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。     

基于非线性建模的水电机组动态特性仿真研究

考虑到大型机组突增突减负荷的频繁出现以及新能源不稳定性对水电机组一次调频带来的挑战,建立能准确反映机组动态性能的仿真模型显得尤为重要。水轮机调节系统具有非最小相位、强非线性特点,需对其包含的大量非线性因素进行针对性研究和处理。针对水轮机调节系统各组成部分,综合考虑各因素建立了相应数学模型,重点建立了随动系统精细化模型、水轮机外特性数学模型,最终建立了水轮机调节系统整体非线性数学模型。基于建立的模型,进行甩负荷及一次调频仿真,通过与真机数据进行对比分析,证明了模型可高精度、准确反映机组甩负荷及一次调频动态特性,为水电机组动态特性研究提供了新的技术手段。     

基于GSA优化VMD-DBN的水电机组故障诊断

提出了基于引力搜索算法（gravitational search algorithm, GSA）优化变分模态分解（variational mode decomposition, VMD）并结合深度置信网络（deep belief network, DBN）的水电机组故障诊断方法。首先,以变分模态分解能量误差最小化为目标,利用GSA并行优化各样本下VMD的2个典型分解参数（分解层数K和惩罚因子α）;然后,对分解降噪后的信号进行重构,并对重构后的信号构造由能量熵、奇异谱熵以及峭度组成的特征向量;最后,将构建的特征向量输入DBN构建的水电机组故障诊断模型。通过与已有方法比较可知,所提模型可以有效地提取水电机组的故障特征,且故障识别准确率更高。     

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。     

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.     

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。     

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...     

基于CEEMDAN样本熵和PSO-SVM的水电机组振动信号特征提取

针对水电机组复杂振动信号特征提取困难的问题,提出了基于自适应噪声完备经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）样本熵和粒子群算法优化支持向量机（particle swarm optimization and support vector machine,PSO-SVM）的水电机组振动信号特征提取方法,对降噪后的水电机组振动信号进行CEEMDAN分解,计算各本征模态函数（intrinsic mode function,IMF）与原信号的标准相关系数,选取标准相关系数大于0.3的IMF分量为有效分量,计算有效分量的样本熵特征值组建高维特征集,采用PSO-SVM对信号模式进行识别。对水电站现场数据进行了分析,验证了所提方法在水电机组振动信号特征提取领域的优势及实际应用价值。