CN109032098B - 一种水电机组全工况单参数退化趋势分析方法 - Google Patents
一种水电机组全工况单参数退化趋势分析方法 Download PDFInfo
- Publication number
- CN109032098B CN109032098B CN201810990749.3A CN201810990749A CN109032098B CN 109032098 B CN109032098 B CN 109032098B CN 201810990749 A CN201810990749 A CN 201810990749A CN 109032098 B CN109032098 B CN 109032098B
- Authority
- CN
- China
- Prior art keywords
- state monitoring
- parameters
- interval threshold
- parameter
- generating set
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本申请提供了一种水电机组全工况单参数退化趋势分析方法,对水电机组状态监测的历史数据进行离散化处理,并进行筛选后,计算得到区划阈值区间,再构建水每种状态监测参数对应的电机组退化模型,工作人员可针对每种状态监测参数对应的电机组退化模型对当前的水电机组实现退化趋势分析,无需考虑机组工况情况的影响,从而提高退化趋势分析的效率和准确度。
Description
技术领域
本申请涉及水电机组状态评价领域,尤其涉及一种水电机组全工况单参数退化趋势分析方法。
背景技术
随着全球应对气候变化呼声的日益高涨以及能源短缺、能源供应安全形势的日趋严峻,水电作为可再生能源以其清洁、安全、永续的特点,在全国能源战略中的地位不断提高。然而随着水电机组运行过程中受腐蚀、磨损、交互应力等因素作用,各个部件的性能会随着服役时间的增加而逐渐退化。其设备性能的可靠性对电网的安全稳定起重要影响,如发生故障将可能导致机组进行停机检修,从而扰乱电场的常规运行,造成严重经济损失,甚至发生电网解列等灾难性事故。
但是,由于机组运行工况是随时变化的,现有的退化趋势分析方法无法在机组运行工况变化的情况下,准确进行退化趋势分析。
发明内容
本申请提供了一种水电机组全工况单参数退化趋势分析方法,以解决由于机组运行工况是随时变化的,现有的退化趋势分析方法无法在机组运行工况变化的情况下,准确进行退化趋势分析的问题。
本申请提供了一种水电机组全工况单参数退化趋势分析方法,所述方法包括:
获取水电机组的历史数据,所述历史数据包括工况参数和所述工况参数对应的多种状态监测参数的数据,所述工况参数包括水头和对应的导叶开度;
将所述工况参数离散到多个预设的离散区域内;
对每个所述预设离散区域内的工况参数进行筛选,得到目标工况参数;
将每个所述预设离散区域内的所述目标工况参数对应的多种状态监测参数分别进行计算,得到每种状态监测参数的平均值、方差、中值和最大值;
判断每个所述预设离散区域内的每种状态监测参数的中值和平均值是否满足预设条件,若满足,则根据每种状态监测参数的平均值、方差、中值和最大值,计算得到区划阈值区间;
根据每种状态监测参数的区划阈值区间,建立每种状态监测参数对应的水电机组退化模型;
根据所述每种状态监测参数对应的水电机组退化模型,确定水电机组的每个状态参数下的退化趋势。
进一步地,所述预设条件为Abs(Vmean-Vmiddle)/6s*100%<5%,其中,Vmean为状态监测参数的中值,Vmiddle状态监测参数的平均值,s为状态监测参数的方差。
进一步地,所述根据每种状态监测参数的平均值、方差、中值和最大值,计算得到区划阈值区间包括:
按照如下公式计算得到第一区间阈值,
V1=Vmean-4s,其中,V1为第一区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第二区间阈值,
V2=max(Vmean+4s,Vmax),其中,V2为第二区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差,Vmax为状态监测参数的最大值;
按照如下公式计算得到第三区间阈值,
V3=Vmean-8s,其中,V3为第三区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第四区间阈值,
V4=Vmean+8s,其中,V4为第四区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
根据所述第一区间阈值、第二区间阈值、第三区间阈值和第四区间阈值,划分出(V1,V2]、(-∞,V3]、[V4,+∞)、(V2,V4)、(V3,V1)阈值区间。
进一步地,所述每种状态监测参数对应的水电机组退化模型为
其中,V1为第一区间阈值,V2为第二区间阈值,V3为第三区间阈值,V4为第四区间阈值,V为待分析状态监测参数,s为状态监测参数的方差。
由以上技术方案可知,本申请提供了一种水电机组全工况单参数退化趋势分析方法,对水电机组的历史数据进行离散化处理,并进行筛选后,计算得到区划阈值区间,再构建水每种状态监测参数对应的电机组退化模型,工作人员可针对每种状态监测参数对应的电机组退化模型对当前的水电机组实现退化趋势分析,无需考虑机组工况情况的影响,从而提高退化趋势分析的效率和准确度。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的一种水电机组全工况单参数退化趋势分析方法的流程图。
具体实施方式
参见图1,本申请提供了一种水电机组全工况单参数退化趋势分析方法,所述方法包括如下步骤:
步骤11:获取水电机组的历史数据,所述历史数据包括工况参数和所述工况参数对应的多种状态监测参数的数据,所述工况参数包括水头和对应的导叶开度。
