CN106709156A - 基于在线数据的水轮发电机组定子热变形的自动评价方法 - Google Patents
基于在线数据的水轮发电机组定子热变形的自动评价方法 Download PDFInfo
- Publication number
- CN106709156A CN106709156A CN201611085212.XA CN201611085212A CN106709156A CN 106709156 A CN106709156 A CN 106709156A CN 201611085212 A CN201611085212 A CN 201611085212A CN 106709156 A CN106709156 A CN 106709156A
- Authority
- CN
- China
- Prior art keywords
- stator
- thermal deformation
- turbine
- generator units
- evaluation method
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Manufacture Of Motors, Generators (AREA)
Abstract
本发明公开了一种基于在线数据的水轮发电机组定子热变形的自动评价方法,包括:步骤一、选取定子热变形量和定子热变形不均匀度作为水轮发电机组的定子热变形评价指标,分别建立水轮发电机组定子热变形量和定子热变形不均匀度的数学模型;步骤二、在水轮发电机组并网后,以水轮发电机组的在线监测数据为基础,利用定子热变形量和/或定子热变形不均匀度的数学模型,采用参数辨识的方法,从在线监测数据中自动选择定子热变形量和/或定子热变形不均匀度参数,来辨识水轮发电机组是否存在定子热变形故障。本发明易于操作,数据选择、计算、判定过程自动化,分析判断报告中提供明确的分析诊断结论和可能的检修建议,省时、省力,且准确度高。
Description
技术领域
本发明属于电子技术领域,涉及一种基于在线数据的水轮发电机组定子热变形的自动评价方法。
背景技术
水电机组运行状态的实时诊断直接关系到水电站的安全稳定运行、电力质量和电力生产成本等重要的经济效益指标,其社会效益巨大。随着电站规模和监测辅助系统的不断扩大,机组的控制和监测数据信息量越来越大,运行操作人员对机组运行状态的实时有效监控、对设备故障做出迅速而准确地判断变得越来越困难,因此,研究开发智能水电机组故障诊断系统是非常必要的。水电机组在运行过程中难免发生各种各样的异常情况,同一异常现象可能有不同的产生原因,并且出现的故障具有随机性,其中许多事电站工作人员无法预先、直接检测到的,一般要根据工作人员的个人经验和对监测数据的分析来查找故障发生的原因及部位,因而有一定的主观性和局限性。
因此,为保障水电机组的正常安全运行,对其运行状态进行检测,及时发现故障征兆,做到“预测性检修”防患于未然是工程界梦寐以求的理想,也是大型电站机组检修的发展方向。
水轮发电机组故障诊断是近几年兴起的一门识别机组运行状态的科学,是一个复杂的综合系统,涉及的专业范围广。及时准确地诊断出水电机组的状态和故障,对提高水电机组工作稳定性、安全可靠性具有重大意义。
传统水轮发电机组的故障诊断主要有以下4种方法
1、基于信号处理的诊断方法
基于信号处理的诊断方法是各种诊断方法的基础和前提,作为一种传统的故障诊断方法,根据系统可测信号的特征值,如幅值、相位、频率、方差等,以及信号之间的相关性,与故障源之间存在的某种关系,通过信号处理和特征提取,找出其与故障源之间的映射关系来进行运行设备的故障诊断。目前常用的信号处理方法包括时域分析法、频域分析法、时频域分析法等。
2、基于解析模型的诊断方法
基于解析模型的诊断方法是以控制理论为基础的诊断方法。把设备看成一个具有一定输入、输出关系的动态系统,根据系统的输入,输出关系建立数学表达或解析表达模型,利用观测器、滤波器、等价空间方程、参数模型估计与辨识等方法产生残差,根据模型的残差来判断发生故障的可能性。水电机组是一个复杂的非线性时变系统,建立比较准备的数学模型往往很难得到,这也限制了基于解析模型的诊断方法在水电机组故障诊断的应用。目前常用的解析模型方法包括参数估计方法、状态估计方法、等价空间方法等。
3、基于经验知识的诊断方法
涉及研究领域的知识表达、处理和应用的方法,统称为基于知识的诊断方法,如故障征兆树方法、专家系统方法等,他们的特点是将专业知识通过语义和框架的方式进行表达,故障的诊断则采用推理和推理过程进行,如产生式规则推理、逻辑推理、模糊知识推理等。目前常用的经验知识的诊断方法包括符号有向图分析方法、故障树分析方法、专家系统诊断法等。
