为轴承分析诊断提供了有效、可靠的依据。     

水电机组状态检修的研究

对水电机组现有检修体制的不足进行了剖析,进而对水电机组的状态检修所涉及的主要问题进行了讨论,重点研究和分析了水电机组的状态监测和故障诊断,并结合实际情况,提出了实际实施过程中应注意的问题及相应对策.阐明作为水电机组检修的发展方向,实施状态检修势在必行.随着我国水力资源的逐步开发,大中型水电机组不断投产,使得大中型水电机组在整个电网中的比重越来越大,单机容量增加,年平均发电时间延长,检修时间缩短,一旦机组事故停机,造成的社会和经济损失极为严重.因此,水电机组的可用度和安全对电力系统稳定可靠运行和国民经济健康持续发展的作用和影响日渐突出,预防和消除故障,保证水电机组安全稳定运行具有十分重要的意义.     

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。     

基于EEMD-SD振动信号分析的水电机组故障预警方法

为确保水电机组安全运行及电网稳定,探讨利用水电机组振动信号实现机组故障早期预警,提出了基于集合经验模态分解和标准差水电机组振动信号特征量提取方法,并引入K均值和欧氏距离构建水电机组振动信号异常状态预警指标,量化水电机组振动信号状态异常变化程度,融合多测点状态信息形成水电机组振动故障综合预警指标,实现了水电机组振动故障预警,证明所提特征量和预警方法有效。     

水电机组振动监测分析系统

振动是水电机组最常见的问题，同时也是反映水电机组运行状态的重要指标，如何对水电机组的振动进行测量和分析，已经成为水电行业较为关注的问题。本文对水电机组振动监测分析系统的结构和功能进行了简单的介绍。     

水布垭电厂发电机非全相运行分析及防范

为防止发电机非全相运行,以水布垭电厂3号机组解列操作时变压器高压侧断路器发生非全相运行为例,应用对称分量法分析了发电机三相电流的变化规律,并提出了非全相运行防范措施、故障判断及处理方法。     

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。     

水电机组轴承运行异常检测方法研究与应用

本文阐述了水电机组轴承损耗的定义和计算方法,并根据轴承实际运行数据,总结了轴承损耗的变化规律,对损耗数据的统计特性进行了分析和验证。分析表明,轴承运行稳定后的损耗数据服从正态分布,符合中心极限定理的假设。进而根据正态分布理论,建立了基于实时损耗的水电机组轴承运行异常检测方法。该方法可实时检测轴承运行特性的变化和异常,在故障早期提前作出判别和预警,能更有效地预防轴承突发事故的发生。     

信息融合技术在水电机组计算机监控系统中的应用研究

针对电力系统故障诊断问题存在的大量不确定性,提出了将信息融合技术应用于水电机组故障诊断的新方案。同时,开发了基于多传感器信息融合技术的水电机组故障诊断系统。通过在某水电站的运行测试表明,所提方案具有准确的诊断结果和良好的实用价值。     

水力机组振动故障的智能诊断技术研究

概述了智能诊断技术的发展历史与现状,着重介绍了因果分析法、故障树法、模糊控制、专家控制、神经网络控制、粗糙集、支持向量机等人工智能方法的特点及其在水力机组故障诊断中的应用情况,并指出智能技术作为水力机组振动故障的有效诊断方法,必然朝着综合化方向发展。     

GPS卫星时钟原理及其在水电站的应用

简要介绍GPS卫星时钟的原理及系统的组成,论述了在水电站利用GPS卫星时钟的对时信号实现水电站微机控制与保护装置时钟的同步的意义和接线方法,GPS卫星时钟的同步既是水电站日常运行记录及事故原因分析的需要,也是保证水电站安全运行、提高运行水平的重要措施。     

基于遗传算法的地下厂房荷载参数反演识别

鉴于当前受水电站厂房振动测试的测点个数的限制,不能完整反映厂房结构振动的现状,本文利用水电站厂房现场振动测试少量测点的试验数据,基于水工结构流激振动反分析理论,提出采用遗传算法研究地下式厂房结构在机组运行过程中振动荷载反演问题的方法.通过实际工程应用表明:该方法能够很好地利用少量测点的实测数据反馈出厂房结构的振动位移变化.     

基于监测数据的水力发电系统人工神经网络建模

将引水管路、水轮机、发电机作为一个整体的水力发电系统,并在现场监测数据的基础上,应用人工神经网络方法,建立了该系统的输入输出数学模型.与实际的监测数据进行对比分析表明,所建立的人工神经网络模型具有较高的计算精度,能够用于开发水电站中水轮发电机组的优化运行系统.     

水电站计算机监控系统综合智能告警研究

故障诊断技术是保证水电机组及相关设备安全可靠运行的关键。由于电站集控中心接入监控对象设备量越来越多,故障自主诊断成为重要研究问题。本文针对水电站运行特点,提出了一种结合深度学习和规则推理的计算机监控系统综合智能告警方法。首先,介绍监控数据的前期处理流程,并以卷积神经网络（Convolutional Neural Network,CNN）为基础,构建基于深度学习的故障诊断模型;然后整合出几种较为宽泛的故障类型,利用历史样本训练 CNN 模型;最后结合基于专家经验的规则推理,完成对故障诊断结果的校核、细化及补充。算例结果表明,本文所提方法能够有效实现水电站故障自主诊断,为水电站智能化建设提供技术支撑。