CN109543858A - 一种水电机组在线监测数据分析评估方法 - Google Patents
一种水电机组在线监测数据分析评估方法 Download PDFInfo
- Publication number
- CN109543858A CN109543858A CN201811449581.1A CN201811449581A CN109543858A CN 109543858 A CN109543858 A CN 109543858A CN 201811449581 A CN201811449581 A CN 201811449581A CN 109543858 A CN109543858 A CN 109543858A
- Authority
- CN
- China
- Prior art keywords
- vibration
- unit
- throw
- analysis
- trend
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 238000011156 evaluation Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 77
- 238000010977 unit operation Methods 0.000 claims abstract description 35
- 238000012423 maintenance Methods 0.000 claims abstract description 32
- 238000003745 diagnosis Methods 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 14
- 230000003862 health status Effects 0.000 claims abstract description 7
- 241000239290 Araneae Species 0.000 claims description 28
- 238000012360 testing method Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 17
- 238000010183 spectrum analysis Methods 0.000 claims description 13
- 230000007257 malfunction Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000007547 defect Effects 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 230000002950 deficient Effects 0.000 claims description 4
- 238000002405 diagnostic procedure Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 3
- DNHVXYDGZKWYNU-UHFFFAOYSA-N lead;hydrate Chemical compound O.[Pb] DNHVXYDGZKWYNU-UHFFFAOYSA-N 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 6
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 5
- 238000013024 troubleshooting Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 241001416181 Axis axis Species 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明属于水力发电设备技术领域，具体涉及一种水电机组在线监测数据分析评估方法。该分析评估方法包括以下步骤：S1，机组运行特征数据库建立；S2，机组状态数据库建立；S3，特征参数数据分析；S4，特征参数评估及诊断；S5，故障匹配及检修建议。本发明的优点：实时掌握机组健康状态，为安全运行，优化调度和检修指导提供有力的技术支持。亦可集中分析评估各台机组状态监测信息，对运行状态电站机组可实时进行体检项目检查，易于分析比较不同机组运行特性与规律，及时促进机组的优化运行，充分发挥领域专家分析诊断的作用。
Description
技术领域
本发明属于水力发电设备技术领域，具体涉及一种水电机组在线监测数据分析评估方法。
背景技术
随着大型水轮发电机组在整个电网中的比重越来越大，单机容量增加，年平均发电时间延长，检修时间缩短，事故停机造成的经济损失极为严重。准确分析和评估水轮机组发电机组故障对电力系统稳定可靠运行具有十分重要的意义。
水电机组是一个包含水力、机械以及电气系统的大型旋转设备。水电机组状态分析评估包括数据采集、数据处理和分析、处理意见与决策，能通过振动、摆度等数据和征兆准确定位机组状态。一个完善的状态分析评估过程就是通过设备进行数据采集进而能够挖掘和分析的过程其重要的过程输出是面向领域的“知识”，水轮机运行综合评估方法是基于领域“知识”的一个重要的应用，体现的形式为机组状态诊断与分析。有效的状态评估和故障诊断可以随时掌握水轮发电机组设备状态和劣化规律，避免突发性故障和渐发故障的发生。
