CN104791187A - 能实现健康状态预测的水轮机调节系统及方法 - Google Patents
能实现健康状态预测的水轮机调节系统及方法 Download PDFInfo
- Publication number
- CN104791187A CN104791187A CN201510163620.1A CN201510163620A CN104791187A CN 104791187 A CN104791187 A CN 104791187A CN 201510163620 A CN201510163620 A CN 201510163620A CN 104791187 A CN104791187 A CN 104791187A
- Authority
- CN
- China
- Prior art keywords
- oil
- sensor
- water
- data
- health status
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Hydraulic Turbines (AREA)
Abstract
本发明涉及一种能实现健康状态预测的水轮机调节系统及方法,该系统包括水轮机调速器电气控制系统和水轮机调速器机械液压系统,其特征在于:还包括用于检测所述水轮机调速器机械液压系统的第一漏油传感器,所述第一漏油传感器与所述水轮机调速器电气控制系统连接;所述水轮机调速器电气控制系统根据第一漏油传感器检测的信号通过多源信息融合技术实现水轮机调节系统的智能诊断和健康状态预测,并将诊断和预测数据传输到远程监控系统。本发明能够通过各种传感器和检测设备,利用多源信息融合技术实现水轮机调节系统的智能诊断和健康状态预测。
Description
技术领域
本发明涉及水轮机调节系统,具体地指一种能实现健康状态预测的水轮机调节系统及方法,用于智能化水电站各型水轮发电机组的自动控制和调节系统的健康状态预测,满足智能电网和智能水电站的控制要求。
背景技术
在全球金融危机和全球气候变化下,世界各国都把发展可再生能源当作振兴经济的重要措施,中国也是如此。水电就是各国优先开发的可再生清洁能源。我国水电资源蕴藏量世界第一,主要富集于大江大河,需采用大型水电机组才能有效开发,百万千瓦级水电机组的水轮机及调速、励磁、发电机等附属设备及其系统集成设计技术被作为清洁高效发电设备及技术列入国家《重大技术装备自主创新指导目录》。同时,国家提出要建设坚强智能电网,以满足水电、风电、太阳能、潮汐能等多种可再生能源的可靠接入,智能化水电站的建设已经开始试点,这就对作为水轮机的附属设备调节系统提出了更高的要求。
目前应用于水电站的水轮机调速器大都能可靠运行,满足电站现有需求,但针对未来智能水电站的建设,还存在以下不足:
1)设备故障诊断仅限于水轮机调速器本身;
2)没有对设备健康状态进行预测。未来智能化水电站要做到“无人值班”的要求,必须要对设备健康状态了如指掌;
3)对设备故障诊断的手段不够,仅限于PLC和操作终端有限的分析能力很难对调节系统的故障做综合全面的分析和定位;
4)现有检修方式仍然是定期维护和事后维修,未能做到预知性维修。
发明内容
本发明目的在于克服上述现有技术的不足而提供一种能实现健康状态预测的水轮机调节系统及方法,该系统通过各种传感器和检测设备,利用多源信息融合技术实现水轮机调节系统的智能诊断和健康状态预测,同时,将其与控制功能集成于水轮机调节系统,提高系统集成度,节约硬件资源。为智能化水电站实现“无人值班(少人值守)”提供更加可靠和可预测的水轮机调节系统。
实现本发明目的采用的技术方案是一种能实现健康状态预测的水轮机调节系统,该系统包括水轮机调速器电气控制系统和水轮机调速器机械液压系统,其特征在于:还包括用于检测所述水轮机调速器机械液压系统的第一漏油传感器,所述第一漏油传感器与所述水轮机调速器电气控制系统连接;所述水轮机调速器电气控制系统根据第一漏油传感器检测的信号通过多源信息融合技术实现水轮机调节系统的智能诊断和健康状态预测,并将诊断和预测数据传输到远程监控系统。
进一步地,还包括用于检测油压装置状态信号的第一油泵输出流量传感器、第一油压传感器、压力罐液位传感器、回油箱液位传感器、第一油质传感器,以及检测油压装置控制柜中油泵电机的第一检测装置;所述第一油泵输出流量传感器、第一油压传感器、压力罐液位传感器、回油箱液位传感器、油质传感器和第一检测装置分别与所述水轮机调速器电气控制系统连接。
进一步地,所述能实现健康状态预测的水轮机调节系统还包括用于检测漏油箱状态信号的液位传感器、第二油质传感器和第二油泵输出流量传感器,以及检测漏油箱控制柜中油泵电机的第二检测装置,所述液位传感器、第二油质传感器、第二油泵输出流量传感器和第二检测装置分别与所述水轮机调速器电气控制系统连接。
进一步地,所述能实现健康状态预测的水轮机调节系统还包括用于检测事故配压阀的第三漏油传感器和检测阀芯动作的第二油压传感器,所述第三漏油传感器和第二油压传感器分别与所述水轮机调速器电气控制系统连接。
进一步地,所述能实现健康状态预测的水轮机调节系统还包括用于检测分段关闭装置的第四漏油传感器和用于检测分段关闭装置动作信号的第三油压传感器,所述第四漏油传感器和第三油压传感器分别与所述水轮机调速器电气控制系统连接。
进一步地,所述能实现健康状态预测的水轮机调节系统还包括用于检测接力器的开、关腔压力传感器和接力器位移传感器,所述开、关腔压力传感器和接力器位移传感器分别与所述水轮机调速器电气控制系统连接。
进一步地,所述能实现健康状态预测的水轮机调节系统还包括用于检测水轮发电机组的功率变送器、机组PT、机组转速探头和蜗壳压力传感器,所述功率变送器、机组PT、机组转速探头和蜗壳压力传感器分别与所述水轮机调速器电气控制系统连接。
在上述技术方案中,所述水轮机调速器机械液压系统还设有第二漏油传感器,所述第二、第三和第四漏油传感器与漏油箱连接。
此外,本发明还提供一种水轮机调节系统健康状态预测的方法,该方法包括:
1)数据预处理
(1)数据集成
将水轮机调速器电气控制系统获得的所有数据都集成到MySQL数据库中,利用MySQL建立数据仓库;