历史数据选择超过半年的水电机组的工况参数和其对应的多种状态监测参数的数据。其中,所选取的历史数据中的水头数据要覆盖全水头,即从最低运行水头到最高运行水头;多种状态监测参数包括震动参数、摆度参数、压力脉动参数等。
步骤12:将所述工况参数离散到多个预设的离散区域内。
预设的离散区域可有工作人员自行设置,例如,将水头划分为6个区域,将水头划分为5个区域,如下图所示,则一共可划分出30个区域,将历史数据中的工况参数根据每个区域的取值范围将其划分到所属的区域内。
步骤13:对每个所述预设离散区域内的工况参数进行筛选,得到目标工况参数。
工作人员可自行设置置信度,例如,将置信度设置为97%,即将去掉工况参数中按照数据由大到小排列,位于前1.5%的数据以及位于后1.5%的数据,使所选取的历史参数更加接近水电机组实际的运行状态,以增加后续处理的准确性。
步骤14:将每个所述预设离散区域内的所述目标工况参数对应的多种状态监测参数分别进行计算,得到每种状态监测参数的平均值、方差、中值和最大值。
步骤15:判断每个所述预设离散区域内的每种状态监测参数的中值和平均值是否满足预设条件,若满足,则执行步骤16。
步骤16:根据每种状态监测参数的平均值、方差、中值和最大值,计算得到区划阈值区间。
将每个预设区域内的每种状态监测参数对应的数据进行计算,分别得到每种状态监测参数的平均值、方差、中值和最大值,例如,状态检测参数包括震动参数、摆度参数、压力脉动参数,则会计算出震动参数的平均值、方差、中值和最大值,摆度参数的平均值、方差、中值和最大值,压力脉动的平均值、方差、中值和最大值。
其中,预设条件为Abs(Vmean-Vmiddle)/6s*100%<5%,其中,Vmean为状态监测参数的中值,Vmiddle状态监测参数的平均值,s为状态监测参数的方差。
并且,按照如下公式计算得到第一区间阈值,
V1=Vmean-4s,其中,V1为第一区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第二区间阈值,
V2=max(Vmean+4s,Vmax),其中,V2为第二区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差,Vmax为状态监测参数的最大值;
按照如下公式计算得到第三区间阈值,
V3=Vmean-8s,其中,V3为第三区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第四区间阈值,
V4=Vmean+8s,其中,V4为第四区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
根据所述第一区间阈值、第二区间阈值、第三区间阈值和第四区间阈值,划分出(V1,V2]、(-∞,V3]、[V4,+∞)、(V2,V4)、(V3,V1)阈值区间。
同理,每种状态监测参数均用上述方式计算得到对应的阈值区间。
步骤17:根据每种状态监测参数的区划阈值区间,建立每种状态监测参数对应的水电机组退化模型。
每种状态监测参数对应的水电机组退化模型为
其中,V1为第一区间阈值,V2为第二区间阈值,V3为第三区间阈值,V4为第四区间阈值,V为待分析状态监测参数,s为状态监测参数的方差。
步骤18:根据所述每种状态监测参数对应的水电机组退化模型,确定水电机组的每个状态参数下的退化趋势。
工作人员可查找水电机组的待分析工况参数对应的预设区域,根据该预设区域查找相应的水电机组退化模型,并将该工况参数对应的待分析状态监测参数带入对应的水电机组退化模型中,根据该状态监测参数所述的阈值区间,利用对应的公式,计算出退化趋势值T,T值越大代表水电机组在该项参数下是正常运行的,T值越小代表水电机组在该项参数下退化越严重,易发生故障。
由以上技术方案可知,本申请提供了一种水电机组全工况单参数退化趋势分析方法,对水电机组的历史数据进行离散化处理,并进行筛选后,计算得到区划阈值区间,再构建水每种状态监测参数对应的电机组退化模型,工作人员可针对每种状态监测参数对应的电机组退化模型对当前的水电机组实现退化趋势分析,无需考虑机组工况情况的影响,从而提高退化趋势分析的效率和准确度。
Claims (1)
1.一种水电机组全工况单参数退化趋势分析方法,其特征在于,所述方法包括:
获取水电机组的历史数据,所述历史数据包括工况参数和所述工况参数对应的多种状态监测参数的数据,所述工况参数包括水头和对应的导叶开度;
将所述工况参数离散到多个预设的离散区域内;
对每个所述预设离散区域内的工况参数进行筛选,得到目标工况参数;
将每个所述预设离散区域内的所述目标工况参数对应的多种状态监测参数分别进行计算,得到每种状态监测参数的平均值、方差、中值和最大值;
判断每个所述预设离散区域内的每种状态监测参数的中值和平均值是否满足预设条件,若满足,则根据每种状态监测参数的平均值、方差、中值和最大值,计算得到区划阈值区间;
根据每种状态监测参数的区划阈值区间,建立每种状态监测参数对应的水电机组退化模型;
根据所述每种状态监测参数对应的水电机组退化模型,确定水电机组的每个状态参数下的退化趋势;
所述预设条件为Abs(Vmean-Vmiddle)/6s*100%<5%,其中,Vmean为状态监测参数的中值,Vmiddle状态监测参数的平均值,s为状态监测参数的方差;
所述根据每种状态监测参数的平均值、方差、中值和最大值,计算得到区划阈值区间包括:
按照如下公式计算得到第一区间阈值,
V1=Vmean-4s,其中,V1为第一区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第二区间阈值,
V2=max(Vmean+4s,Vmax),其中,V2为第二区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差,Vmax为状态监测参数的最大值;
按照如下公式计算得到第三区间阈值,
V3=Vmean-8s,其中,V3为第三区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第四区间阈值,
V4=Vmean+8s,其中,V4为第四区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
根据所述第一区间阈值、第二区间阈值、第三区间阈值和第四区间阈值,划分出(V1,V2]、(-∞,V3]、[V4,+∞)、(V2,V4)、(V3,V1)阈值区间;
所述每种状态监测参数对应的水电机组退化模型为
其中,V1为第一区间阈值,V2为第二区间阈值,V3为第三区间阈值,V4为第四区间阈值,V为待分析状态监测参数,s为状态监测参数的方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810990749.3A CN109032098B (zh) | 2018-08-28 | 2018-08-28 | 一种水电机组全工况单参数退化趋势分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810990749.3A CN109032098B (zh) | 2018-08-28 | 2018-08-28 | 一种水电机组全工况单参数退化趋势分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109032098A CN109032098A (zh) | 2018-12-18 |
CN109032098B true CN109032098B (zh) | 2021-04-09 |
Family
ID=64624984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810990749.3A Active CN109032098B (zh) | 2018-08-28 | 2018-08-28 | 一种水电机组全工况单参数退化趋势分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109032098B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110007652B (zh) * | 2019-03-22 | 2020-12-29 | 华中科技大学 | 一种水电机组劣化趋势区间预测方法与系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858312A (zh) * | 2010-05-31 | 2010-10-13 | 重庆大学 | 风力发电机组实时运行状态评估系统及评估方法 |
WO2012117423A1 (en) * | 2011-02-28 | 2012-09-07 | Hannibal | A method and a system for synthetic liquid fuel production by indirect gasification |
CN103364027A (zh) * | 2012-03-30 | 2013-10-23 | 极晨智道信息技术(北京)有限公司 | 一种旋转机械劣化趋势预测的方法和装置 |
CN104463435A (zh) * | 2014-11-20 | 2015-03-25 | 云南电网公司电力科学研究院 | 一种水电机组稳定运行区域在线分析与评价方法 |
CN104748839A (zh) * | 2015-04-02 | 2015-07-01 | 贵州电力试验研究院 | 基于实时在线监测的水轮发电机组振动状态区域监测方法 |
CN105160489A (zh) * | 2015-09-28 | 2015-12-16 | 国家电网公司 | 一种水电机组变权劣化评估系统及评估方法 |
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 |
CN105243478A (zh) * | 2015-09-28 | 2016-01-13 | 国家电网公司 | 一种基于浴盆失效曲线的水电机组劣化评估方法 |
CN105549503A (zh) * | 2015-12-09 | 2016-05-04 | 国家电网公司 | 抽水蓄能机组振摆保护与监测系统 |
CN106092190A (zh) * | 2016-06-02 | 2016-11-09 | 国家电网公司 | 抽水蓄能机组运行稳定性状态劣化预警方法及系统 |
CN107291061A (zh) * | 2017-02-22 | 2017-10-24 | 贵州北盘江电力股份有限公司董箐发电厂 | 一种基于量化评估的水电机组健康状态评估方法 |
CN108375476A (zh) * | 2018-03-09 | 2018-08-07 | 中国水利水电科学研究院 | 一种水电机组健康评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2975444B1 (fr) * | 2011-05-17 | 2016-12-23 | Mj2 Tech | Centrale hydraulique comportant un ensemble a grille d'admission d'eau dans la turbine agence pour evacuer des debris flottants arretes par la grille. |
-
2018
- 2018-08-28 CN CN201810990749.3A patent/CN109032098B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858312A (zh) * | 2010-05-31 | 2010-10-13 | 重庆大学 | 风力发电机组实时运行状态评估系统及评估方法 |
WO2012117423A1 (en) * | 2011-02-28 | 2012-09-07 | Hannibal | A method and a system for synthetic liquid fuel production by indirect gasification |
CN103364027A (zh) * | 2012-03-30 | 2013-10-23 | 极晨智道信息技术(北京)有限公司 | 一种旋转机械劣化趋势预测的方法和装置 |
CN104463435A (zh) * | 2014-11-20 | 2015-03-25 | 云南电网公司电力科学研究院 | 一种水电机组稳定运行区域在线分析与评价方法 |
CN104748839A (zh) * | 2015-04-02 | 2015-07-01 | 贵州电力试验研究院 | 基于实时在线监测的水轮发电机组振动状态区域监测方法 |
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 |
CN105160489A (zh) * | 2015-09-28 | 2015-12-16 | 国家电网公司 | 一种水电机组变权劣化评估系统及评估方法 |
CN105243478A (zh) * | 2015-09-28 | 2016-01-13 | 国家电网公司 | 一种基于浴盆失效曲线的水电机组劣化评估方法 |
CN105549503A (zh) * | 2015-12-09 | 2016-05-04 | 国家电网公司 | 抽水蓄能机组振摆保护与监测系统 |
CN106092190A (zh) * | 2016-06-02 | 2016-11-09 | 国家电网公司 | 抽水蓄能机组运行稳定性状态劣化预警方法及系统 |
CN107291061A (zh) * | 2017-02-22 | 2017-10-24 | 贵州北盘江电力股份有限公司董箐发电厂 | 一种基于量化评估的水电机组健康状态评估方法 |
CN108375476A (zh) * | 2018-03-09 | 2018-08-07 | 中国水利水电科学研究院 | 一种水电机组健康评估方法 |
Non-Patent Citations (1)
Title |
---|
基于健康评估和劣化趋势预测的水电机组故障诊断系统研究;潘罗平;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20140215(第02期);C037-4 * |
Also Published As
Publication number | Publication date |
---|---|
CN109032098A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375476B (zh) | 一种水电机组健康评估方法 | |
CN109002026B (zh) | 一种水电机组全工况综合参数退化趋势分析方法 | |
CN106054104B (zh) | 一种基于决策树的智能电表故障实时预测方法 | |
CN102129525B (zh) | 汽轮机组振动与过程信号异常搜索分析方法 | |
CN103912448B (zh) | 一种区域风电场机组功率特性监测方法 | |
CN105863970A (zh) | 一种风机故障识别方法及装置 | |
CN111950848B (zh) | 一种基于序分量的台区低电压识别以及原因诊断方法 | |
CN105139295A (zh) | 一种电力设备在线监测海量信息的数据挖掘方法 | |
CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及系统 | |
CN109032098B (zh) | 一种水电机组全工况单参数退化趋势分析方法 | |
CN115603453A (zh) | 一种带智能监测系统的直流母线群控装置 | |
CN106441843A (zh) | 一种旋转机械故障波形识别方法 | |
CN114928168A (zh) | 一种海上平台无人化数据边缘计算装置 | |
CN111486043A (zh) | 一种基于水轮发电机组振摆数据的下机架故障诊断方法 | |
CN106680574B (zh) | 一种变电站设备过电压感知和数据处理方法 | |
CN111639852B (zh) | 基于小波奇异值的水电机组振动状态实时评估方法及系统 | |
KR101917323B1 (ko) | 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템 | |
CN111391694A (zh) | 一种充电站运行维护的多层次快速数据监测方法和系统 | |
CN115800552A (zh) | 一种超级电容运行电力调频用智能调控系统及方法 | |
CN110320466A (zh) | 一种有载分接开关运行状态在线监测方法、系统及存储介质 | |
CN116338451A (zh) | 一种深度调峰工况下汽轮发电机安全评价诊断系统及方法 | |
CN115788771A (zh) | 一种基于物联网技术的风力发电系统的智能运维管理系统 | |
CN113092152B (zh) | 一种动设备振动温度复合监测装置及方法 | |
CN113947223A (zh) | 一种智能化设备健康管理系统及方法 | |
CN114707841A (zh) | 一种基于集中监控的光伏健康度评估系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |