CN108446379A - 水电机组故障诊断方法 - Google Patents

Abstract

本发明提供一种水电机组故障诊断方法，包括以下步骤：s1、采集设备正常工作状态下的数据，制成健康样本数据库；s2、采集设备工作状态下的数据与健康样本数据库进行比对，若工作状态下的数据超出健康样本数据库的值，则进一步判断设备是否异常，若设备异常成立，则列为故障数据；所设备异常不成立，则该数据纳入健康样本数据库；通过以上步骤实现基于健康样本数据库进行设备故障诊断。利用计算机高速采集、大容量储存的优势，从收集有限的正常工况特征数据采集入手，形成健康样本数据库；采取将实时监测数据集合与健康样本数据库中的数据进行对比的办法，判断出“异常”样本，经过人工判断，不断扩充健康样本库或故障样本库，提高诊断的准确性。

Description

水电机组故障诊断方法

技术领域

本发明涉及水电机组管理领域，特别是一种水电机组故障诊断方法。

背景技术

水电机组在线监测技术日益成熟，但故障诊断技术似乎停滞不前。关于诊断技术的理论研究成果很多，但实施成效甚微。产生本问题的根本原因是，由于故障很少发生，故障特征难以事前“设定”，可能发生的故障部位、性质特征数据难以穷尽，故障样本库的建立非常困难。

发明内容

本发明所要解决的技术问题是提供一种水电机组故障诊断方法，能够方便地根据水电机组正常状态下的数据进行故障诊断。

为解决上述技术问题，本发明所采用的技术方案是：一种水电机组故障诊断方法，包括以下步骤：

s1、采集设备正常工作状态下的数据，制成健康样本数据库；

s2、采集设备工作状态下的数据与健康样本数据库进行比对，若工作状态下的数据超出健康样本数据库的值，则进一步判断设备是否异常，若设备异常成立，则列为故障数据；所设备异常不成立，则该数据纳入健康样本数据库；

通过以上步骤实现基于健康样本数据库进行设备故障诊断。

优选的方案中，健康样本数据库来自设备正常工作状态下的，包括开机、空转、空载有压、负载运行、负载调整、甩负荷、灭磁、停机过程和静止状态产生的数据。

优选的方案中，健康样本数据库的特征参数包括水头、负荷、转速、电压、温度、声音、振动和水压单一参数和多个单一参数组成的数学函数的复合参数。

优选的方案中，比对的具体步骤为：将工作状态下产生的数据抽取的特征参数分别与健康样本数据库里的对应设备状态下的特征参数进行比较。

优选的方案中，步骤s2中，若判断工作状态下的数据任何一个参数超出健康样本数据库中对应设备状态下的对应特征参数，则技术人员进一步判断所述状态数据是否异常，若判断异常，则将该数据纳入故障样本数据库，若正常，则将该数据纳入健康样本数据库。

优选的方案中，还包括将状态数据集中进行显示的步骤：

将数据按特征参数分类形成多层堆叠的环圈图，当出现超出健康样本数据库的值的状况，相应的环圈图上浮到表层。

优选的方案中，在环圈图沿圆周分隔成多个区域块，各个区域块分别对应空间位置、工作状态或时间段。

优选的方案中，在环圈图的内侧设有负向偏移提示，外侧设有正向偏移提示；

或者在环圈图设有沿圆周分布的波形提示。

优选的方案中，负向偏移提示、正向偏移提示和波形提示，被限制在环圈图外侧的外极限位与环圈图内侧的内极限位之间。

优选的方案中，所述的环圈图由多个特征参数构成；环圈图的组合按照特征参数的分类、机组部件的分类、常见故障的分类和重点关注对象进行分类。

优选的方案中，采用堆叠环圈区域块对齐的方式，实现不同空间位置、工作状态或时间段的数据索引。

本发明提供的一种水电机组故障诊断方法，利用计算机高速采集、大容量储存的优势，从收集有限的正常工况特征数据采集入手，形成健康样本数据库；采取将实时监测数据集合与健康样本数据库中的数据进行对比的办法，判断出“异常”样本，系统报警后，经过人工判断，设备无故障则归入健康样本库，确属故障的则归入故障样本库。初期当故障样本较少时，利用系统的“异常”报警辅以人工判断可以实现半自动诊断；当故障样本积累足够多时，系统将按“一一对应”的方式即能够实现全自动的故障精确诊断。优选的方案中，当数据信息过多时，管理人员很难快速的了解全局的工况，通过采用将数据集中显示的方式，能够快速判断特征类型和幅度，缩短人工故障判断的时间，提高处置效率。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1为本发明中数据集中显示时的示意图。

图2为本发明中环圈图的示意图。

图3为本发明中环圈图的另一示意图。

图4为本发明中环圈图的另一示意图。

图5为本发明中环圈图的另一示意图。

图6为本发明中偏移提示区间的示意图。

图7为本发明中不同位置的摆度、振动与水头特征参数的三维原始数据图。

图7a为本发明中上导架+X摆度三维原始数据图。

图7b为本发明中上导架+Y摆度三维原始数据图。

图7c为本发明中上机架X向垂直振动原始数据图。

图7d为本发明中上机架Y向水平振动原始数据图。

图8为本发明中特征参数融合后的环圈示意图。

图9为本发明中水电机组设备状态评估流程图。

图中：环圈图1，区域块101，正向偏移提示2，波形提示3，负向偏移提示4，外极限位5，内极限位6，健康样本区间A，正向偏移区间B，负向偏移区间C。

具体实施方式

一种水电机组故障诊断方法，包括以下步骤：

s1、采集设备正常工作状态下的数据，制成健康样本数据库；

s2、采集设备工作状态下的数据与健康样本数据库进行比对，优选的比对的具体步骤为：将工作状态下产生的数据里的每个参数分别与健康样本数据库里的对应设备状态下的每个特征参数进行一一比较。

若工作状态下的数据超出健康样本数据库的值，则进一步判断设备是否异常，若设备异常成立，则列为故障数据；若设备异常不成立，则该数据纳入健康样本数据库；

优选的方案中，若判断工作状态下的数据任何一个参数超出健康样本数据库中对应设备状态下的对应特征参数，则技术人员进一步判断所述状态数据是否异常，若判断异常，则将该数据纳入故障样本数据库，若正常，则将该数据纳入健康样本数据库。

通过以上步骤实现基于健康样本数据库进行设备故障诊断。故障样本收集难度大，且具有不确定性，通过采集有限的健康样本数据，然后再将收集的数据与健康样本数据进行比对，降低了故障诊断的难度。

优选的方案中，健康样本数据库来自设备正常工作状态下的，包括开机、空转、空载有压、负载运行、负载调整、甩负荷、灭磁、停机过程和静止等状态产生的数据。

优选的方案中，健康样本数据库的特征参数包括单一参数和复合参数。单一参数包括水头、负荷、转速、电压、温度、声音、振动等类型数据的特征值，如最大值、最小值、均值、中位数、方差、峰峰值、倍频幅值、概率密度等；复合参数即包含多个单一参数的函数的特征值，如机架振动转频峰峰值与转速平方的相关比例函数、导轴承冷却水带走的热损耗、冷却水主备用泵启停次数比等。。

优选的方案如图1～6中，还包括将状态数据集中进行显示的步骤：

将数据按特征参数分类形成多层堆叠的环圈图1，当出现超出健康样本数据库的值的状况，相应的环圈图1上浮到表层。由于涉及的数据种类较多，而且随着整个系统的运行，健康样本数据库的容量会越来越大，要快速判断是否存在故障，提供了快速索引的交互界面，即通过旋转堆叠的环圈图1，来对齐不同的区域块101，实现不同空间位置、工作状态或时间段的数据索引。通过采用多层堆叠的环圈图1的结构，能够方便的显示有故障警示的相关特征参数。例如图1中，涉及到波形参数的环圈图1浮动到表面，优选的，为更进一步观察，可以对不同的特征参数所对应的环圈图1赋予不同的颜色，进一步提高判断的效率。

优选的方案如图2、3中，在环圈图1沿圆周分隔成多个区域块101，各个区域块分别对应空间位置、工作状态或时间段。在涉及振动、水压、温度等特征参数时，设置的区域块101可以对应不同的空间位置，使管理人员能够快速判断故障的位置。在涉及水头、负荷等特征参数时，设置的区域块101可以对应不同的工作状态。在涉及转速、电压等特征参数时，设置的区域块101可以对应不同的时间段。

优选的方案如图2、3中，在环圈图1的内侧设有负向偏移提示4，外侧设有正向偏移提示2。由此方案，能够使管理人员快速判断偏移的幅值。如图6中，偏移被成比例的设定在健康样本区间A、正向偏移区间B和负向偏移区间C之内，通常当工作状态收集的数据位于健康样本区间A内，则不显示，进入到正向偏移区间B和负向偏移区间C内则按比例进行显示。该区间在视觉上不变化，但是随着健康样本数据库和故障样本数据库的不断完善，正向偏移区间B和负向偏移区间C的数值随之发生变化，当某工作状态收集的数据最终被判断为正常值时，则在图形上进入到健康样本区间A内，不再在正向偏移区间B和负向偏移区间C显示。随着故障样本数据库的调整，之前较为靠近外极限位5的图形，会随着正向偏移区间B数值的变化而逐渐远离外极限位5，从而便于管理人员直观的判断故障的严重程度，以采取必要的措施。与区域块101的方案组合后，管理人员能够快速判断故障的空间位置和严重程度，进一步提高决策的准确性。

优选的方案中，在环圈图1设有沿圆周分布的波形提示3。由此结构，便于判断涉及不断变化的特征参数的监控，例如转速等参数。

优选的方案中，负向偏移提示4、正向偏移提示2和波形提示3，被限制在环圈图1外侧的外极限位5与环圈图1内侧的内极限位6之间。由此方案，便于直观的显示。进一步优选的，环圈图1还可以通过闪烁的节奏来表达频率参数。

所述的环圈图1由多个特征参数构成，可以是多个单一的特征参数，例如将水头、负荷、振动参数进行复合构成一个复合的环圈图1。以某水电站为例，当水头高度为160米时，负荷进入20万kW，此时机组的振动较大，但是该振动参数属于正常范围，将该复合参数纳入到复合环圈图1中进行显示，上述的特征参数纳入到健康样本数据库中。在优先度上，复合的环圈图1被设置为较高的优先级，当复合的环圈图1与普通的环圈图的特征参数存在冲突时，复合的环圈图1被优先的显示，普通的环圈图在复合的环圈图1显示之后再被提示显示。

示例：

以6个月期间某机组振动和摆度特征量上导+X摆度、上导+Y摆度、上机架Y向水平振动、上机架X向垂直振动等4个示例点，以每5分钟一个特征点计算，共计52418个值。除去机组停机或数据异常的22617个值，用来统计的每个信号的特征值为29801个。

鉴于该期间内机组大多在575MW以上有功区间内运行，缺少过渡过程数据，故删掉575MW以下数据点77个，剩余数据点29724个。将所有数据分为575～625MW、625～675MW、675～725MW三个有功区间，统计数据点数分别为5262、18566、5896。然后分别在三个有功区间内按每5m水头，将数据分为7个水头区间。

各特征量数据在不同区间内的频率分布如下表示：

表1：特征值数据频率分布表

表2：特征量均值均方差分布表(按50MW有功、1m水头分区)

根据各特征量在不同工况区间内的均值、均方差，计算出各特征量的健康限值范围，以上导架+X摆度、上导架+Y摆度、上机架Y向水平振动、上机架X向垂直振动4个示例点的健康限值范围示意图见图7中。

从图7a、7b、7c和7d中可以看出，4个示例特征量数据随有功、水头变化波动不大，这是由于统计分析时剔除了停机或过渡过程的数据，在稳定工况范围内得到的特征量健康限值范围。将上述复杂的特征量数据转化为一个环圈图进行表达，其中上导架+X摆度、上导架+Y摆度、上机架Y向水平振动、上机架X向垂直振动4个示例点分别对应环圈图的四个象限，如图8中所示，将各特征量的健康限值范围对应为环圈图1中环圈的宽度，当位于健康限值范围内，环圈图1无变化，当各特征量的健康限值突破健康限值范围，则环圈图1的外圈与外极限位5之间出现放射状线条或波形，放射状线条或波形的位置与上导+X摆度、上导+Y摆度、上机架Y向水平振动、上机架X向垂直振动4个示例点所在的区域块101相对应，放射状线条或波形的高度与突破的数值的比例相应，并且该环圈图1被间歇或连续的显示在环圈图1的表层，以便于提示操作人员和便于数据索引。

所述的环圈图1也可以是单一参数和复合参数的组合，例如某水电站机组在某负荷和水头下稳定运行时，水导轴承摩擦产生的损耗近似保持恒定，该恒定值可以用冷却水带走的热量估算，故建立机组负荷、水头、冷却水管道流量和冷却水进出口温差的乘积三个特征参数的组合环圈图1，然后将机组抱瓦和动平衡配重后的特征参数纳入到健康样本数据库中。

本发明的方法仅为初步的故障判断和指示，进一步的判断还需人工处理。系统经过不断的运行，通过深度的自学习和数据的自我补充及迭代，进一步完善健康样本数据库和故障样本数据库。

本发明的基于状态样本比较的故障诊断方法评估流程如图9中所示。设备状态评估主要由以下6个部分组成：被评估对象、数据采集单元、特征提取单元、参数评估单元、参数融合评估和测点融合评估单元。

其中，数据采集单元中的n个传感器完成被评估对象的数据采集；特征提取单元对传感器采集的数据进行预处理，以降低数据的维数和减少噪声的干扰，再对经过预处理的数据进行特征提取，包括根据退化方向对特征进行选择，从而为局部状态评估提供参考依据；参数评估单元的作用是对单参数性能进行分析，依据预先建立的参数评估函数进行单参数性能评估；参数融合评估单元运用信息融合理论，对来自局部的各个参数劣化度进行融合，确定单个测点性能状态；测点融合评估单元同样运用信息融合理论，对来自各个测点的健康度进行融合，得到机组设备状态的数值描述。其中，环圈图1的数据来源被设置在第一级的参数评估单元之前或之后，以及第二级的评估融合之前或之后，便于管理人员快速了解故障参数，能够快速判断特征类型和幅度，缩短人工故障判断的时间，提高处置效率。

本发明的故障诊断方法已经在某水电站机组状态监测与故障诊断系统得到保密的初步应用，实现对机组健康状况的评价。本办法不仅适用于水电机组状态监测与故障诊断，也适用于其他机电设备系统状态监测与故障诊断。

上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。

Claims (10)

1.一种水电机组故障诊断方法，其特征是包括以下步骤：

s1、采集设备正常工作状态下的数据，制成健康样本数据库；

s2、采集设备工作状态下的数据与健康样本数据库进行比对，若工作状态下的数据超出健康样本数据库的值，则进一步判断设备是否异常，若设备异常成立，则列为故障数据；所设备异常不成立，则该数据纳入健康样本数据库；

通过以上步骤实现基于健康样本数据库进行设备故障诊断。

2.根据权利要求1所述的一种水电机组故障诊断方法，其特征是：健康样本数据库来自设备正常工作状态下的，包括开机、空转、空载有压、负载运行、负载调整、甩负荷、灭磁、停机过程和静止状态产生的数据。

3.根据权利要求1所述的一种水电机组故障诊断方法，其特征是：健康样本数据库的特征参数包括水头、负荷、转速、电压、温度、声音、振动和水压单一参数和多个单一参数组成的数学函数的复合参数。

4.根据权利要求1所述的一种水电机组故障诊断方法，其特征是：比对的具体步骤为：将工作状态下产生的数据抽取的特征参数分别与健康样本数据库里的对应设备状态下的特征参数进行比较。

5.根据权利要求1所述的一种水电机组故障诊断方法，其特征是：步骤s2中，若判断工作状态下的数据任何一个参数超出健康样本数据库中对应设备状态下的对应特征参数，则技术人员进一步判断所述状态数据是否异常，若判断异常，则将该数据纳入故障样本数据库，若正常，则将该数据纳入健康样本数据库。

6.根据权利要求1所述的一种水电机组故障诊断方法，其特征是：还包括将状态数据集中进行显示的步骤：

将数据按特征参数分类形成多层堆叠的环圈图（1），当出现超出健康样本数据库的值的状况，相应的环圈图（1）上浮到表层。

7.根据权利要求6所述的一种水电机组故障诊断方法，其特征是：在环圈图（1）沿圆周分隔成多个区域块（101），各个区域块分别对应空间位置、工作状态或时间段。

8.根据权利要求6所述的一种水电机组故障诊断方法，其特征是：在环圈图（1）的内侧设有负向偏移提示（4），外侧设有正向偏移提示（2）；

或者在环圈图（1）设有沿圆周分布的波形提示（3）。

9.根据权利要求6所述的一种水电机组故障诊断方法，其特征是：负向偏移提示（4）、正向偏移提示（2）和波形提示（3），被限制在环圈图（1）外侧的外极限位（5）与环圈图（1）内侧的内极限位（6）之间。

10.根据权利要求6所述的一种水电机组故障诊断方法，其特征是：所述的环圈图（1）由多个特征参数构成；环圈图（1）的组合按照特征参数的分类、机组部件的分类、常见故障的分类和重点关注对象进行分类。