(2)数据转换
将所述数据仓库中与某一部件相关的所有参数信息整合成一条记录;
(3)数据清理
通过填写空缺值、平滑噪声数据、识别、删除孤立点,进行清理数据;
2)多源数据融合
采用基于不同层次的数据融合方法,将多源、异构传感器信息进行融合,提高诊断精确度及稳定性;
对传感器测得的压力、流量信号直接进行标准化与归一化,对于振动信号采用小波包变换、傅里叶变换方法将时间序列信息转换为频域信息,再进行标准化;
对上述各类信号从数据层、特征层、决策层等多个层次进行融合;
3)故障特征选择
水轮机调系统故障与传感器测得的信号之间存在显示或隐式的复杂关系,从众多的信号中挑选出最能表征故障的信号;
4)智能模型构建
通过带置信度的集成学习方法构建诊断模型,在训练阶段,针对每种故障分别构建一个诊断模型,在测试阶段,综合各种模型的输出结果,按其置信度的大小,给出一个综合的预测结果;采用后验概率的支持向量机、Bayesian学习、决策树的方法作为元分类器,利用集成学习的方法构建准确、健壮的预测模型;对原因确定的故障诊断则采用故障树构建模型,以进一步提高故障定位的准确度;
5)异常参数检测
通过对监测数据中的参数进行异常检测,迅速发现参数的异常值。
在上述技术方案中,所述异常参数检测包括:
(1)基于模型的技术:基于已有的数据构建一个模型,调节系统异常时,在模型中显得格格不入的为异常数据;
(2)基于接近性的技术:利用现有技术定义数据之间的接近性或者相似度,离大多数数据距离较远的为异常数据;
(3)基于密度的技术:利用上述相似度或者距离,估计所有数据点在空间里的密度,那些处于低密度区域的数据点就是所谓的异常数据。
本发明的水轮机调节系统相比常规水轮机调速器具有如下优点:
(1)状态监测范围更宽。除了常规水轮机调速器本体的常规检测外,还增加了本体液压系统的漏油检测、油压装置和漏油箱及其控制系统、事故配压阀、分段关闭、接力器和水轮发电机组等部件的相关检测;
(2)实现了智能诊断,故障定位更准确,特别是一些软故障,如接力器抽动、油泵频繁启动等故障的诊断。
(3)故障诊断范围更宽。随着状态监测范围的拓宽,故障诊断的范围也随之拓宽,而不仅仅限于传统水轮机调速器。
(4)实现了水轮机调节系统各关键部件的健康状态预测,促进系统检修方式由定期维护和事后维修,转向预知性维修。
(5)可靠性更高,使得智能化水电站对设备健康状态了如指掌,有利于实现“无人值班(少人值守)”。
(6)硬件配置更高,可利用的资源更多,有利于多源信息的融合、分析。
附图说明
图1为本发明能实现健康状态预测的水轮机调节系统的结构框图。
图2为水轮机调速器电气控制系统的结构框图。
图3为水轮机调速器机械液压系统的结构框图。
图4为油压装置系统的结构框图。
图5为漏油箱系统的结构框图。
图6为本发明水轮机调速器机械液压系统进行健康状态预测方法的流程图。
图7为多源传感信息融合方式示意图,其中,a)为数据层融合方式,b)为特征层融合方式,c)为决策层融合方式。
图8为带置信度的集成诊断模型示意图。
图9为水轮机调节系统状态预测的主故障树结构图。
图10为水轮机调节系统状态预测的简化树结构图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明。
如图1所示,本发明能实现健康状态预测的水轮机调节系统包括:水轮机调速器电气控制系统、水轮机调速器机械液压系统、事故配压阀、分段关闭装置、接力器、油压装置系统以及漏油系统。
该能实现健康状态预测的水轮机调节系统的工作过程如下:
水轮机调速器电气控制系统接受远程和本地各种指令,控制水轮机调速器机械液压系统输出不同流量和方向的压力油,通过事故配压阀和分段关闭装置后再进入接力器的开、关机腔,通过控制接力器开启或关闭水轮机导叶(或喷针、桨叶),实现水轮机的开机、停机、并网发电和调频、调相等功能。其中,事故配压阀用于实现机组的事故保护停机,分段关闭装置用于可实现接力器的分段关闭规律,油压装置系统为水轮机调节系统提供压力油源,漏油箱用于回收系统漏油。
以上各部分结构和功能分别说明如下:
本发明所用水轮机调速器电气控制系统可以采用A、B两套控制器,互为热备冗余,切换时间小于30US,切换无扰动;也可以采用一套控制器。本实施例采用一套控制器的水轮机调速器电气控制系统,结构如图2所示,包括电源模块、CPU模块(含通讯模块)、开关量输入模块、开关量输出模块、模拟量输入模块、模拟量输出模块和工控机,CPU模块连接工控机、远方监控系统及其他控制柜,并进行通讯。
本实施例所用电气控制系统接受各种指令和状态量,如开机、停机、调相、并网、一次调频、负荷增减令等,还可接受各种数据,如功率给定、水头、电气开限等,控制系统的采样值和反馈状态量则从各设备检测传感器取得,如接力器反馈及两腔压力、机组频率、系统频率、机组有功、蜗壳压力、主配拒动信号、紧急停机动作信号、分段关闭和事故配压阀动作信号、各设备漏油量、油泵输出流量、油压装置和漏油箱及其控制系统的检测量等,控制系统根据各种工况下的PID计算和逻辑判断,控制机械液压系统驱动接力器,从而控制机组完成开机、停机、并网发电和调频、调相等控制功能。
在实现上述控制功能的同时,工控机与CPU模块通讯,充分应用控制系统所收集的各种信息,通过多源信息融合技术实现水轮机调节系统的智能诊断和健康状态预测。该系统还可通过远方监控系统的工控机与CPU模块通讯实现同样的功能。
相比传统的调速器,该系统不仅实现了调速器的控制功能,还实现了整个水轮机调节系统的智能诊断和健康状态预测,包括水轮机调速器、油压装置、漏油箱、接力器、分段关闭和事故配压阀等设备,使得水电站对整个水轮机调节系统各设备和部件的健康状态了如指掌,有利于实现水电站的智能化控制和“无人值班(少人值守)”。
本发明所用水轮机调速器机械液压系统的结构如图3所示,包括电液转换器或电-机转换器、液压放大机构、用于将液压放大机构的位移反馈至电气控制系统的位移传感器,以及分别与油压装置中回油箱连接的第一漏油传感器以及与漏油箱连接的第二漏油传感器。