4、基于数据驱动的诊断方法
基于数据驱动的故障诊断方法就是利用设备长期积累的在线或离线的状态数据,而不需要精确的数学解析模型,应用统计分析模式进行识别,神经网络技术或支持向量机模型分类等方法,通过数据学习和建模,将设备状态进行识别和分类,最终得到系统可能存在的故障。目前常用的数据驱动方法包括神经网络诊断方法、支持向量机诊断方法、统计分析诊断方法、模糊诊断方法等。
国内在故障诊断技术方面的研究起步较晚,二十世纪70年代末开始研究和尝试应用诊断技术,二十世纪90年代开始进行智能化故障诊断的研究工作,研究方法集中在模糊逻辑法、故障树分析法、专家系统技术、人工神经网络技术等,其中专家系统技术和神经网络技术是应用的热点。许多监测诊断系统也开始投入使用,但大都集中在汽轮机以及其他旋转机械设备的监测与故障诊断,针对水电机组的应用很少。这主要由于水电机组转速低,对机组的安全运行没有给予足够的重视,使得水电机组在线监测和故障诊断技术的研究落后于其他(大型)旋转机械。
近年来,国内在水电机组故障诊断领域的研究取得了一些进展,但主要还处于理论研究阶段,还没有成功应用的工程系统,国内现已配备的智能诊断系统应用的效果并不理想,其中较好的具有可靠的数据存储管理和分析功能,没有到达在线自动诊断的功能目标,不能向运行人员和生产管理人员提供有效的诊断结果。远不能满足水电厂状态检修的实际需要,其主要原因如下:
(1)缺乏来自故障机理的深层次的理论和技术支持;
水力机械的振动故障复杂,除了考虑机械方面的原因外,尚需考虑流体、动压力以及发电机电磁力的影响,且某些故障机理及特征表现形式还没有很好地被研究透彻,在一定程度上增加了故障诊断的难度。
(2)缺乏将大量宝贵的现场实际诊断经验有效地融入诊断的推理系统;
故障诊断是一实践性极强的技术,研究人员必须结合从事现场实际诊断工程技术人员以及具有丰富领域知识的专家来建立尽可能接近实际的规则,并将推理机制与实际诊断思维方法、诊断信息相结合,才能建立接近人工诊断的推理系统机制。但多数研究人员缺乏对现场实际诊断过程和特点的了解。
(3)人工智能与专家系统知识获取和应用上还存在一定的问题
人工智能与专家系统在工程应用方面还未达到人们期望的水平,其中问题的症结仍是知识获取和知识应用问题,即如何很好地结合领域知识、如何推理以及如何提高自学习能力,因此,应加强专家系统的实现方法和规则研究。
水轮发电机组的分析诊断,需要通过对在线实时数据进行监测分析,通过人工选取几个特征参数,手动绘制出特征参数的趋势图、相关趋势图等特性曲线,人工对量化参数进行计算,并手动添加报告等。
这种诊断方式既没有数学模型的支持,也没有算法的精确,不但浪费人力、时间,同时在数据选取的客观性和数据的准确性上均存在一定的缺陷,对系统的分析诊断结果也存在一定的误差。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷,并提供至少后面将说明的优点。
本发明还有一个目的是提供一种基于在线数据的水轮发电机组定子热变形的自动评价方法。
为此,本发明提供的技术方案为:
一种基于在线数据的水轮发电机组定子热变形的自动评价方法,包括如下步骤:
步骤一、选取定子热变形量和定子热变形不均匀度作为水轮发电机组的定子热变形评价指标,并分别建立水轮发电机组定子热变形量的数学模型和定子热变形不均匀度的数学模型;
步骤二、在水轮发电机组并网后,以水轮发电机组的在线监测数据为基础,利用所述定子热变形量的数学模型和/或定子热变形不均匀度的数学模型,采用参数辨识的方法,从所述在线监测数据中自动选择所述定子热变形量参数和/或定子热变形不均匀度参数数据,通过计算来辨识水轮发电机组是否存在定子热变形故障。
优选的是,所述的基于在线数据的水轮发电机组定子热变形的自动评价方法中,所述步骤一中,所述定子热变形量的计算公式如下:
其中,A为各发电机组上测点实时测量到的气隙值,n为测点安装数目,t1为发电机组开机并网后达到热平衡的时刻,t0为发电机组开机并网后的初始时刻,ΔAS为定子热变形量。
优选的是,所述的基于在线数据的水轮发电机组定子热变形的自动评价方法中,其特征在于,所述步骤一中,所述定子热变形不均匀度的计算公式为:
其中,A为各发电机组上测点实时测量到的气隙值,n为测点安装数目,t1为发电机组开机并网后达到热平衡的时刻,t0为发电机组开机并网后的初始时刻,为定子热变形量不均匀度。
优选的是,所述的基于在线数据的水轮发电机组定子热变形的自动评价方法中,所述各发电机组上测点处设置有气隙传感器,用于测定所述发电机组的定子热变形情况。
优选的是,所述的基于在线数据的水轮发电机组定子热变形的自动评价方法中,在所述步骤二之后还包括如下步骤:
步骤三、自动生成并显示所述水轮发电机组的定子热变形故障的分析诊断报告。
优选的是,所述的基于在线数据的水轮发电机组定子热变形的自动评价方法中,所述分析诊断报告的内容包括:转子气隙圆、转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心和升速过程中的气隙变化曲线。
优选的是,所述的基于在线数据的水轮发电机组定子热变形的自动评价方法中,所述分析诊断报告可自动转换为WORD格式。
优选的是,所述的基于在线数据的水轮发电机组定子热变形的自动评价方法中,所述步骤二中,首先由人工选定需要生成的分析诊断报告,启动其相应模块,之后再根据故障诊断机理,采用参数辨识的方法,从所述在线监测数据中自动选择所述定子热变形量参数和/或定子热变形不均匀度参数数据。
优选的是,所述的基于在线数据的水轮发电机组定子热变形的自动评价方法中,所述步骤二中,若所述定子热变形量数值过大,则反映出所述发电机组的定子刚度不够或设计不合理,若所述定子热变形不均匀度过大,则反映出所述发电机组的定子安装存在问题。
优选的是,所述的基于在线数据的水轮发电机组定子热变形的自动评价方法中,所述步骤一中,还选取温度梯度指标作为所述水轮发电机组的定子热变形评价指标,该温度变化大小与所述定子热变形量成正比,
β=ΔAi/Δti
i代表各被测点,ΔAi为各发电机组上各被测点实时测量到的气隙值,Δti为测量定子各被测点的温度时的时间,β为定子热变形率。
本发明通过建立定子热变形量和定子热变形不均匀度的数学模型,作为定子热变形评价指标,以水轮发电机组的在线监测数据为基础,采用“参数辨识”的方式,在实际的在线监测系统中,自动选择能够反映定子热变形故障特征的量化参数,来辨识机组是否存在定子热变形故障,并完成自动绘制趋势图及相关趋势图等特性曲线。本发明的诊断方式具有数学模型的支持,算法精准,计算过程中选取数据具有客观性和准确性,且能够自动生成分析诊断报告,节省人力、时间的同时,也提高了计算和判断的准确性。
本发明至少包括以下有益效果:
(1)易于操作。使用人员无需进行设置、选择数据等复杂操作,采用“一键完成”式的软件操作。
(2)数据选择、计算、判定过程自动化。所有筛选数据和根据故障或缺陷模型计算的过程、分析推理、判定的过程由计算机完成,无需操作人员中间交互操作。
(3)报告中提供明确的分析诊断结论和可能的检修建议。
(4)以报告的形式输出到用户界面,而且报告可以自动转换为WORD等格式。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明所述的分析诊断报告的生成流程示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
应当理解,本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。
如图1所示,本发明提供一种基于在线数据的水轮发电机组定子热变形的自动评价方法,包括如下步骤:
步骤一、选取定子热变形量和定子热变形不均匀度作为水轮发电机组的定子热变形评价指标,并分别建立水轮发电机组定子热变形量的数学模型和定子热变形不均匀度的数学模型;
步骤二、在水轮发电机组并网后,以水轮发电机组的在线监测数据为基础,利用所述定子热变形量的数学模型和/或定子热变形不均匀度的数学模型,采用参数辨识的方法,从所述在线监测数据中自动选择所述定子热变形量参数和/或定子热变形不均匀度参数数据,通过计算来辨识水轮发电机组是否存在定子热变形故障。
本发明通过建立定子热变形量和定子热变形不均匀度的数学模型,作为定子热变形评价指标,以水轮发电机组的在线监测数据为基础,采用“参数辨识”的方式,在实际的在线监测系统中,自动选择能够反映定子热变形故障特征的量化参数,来辨识机组是否存在定子热变形故障,并完成自动绘制趋势图及相关趋势图等特性曲线。本发明的诊断方式具有数学模型的支持,算法精准,计算过程中选取数据具有客观性和准确性,且能够自动生成分析诊断报告,节省人力、时间的同时,也提高了计算和判断的准确性。
在上述方案中,作为优选,所述步骤一中,所述定子热变形量的计算公式如下:
其中,A为各发电机组上测点实时测量到的气隙值,n为测点安装数目,t1为发电机组开机并网后达到热平衡的时刻,t0为发电机组开机并网后的初始时刻,ΔAS为定子热变形量。
在本发明的其中一个实施例中,作为优选,所述步骤一中,所述定子热变形不均匀度的计算公式为:
其中,A为各发电机组上测点实时测量到的气隙值,n为测点安装数目,t1为发电机组开机并网后达到热平衡的时刻,t0为发电机组开机并网后的初始时刻,为定子热变形量不均匀度。
在本发明的其中一个实施例中,作为优选,所述各发电机组上测点处设置有气隙传感器,用于测定所述发电机组的定子热变形情况。