当前水电厂对影响安全的参量综合及智能分析水平低问题，在水电厂日益走向“无人值班，少人值守”的背景下，这些问题将给电厂的安全运行带来极大隐患。尤其是机组稳定性、调节系统运行状态等远程监控技术仍不完善，远程实时诊断决策技术及方法欠缺。
目前黄河上游流域电站发电机组在线监测装置存在如下问题；首先，监测数据缺少深入数据挖掘，难以综合利用监测数据、特征参数以及现象征兆等深入分析水机运行的劣化趋势，不能准确定位故障部位、故障原因和故障程度，无法评估发电机组运行状态。其次，在线监测装置未能指导检修及合理化安排相关测试试验；最后，缺少一种适应性强的海量数据在线监测数据状态评估方法。
发明内容
本发明的目的是针对以上具体问题，克服现有技术的缺陷，提供一种可集中分析评估各台机组状态监测信息、对运行状态电站机组可实时进行体检项目检查、易于分析比较不同机组运行特性与规律、及时促进机组的优化运行、充分发挥领域专家分析诊断作用的水电机组在线监测数据分析评估方法。
为达到上述目的，本发明采用的技术方案为：
一种水电机组在线监测数据分析评估方法，包括以下步骤：
S1，机组运行特征数据库建立；
S2，机组状态数据库建立；
S3，特征参数数据分析；
S4，特征参数评估及诊断；
S5，故障匹配及检修建议。
进一步的，S1所述的机组运行特征数据包括但不限于传感器检测到的水电机组振动、摆度、压力脉动、定转子气隙、磁场强度；
机组运行特征数据库的数据包含振动和摆度异常特征数据、振动和摆度月度趋势数据、振动和摆度季度负荷数据、与上季度趋势和异常对比数据、振动和摆度年度负荷数据以及与上年度趋势和异常对比数据；
机组运行特征数据值包含上限值、下限值、内限值和外限值。
进一步的，S2所述的机组状态包括正常状态、异常状态和故障状态。
进一步的，所述的正常状态指机组的整体或局部没有缺陷，或虽有缺陷但其性能仍在允许的范围内；
所述的异常状态指缺陷已有一定程度的扩展，机组的状态信号发生变化，机组运行性能已劣化，但仍可运行；
所述的故障状态指机组性能指标已有大的下降，机组不能维持正常工作。
进一步的，S3所述的数据分析包括趋势分析和频谱分析；
通过趋势分析，分析分析水电机组各监测部位摆度的变化趋势、最大值和最小值，作用是识别并标记机组运行状态特征，分析机组振动、摆度最大值是否在标准范围内；
通过频谱分析，分析水电机组各监测部位的主频，作用是得出振动异常原因及异常振动发生部位，获得机组运行特征数据库、机组状态数据库样本特征数据。
进一步的，所述的趋势分析包括上导X向摆度、上导Y向摆度、下导X向摆度、下导Y向摆度、水导X向摆度、水导Y向摆度、上机架X向水平振动、上机架Y向水平振动、上机架垂直振动、下机架X向水平振动、下机架Y向水平振动、下机架垂直振动、顶盖X向水平振动、顶盖Y向水平振动和顶盖垂直振动、定子基座振动、尾水、顶盖及导叶进口处压力脉动。
进一步的，S4所述的评估及诊断方法为：S3所得结果与机组运行特征数据库检修比对
若V≤Va，则判定机组为正常状态；
若Va≤V≤10％Va，则判定机组为异常状态；
若V≥10％Va，则判定机组为异常状态故障状态
其中：V为水电机组整体或局部实测振动值，Va为国标要求振动允许值。
进一步的，S5所述的故障匹配及检修建议方法为：选用将故障特征计入表格的方式进行分析诊断，将数值超出标准要求的振动值、摆度值视为故障，引入故障树的诊断思路，寻找故障原因及故障位置，机组运行状态评价方法如下；
S501故障特征计入表格建立故障特征表，其中表格行/列分别为测试部位、振动允许值和故障特征；
所述的测试部位包含：发电机上部轴摆度、下导轴承处轴摆度、水导轴承处轴摆度、顶盖水平振动、顶盖垂直振动、上机架水平振动、上机架垂直振动、定子机座水平振动、定子铁芯振动(100Hz双振幅值)、下机架水平振动、下机架垂直振动；
与所述的测试部位对应的振动允许值分别为75％轴承总间隙、75％轴承总间隙、260μm、70μm、90μm、90μm、90μm、30μm、30μm、90μm、70μm；
故障特征分为正常和异常状态，包含电站若干机组；
建立趋势特征表，分析每一个电站机组的摆度或/和振动的变化趋势，以及变化最大值；
S502故障原因分析；
S521，分析振动、摆度特征表，振动、摆度随时间趋势特征，振动、摆度随负荷趋势特征等趋势表，绘制异常特征分布示意图；
所述异常特征分布示意图包括机组结构示意图，在其上标示振动、摆度异常值所在的部位；
S522，对电站机组监测数据以日、月、年进行区分，采用贴标签的方式进行数据筛选，通过趋势分析和频谱分析及故障诊断，实时掌握机组健康状态；
S523，分析电站机组运行的劣化趋势，定位故障部位、故障原因和故障程度，给出专家建议，评价机组的运行状况并建立各测点监测量在稳定负荷区状态评价表，其中表格行/列分别为测试部位、振动允许值和评价结果；
所述的测试部位和与所述的测试部位对应的振动允许值与S501步骤建立的故障特征表一致；
S524，由S522，S523分析机组故障原因，见了原因分析表，其中表格行/列分别为机组类别和分析结果；
S503故障位置判断；
S531，由S521结果获得故障初步位置；
S532，选取S522中最近一季度振动摆度数据采集中最大值的测点进行对比分析，建立机组振动、摆度最大值对比表；在S521步骤建立的异常特征分布示意图中标示振动、摆度异常值，
S533，分析异常振动、摆度位置次数，一年内累计月度采集周期内落点次数≥6次，则定义为该位置出现故障，得出故障位置。
S504检修建议：
S541，依据逻辑规则推理和/或人工神经网络得出故障原因、故障位置，从而获得检修位置；
S542，针对检修位置，给出检修建议。
本发明采用数据特征标识的方法对机组监测数据(在线监测系统通过现场采集各水电机组振动、摆度、压力脉动、定转子气隙、磁场强度等特征参量)以日、月、年进行区分，采用贴标签的方式进行数据筛选，利用各种分析、诊断策略和算法进行数据分析及故障诊断，实时掌握机组健康状态，为安全运行，优化调度和检修指导提供有力的技术支持。
将状态数据进行了趋势分析，分析了水机运行的劣化趋势，定位了故障部位、故障原因和故障程度，给出了专家建议，评价机组的运行状况，为机组安全稳定运行提供指导。对各机组历年振动、摆度较大数据进行对比分析，可以为大修提供建议，优化检修过程。
水轮发电机组运行过程中的状态特征对判别整个机组的健康评估非常重要,是判断机组运行状态和故障的重要依据。常见的状态有转动部件不平衡或大轴轴线不直引起的摆度过大、尾水管涡带、油膜涡动、不对中等。针对以上水轮发电机组状态特点，本发明提供了将故障特征计入表格的方式进行分析诊断，将数值超出标准要求的振动值、摆度值视为故障，引入了故障树的诊断思路，寻找故障原因及故障位置。
与现有技术相比，本发明提供的水电机组在线监测数据分析评估方法具有以下有益效果：用数据特征标识的方法对机组监测数据进行数据筛选后进行数据分析，将分析结果进行特征参数评估及诊断，并与建立的机组运行特征数据库和机组状态数据库对应，可以实时掌握机组健康状态，为安全运行，优化调度和检修指导提供有力的技术支持。亦可集中分析评估各台机组状态监测信息，对运行状态电站机组可实时进行体检项目检查，易于分析比较不同机组运行特性与规律，及时促进机组的优化运行，充分发挥领域专家分析诊断的作用。
附图说明
图1是本发明基于状态特征标识的水电机组在线监测数据分析评估方法流程示意图。
图2是本发明数据状态特征值标识图。
图3是本发明异常特征分布示意图。
图4是实施例1积石峡电站1#机组频谱图。
图5是实施例1公伯峡电站1#机组频谱图。
图6是实施例1拉西瓦电站1#机组频谱图。
图7是实施例1积石峡电站1#机组振动、摆度趋势图。
图8是实施例1公伯峡电站1#机组振动、摆度趋势图。
图9是实施例1拉西瓦电站1#机组振动、摆度变化趋势图。
图中：图中1为上导水平振动，2为上机架水平振动，3为上机架垂直振动，4为下导水平振动，5为下机架水平振动，6为下机架垂直振动，7为水导水平振动，8为水导垂直振动，9为顶盖垂直振动，10为顶盖水平振动，11为发电机定子铁心水平振动，12为发电机定子铁心垂直振动，13上导摆度，14为下导摆度，15为抬机量，16为水导摆度，17为导叶后压力脉动，18为尾水管进口压力脉动，19为顶盖下压力脉动，20为上导X向摆度、21为上导Y向摆度、22为下导X向摆度、23为下导Y向摆度、24为水导X向摆度、25为水导Y向摆度、26为公伯峡电站1#机组上机架X向水平振动趋势、27为公伯峡电站1#机组上机架Y向水平振动趋势、28为公伯峡电站1#机组上机架垂直振动趋势、29为公伯峡电站1#机组下机架X向水平振动趋势、30为公伯峡电站1#机组下机架Y向水平振动趋势、31为公伯峡电站1#机组下机架垂直振动趋势、32为公伯峡电站1#机组顶盖X向水平振动趋势、33为公伯峡电站1#机组顶盖Y向水平振动，34为公伯峡电站1#机组顶盖垂直振动趋势、35为拉西瓦电站1#机组上机架X向水平振动趋势、36为拉西瓦电站1#机组上机架Y向水平振动趋势、37为拉西瓦电站1#机组上机架垂直振动趋势、38为拉西瓦电站1#机组下机架X向水平振动趋势、39为拉西瓦电站1#机组下机架Y向水平振动趋势、40为拉西瓦电站1#机组下机架垂直振动趋势、41为拉西瓦电站1#机组顶盖X向水平振动趋势、42为拉西瓦电站1#机组顶盖Y向水平振动，43为拉西瓦电站1#机组顶盖垂直振动趋势。
具体实施方式
参考图1～图9所示，一种水电机组在线监测数据分析评估方法，包括以下步骤：
S1，机组运行特征数据库建立；
S2，机组状态数据库建立；
S3，特征参数数据分析；
S4，特征参数评估及诊断；
S5，故障匹配及检修建议。
进一步的，S1所述的机组运行特征数据包括但不限于传感器检测到的水电机组振动、摆度、压力脉动、定转子气隙、磁场强度；
机组运行特征数据库的数据包含振动和摆度异常特征数据、振动和摆度月度趋势数据、振动和摆度季度负荷数据、与上季度趋势和异常对比数据、振动和摆度年度负荷数据以及与上年度趋势和异常对比数据；
机组运行特征数据值包含上限值、下限值、内限值和外限值。
进一步的，S2所述的机组状态包括正常状态、异常状态和故障状态。
进一步的，所述的正常状态指机组的整体或局部没有缺陷，或虽有缺陷但其性能仍在允许的范围内；
所述的异常状态指缺陷已有一定程度的扩展，机组的状态信号发生变化，机组运行性能已劣化，但仍可运行；
所述的故障状态指机组性能指标已有大的下降，机组不能维持正常工作。
进一步的，S3所述的数据分析包括趋势分析和频谱分析；
通过趋势分析，分析分析水电机组各监测部位摆度的变化趋势、最大值和最小值，作用是识别并标记机组运行状态特征，分析机组振动、摆度最大值是否在标准范围内；
通过频谱分析，分析水电机组各监测部位的主频，作用是得出振动异常原因及异常振动发生部位，获得机组运行特征数据库、机组状态数据库样本特征数据。
进一步的，所述的趋势分析包括上导X向摆度、上导Y向摆度、下导X向摆度、下导Y向摆度、水导X向摆度、水导Y向摆度、上机架X向水平振动、上机架Y向水平振动、上机架垂直振动、下机架X向水平振动、下机架Y向水平振动、下机架垂直振动、顶盖X向水平振动、顶盖Y向水平振动和顶盖垂直振动、定子基座振动、尾水、顶盖及导叶进口处压力脉动。
进一步的，S4所述的评估及诊断方法为：S3所得结果与机组运行特征数据库检修比对
若V≤Va，则判定机组为正常状态；
若Va≤V≤10％Va，则判定机组为异常状态；
若V≥10％Va，则判定机组为异常状态故障状态
其中：V为水电机组整体或局部实测振动值，Va为国标要求振动允许值。
进一步的，S5所述的故障匹配及检修建议方法为：选用将故障特征计入表格的方式进行分析诊断，将数值超出标准要求的振动值、摆度值视为故障，引入故障树的诊断思路，寻找故障原因及故障位置，机组运行状态评价方法如下；
S501故障特征计入表格建立故障特征表，其中表格行/列分别为测试部位、振动允许值和故障特征；
所述的测试部位包含：发电机上部轴摆度、下导轴承处轴摆度、水导轴承处轴摆度、顶盖水平振动、顶盖垂直振动、上机架水平振动、上机架垂直振动、定子机座水平振动、定子铁芯振动(100Hz双振幅值)、下机架水平振动、下机架垂直振动；
与所述的测试部位对应的振动允许值分别为75％轴承总间隙、75％轴承总间隙、260μm、70μm、90μm、90μm、90μm、30μm、30μm、90μm、70μm；
故障特征分为正常和异常状态，包含电站若干机组；
建立趋势特征表，分析每一个电站机组的摆度或/和振动的变化趋势，以及变化最大值；
S502故障原因分析；
S521，分析振动、摆度特征表，振动、摆度随时间趋势特征，振动、摆度随负荷趋势特征等趋势表，绘制异常特征分布示意图；
所述异常特征分布示意图包括机组结构示意图，在其上标示振动、摆度异常值所在的部位；
S522，对电站机组监测数据以日、月、年进行区分，采用贴标签的方式进行数据筛选，通过趋势分析和频谱分析及故障诊断，实时掌握机组健康状态；
S523，分析电站机组运行的劣化趋势，定位故障部位、故障原因和故障程度，给出专家建议，评价机组的运行状况并建立各测点监测量在稳定负荷区状态评价表，其中表格行/列分别为测试部位、振动允许值和评价结果；
所述的测试部位和与所述的测试部位对应的振动允许值与S501步骤建立的故障特征表一致；
S524，由S522，S523分析机组故障原因，见了原因分析表，其中表格行/列分别为机组类别和分析结果；
S503故障位置判断；
S531，由S521结果获得故障初步位置；
S532，选取S522中最近一季度振动摆度数据采集中最大值的测点进行对比分析，建立机组振动、摆度最大值对比表；在S521步骤建立的异常特征分布示意图中标示振动、摆度异常值，
S533，分析异常振动、摆度位置次数，一年内累计月度采集周期内落点次数≥6次，则定义为该位置出现故障，得出故障位置。
S504检修建议：
S541，依据逻辑规则推理和/或人工神经网络得出故障原因、故障位置，从而获得检修位置；
S542，针对检修位置，给出检修建议。
实施例1
参考图1～图9所示，一种水电机组在线监测数据分析评估方法，包括以下步骤：
S1，机组运行特征数据库建立；
所述的机组运行特征数据包括但不限于传感器检测到的水电机组振动、摆度、压力脉动、定转子气隙、磁场强度；
机组运行特征数据库的数据包含振动和摆度异常特征数据、振动和摆度月度趋势数据、振动和摆度季度负荷数据、与上季度趋势和异常对比数据、振动和摆度年度负荷数据以及与上年度趋势和异常对比数据；
机组运行特征数据值包含上限值、下限值、内限值和外限值。
S2，机组状态数据库建立；
所述的机组状态包括正常状态、异常状态和故障状态。
的正常状态指机组的整体或局部没有缺陷，或虽有缺陷但其性能仍在允许的范围内；
异常状态指缺陷已有一定程度的扩展，机组的状态信号发生变化，机组运行性能已劣化，但仍可运行；
故障状态指机组性能指标已有大的下降，机组不能维持正常工作。
S3，特征参数数据分析；
数据分析包括趋势分析和频谱分析；
通过趋势分析，分析分析水电机组各监测部位摆度的变化趋势、最大值和最小值，作用是识别并标记机组运行状态特征，分析机组振动、摆度最大值是否在标准范围内；
通过频谱分析，分析水电机组各监测部位的主频，作用是得出振动异常原因及异常振动发生部位，获得机组运行特征数据库、机组状态数据库样本特征数据。
所述的趋势分析包括上导X向摆度、上导Y向摆度、下导X向摆度、下导Y向摆度、水导X向摆度、水导Y向摆度、上机架X向水平振动、上机架Y向水平振动、上机架垂直振动、下机架X向水平振动、下机架Y向水平振动、下机架垂直振动、顶盖X向水平振动、顶盖Y向水平振动和顶盖垂直振动、定子基座振动、尾水、顶盖及导叶进口处压力脉动。
S4，特征参数评估及诊断；
评估及诊断方法为：S3所得结果与机组运行特征数据库检修比对
若V≤Va，则判定机组为正常状态；
若Va≤V≤10％Va，则判定机组为异常状态；
若V≥10％Va，则判定机组为异常状态故障状态
其中：V为水电机组整体或局部实测振动值，Va为国标要求振动允许值。
S5，故障匹配及检修建议：
故障匹配及检修建议方法为：选用将故障特征计入表格的方式进行分析诊断，将数值超出标准要求的振动值、摆度值视为故障，引入故障树的诊断思路，寻找故障原因及故障位置，机组运行状态评价方法如下；
S501故障特征计入表格建立故障特征表，其中表格行/列分别为测试部位、振动允许值和故障特征，见表1；
所述的测试部位包含：发电机上部轴摆度、下导轴承处轴摆度、水导轴承处轴摆度、顶盖水平振动、顶盖垂直振动、上机架水平振动、上机架垂直振动、定子机座水平振动、定子铁芯振动(100Hz双振幅值)、下机架水平振动、下机架垂直振动；
与所述的测试部位对应的振动允许值分别为75％轴承总间隙、75％轴承总间隙、260μm、70μm、90μm、90μm、90μm、30μm、30μm、90μm、70μm；
表1机组运行状况故障特征表
故障特征分为正常和异常状态，包含电站若干机组；
建立趋势特征表，分析每一个电站机组的摆度或/和振动的变化趋势，以及变化最大值，见表2、表3和表4；
选取积石峡、公伯峡、拉西瓦各水电站1#机组运行状况数据建立故障特征表；
表2机组监测量振动、摆度趋势分析
表3各测点监测量振动、摆度频谱分析
表4 2013年、2014年积石峡、公伯峡、拉西瓦1#机组振动、摆度最大值对比
S502故障原因分析；
S521，分析振动、摆度特征表，振动、摆度随时间趋势特征，振动、摆度随负荷趋势特征等趋势表，绘制异常特征分布示意图；
所述异常特征分布示意图包括机组结构示意图，在其上标示振动、摆度异常值所在的部位；
S522，对电站机组监测数据以日、月、年进行区分，采用贴标签的方式进行数据筛选，通过趋势分析和频谱分析及故障诊断，实时掌握机组健康状态；
S523，分析电站机组运行的劣化趋势，定位故障部位、故障原因和故障程度，给出专家建议，评价机组的运行状况并建立各测点监测量在稳定负荷区状态评价表，其中表格行/列分别为测试部位、振动允许值和评价结果，见表4；
所述的测试部位和与所述的测试部位对应的振动允许值与S501步骤建立的故障特征表一致；
表4各测点监测量在稳定负荷区状态评价表
S524，由S522，S523分析机组故障原因，建立原因分析表，其中表格行/列分别为机组类别和分析结果，见表5；
表5原因分析表
S503故障位置判断；
S531，由S521结果获得故障初步位置；
S532，选取S522中最近一季度振动摆度数据采集中最大值的测点进行对比分析，建立机组振动、摆度最大值对比表；在S521步骤建立的异常特征分布示意图中标示振动、摆度异常值，
S533，分析异常振动、摆度位置次数，一年内累计月度采集周期内落点次数≥6次，则定义为该位置出现故障，得出故障位置，建立故障诊断表。见表6。
表6故障诊断表
S504检修建议：
S541，依据逻辑规则推理和/或人工神经网络得出故障原因、故障位置，从而获得检修位置；
S542，针对检修位置，给出检修建议。
积石峡电站1#机组检修建议：对机组轴系状况进行调整，轴瓦间隙与历次间隙记录对比，重新调整。
公伯峡电站1#机组检修建议：对转子质量偏心和转子部件缺损现象两方面进行金属探伤，对关键部位应力及裂纹进行检查及维护。
拉西瓦电站1#机组检修建议：对密封间隙、轴承间隙进行检查及调整；对结合面间隙或连结刚度不足进行检查及调整。
本发明提供的方法该在黄河上游流域水电厂的开展，在线监测状态分析评估研究以机组的振动、摆度、压力及压力脉动监测分析为基础平台，利用记录方式把更多的监测内容纳入到状态监测系统中集成起来，包括机组气隙、磁场强度、发电机局部放电、水轮机空化汽蚀、转子测温、主变压器油色谱等，根据电厂用户的需要可以形成一套完整的分析评估平台。通过建立水轮机运行综合评估平台，可集中管理各台机组状态监测信息，对运行状态电站机组可实时进行体检项目检查，易于分析比较不同机组运行特性与规律，及时促进机组的优化运行，充分发挥领域专家分析诊断的作用。
依托对水电机组机械状态诊断分析技术开展在线监测数据评估工作，该系统使得水电厂状态监测系统可以在实现分析诊断，为专家及现场工程师构建交流平台，使现场问题更容易得到专家的技术支持，使现场工程师借助分析中心的解析结果及建议进行有针对性的检修或故障处理，促进发电机组的规范、督导状态检修、促进行业技术的进步起到关键作用。黄河流域梯级电站分布广泛且数量较多，通过水轮机运行综合评估，可集中管理各电站状态监测信息，对梯级电站机组可集中进行体检项目检查，易于分析比较不同机组运行特性与规律，及时促进机组的优化运行，充分发挥领域专家分析诊断的作用。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。
Claims (8)
1.一种水电机组在线监测数据分析评估方法，其特征在于，该分析评估方法包括以下步骤：
S1，机组运行特征数据库建立；
S2，机组状态数据库建立；
S3，特征参数数据分析；
S4，特征参数评估及诊断；
S5，故障匹配及检修建议。
2.根据权利要求1所述的一种基于状态特征标识的水电机组在线监测数据分析评估方法，其特征在于：S1所述的机组运行特征数据包括但不限于传感器检测到的水电机组振动、摆度、压力脉动、定转子气隙、磁场强度；
机组运行特征数据库的数据包含振动和摆度异常特征数据、振动和摆度月度趋势数据、振动和摆度季度负荷数据、与上季度趋势和异常对比数据、振动和摆度年度负荷数据以及与上年度趋势和异常对比数据；
机组运行特征数据值包含上限值、下限值、内限值和外限值。
3.根据权利要求1所述的一种基于状态特征标识的水电机组在线监测数据分析评估方法，其特征在于：S2所述的机组状态包括正常状态、异常状态和故障状态。
4.根据权利要求3所述的一种基于状态特征标识的水电机组在线监测数据分析评估方法，其特征在于：所述的正常状态指机组的整体或局部没有缺陷，或虽有缺陷但其性能仍在允许的范围内；
所述的异常状态指缺陷已有一定程度的扩展，机组的状态信号发生变化，机组运行性能已劣化，但仍可运行；
所述的故障状态指机组性能指标已有大的下降，机组不能维持正常工作。
5.根据权利要求1所述的一种基于状态特征标识的水电机组在线监测数据分析评估方法，其特征在于：S3所述的数据分析包括趋势分析和频谱分析；
通过趋势分析，分析分析水电机组各监测部位摆度的变化趋势、最大值和最小值，作用是识别并标记机组运行状态特征，分析机组振动、摆度最大值是否在标准范围内；
通过频谱分析，分析水电机组各监测部位的主频，作用是得出振动异常原因及异常振动发生部位，获得机组运行特征数据库、机组状态数据库样本特征数据。
6.根据权利要求5所述的一种基于状态特征标识的水电机组在线监测数据分析评估方法，其特征在于：所述的趋势分析包括上导X向摆度、上导Y向摆度、下导X向摆度、下导Y向摆度、水导X向摆度、水导Y向摆度、上机架X向水平振动、上机架Y向水平振动、上机架垂直振动、下机架X向水平振动、下机架Y向水平振动、下机架垂直振动、顶盖X向水平振动、顶盖Y向水平振动和顶盖垂直振动、定子基座振动、尾水、顶盖及导叶进口处压力脉动。
7.根据权利要求1所述的一种基于状态特征标识的水电机组在线监测数据分析评估方法，其特征在于：S4所述的评估及诊断方法为：S3所得结果与机组运行特征数据库检修比对
若V≤Va，则判定机组为正常状态；
若Va≤V≤10％Va，则判定机组为异常状态；
若V≥10％Va，则判定机组为异常状态故障状态
其中：V为水电机组整体或局部实测振动值，Va为国标要求振动允许值。
8.根据权利要求1所述的一种基于状态特征标识的水电机组在线监测数据分析评估方法，其特征在于，S5所述的故障匹配及检修建议方法为：选用将故障特征计入表格的方式进行分析诊断，将数值超出标准要求的振动值、摆度值视为故障，引入故障树的诊断思路，寻找故障原因及故障位置，机组运行状态评价方法如下；
S501故障特征计入表格建立故障特征表，其中表格行/列分别为测试部位、振动允许值和故障特征；
所述的测试部位包含：发电机上部轴摆度、下导轴承处轴摆度、水导轴承处轴摆度、顶盖水平振动、顶盖垂直振动、上机架水平振动、上机架垂直振动、定子机座水平振动、定子铁芯振动(100Hz双振幅值)、下机架水平振动、下机架垂直振动；
与所述的测试部位对应的振动允许值分别为75％轴承总间隙、75％轴承总间隙、260μm、70μm、90μm、90μm、90μm、30μm、30μm、90μm、70μm；
故障特征分为正常和异常状态，包含电站若干机组；
建立趋势特征表，分析每一个电站机组的摆度或/和振动的变化趋势，以及变化最大值；
S502故障原因分析；
S521，分析振动、摆度特征表，振动、摆度随时间趋势特征，振动、摆度随负荷趋势特征等趋势表，绘制异常特征分布示意图；
所述异常特征分布示意图包括机组结构示意图，在其上标示振动、摆度异常值所在的部位；
S522，对电站机组监测数据以日、月、年进行区分，采用贴标签的方式进行数据筛选，通过趋势分析和频谱分析及故障诊断，实时掌握机组健康状态；
S523，分析电站机组运行的劣化趋势，定位故障部位、故障原因和故障程度，给出专家建议，评价机组的运行状况并建立各测点监测量在稳定负荷区状态评价表，其中表格行/列分别为测试部位、振动允许值和评价结果；
所述的测试部位和与所述的测试部位对应的振动允许值与S501步骤建立的故障特征表一致；
S524，由S522，S523分析机组故障原因，建立原因分析表，其中表格行/列分别为机组类别和分析结果；
S503故障位置判断；
S531，由S521结果获得故障初步位置；
S532，选取S522中最近一季度振动摆度数据采集中最大值的测点进行对比分析，建立机组振动、摆度最大值对比表；在S521步骤建立的异常特征分布示意图中标示振动、摆度异常值，
S533，分析异常振动、摆度位置次数，一年内累计月度采集周期内落点次数≥6次，则定义为该位置出现故障，得出故障位置。
S504检修建议：
S541，依据逻辑规则推理和/或人工神经网络得出故障原因、故障位置，从而获得检修位置；
S542，针对检修位置，给出检修建议。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811449581.1A CN109543858A (zh) | 2018-11-30 | 2018-11-30 | 一种水电机组在线监测数据分析评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811449581.1A CN109543858A (zh) | 2018-11-30 | 2018-11-30 | 一种水电机组在线监测数据分析评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109543858A true CN109543858A (zh) | 2019-03-29 |
Family
ID=65851585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811449581.1A Pending CN109543858A (zh) | 2018-11-30 | 2018-11-30 | 一种水电机组在线监测数据分析评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109543858A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110440138A (zh) * | 2019-06-27 | 2019-11-12 | 国家电网有限公司 | 一种测压管路的排气检测方法及装置 |
| CN111027170A (zh) * | 2019-10-28 | 2020-04-17 | 大唐水电科学技术研究院有限公司 | 一种基于量化评估的水电机组健康状态评估方法 |
| CN111369020A (zh) * | 2020-03-06 | 2020-07-03 | 国电大渡河流域水电开发有限公司 | 一种梯级水电站群控制信号自动管控系统及方法 |
| 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 |
| CN112664379A (zh) * | 2020-12-22 | 2021-04-16 | 国家电网有限公司 | 水轮机组故障预判方法及装置 |
| CN113092096A (zh) * | 2021-04-13 | 2021-07-09 | 哈动国家水力发电设备工程技术研究中心有限公司 | 一种基于导轴承参数的水轮机转轮破损检测方法 |
| CN113167834A (zh) * | 2019-10-07 | 2021-07-23 | 株式会社相互约束 | 重型电机健全性分析平台及使用其的分析方法 |
| CN113239613A (zh) * | 2021-04-09 | 2021-08-10 | 国网新源控股有限公司 | 一种水轮机组摆度报警判断方法 |
| CN113487044A (zh) * | 2021-05-14 | 2021-10-08 | 中国长江三峡集团有限公司 | 一种大型水力发电机组检修计划制作方法 |
| CN114397840A (zh) * | 2021-12-30 | 2022-04-26 | 腾安电子科技(江苏)有限公司 | 水轮机智能控制方法及装置 |
| CN115065289A (zh) * | 2022-07-28 | 2022-09-16 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种基于转子磁极缺陷的协同检修方法及系统 |
| CN115493740A (zh) * | 2022-11-14 | 2022-12-20 | 长江勘测规划设计研究有限责任公司 | 利用机器视觉测量水轮机内部流道压力脉动的方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5572424A (en) * | 1994-05-23 | 1996-11-05 | Automotive Information Systems | Diagnostic system for an engine employing collection of exhaust gases |
| US20050149570A1 (en) * | 2003-12-19 | 2005-07-07 | Kabushiki Kaisha Toshiba | Maintenance support method, storage medium, and maintenance support apparatus |
| CN104331631A (zh) * | 2014-11-21 | 2015-02-04 | 国家电网公司 | 一种水电机组运行状态远程诊断决策方法 |
| 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 |
| CN106502238A (zh) * | 2016-11-30 | 2017-03-15 | 北京航空航天大学 | 一种固液动力飞行器故障诊断系统 |
| CN106596116A (zh) * | 2016-11-29 | 2017-04-26 | 西安理工大学 | 一种风力发电机组振动故障诊断方法 |
-
2018
- 2018-11-30 CN CN201811449581.1A patent/CN109543858A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5572424A (en) * | 1994-05-23 | 1996-11-05 | Automotive Information Systems | Diagnostic system for an engine employing collection of exhaust gases |
| US20050149570A1 (en) * | 2003-12-19 | 2005-07-07 | Kabushiki Kaisha Toshiba | Maintenance support method, storage medium, and maintenance support apparatus |
| CN104331631A (zh) * | 2014-11-21 | 2015-02-04 | 国家电网公司 | 一种水电机组运行状态远程诊断决策方法 |
| 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 |
| CN106596116A (zh) * | 2016-11-29 | 2017-04-26 | 西安理工大学 | 一种风力发电机组振动故障诊断方法 |
| CN106502238A (zh) * | 2016-11-30 | 2017-03-15 | 北京航空航天大学 | 一种固液动力飞行器故障诊断系统 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110440138A (zh) * | 2019-06-27 | 2019-11-12 | 国家电网有限公司 | 一种测压管路的排气检测方法及装置 |
| CN113167834A (zh) * | 2019-10-07 | 2021-07-23 | 株式会社相互约束 | 重型电机健全性分析平台及使用其的分析方法 |
| CN111027170A (zh) * | 2019-10-28 | 2020-04-17 | 大唐水电科学技术研究院有限公司 | 一种基于量化评估的水电机组健康状态评估方法 |
| CN111369020A (zh) * | 2020-03-06 | 2020-07-03 | 国电大渡河流域水电开发有限公司 | 一种梯级水电站群控制信号自动管控系统及方法 |
| CN111369020B (zh) * | 2020-03-06 | 2023-06-06 | 国能大渡河流域水电开发有限公司 | 一种梯级水电站群控制信号自动管控系统及方法 |
| 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 |
| 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 |
| CN112664379A (zh) * | 2020-12-22 | 2021-04-16 | 国家电网有限公司 | 水轮机组故障预判方法及装置 |
| CN113239613A (zh) * | 2021-04-09 | 2021-08-10 | 国网新源控股有限公司 | 一种水轮机组摆度报警判断方法 |
| CN113239613B (zh) * | 2021-04-09 | 2024-05-31 | 国网新源控股有限公司 | 一种水轮机组摆度报警判断方法 |
| CN113092096A (zh) * | 2021-04-13 | 2021-07-09 | 哈动国家水力发电设备工程技术研究中心有限公司 | 一种基于导轴承参数的水轮机转轮破损检测方法 |
| CN113487044A (zh) * | 2021-05-14 | 2021-10-08 | 中国长江三峡集团有限公司 | 一种大型水力发电机组检修计划制作方法 |
| CN114397840A (zh) * | 2021-12-30 | 2022-04-26 | 腾安电子科技(江苏)有限公司 | 水轮机智能控制方法及装置 |
| CN115065289A (zh) * | 2022-07-28 | 2022-09-16 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种基于转子磁极缺陷的协同检修方法及系统 |
| CN115493740A (zh) * | 2022-11-14 | 2022-12-20 | 长江勘测规划设计研究有限责任公司 | 利用机器视觉测量水轮机内部流道压力脉动的方法及系统 |
| CN115493740B (zh) * | 2022-11-14 | 2023-02-28 | 长江勘测规划设计研究有限责任公司 | 利用机器视觉测量水轮机内部流道压力脉动的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109543858A (zh) | 一种水电机组在线监测数据分析评估方法 | |
| CN101660969B (zh) | 一种用于齿轮箱故障智能诊断的方法 | |
| CN104573850B (zh) | 一种火电厂设备状态评估方法 | |
| CN104764869B (zh) | 一种基于多维特征量的变压器气体故障诊断和报警方法 | |
| CN102053016B (zh) | 旋转机械滚动轴承的无线振动监测系统 | |
| CN103115789B (zh) | 金属结构损伤剩余寿命的第二代小波支持向量机评估方法 | |
| CN110377001A (zh) | 基于数据融合的工业设备智能故障诊断系统和方法 | |
| CN105184059A (zh) | 一种基于海量数据的水电机组状态分析评估方法 | |
| CN112665856B (zh) | 一种齿轮箱在线监测系统 | |
| CN110529202B (zh) | 基于电厂数据的汽轮机故障诊断检测及预警方法及系统 | |
| CN108008718B (zh) | 基于模型的智能型船舶机舱监测报警系统 | |
| Wilkinson et al. | Towards the zero maintenance wind turbine | |
| CN113624334B (zh) | 一种基于物联网技术的机组振动监测装置及方法 | |
| CN103940611A (zh) | 一种风电机组变工况下滚动轴承自适应异常检测方法 | |
| Sheng | Prognostics and health management of wind turbines—current status and future opportunities | |
| CN102788696A (zh) | 基于改进bp神经网络和模糊集理论的轴承健康度评价方法 | |
| CN109000921A (zh) | 一种风电机组主轴故障的诊断方法 | |
| CN109710983A (zh) | 一种基于关键性能指标的柴油机气缸分层故障诊断方法 | |
| CN103925155A (zh) | 一种风电机组输出功率异常的自适应检测方法 | |
| CN102243135A (zh) | 一种塔式太阳能热发电站定日镜故障诊断分析方法 | |
| CN116720112A (zh) | 一种基于机器学习的机泵故障诊断方法及系统 | |
| 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 | |
| CN106596110A (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 | |
| CN105279553B (zh) | 一种高加给水系统故障程度识别方法 | |
| Koukoura et al. | Wind turbine intelligent gear fault identification |
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 |