其中,电液转换器或电-机转换器接受水轮机调速器电气控制系统输出的电信号,将电信号转换成液压信号或机械位移信号,从而控制液压放大机构输出带方向的、经流量放大的液压油,流量大小与电信号满足一定的函数关系,这与电气控制系统的控制规律相一致。液压放大机构有位移反馈至电气控制系统,用于实现液压流量的稳定控制。此位移反馈根据液压放大机构的不同,安装的位置也不同,有的与液压放大机构相连,有的与电液转换器或电-机转换器相连。液压放大机构还有一个动作信号反馈,用于检测其拒动信号。
本实施例采用两个漏油传感器,其中一个与油压装置回油箱相连,用于检测液压放大机构主阀漏油量;另一个与漏油箱相连,用于检测液压放大机构控制部分漏油量,这两个漏油传感器用于诊断和预测液压系统的磨损情况。
本发明所用油压装置系统包括油压装置控制柜、电机启动器、电动机、油泵、组合阀、流量传感器、压力油罐、回油箱、压力传感器、回油箱液位传感器和油质传感器。根据油压装置的大小,电机启动器、电动机、油泵、组合阀、流量传感器的数量各有不同,本实施例所用均为两个,如图4所示,若压力油罐容积很大时,也会设置2个压力油罐,相应的传感器数量也会变化。
油压装置系统是一种蓄能装置,用于为水轮机调节系统提供压力油源。其中,油压装置控制柜分别通过油压传感器和压力罐液位传感器检测压力油罐的压力、液位,以及通过回油箱液位传感器检测回油箱的液位,控制电机启动器启、停电动机,从而带动油泵向压力油罐打油,使压力油罐的压力和液位维持在额定工作值范围,组合阀在油泵启动时处于卸载状态,使电动机处于空载启动工况,几秒钟后卸载阀关闭,油泵开始向压力油罐打油;若油压超过溢流阀的压力整定值时,溢流阀打开,开始泄压,以保证组合阀工作在安全压力范围内。油泵输出流量传感器用于检测油泵输油量和油泵停机后组合阀是否泄漏等。油质传感器用于检测油质是否满足运行要求。图4中有2套油泵输油系统,互为备用,以保证压力油源的可靠工作。
油压装置系统中的各种检测传感器除了输入油压装置控制柜外,还会输送到水轮机调速器电气控制系统,用于诊断和预测油压装置各部件和油质的健康状态,除此之外,水轮机调速器电气控制系统还会与油压装置控制柜通讯,获取油泵电机及其控制系统的相关信息,提高诊断和预测的可靠度。
本发明所用漏油箱系统结构如图5所示,包括漏油箱控制柜、电机启动器、电动机、油泵、安全阀、单向阀、流量传感器、漏油箱、液位传感器和油质检测传感器等。漏油箱控制柜、电机启动器、电动机、油泵、安全阀、单向阀、油泵输出流量传感器依次连接。
根据漏油箱的大小,电机启动器、电动机、油泵、安全阀、单向阀、流量传感器的数量各有不同,本实施例所用均为一个,如图5所示。
漏油箱用于收集水轮机调节系统各设备的漏油。漏油箱控制柜根据漏油箱液位传感器测得的油位控制电机启动器启、停电动机,从而带动油泵将漏油输出到油压装置回油箱。当油压达到一定整定值时,安全阀自动开启,卸载油压,保证系统安全。在油泵停机时,单向阀可以防止油压装置回油箱的油倒回至漏油箱。油泵输出流量传感器用于检测油泵输油量和油泵停机后单向阀是否泄漏等。油质传感器用于检测油质是否满足运行要求。
漏油箱的各种检测传感器除了输入漏油箱控制柜外,还会输送到水轮机调速器电气控制系统,用于诊断和预测漏油箱各部件和油质的健康状态,除此之外,水轮机调速器电气控制系统还会与漏油箱控制柜通讯,获取油泵电机及其控制系统的相关信息,提高诊断和预测的可靠度。
本发明水轮机调节系统健康状态诊断与预测方法采用数据挖掘中的分类、聚类、集成学习、置信输出及信息融合等方法,从高维、异构、高噪声的监测数据中,分析判断故障原因,并对系统的健康状态做出预测,同时给出科学合理的处理对策,如图6所示,具体操作如下:
1、数据预处理
(1)数据集成
由于监测过程中获取数据的方式不同,数据可能由不同载体进行存储,如文本、MSExcel电子表格、MS Access数据库、Oracle数据库、MySQL数据库等。为便于后续分析,需要把这些来自不同数据源的数据集成起来。比如将所有数据都集成到MySQL数据库中,利用MySQL建立数据仓库。
(2)数据转换
将与某一部件(如主配压阀、油泵等)相关的所有参数信息整合成一条记录。
(3)数据清理
数据清理通过填写空缺值、平滑噪声数据、识别、删除孤立点,并解决“不一致”来清理数据,从而增强数据挖掘结果的质量。
2、多源数据融合
采用基于不同层次的数据融合方法,将多源、异构传感器信息进行融合,提高诊断精确度及稳定性。
对传感器测得的压力、流量等信号直接进行标准化与归一化,对于振动信号(速度、振幅、加速度等),拟采用小波包变换、傅里叶变换等方法将时间序列信息转换为频域信息,再进行标准化。
对上述各类信号从数据层、特征层、决策层(如图7所示)等多个层次进行融合,提高故障诊断模型的准确度与稳定性。
3、故障特征选择
水轮机调系统故障与传感信号之间存在显示或隐式的复杂关系,从众多的信号中挑选出最能表征故障的信号,能够降低模型的复杂度,提高模型的预测准确率,并精确定位故障产生的原因。同时,获得易于被分析研究人员和使用者理解的数据分析结果。
4、智能模型构建
由于水轮机调节系统是水轮机的关键控制设备,其发生故障往往会引起严重的安全隐患及经济损失。而调节系统的某种故障表征又可能是由多种原因所引起的,每种原因所造成的后果又不尽相同,因此这里采用带置信度的集成学习方法构建诊断模型,如图8所示。
在训练阶段,针对每种故障分别构建一个诊断模型,在测试阶段,综合各种模型的输出结果,按其置信度的大小,给出一个综合的预测结果。
采用后验概率的支持向量机(Posteriori Probability Support VectorMachines PPSVM)、Bayesian学习、决策树等方法作为元分类器,利用集成学习的方法构建准确、健壮的预测模型。
对原因确定的故障诊断则采用故障树构建模型,以进一步提高故障定位的准确度。如图9所示,水轮机调节系统健康状态预测故障树的顶事件为:水轮机调节系统状态健康状态预测;然后下面三个分系统分别为:电气调节器状态预测、电液随动系统状态预测、油压装置部分状态预测;从而构成了水轮机调节系统状态预测的主故障树。继续进行故障树深入层次分析,可以得到各自的主故障树与各自的故障子树。电气调节器状态预测主要是对水轮机调速器电气控制系统的健康状态进行预测,电液随动系统状态预测主要是对水轮机调速器机械液压系统、事故配压阀、分段关闭、接力器等设备的健康状态进行预测,油压装置部分状态预测主要是对油压装置和漏油箱等设备的健康状态进行预测。
根据所建立的故障树与故障树的定性分析,由于系统故障树底事件、中间事件与顶事件全都是由或门连接,同时底事件相互独立,所以,每个故障树的底事件即为水轮机调节系统的最小割集:N1、N2、N3、…….、Nx,(x根据水轮机调节系统的具体配置确定)根据故障树的等效和简化原则,可以得到水轮机调节系统状态预测系统的简化树如图10所示。
5、异常参数检测
通过对监测数据中的参数进行异常检测,能够迅速发现参数的异常值。具体采用如下三种检测方法:
(1)基于模型的技术:基于已有的数据构建一个模型,调节系统异常时,产生的异常的数据通常会在模型中显得格格不入。
(2)基于接近性的技术:利用现有技术(例如:欧氏距离、余弦相似度、Jacard指数、皮尔森相关系数等)定义数据之间的接近性或者相似度。异常数据会离大多数数据距离较远。
(3)基于密度的技术:利用上述相似度或者距离,估计所有数据点在空间里的密度,那些处于低密度区域的数据点就是所谓的异常数据。
Claims (10)
1.一种能实现健康状态预测的水轮机调节系统,包括水轮机调速器电气控制系统和水轮机调速器机械液压系统,其特征在于:还包括用于检测所述水轮机调速器机械液压系统的第一漏油传感器,所述第一漏油传感器与所述水轮机调速器电气控制系统连接;所述水轮机调速器电气控制系统根据第一漏油传感器检测的信号通过多源信息融合技术实现水轮机调节系统的智能诊断和健康状态预测,并将诊断和预测数据传输到远程监控系统。
2.根据权利要求1所述能实现健康状态预测的水轮机调节系统,其特征在于:还包括用于检测油压装置状态信号的第一油泵输出流量传感器、第一油压传感器、压力罐液位传感器、回油箱液位传感器、第一油质传感器,以及检测油压装置控制柜中油泵电机的第一检测装置;所述第一油泵输出流量传感器、第一油压传感器、压力罐液位传感器、回油箱液位传感器、油质传感器和第一检测装置分别与所述水轮机调速器电气控制系统连接。
3.根据权利要求2所述能实现健康状态预测的水轮机调节系统,其特征在于:还包括用于检测漏油箱状态信号的液位传感器、第二油质传感器和第二油泵输出流量传感器,以及检测漏油箱控制柜中油泵电机的第二检测装置,所述液位传感器、第二油质传感器、第二油泵输出流量传感器和第二检测装置分别与所述水轮机调速器电气控制系统连接。
4.根据权利要求3所述能实现健康状态预测的水轮机调节系统,其特征在于:还包括用于检测事故配压阀的第三漏油传感器和检测阀芯动作的第二油压传感器,所述第三漏油传感器和第二油压传感器分别与所述水轮机调速器电气控制系统连接。
5.根据权利要求4所述能实现健康状态预测的水轮机调节系统,其特征在于:还包括用于检测分段关闭装置的第四漏油传感器和用于检测分段关闭装置动作信号的第三油压传感器,所述第四漏油传感器和第三油压传感器分别与所述水轮机调速器电气控制系统连接。
6.根据权利要求5所述能实现健康状态预测的水轮机调节系统,其特征在于:还包括用于检测接力器的开、关腔压力传感器和接力器位移传感器,所述开、关腔压力传感器和接力器位移传感器分别与所述水轮机调速器电气控制系统连接。
7.根据权利要求6所述能实现健康状态预测的水轮机调节系统,其特征在于:还包括用于检测水轮发电机组的功率变送器、机组PT、机组转速探头和蜗壳压力传感器,所述功率变送器、机组PT、机组转速探头和蜗壳压力传感器分别与所述水轮机调速器电气控制系统连接。
8.根据权利要求7所述能实现健康状态预测的水轮机调节系统,其特征在于:所述水轮机调速器机械液压系统还设有第二漏油传感器,所述第二、第三和第四漏油传感器与漏油箱连接。
9.一种水轮机调节系统健康状态预测的方法,其特征在于,包括:
1)数据预处理
(1)数据集成
将水轮机调速器电气控制系统获得的所有数据都集成到MySQL数据库中,利用MySQL建立数据仓库;
(2)数据转换
将所述数据仓库中与某一部件相关的所有参数信息整合成一条记录;
(3)数据清理
通过填写空缺值、平滑噪声数据、识别、删除孤立点,进行清理数据;
2)多源数据融合
采用基于不同层次的数据融合方法,将多源、异构传感器信息进行融合,提高诊断精确度及稳定性;
对传感器测得的压力、流量信号直接进行标准化与归一化,对于振动信号采用小波包变换、傅里叶变换方法将时间序列信息转换为频域信息,再进行标准化;
对上述各类信号从数据层、特征层、决策层等多个层次进行融合;
3)故障特征选择
水轮机调系统故障与传感器测得的信号之间存在显示或隐式的复杂关系,从众多的信号中挑选出最能表征故障的信号;
4)智能模型构建
通过带置信度的集成学习方法构建诊断模型,在训练阶段,针对每种故障分别构建一个诊断模型,在测试阶段,综合各种模型的输出结果,按其置信度的大小,给出一个综合的预测结果;采用后验概率的支持向量机、Bayesian学习、决策树的方法作为元分类器,利用集成学习的方法构建准确、健壮的预测模型;对原因确定的故障诊断则采用故障树构建模型,以进一步提高故障定位的准确度;
5)异常参数检测
通过对监测数据中的参数进行异常检测,迅速发现参数的异常值。
10.根据权利要求9所述水轮机调节系统健康状态预测的方法,其特征在于,所述异常参数检测包括:
(1)基于模型的技术:基于已有的数据构建一个模型,调节系统异常时,在模型中显得格格不入的为异常数据;
(2)基于接近性的技术:利用现有技术定义数据之间的接近性或者相似度,离大多数数据距离较远的为异常数据;
(3)基于密度的技术:利用上述相似度或者距离,估计所有数据点在空间里的密度,那些处于低密度区域的数据点就是所谓的异常数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510163620.1A CN104791187B (zh) | 2015-04-08 | 2015-04-08 | 能实现健康状态预测的水轮机调节系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510163620.1A CN104791187B (zh) | 2015-04-08 | 2015-04-08 | 能实现健康状态预测的水轮机调节系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104791187A true CN104791187A (zh) | 2015-07-22 |
CN104791187B CN104791187B (zh) | 2017-07-25 |
Family
ID=53556271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510163620.1A Active CN104791187B (zh) | 2015-04-08 | 2015-04-08 | 能实现健康状态预测的水轮机调节系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104791187B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105298735A (zh) * | 2015-12-15 | 2016-02-03 | 张方庆 | 一种安全、可靠的灯泡贯流式水轮发电机开、停机控制方法 |
CN106647567A (zh) * | 2016-12-09 | 2017-05-10 | 西华大学 | 一种基于计算机控制的水轮机自动调速器控制系统 |
CN106762340A (zh) * | 2016-12-02 | 2017-05-31 | 国家电网公司 | 一种水轮机接力器智能检漏系统及其方法 |
CN106991502A (zh) * | 2017-04-27 | 2017-07-28 | 深圳大数点科技有限公司 | 一种设备故障预测系统和方法 |
CN107842461A (zh) * | 2017-12-05 | 2018-03-27 | 国网江西省电力有限公司柘林水电厂 | 一种高精度的水轮发电机组压力油系统及其使用方法 |
CN107939577A (zh) * | 2017-11-28 | 2018-04-20 | 南瑞集团有限公司 | 一种水轮机调速器比例伺服阀在线故障诊断方法 |
CN108035838A (zh) * | 2017-12-07 | 2018-05-15 | 武汉四创自动控制技术有限责任公司 | 全厂水轮机调速系统健康状态评估及优化方法 |
CN108167111A (zh) * | 2017-08-28 | 2018-06-15 | 福建省水利水电勘测设计研究院 | 机组调速器失灵保护装置 |
CN109033279A (zh) * | 2018-06-28 | 2018-12-18 | 西安华云智联信息科技有限公司 | 一种数据处理方法及模块、计算平台及工业物联网 |
CN109630347A (zh) * | 2018-11-22 | 2019-04-16 | 成都锐达自动控制有限公司 | 故障诊断的水电站调速器油压智能控制系统及诊断方法 |
CN110107441A (zh) * | 2019-05-27 | 2019-08-09 | 浙江大学 | 水轮机在线诊断预测系统 |
CN110159474A (zh) * | 2019-05-17 | 2019-08-23 | 天津天发总厂机电设备有限公司 | 一种水轮发电机组的发电机设备状态远程监控方法 |
CN110185575A (zh) * | 2019-05-17 | 2019-08-30 | 天津天发总厂机电设备有限公司 | 一种水轮发电机组水轮机设备状态远程监控方法 |
CN110262460A (zh) * | 2019-07-01 | 2019-09-20 | 山东浪潮人工智能研究院有限公司 | 一种结合聚类思想进行特征提取的砼活塞故障预测方法 |
CN110597221A (zh) * | 2018-06-12 | 2019-12-20 | 中华电信股份有限公司 | 机台加工行为异常分析与预测保养系统及其方法 |
CN110702437A (zh) * | 2019-09-12 | 2020-01-17 | 国电大渡河流域水电开发有限公司龚嘴水力发电总厂 | 一种水轮发电机组油压系统健康状况的评价方法 |
CN111255623A (zh) * | 2020-01-16 | 2020-06-09 | 东方电气自动控制工程有限公司 | 一种水轮机调速器接力器双传感器冗余的故障检测方法 |
CN111521328A (zh) * | 2020-05-30 | 2020-08-11 | 华能澜沧江水电股份有限公司 | 一种检测发电机组调速器液压系统渗漏故障的方法 |
CN111628570A (zh) * | 2020-04-20 | 2020-09-04 | 国电大渡河流域水电开发有限公司 | 水电站安全监测故障诊断方法及系统 |
CN112594114A (zh) * | 2020-12-09 | 2021-04-02 | 中国长江电力股份有限公司 | 一种比例阀健康状态自适应智能诊断方法及系统 |
CN112631244A (zh) * | 2020-12-09 | 2021-04-09 | 中国长江电力股份有限公司 | 水电站调速器液压随动系统健康状态诊断方法和控制系统 |
CN112651117A (zh) * | 2020-12-21 | 2021-04-13 | 贵州电网有限责任公司 | 一种水电机组导叶动态分段关闭方法 |
CN112859724A (zh) * | 2020-12-30 | 2021-05-28 | 天津天发天重电力设备制造有限公司 | 一种水轮发电机组设备状态的远程监控系统 |
CN112983727A (zh) * | 2021-02-09 | 2021-06-18 | 中国长江电力股份有限公司 | 一种水轮机调速器液压控制系统油泵状态转换过程控制方法 |