在本发明的其中一个实施例中,作为优选,在所述步骤二之后还包括如下步骤:
步骤三、自动生成并显示所述水轮发电机组的定子热变形故障的分析诊断报告。
在本发明的其中一个实施例中,作为优选,所述分析诊断报告的内容包括:转子气隙圆、转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心和升速过程中的气隙变化曲线。
在上述方案中,作为优选,所述分析诊断报告可自动转换为WORD格式。
在本发明的其中一个实施例中,作为优选,所述步骤二中,首先由人工选定需要生成的分析诊断报告,启动其相应模块,之后再根据故障诊断机理,采用参数辨识的方法,从所述在线监测数据中自动选择所述定子热变形量参数和/或定子热变形不均匀度参数数据。
在本发明的其中一个实施例中,作为优选,所述步骤二中,若所述定子热变形量数值过大,则反映出所述发电机组的定子刚度不够或设计不合理,若所述定子热变形不均匀度过大,则反映出所述发电机组的定子安装存在问题。
在本发明的其中一个实施例中,作为优选,所述步骤一中,还选取温度梯度指标作为所述水轮发电机组的定子热变形评价指标,该温度变化大小与所述定子热变形量成正比,
β=ΔAi/Δti
i代表各被测点,ΔAi为各发电机组上各被测点实时测量到的气隙值,Δti为测量定子各被测点的温度时的时间,β为定子热变形率。
实施例1
以水轮发电机组的在线监测数据为基础,通过数据采集模块对实时数据的监测分析,获取到机组振动、摆度、压力脉动、位移等相关数据,并对数据进行系统、科学的分析才能实现对定子热变形故障的自动分析诊断功能,这就对数据的实时性、参数的严谨性、权威性等有很高的要求。
因此,本发明提供了一种新的自动分析诊断方法,即“参数辨识”的方式。通过设计算法,建立相应的数学模型,在实际的在线监测系统中,系统会自动选择能够反映定子热变形故障特征的量化参数,来辨识机组是否存在定子热变形故障,并完成自动绘制趋势图及相关趋势图等特性曲线。
1、定子热变形的故障机理:
定子结构变形主要来源于有以下几个来源:
1)热变形:表现为随着机组定子温度的升高,定子向外扩张。从测量数据看,机组在刚开机并网后,随着定子温度的升高,各个方向上测得的气隙值同时变大;但是,需要考察的是,定子在各个方向上的变形量是否均匀,这一点非常关键,不均匀的变形往往是由于定子安装原因导致的(除非空冷器工作不正常)。
2)由于设计生产原因导致定子铁心/定子机座刚度不够而引起的机组长期运行定子缓慢不一致变形。这种变形是相当缓慢的,往往表现为机组持续运行的时间越长,其变形也越大;而从短期数据观察,变形量与励磁电流、机组出力的关系并不明显;另外一个现象就是定子各个方向上的变形量并不完全一致。从测量数据看,在同样的机组运行工况下,定子不同方位测点气隙值的发展趋势存在缓慢变化,并且变化方向并不一致。
3)定子位移。引起定子位移的主要原因来源于安装问题和设计不合理导致的机座刚度不够。但是定子位移表现出来的特征是定转子相对偏心值和相对偏心方位发生变化,但平均气隙变化不大。
2、定子热变形的故障特征参数及其辨识算法
本系统设定的定子热变形评价指标为:
1)定子热变形量;
2)定子热变形不均匀度;
3)定子几何中心相对偏移值及方位;
4)温度梯度指标。
定子热变形量指在机组并网后和达到热平衡前这段时间,平均气隙的变化值;计算公式如下:
而热变形不均匀度,则指该段时间不同方位测点测量得到的气隙变化值的最大、最小之差;计算公式如下:
A为各测点实时测量到的气隙值
n为测点安装数目
t1为机组开机并网后达到热平衡时刻
t0为并网后的初始时刻
ΔAS为定子热变形量
为定子热变形不均匀度
温度梯度指标,即温度/定子热变形量,温度变化大小与定子热变形量成正比,
β=ΔAi/Δti
i代表各被测点,ΔAi为各发电机组上各被测点实时测量到的气隙值,Δti为测量定子各被测点的温度时的时间,β为定子热变形率。
1)比较各被测点的热变形率大小,数值最大的即为最大变形量,由此可判断出该部位的机械结构的钢度。机械部件的钢度与机械结构本身的材质有关系,也会影响到定子热变形量,机械部件之间的连接松紧度挤压量等对变形大小也有影响。
2)比较各被测点的热变形率均匀度,算出最大值与最小值的差,即用公式表示为:α代表变形率不均匀度,可判断出空气冷却器的好坏程度。
通过定子热变形量可以直接地评价定子热变形的大小,过大的变形量则反映出定子刚度不够(或设计不合理);而过大的定子热变形不均匀度,则反映出定子安装存在问题(比如分瓣式铁心的合缝松动或定子机座焊缝收缩变形问题等)
3、定子热变形的自动化分析诊断A
A自动分析诊断报告
自动分析诊断功能是系统根据故障机理,自动选取合适的数据,进行自动分析和统计判断,并给出分析评价诊断结果。整个分析过程系统能够自动完成而无需人工操作。
报告的生成流程基本流程如图1所示,该流程中,除选择启动报告需要人为选定之外,其他环节全部由系统的综合分析诊断软件自动完成。
本部分功能主要面向日常运行工作人员。具备以下特点:
(1)易于操作。使用人员无需进行设置、选择数据等复杂操作,采用“一键完成”式的软件操作。
(2)数据选择、计算、判定过程自动化。所有筛选数据和根据故障或缺陷模型计算的过程、分析推理、判定的过程由计算机完成,无需操作人员中间交互操作。
(3)报告中提供明确的分析诊断结论和可能的检修建议。
(4)以报告的形式输出到用户界面,而且报告可以自动转换为WORD等格式。
B自动分析诊断技术路线
通过定子热变形量可以直接地评价定子热变形的大小,过大的变形量则反映出定子刚度不够(或设计不合理);而过大的定子热变形不均匀度,则反映出定子安装存在问题(比如分瓣式铁心的合缝松动或定子机座焊缝收缩变形问题等)。
利用气隙传感器可以对定子热变形情况进行分析,利用多只气隙传感器可以计算定子热变形的位置。
C最终分析诊断结论形式及内容
以自动分析诊断报告的形式输出。
报告的内容包括:
1)低转速下定转子气隙圆、以及计算得到的转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心等评价指标;
2)高转速下定转子气隙圆、以及计算得到的转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心等评价指标;
3)投励磁后定转子气隙圆、以及计算得到的转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心等评价指标;
4)升速过程,气隙变化曲线。
这里说明的模块数量和处理规模是用来简化本发明的说明的。对本发明的XX的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种基于在线数据的水轮发电机组定子热变形的自动评价方法,其特征在于,包括如下步骤:
步骤一、选取定子热变形量和定子热变形不均匀度作为水轮发电机组的定子热变形评价指标,并分别建立水轮发电机组定子热变形量的数学模型和定子热变形不均匀度的数学模型;
步骤二、在水轮发电机组并网后,以水轮发电机组的在线监测数据为基础,利用所述定子热变形量的数学模型和/或定子热变形不均匀度的数学模型,采用参数辨识的方法,从所述在线监测数据中自动选择所述定子热变形量参数和/或定子热变形不均匀度参数数据,通过计算来辨识水轮发电机组是否存在定子热变形故障。
2.如权利要求1所述的基于在线数据的水轮发电机组定子热变形的自动评价方法,其特征在于,所述步骤一中,所述定子热变形量的计算公式如下:
其中,A为各发电机组上测点实时测量到的气隙值,n为测点安装数目,t1为发电机组开机并网后达到热平衡的时刻,t0为发电机组开机并网后的初始时刻,ΔAS为定子热变形量。
3.如权利要求1所述的基于在线数据的水轮发电机组定子热变形的自动评价方法,其特征在于,所述步骤一中,所述定子热变形不均匀度的计算公式为:
其中,A为各发电机组上测点实时测量到的气隙值,n为测点安装数目,t1为发电机组开机并网后达到热平衡的时刻,t0为发电机组开机并网后的初始时刻,为定子热变形量不均匀度。
4.如权利要求2所述的基于在线数据的水轮发电机组定子热变形的自动评价方法,其特征在于,所述各发电机组上测点处设置有气隙传感器,用于测定所述发电机组的定子热变形情况。
5.如权利要求1所述的基于在线数据的水轮发电机组定子热变形的自动评价方法,其特征在于,在所述步骤二之后还包括如下步骤:
步骤三、自动生成并显示所述水轮发电机组的定子热变形故障的分析诊断报告。
6.如权利要求5所述的基于在线数据的水轮发电机组定子热变形的自动评价方法,其特征在于,所述分析诊断报告的内容包括:转子气隙圆、转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心和升速过程中的气隙变化曲线。
7.如权利要求5所述的基于在线数据的水轮发电机组定子热变形的自动评价方法,其特征在于,所述分析诊断报告可自动转换为WORD格式。
8.如权利要求1所述的基于在线数据的水轮发电机组定子热变形的自动评价方法,其特征在于,所述步骤二中,首先由人工选定需要生成的分析诊断报告,启动其相应模块,之后再根据故障诊断机理,采用参数辨识的方法,从所述在线监测数据中自动选择所述定子热变形量参数和/或定子热变形不均匀度参数数据。
9.如权利要求1所述的基于在线数据的水轮发电机组定子热变形的自动评价方法,其特征在于,所述步骤二中,若所述定子热变形量数值过大,则反映出所述发电机组的定子刚度不够或设计不合理,若所述定子热变形不均匀度过大,则反映出所述发电机组的定子安装存在问题。
10.如权利要求1所述的基于在线数据的水轮发电机组定子热变形的自动评价方法,其特征在于,所述步骤一中,还选取温度梯度指标作为所述水轮发电机组的定子热变形评价指标,该温度变化大小与所述定子热变形量成正比,
β=ΔAi/Δti
i代表各被测点,ΔAi为各发电机组上各被测点实时测量到的气隙值,Δti为测量定子各被测点的温度时的时间,β为定子热变形率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611085212.XA CN106709156A (zh) | 2016-11-30 | 2016-11-30 | 基于在线数据的水轮发电机组定子热变形的自动评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611085212.XA CN106709156A (zh) | 2016-11-30 | 2016-11-30 | 基于在线数据的水轮发电机组定子热变形的自动评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106709156A true CN106709156A (zh) | 2017-05-24 |
Family
ID=58934275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611085212.XA Pending CN106709156A (zh) | 2016-11-30 | 2016-11-30 | 基于在线数据的水轮发电机组定子热变形的自动评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709156A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108534740A (zh) * | 2018-02-24 | 2018-09-14 | 南方电网调峰调频发电有限公司 | 一种水轮发电机组定子热膨胀动态监测分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150234011A1 (en) * | 2014-02-19 | 2015-08-20 | Vibrosystm Inc. | Real time monitoring of rotor or stator shape change for rotating machines |
CN105184059A (zh) * | 2015-08-20 | 2015-12-23 | 国家电网公司 | 一种基于海量数据的水电机组状态分析评估方法 |
CN105675213A (zh) * | 2016-01-05 | 2016-06-15 | 国网甘肃省电力公司电力科学研究院 | 一种水轮发电机转子动平衡试验配重方法 |
-
2016
- 2016-11-30 CN CN201611085212.XA patent/CN106709156A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150234011A1 (en) * | 2014-02-19 | 2015-08-20 | Vibrosystm Inc. | Real time monitoring of rotor or stator shape change for rotating machines |
CN105184059A (zh) * | 2015-08-20 | 2015-12-23 | 国家电网公司 | 一种基于海量数据的水电机组状态分析评估方法 |
CN105675213A (zh) * | 2016-01-05 | 2016-06-15 | 国网甘肃省电力公司电力科学研究院 | 一种水轮发电机转子动平衡试验配重方法 |
Non-Patent Citations (2)
Title |
---|
张鑫: "水轮发电机组振动状态监测与分析技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
董开松: "基于气隙动态测量技术的定转子变形评价方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108534740A (zh) * | 2018-02-24 | 2018-09-14 | 南方电网调峰调频发电有限公司 | 一种水轮发电机组定子热膨胀动态监测分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022151890A1 (zh) | 一种风电场发电量评估及微观选址模型建立方法 | |
CN106682814B (zh) | 一种基于故障知识库的风电机组故障智能诊断方法 | |
CN111539553B (zh) | 基于svr算法和偏峰度的风电机组发电机故障预警方法 | |
CN103711645B (zh) | 基于建模参数特征分析的风力发电机组状态评估方法 | |
CN103645052A (zh) | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 | |
CN103150473A (zh) | 一种风电机组发电效率实时监控诊断方法及装置 | |
CN106762343A (zh) | 基于在线数据的水轮发电机组推力轴承故障的诊断方法 | |
CN106525337A (zh) | 基于在线数据的水轮发电机组磁拉力不平衡故障分析方法 | |
CN115614292B (zh) | 一种立式水泵机组振动监测装置及其方法 | |
Zhou et al. | Structural health monitoring of offshore wind power structures based on genetic algorithm optimization and uncertain analytic hierarchy process | |
CN106596110B (zh) | 基于在线数据的水轮发电机组水力不平衡故障的自动分析诊断方法 | |
CN114004059B (zh) | 一种水轮发电机组健康画像方法 | |
CN114169718A (zh) | 一种基于风电机组状态评估提高机组可靠性的方法 | |
CN106126949A (zh) | 一种汽轮发电机运行状态评估方法 | |
CN106709156A (zh) | 基于在线数据的水轮发电机组定子热变形的自动评价方法 | |
Souza et al. | Evaluation of data based normal behavior models for fault detection in wind turbines | |
Song et al. | Framework of designing an adaptive and multi-regime prognostics and health management for wind turbine reliability and efficiency improvement | |
Panagou et al. | Explorative hybrid digital twin framework for predictive maintenance in steel industry | |
Zhang | Comparison of data-driven and model-based methodologies of wind turbine fault detection with SCADA data | |
CN114611424B (zh) | 一种融合声纹数据与cae算法的大型风机叶片寿命预测方法 | |
Li | Application analysis of artificial intelligent neural network based on intelligent diagnosis | |
Wang et al. | A review on data-driven predictive maintenance approach for hydro turbines/generators | |
Kokila et al. | A survey of wind turbine control monitoring and fault detection on wind energy | |
CN106706293A (zh) | 水轮发电机组开停机过程转子机械变形的分析诊断方法 | |
Wisznia | Condition Monitoring of Offshore Wind Turbines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170524 |
|
RJ01 | Rejection of invention patent application after publication |