CN113418663A (zh) * | 2020-12-31 | 2021-09-21 | 湖南江河机电自动化设备股份有限公司 | 一种水轮机调速器液压系统泄漏检测方法 |
CN113435755A (zh) * | 2021-06-30 | 2021-09-24 | 华中科技大学 | 一种工况自适应水轮机组综合状态评估方法及系统 |
CN114427511A (zh) * | 2022-01-12 | 2022-05-03 | 中国长江电力股份有限公司 | 水电机组功率反馈与主接反馈信号故障协同判定方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1048576A (en) * | 1962-11-07 | 1966-11-16 | Hitachi Ltd | Water turbine, pump or pump turbine |
JPS59180071A (ja) * | 1983-03-30 | 1984-10-12 | Hitachi Ltd | 水車又はポンプ水車の構造 |
JPH08284794A (ja) * | 1995-04-18 | 1996-10-29 | Toshiba Corp | 水車調速制御装置の点検方法 |
CN2934640Y (zh) * | 2006-07-13 | 2007-08-15 | 武汉市汉诺优电控有限责任公司 | 高油压转桨式水轮机调速器 |
CN101435799A (zh) * | 2008-12-19 | 2009-05-20 | 清华大学 | 基于声发射技术的水轮机故障诊断方法及装置 |
CN101871417A (zh) * | 2010-06-03 | 2010-10-27 | 武汉四创自动控制技术有限责任公司 | 基于iec61850的数字化水轮机调速系统 |
JP4636367B2 (ja) * | 2005-01-06 | 2011-02-23 | 株式会社石垣 | 水車発電装置 |
CN202348549U (zh) * | 2011-11-29 | 2012-07-25 | 长江三峡能事达电气股份有限公司 | 智能水轮机微机调速系统 |
CN204591576U (zh) * | 2015-04-08 | 2015-08-26 | 武汉四创自动控制技术有限责任公司 | 能实现健康状态预测的水轮机调节系统 |
-
2015
- 2015-04-08 CN CN201510163620.1A patent/CN104791187B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1048576A (en) * | 1962-11-07 | 1966-11-16 | Hitachi Ltd | Water turbine, pump or pump turbine |
JPS59180071A (ja) * | 1983-03-30 | 1984-10-12 | Hitachi Ltd | 水車又はポンプ水車の構造 |
JPH08284794A (ja) * | 1995-04-18 | 1996-10-29 | Toshiba Corp | 水車調速制御装置の点検方法 |
JP4636367B2 (ja) * | 2005-01-06 | 2011-02-23 | 株式会社石垣 | 水車発電装置 |
CN2934640Y (zh) * | 2006-07-13 | 2007-08-15 | 武汉市汉诺优电控有限责任公司 | 高油压转桨式水轮机调速器 |
CN101435799A (zh) * | 2008-12-19 | 2009-05-20 | 清华大学 | 基于声发射技术的水轮机故障诊断方法及装置 |
CN101871417A (zh) * | 2010-06-03 | 2010-10-27 | 武汉四创自动控制技术有限责任公司 | 基于iec61850的数字化水轮机调速系统 |
CN202348549U (zh) * | 2011-11-29 | 2012-07-25 | 长江三峡能事达电气股份有限公司 | 智能水轮机微机调速系统 |
CN204591576U (zh) * | 2015-04-08 | 2015-08-26 | 武汉四创自动控制技术有限责任公司 | 能实现健康状态预测的水轮机调节系统 |
Non-Patent Citations (1)
Title |
---|
朱传古: "水电机组状态监测与诊断中的分析方法及案例", 《华中科技大学硕士学位论文》 * |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105298735A (zh) * | 2015-12-15 | 2016-02-03 | 张方庆 | 一种安全、可靠的灯泡贯流式水轮发电机开、停机控制方法 |
CN106762340A (zh) * | 2016-12-02 | 2017-05-31 | 国家电网公司 | 一种水轮机接力器智能检漏系统及其方法 |
CN106762340B (zh) * | 2016-12-02 | 2019-02-26 | 国家电网公司 | 一种水轮机接力器智能检漏系统及其方法 |
CN106647567A (zh) * | 2016-12-09 | 2017-05-10 | 西华大学 | 一种基于计算机控制的水轮机自动调速器控制系统 |
CN106991502A (zh) * | 2017-04-27 | 2017-07-28 | 深圳大数点科技有限公司 | 一种设备故障预测系统和方法 |
CN108167111A (zh) * | 2017-08-28 | 2018-06-15 | 福建省水利水电勘测设计研究院 | 机组调速器失灵保护装置 |
CN107939577A (zh) * | 2017-11-28 | 2018-04-20 | 南瑞集团有限公司 | 一种水轮机调速器比例伺服阀在线故障诊断方法 |
CN107939577B (zh) * | 2017-11-28 | 2019-04-23 | 南瑞集团有限公司 | 一种水轮机调速器比例伺服阀在线故障诊断方法 |
CN107842461A (zh) * | 2017-12-05 | 2018-03-27 | 国网江西省电力有限公司柘林水电厂 | 一种高精度的水轮发电机组压力油系统及其使用方法 |
CN108035838A (zh) * | 2017-12-07 | 2018-05-15 | 武汉四创自动控制技术有限责任公司 | 全厂水轮机调速系统健康状态评估及优化方法 |
CN108035838B (zh) * | 2017-12-07 | 2020-11-03 | 武汉四创自动控制技术有限责任公司 | 全厂水轮机调速系统健康状态评估及优化方法 |
CN110597221B (zh) * | 2018-06-12 | 2023-10-10 | 台湾中华电信股份有限公司 | 机台加工行为异常分析与预测保养系统及其方法 |
CN110597221A (zh) * | 2018-06-12 | 2019-12-20 | 中华电信股份有限公司 | 机台加工行为异常分析与预测保养系统及其方法 |
CN109033279A (zh) * | 2018-06-28 | 2018-12-18 | 西安华云智联信息科技有限公司 | 一种数据处理方法及模块、计算平台及工业物联网 |
CN109630347A (zh) * | 2018-11-22 | 2019-04-16 | 成都锐达自动控制有限公司 | 故障诊断的水电站调速器油压智能控制系统及诊断方法 |
CN109630347B (zh) * | 2018-11-22 | 2020-06-02 | 成都锐达自动控制有限公司 | 故障诊断的水电站调速器油压智能控制系统及诊断方法 |
CN110185575A (zh) * | 2019-05-17 | 2019-08-30 | 天津天发总厂机电设备有限公司 | 一种水轮发电机组水轮机设备状态远程监控方法 |
CN110159474A (zh) * | 2019-05-17 | 2019-08-23 | 天津天发总厂机电设备有限公司 | 一种水轮发电机组的发电机设备状态远程监控方法 |
CN110107441A (zh) * | 2019-05-27 | 2019-08-09 | 浙江大学 | 水轮机在线诊断预测系统 |
CN110262460B (zh) * | 2019-07-01 | 2020-07-03 | 浪潮集团有限公司 | 一种结合聚类思想进行特征提取的砼活塞故障预测方法 |
CN110262460A (zh) * | 2019-07-01 | 2019-09-20 | 山东浪潮人工智能研究院有限公司 | 一种结合聚类思想进行特征提取的砼活塞故障预测方法 |
CN110702437B (zh) * | 2019-09-12 | 2021-06-29 | 国能大渡河流域水电开发有限公司龚嘴水力发电总厂 | 一种水轮发电机组油压系统健康状况的评价方法 |
CN110702437A (zh) * | 2019-09-12 | 2020-01-17 | 国电大渡河流域水电开发有限公司龚嘴水力发电总厂 | 一种水轮发电机组油压系统健康状况的评价方法 |
CN111255623A (zh) * | 2020-01-16 | 2020-06-09 | 东方电气自动控制工程有限公司 | 一种水轮机调速器接力器双传感器冗余的故障检测方法 |
CN111255623B (zh) * | 2020-01-16 | 2020-11-03 | 东方电气自动控制工程有限公司 | 一种水轮机调速器接力器双传感器冗余的故障检测方法 |
CN111628570B (zh) * | 2020-04-20 | 2021-05-14 | 国能大渡河流域水电开发有限公司 | 水电站安全监测故障诊断方法及系统 |
CN111628570A (zh) * | 2020-04-20 | 2020-09-04 | 国电大渡河流域水电开发有限公司 | 水电站安全监测故障诊断方法及系统 |
CN111521328A (zh) * | 2020-05-30 | 2020-08-11 | 华能澜沧江水电股份有限公司 | 一种检测发电机组调速器液压系统渗漏故障的方法 |
CN112631244A (zh) * | 2020-12-09 | 2021-04-09 | 中国长江电力股份有限公司 | 水电站调速器液压随动系统健康状态诊断方法和控制系统 |
CN112594114A (zh) * | 2020-12-09 | 2021-04-02 | 中国长江电力股份有限公司 | 一种比例阀健康状态自适应智能诊断方法及系统 |
CN112594114B (zh) * | 2020-12-09 | 2022-02-08 | 中国长江电力股份有限公司 | 一种比例阀健康状态自适应智能诊断方法及系统 |
CN112651117A (zh) * | 2020-12-21 | 2021-04-13 | 贵州电网有限责任公司 | 一种水电机组导叶动态分段关闭方法 |
CN112651117B (zh) * | 2020-12-21 | 2023-03-28 | 贵州电网有限责任公司 | 一种水电机组导叶动态分段关闭方法 |
CN112859724A (zh) * | 2020-12-30 | 2021-05-28 | 天津天发天重电力设备制造有限公司 | 一种水轮发电机组设备状态的远程监控系统 |
CN113418663A (zh) * | 2020-12-31 | 2021-09-21 | 湖南江河机电自动化设备股份有限公司 | 一种水轮机调速器液压系统泄漏检测方法 |
CN113418663B (zh) * | 2020-12-31 | 2024-05-03 | 湖南江河机电自动化设备股份有限公司 | 一种水轮机调速器液压系统泄漏检测方法 |
CN112983727A (zh) * | 2021-02-09 | 2021-06-18 | 中国长江电力股份有限公司 | 一种水轮机调速器液压控制系统油泵状态转换过程控制方法 |
CN113435755B (zh) * | 2021-06-30 | 2022-04-29 | 华中科技大学 | 一种工况自适应水轮机组综合状态评估方法及系统 |
CN113435755A (zh) * | 2021-06-30 | 2021-09-24 | 华中科技大学 | 一种工况自适应水轮机组综合状态评估方法及系统 |
CN114427511A (zh) * | 2022-01-12 | 2022-05-03 | 中国长江电力股份有限公司 | 水电机组功率反馈与主接反馈信号故障协同判定方法 |
CN114427511B (zh) * | 2022-01-12 | 2023-07-14 | 中国长江电力股份有限公司 | 水电机组功率反馈与主接反馈信号故障协同判定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104791187B (zh) | 2017-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104791187A (zh) | 能实现健康状态预测的水轮机调节系统及方法 | |
CN204591576U (zh) | 能实现健康状态预测的水轮机调节系统 | |
Afridi et al. | Artificial intelligence based prognostic maintenance of renewable energy systems: A review of techniques, challenges, and future research directions | |
Yang et al. | Fault detection of wind turbine generator bearing using attention-based neural networks and voting-based strategy | |
Butler et al. | A feasibility study into prognostics for the main bearing of a wind turbine | |
CN102226428A (zh) | 燃气轮机健康状态预测方法 | |
CN102243135A (zh) | 一种塔式太阳能热发电站定日镜故障诊断分析方法 | |
CN116865368A (zh) | 一种基于负载启动发电机的船舶功率管理方法与系统 | |
Santelo et al. | Wind turbine failures review and trends | |
CN109409758B (zh) | 水电站设备健康状态评价方法及系统 | |
Yao et al. | Intelligent PHM based auxiliary decision framework of advanced modular nuclear | |
Walker et al. | Development of Short-Term Forecasting Models Using Plant Asset Data and Feature Selection | |
CN202916095U (zh) | 一种模拟风电液压变桨系统运行环境的装置 | |
Yang et al. | Open-circuit Fault Diagnosis Strategy for Partial Energy Electric Pump System Based on Grey Prediction Theory | |
Tang et al. | A Bayesian-optimized Hybrid Neural Network Based on CNN and BiLSTM for Predictive Maintenance of Diesel Generator | |
Lv et al. | Application of knowledge graph technology in unified management platform for wind power data | |
CN103473439B (zh) | 一种面向复杂机电设备低信噪比信息的早期故障预测方法 | |
Leahy | Data analytics for fault prediction and diagnosis in wind turbines | |
Liu et al. | Condition monitoring system for hydro turbines based on LabVIEW | |
Li et al. | Integrated maintenance features of hydro turbine governors | |
Yao et al. | Fault mechanisms and diagnosis methods for typical load mutation problems of turbo-generator sets | |
Haitao et al. | Fault identification of new energy based on online monitoring | |
Zhou et al. | Research on Fault Diagnosis of Hydropower Unit based on Expert System and Hybrid Reasoning | |
Ou et al. | Fault Prediction Model of Wind Power Pitch System Based on BP Neural Network | |
EP4365440A1 (en) | Prediction and prevention of safety stop of a wind turbine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |