CN110702437A - 一种水轮发电机组油压系统健康状况的评价方法 - Google Patents
一种水轮发电机组油压系统健康状况的评价方法 Download PDFInfo
- Publication number
- CN110702437A CN110702437A CN201910866877.1A CN201910866877A CN110702437A CN 110702437 A CN110702437 A CN 110702437A CN 201910866877 A CN201910866877 A CN 201910866877A CN 110702437 A CN110702437 A CN 110702437A
- Authority
- CN
- China
- Prior art keywords
- oil
- data
- oil pressure
- tank
- hydraulic system
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Control Of Water Turbines (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开一种水轮发电机组油压系统健康状况的评价方法,包括:S100、采集调速器系统、油压系统、监控系统和生产管理系统的模拟量数据、开关量数据及文本数据;S200、将采集的各模拟量数据、开关量数据预处理;S300、经过预处理后的数据进行定值计算,厘定定值并确定定值的大小,搭建水轮发电机组油压系统健康评价模型;S400、将经过预处理后的数据导入水轮发电机组油压系统健康评价模型,进行运行数据分析解析出油压系统运行发展趋势,进行故障检测解析出油压系统故障类型和次数,进行缺陷分析解析出油压系统出现缺陷的类型和次数。本发明实现水轮发电机组油压系统健康状况的全方位、实时评价。
Description
技术领域
本发明属于水轮发电机组油压系统技术领域,具体涉及一种水轮发电机组油压系统健康状况的评价方法。
背景技术
目前油压系统在油量检测异常、补气阀组异常、系统内漏等情况下无报警功能,需要工作人员通过巡回、数据分析、现场试验等方式进行排查,工作量大,效率低下,且不具备时效性,往往在发现异常时情况已经明显恶化。
具体的,油压系统现有评价方式存在以下问题:
(1)人工参与度高,效率低下,工作人员的工作能力对数据采集及评价结果影响较大;
(2)数据指标过于单一或分散,不能准确反映设备存在的隐患,隐患排查工作难度大;
(3)数据采集、分析周期固定,数据时效性差,不能及时反应设备运行工况。
设备定值往往具有自己的工作特性,在相关国家及行业标准中无法找到对应的设定依据,现场工作人员经常凭借经验和试验进行调试,不但试验周期长,而且试验过程存在较大的安全风险。
发明内容
为了解决现有技术存在的上述问题,本发明目的在于提供一种水轮发电机组油压系统健康状况的评价方法。
本发明所采用的技术方案为:
一种水轮发电机组油压系统健康状况的评价方法,包括如下步骤:
S100、采集调速器系统、油压系统、监控系统和生产管理系统的模拟量数据、开关量数据及文本数据;
S200、将采集的各模拟量数据、开关量数据经过时间窗平移法预处理,消除数据瞬时跳变的现象;
S300、经过预处理后的数据通过离散点分布图算法和线性回归算法进行定值计算,厘定定值并确定定值的大小,搭建水轮发电机组油压系统健康评价模型;
S400、将经过预处理后的数据导入水轮发电机组油压系统健康评价模型,进行运行数据分析解析出油压系统运行发展趋势,进行故障检测解析出油压系统故障类型和次数,进行缺陷分析解析出油压系统出现缺陷的类型和次数。
在上述技术方案的基础上,一种水轮发电机组油压系统健康状况的评价方法,其特征在于:所述水轮发电机组油压系统健康评价模型包括运行数据分析模块、故障检测模块和缺陷分析模块;
所述运行数据分析模块用于油压系统的油泵运行时间与启动次数评估、油泵工作效率评估、补气阀组运行时间与启动次数评估、漏油泵运行时间与启动次数评估和系统总油量变化评估,解析油压系统运行发展趋势;
所述故障检测模块用于油压系统的系统总油量异常检测、补气阀组异常检测和系统内漏隐患检测,解析出油压系统故障类型和次数,并提供故障告警;
所述缺陷分析模块用于分析油压系统存在的缺陷、隐患的发生情况,解析出油压系统出现缺陷的类型和次数,评价运维工作质量。
在上述技术方案的基础上,一种水轮发电机组油压系统健康状况的评价方法,所述油泵运行时间与启动次数评估、补气阀组运行时间与启动次数评估和漏油泵运行时间与启动次数评估通过统计检测周期内油泵或补气阀组运行时间与启动次数,与历史数据相同周期内的油泵或补气阀组平均运行时间与启动次数比较,若大于通过历史数据利用离散点分布图算法厘定的定值,则判定油压系统健康水平变差;
所述油泵工作效率评估通过统计检测周期内水轮发电机组功率变化量和油泵总运行时间,计算油泵启动单位时间内水轮发电机组功率变化量,反应油泵工作效率,将检测周期内油泵工作效率与历史数据统计的油泵工作效率比较,若大于通过历史数据利用离散点分布图算法厘定的定值,则判定油压系统健康水平变差;
所述系统总油量评估通过统计检测油压系统各部位储油量计算系统总油量,若系统总油量超过检修后注油量,则判定油压系统健康水平变差。
在上述技术方案的基础上,一种水轮发电机组油压系统健康状况的评价方法,所述系统总油量异常检测通过计算当前系统总油量与检修后注油量的差值判断油压系统是否存在进水或漏油情况,若差值大于0且大于通过历史数据利用离散点分布图算法厘定的定值时,判定为油压系统进水,并根据各部位油混水检测信号判定进水部位;若差值小于0且小于通过历史数据利用离散点分布图算法厘定的定值时,且油罐油位、回油箱油位和漏油箱油位之间的函数关系同时被破坏,则判定油压系统漏油;
所述补气阀组异常检测通过建立油罐油位与油压的函数关系判定补气阀组是否存在异常,若实际油罐油位与通过历史数据中的油罐油压与油罐油位数据并利用线性回归算法厘定的定值将实际油压折算成的理论计算油罐油位的差值超过通过历史数据利用离散点分布图算法厘定的定值,且补气阀组运行时间与启动次数增加,则判定油压系统漏气;若实际油罐油位与理论计算油罐油位的差值低于通过历史数据利用离散点分布图算法厘定的定值,则判定补气阀组阀门关闭不严导致补气过量;
系统内漏隐患检测包括阀门关闭不严检测、油泵安全阀或卸载阀定值漂移检测和隐患排查;
其中,阀门关闭不严检测通过检测油管路是否存在异常油流进行判定;
油泵安全阀或卸载阀定值漂移检测通过统计油泵启动时间、系统总油量变化和油泵启动时间内功率调整情况,判定油泵单次启动效率是否正常,若系统总油量变化、油泵功率调整在正常范围内,油泵启动时间超时则判定油泵安全阀或卸载阀定值漂移;
隐患排查通过统计检测周期内油泵启动次数、回油箱油温温升、水轮发电机组功率变化,判断油压系统是否存在内漏,若各阀门关闭正常,水轮发电机组功率变化在允许的情况下油泵启动次数、回油箱油温温升增加,则判定油压系统存在内漏,然后通过统计曾经出现过的各种内漏缺陷的发生率,进行隐患警告。
在上述技术方案的基础上,一种水轮发电机组油压系统健康状况的评价方法,所述缺陷分析模块通过统计检测周期内生产管理系统记录的缺陷和隐患记录,对不同类型的事件进行归纳,评价运维工作质量。
在上述技术方案的基础上,一种水轮发电机组油压系统健康状况的评价方法,所述运行数据分析解析出油压系统运行发展趋势得分,故障检测解析出油压系统故障类型和次数并得分,缺陷分析解析出油压系统出现缺陷的类型和次数并得分,将运行数据分析得分、故障检测得分、缺陷分析得分按占比不同进行相加计算出油压系统最终得分。
在上述技术方案的基础上,一种水轮发电机组油压系统健康状况的评价方法,所述时间窗平移法的处理过程如下:
以60分钟为窗口,每分钟平移一次;或以一周为窗口,每小时平移一次;或以一月为窗口,每天平移一次的方式,对油压系统的水轮发电机组功率、油罐油压、油罐油位、回油箱油位、漏油箱油位和导叶开度等的多月上亿个模拟量数据、开关量数据进行预处理,筛除因传感器采集或电磁干扰引起的瞬时跳变数据。
在上述技术方案的基础上,一种水轮发电机组油压系统健康状况的评价方法,所述离散点分布图算法的处理过程如下:
将油压系统的多月模拟量数据进行大数据分析,判断水轮发电机组功率变化、一周内油泵运行时间的分布情况,对集中分布的数据进行取平均值、最大值或最小值来确定定值的厘定,并随着生产数据不断增加,定值进行自动更新。
在上述技术方案的基础上,一种水轮发电机组油压系统健康状况的评价方法,所述线性回归算法用于厘定A和B两个定值,A、B分别为油罐油压与油罐油位线性关系函数的斜率和系数,线性回归算法的处理过程如下:
将多月现场实际运行产生的油罐油压和油罐油位模拟量数据分布在坐标轴中,再根据所有数据分布的特点,拟合出最符合油罐油压和油罐油位线性关系的A和B定值的定值大小,最后通过油罐油压和油罐油位的函数关系Y=AX+B,Y为油罐油压,X为油罐油位,绘制出油罐油压与油罐油位的正常分布区间,如图3虚线所示,当实际运行的油罐油压和油罐油位数据落在正常分布区(虚线)外时,判定油罐油气比例出现异常,并随着生产数据不断增加,定值进行自动更新。
在上述技术方案的基础上,一种水轮发电机组油压系统健康状况的评价方法,所述步骤S400中,通过聚类算法进行故障检测解析出油压系统故障类型和次数,聚类算法用于处理油罐油压和油罐油位的多月模拟量数据,聚类算法的处理过程如下:
将油罐油压和油罐油位的多月模拟量数据进行标准差计算,再绘制所有数据的分布图,对偏离正常数据分布较远的数据,判断为异常数据。
本发明的有益效果为:
本发明是通过采集调速器系统、油压系统、生产管理系统等数据,搭建水轮发电机组油压系统健康评价模型,以大数据为支撑,采用利用离散点分布图算法、线性回归算法、聚类算法等技术手段,厘定了多种种定值,针对运行数据分析、故障检测和缺陷分析,进行运维工作质量评估,建立一整套评价体系,对接云端大数据,启用自主学习进行更迭,实现油压系统健康状况的全方位、实时评价,同时,将综合评价结果与专家指导意见库匹配,为运维工作开展提供精准指导,以达到调速器、油压系统智能管理目的。
附图说明
图1是本发明-实施例的方法流程示意图。
图2是本发明-实施例运行数据分析模块和缺陷分析模块的逻辑框图。
图3是图2的A部分放大图。
图4是图2的B部分放大图。
图5是本发明-实施例故障检测模块-系统总油量异常检测的逻辑框图。
图6是本发明-实施例故障检测模块-补气阀组异常检测的逻辑框图。
图7是本发明-实施例故障检测模块-系统内漏隐患检测的逻辑框图。
图8是图7的C部分放大图。
图9是图7的D部分放大图。
图10是本发明-实施例时间窗平移效果图。
图11是本发明-实施例线性回归算法示意图。
图12是本发明-实施例聚类算法示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步阐述。
实施例:
如图1-4所示,本实施例的一种水轮发电机组油压系统健康状况的评价方法,包括如下步骤:
S100、采集调速器系统、油压系统、监控系统和生产管理系统的模拟量数据、开关量数据及文本数据;
S200、将采集的各模拟量数据、开关量数据经过时间窗平移法预处理,消除数据瞬时跳变的现象;
S300、经过预处理后的数据通过离散点分布图算法和线性回归算法进行定值计算,厘定96种定值并确定定值的大小,搭建水轮发电机组油压系统健康评价模型;
S400、将经过预处理后的数据导入水轮发电机组油压系统健康评价模型,进行运行数据分析解析出油压系统运行发展趋势,进行故障检测解析出油压系统故障类型和次数,进行缺陷分析解析出油压系统出现缺陷的类型和次数。
上述水轮发电机组油压系统健康评价模型包括运行数据分析模块、故障检测模块和缺陷分析模块。
如图2-4所示,图中:
D33、D34为自定义时间内标准运行工况下压油泵运行的时间和次数;
D35、D36为自定义时间内标准运行工况下补气阀运行的时间和次数;
D37、D38为自定义时间内标准运行工况下漏油泵运行的时间和次数;
D39为自定义时间内机组压油系统允许出现缺陷的个数;
D52为自定义时间内机组压油系统允许出现油压装置漏气一次扣除的百分数;
D53为自定义时间内机组压油系统允许出现油压装置补气过量一次扣除的百分数;
D54为自定义时间内机组压油系统允许出现油压装置排油阀及逆止阀关闭不严一次扣除的百分数;
D55为自定义时间内机组压油系统允许出现油泵安全阀或卸载阀定值漂移一次扣除的百分数;
D56为自定义时间内机组压油系统允许出现油压系统内漏一次扣除的百分数;
D57为自定义时间内机组压油系统允许出现提醒加强关注一次扣除的百分数;
D60为自定义时间内理论情况下机组压油泵运行时间与机组有功功率变化的幅度的比值;
D77为一周内机组压油系统存在及存在过的I类缺陷一次扣除的分数;
D78为一周内机组压油系统存在及存在过的II类缺陷一次扣除的分数;
D79为一周内机组压油系统存在及存在过的III类缺陷一次扣除的分数;
D80为一周内机组压油系统存在及存在过一处漏油点扣除的分数;
D81为一周内机组压油系统存在及存在过一处渗油点扣除的分数;
D82为一周内机组压油系统存在及存在过一处漏油气点扣除的分数;
D83为一周内机组压油系统存在及存在过一处其他问题扣除的分数;
D84为一周内机组压油系统存在及存在过一处设备隐患扣除的分数。
运行数据分析模块用于油压系统的油泵运行时间与启动次数评估、油泵工作效率评估、补气阀组运行时间与启动次数评估、漏油泵运行时间与启动次数评估和系统总油量变化评估,解析油压系统运行发展趋势。
上述油泵运行时间与启动次数评估、补气阀组运行时间与启动次数评估和漏油泵运行时间与启动次数评估通过统计检测周期内油泵或补气阀组运行时间与启动次数,与历史数据相同周期内的油泵或补气阀组平均运行时间与启动次数比较,若大于通过历史数据利用离散点分布图算法厘定的定值,则判定油压系统健康水平变差。
上述油泵工作效率评估通过统计检测周期内水轮发电机组功率变化量和油泵总运行时间,计算油泵启动单位时间内水轮发电机组功率变化量,反应油泵工作效率,将检测周期内油泵工作效率与历史数据统计的油泵工作效率比较,若大于通过历史数据利用离散点分布图算法厘定的定值,则判定油压系统健康水平变差。
上述系统总油量评估通过统计检测油压系统各部位储油量计算系统总油量,若系统总油量超过检修后注油量,则判定油压系统健康水平变差。
故障检测模块用于油压系统的系统总油量异常检测、补气阀组异常检测和系统内漏隐患检测,解析出油压系统故障类型和次数,并提供故障告警。
如图5所示,图中:
a-g为对应油箱或油罐的截面积;
h、j为导、轮叶不同开度的储油系数;
A、B为理论压油罐油位与回油箱、漏油箱油位之间的函数关系系数;
Y'为压油系统中总油量;
Y1为实际压油罐油位的变化量;
Y2为实际回油箱及漏油箱油位的变化量折算到压油罐油位变化量;
D1、D2为实际油量允许变化的上限、下限门槛值;
D3、D4为实际压油罐油位与实际回油箱油位和漏油箱油位折算至压油罐油位允许变化的上限、下限门槛。
上述系统总油量异常检测通过计算当前系统总油量与检修后注油量的差值判断油压系统是否存在进水或漏油情况,若差值大于0且大于通过历史数据利用离散点分布图算法厘定的定值时,判定为油压系统进水,并根据各部位油混水检测信号判定进水部位;若差值小于0且小于通过历史数据利用离散点分布图算法厘定的定值时,且油罐油位、回油箱油位和漏油箱油位之间的函数关系同时被破坏,则判定油压系统漏油。
如图6所示,图中:
a、b为理论下压油罐油压折算至压油罐油位的函数关系系数;
D7-D8为对应相应实际与理论情况下允许的上限、下限门槛值;
D5、D6为补气阀正常运行方式下允许的最大动作次数、动作时间门槛值;
X3'为实际压油罐油压折算到压油罐油位值。
补气阀组异常检测通过建立油罐油位与油压的函数关系判定补气阀组是否存在异常,若实际油罐油位与通过历史数据中的油罐油压与油罐油位数据并利用线性回归算法厘定的定值将实际油压折算成的理论计算油罐油位的差值超过通过历史数据利用离散点分布图算法厘定的定值,且补气阀组运行时间与启动次数增加,则判定油压系统漏气;若实际油罐油位与理论计算油罐油位的差值低于通过历史数据利用离散点分布图算法厘定的定值,则判定补气阀组阀门关闭不严导致补气过量。
如图7-9所示,图中:
D9、D10为判断油泵运行统计周期内机组有功功率调整次数频繁和幅度大的门槛值;
D13、D14为判断油泵运行统计周期内机组有功功率调整次数不频繁和幅度不大的门槛值;
D16、D17为判断1#-3#油泵运行时间内机组有功功率调整次数不频繁和幅度不大的门槛值;
D11为油泵在正常运行方式下允许的最大运行次数门槛值;
D12为回油箱油温在正常运行方式下允许的最大温升门槛值;
D15为油泵在正常运行方式下单次运行允许的最大运行时间门槛值;
D18为机组压油系统油量在正常运行方式下允许最大差值的门槛值。
系统内漏隐患检测包括阀门关闭不严检测、油泵安全阀或卸载阀定值漂移检测和隐患排查。
其中,阀门关闭不严检测通过检测油管路是否存在异常油流进行判定。
油泵安全阀或卸载阀定值漂移检测通过统计油泵启动时间、系统总油量变化和油泵启动时间内功率调整情况,判定油泵单次启动效率是否正常,若系统总油量变化、油泵功率调整在正常范围内,油泵启动时间超时则判定油泵安全阀或卸载阀定值漂移。
隐患排查通过统计检测周期内油泵启动次数、回油箱油温温升、水轮发电机组功率变化,判断油压系统是否存在内漏,若各阀门关闭正常,水轮发电机组功率变化在允许的情况下油泵启动次数、回油箱油温温升增加,则判定油压系统存在内漏,然后通过统计曾经出现过的各种内漏缺陷的发生率,进行隐患警告。
缺陷分析模块用于分析油压系统存在的缺陷、隐患的发生情况,解析出油压系统出现缺陷的类型和次数,评价运维工作质量。
上述缺陷分析模块通过统计检测周期内生产管理系统记录的缺陷和隐患记录,对不同类型的事件进行归纳,评价运维工作质量。
水轮发电机组油压系统健康评价模型由运行数据分析、故障检测和缺陷分析三部分综合分,运行数据分析解析出油压系统运行发展趋势得分,故障检测解析出油压系统故障类型和次数并得分,缺陷分析解析出油压系统出现缺陷的类型和次数并得分,将运行数据分析得分、故障检测得分、缺陷分析得分按占比不同进行相加计算出油压系统最终得分,本实施例举例说明一种评分标准:
1、水轮发电机组油压系统健康评价模型评分总分为100分,运行数据分析模块50分,故障检测模块补气阀组异常、系统内漏隐患部分为50分。故障检测模块系统总油量异常、缺陷分析模块执行扣分制。
2、运行数据分析模块设定定值、偏差上限阈值,当偏差在定值与偏差上限阈值之间时,进行反比例扣分,即差值越大,扣分越多,当大于偏差上限阈值时扣除所有分值。
3、运行数据分析模块根据各部分评估内容的重要程度,对分数占比进行分配。
4、故障检测模块判定油压系统发生漏油或进水故障时,水轮发电机组油压系统健康评价模型综合评分为0。
5、故障检测模块判定发生补气阀组异常、系统内漏隐患的情况,各类故障按照严重程度固定分值,根据评价周期内发生次数、类型进行扣分。
6、缺陷分析模块根据周期内油压系统存在的缺陷及隐患的类型、次数进行扣分。
7、按照评价得分对油压系统进行健康状态评价:90-100分为优秀,75-90分为一般,60-75分为加强关注,60分以下为危险。
水轮发电机组油压系统健康评价模型还包括:运维工作指导模块,通过综合数据分析,统计评分结果、报警信息、缺陷及隐患发生情况,对油压系统健康水平进行整体评价,将整体评价结果与专家指导意见库匹配,并对巡回、缺陷及隐患处理、维护保养等工作提供数据支撑,给出运维工作指导意见,从而解放人力资源,实现调速器、油压系统的智能管理。
上述运维工作指导意见包括:
1、根据水轮发电机组油压系统健康评价模型评分结果制定巡回次数。
2、统计未消除的缺陷及隐患部位制定巡回重点关注部分。
3、已消除的缺陷及隐患根据不同的类型制定固定时间的巡回关注计划。
4、统计未消除的缺陷及隐患信息进行消除提醒。
5、水轮发电机组油压系统健康评价模型推送OnCall故障报警信息,并联动工业电视。
6、为未消除的缺陷提供数据服务:包括最近5次相关部位维护保养作业的信息、最近一次相关部位异常情况、相关部位曾经出现过的缺陷、未消除的渗漏处理方案、相关部位曾经出现过的典型重复性缺陷等。
由于在物联网场景下,因为数据量很大,时间间隔很密集,若不对采集的原始数据进行处理就导入水轮发电机组油压系统健康评价模型,则会因数据瞬间跳变而影响结果的可用性;从现场采集的各模拟量数据来看,如图10灰线所示,存在因数据瞬时跳变的数据,为消除该类数据对水轮发电机组油压系统健康评价模型解析运算结果的影响,本发明将采集的各模拟量数据经过时间窗平移法预处理后导入水轮发电机组油压系统健康评价模型,时间窗平移法的处理过程如下:
以60分钟为窗口,每分钟平移一次;或以一周为窗口,每小时平移一次;或以一月为窗口,每天平移一次的方式,对油压系统的水轮发电机组功率、油罐油压、油罐油位、回油箱油位、漏油箱油位和导叶开度的多月上亿个模拟量数据、开关量数据进行预处理,筛除因传感器采集或电磁干扰引起的瞬时跳变数据。
处理后的数据如图10黑线所示,经过预处理后的数据应用于水轮发电机组油压系统健康评价模型中,提高了水轮发电机组油压系统健康评价模型的数据抗干扰能力和运算结果的准确率。图10为时间窗平移效果图,图中,灰线为油压最大值的真实值,黑线为油压最大值经过时间窗平移法处理后的数值。
本发明的水轮发电机组油压系统健康评价模型采用了96种定值进行油压系统健康水平评价,更科学、更合理的定值厘定是确保水轮发电机组油压系统健康评价准确最直接的保证。
其中,离散点分布图算法说明如下:
将油压系统的多月模拟量数据进行大数据分析,判断水轮发电机组功率变化、一周内油泵运行时间的分布情况,对集中分布的数据进行取平均值、最大值或最小值来确定定值的厘定,本实施例中,采用离散点分布图算法共厘定80种定值,并随着生产数据不断增加,定值进行自动更新,其他的14种定值通过常规计算出来,比如油箱的截面积、油罐的截面积、接力器活塞杆的截面积等。
油压系统的油罐油压和油罐油位是存在固定的线性比例关系的,其函数关系表示为Y=AX+B,Y为油罐油压,X为油罐油位,A、B分别为油罐油压与油罐油位线性关系函数的斜率和系数,本发明采用线性回归算法厘定A和B两个定值,说明如下:
将多月现场实际运行产生的油罐油压和油罐油位模拟量数据分布在坐标轴中,如图11所示,图11为线性回归算法示意图,再根据所有数据分布的特点,拟合出最符合油罐油压和油罐油位线性关系的A和B定值的定值大小,A、B分别为油罐油压与油罐油位线性关系函数的斜率和系数,最后通过油罐油压和油罐油位的函数关系Y=AX+B,Y为油罐油压,X为油罐油位,绘制出油罐油压与油罐油位的正常分布区间,如图11虚线所示,当实际运行的油罐油压和油罐油位数据落在正常分布区(虚线)外时,判定油罐油气比例出现异常,并随着生产数据不断增加,定值进行自动更新。
为了现场油压系统在实际运行中避免误报警,往往会把油罐油位异常或油罐油压异常报警值设置很宽,此种方法再达到报警值时说明油压系统状况已经严重恶化,为精准判断油压系统健康状况,本发明将油罐油压和油罐油位的多月模拟量数据利用聚类算法处理,聚类算法说明如下:
将油罐油压和油罐油位的多月模拟量数据进行标准差计算,再绘制所有数据的分布图,如图12所示,图12为聚类算法示意图,不同的符号代表算法给予的不同数据分类,X轴和Y轴的单位坐标均为标准差,对偏离正常数据分布较远的数据,如图12虚线圈内数据,判断为异常数据,从而替代了传统定值比较的方法,使水轮发电机组油压系统健康评价模型更早、更准确判断出异常现象。
本发明不局限于上述可选实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是落入本发明权利要求界定范围内的技术方案,均落在本发明的保护范围之内。
Claims (10)
1.一种水轮发电机组油压系统健康状况的评价方法,其特征在于:包括如下步骤:
S100、采集调速器系统、油压系统和生产管理系统、监控系统的模拟量数据、开关量数据及文本数据;
S200、将采集的各模拟量数据、开关量数据经过时间窗平移法预处理,消除数据瞬时跳变的现象;
S300、经过预处理后的数据通过离散点分布图算法和线性回归算法进行定值计算,厘定定值并确定定值的大小,搭建水轮发电机组油压系统健康评价模型;
S400、将经过预处理后的数据导入水轮发电机组油压系统健康评价模型,进行运行数据分析解析出油压系统运行发展趋势,进行故障检测解析出油压系统故障类型和次数,进行缺陷分析解析出油压系统出现缺陷的类型和次数。
2.根据权利要求1所述的一种水轮发电机组油压系统健康状况的评价方法,其特征在于:所述水轮发电机组油压系统健康评价模型包括运行数据分析模块、故障检测模块和缺陷分析模块;
所述运行数据分析模块用于油压系统的油泵运行时间与启动次数评估、油泵工作效率评估、补气阀组运行时间与启动次数评估、漏油泵运行时间与启动次数评估和系统总油量变化评估,解析油压系统运行发展趋势;
所述故障检测模块用于油压系统的系统总油量异常检测、补气阀组异常检测和系统内漏隐患检测,解析出油压系统故障类型和次数,并提供故障告警;
所述缺陷分析模块用于分析油压系统存在的缺陷、隐患的发生情况,解析出油压系统出现缺陷的类型和次数,评价运维工作质量。
3.根据权利要求2所述的一种水轮发电机组油压系统健康状况的评价方法,其特征在于:所述油泵运行时间与启动次数评估、补气阀组运行时间与启动次数评估和漏油泵运行时间与启动次数评估通过统计检测周期内油泵或补气阀组运行时间与启动次数,与历史数据相同周期内的油泵或补气阀组平均运行时间与启动次数比较,若大于通过历史数据利用离散点分布图算法厘定的定值,则判定油压系统健康水平变差;
所述油泵工作效率评估通过统计检测周期内水轮发电机组功率变化量和油泵总运行时间,计算油泵启动单位时间内水轮发电机组功率变化量,反应油泵工作效率,将检测周期内油泵工作效率与历史数据统计的油泵工作效率比较,若大于通过历史数据利用离散点分布图算法厘定的定值,则判定油压系统健康水平变差;
所述系统总油量评估通过统计检测油压系统各部位储油量计算系统总油量,若系统总油量超过检修后注油量,则判定油压系统健康水平变差。
4.根据权利要求3所述的一种水轮发电机组油压系统健康状况的评价方法,其特征在于:所述系统总油量异常检测通过计算当前系统总油量与检修后注油量的差值判断油压系统是否存在进水或漏油情况,若差值大于0且大于通过历史数据利用离散点分布图算法厘定的定值时,判定为油压系统进水,并根据各部位油混水检测信号判定进水部位;若差值小于0且小于通过历史数据利用离散点分布图算法厘定的定值时,且油罐油位、回油箱油位和漏油箱油位之间的函数关系同时被破坏,则判定油压系统漏油;
所述补气阀组异常检测通过建立油罐油位与油压的函数关系判定补气阀组是否存在异常,若实际油罐油位与通过历史数据中的油罐油压与油罐油位数据并利用线性回归算法厘定的定值将实际油压折算成的理论计算油罐油位的差值超过通过历史数据利用离散点分布图算法厘定的定值,且补气阀组运行时间与启动次数增加,则判定油压系统漏气;若实际油罐油位与理论计算油罐油位的差值低于通过历史数据利用离散点分布图算法厘定的定值,则判定补气阀组阀门关闭不严导致补气过量;
系统内漏隐患检测包括阀门关闭不严检测、油泵安全阀或卸载阀定值漂移检测和隐患排查;
其中,阀门关闭不严检测通过检测油管路是否存在异常油流进行判定;
油泵安全阀或卸载阀定值漂移检测通过统计油泵启动时间、系统总油量变化和油泵启动时间内功率调整情况,判定油泵单次启动效率是否正常,若系统总油量变化、油泵功率调整在正常范围内,油泵启动时间超时则判定油泵安全阀或卸载阀定值漂移;
隐患排查通过统计检测周期内油泵启动次数、回油箱油温温升、水轮发电机组功率变化,判断油压系统是否存在内漏,若各阀门关闭正常,水轮发电机组功率变化在允许的情况下油泵启动次数、回油箱油温温升增加,则判定油压系统存在内漏,然后通过统计曾经出现过的各种内漏缺陷的发生率,进行隐患警告。
5.根据权利要求4所述的一种水轮发电机组油压系统健康状况的评价方法,其特征在于:所述缺陷分析模块通过统计检测周期内生产管理系统记录的缺陷和隐患记录,对不同类型的事件进行归纳,评价运维工作质量。
6.根据权利要求5所述的一种水轮发电机组油压系统健康状况的评价方法,其特征在于:所述运行数据分析解析出油压系统运行发展趋势得分,故障检测解析出油压系统故障类型和次数并得分,缺陷分析解析出油压系统出现缺陷的类型和次数并得分,将运行数据分析得分、故障检测得分、缺陷分析得分按占比不同进行相加计算出油压系统最终得分。
7.根据权利要求1所述的一种水轮发电机组油压系统健康状况的评价方法,其特征在于:所述时间窗平移法的处理过程如下:
以60分钟为窗口,每分钟平移一次;或以一周为窗口,每小时平移一次;或以一月为窗口,每天平移一次的方式,对油压系统的水轮发电机组功率、油罐油压、油罐油位、回油箱油位、漏油箱油位和导叶开度的多月上亿个模拟量数据、开关量数据进行预处理,筛除因传感器采集或电磁干扰引起的瞬时跳变数据。
8.根据权利要求1所述的一种水轮发电机组油压系统健康状况的评价方法,其特征在于:所述离散点分布图算法的处理过程如下:
将油压系统的多月模拟量数据进行大数据分析,判断水轮发电机组功率变化、一周内油泵运行时间的分布情况,对集中分布的数据进行取平均值、最大值或最小值来确定定值的厘定,并随着生产数据不断增加,定值进行自动更新。
9.根据权利要求1所述的一种水轮发电机组油压系统健康状况的评价方法,其特征在于:所述线性回归算法用于厘定A和B两个定值,A、B分别为油罐油压与油罐油位线性关系函数的斜率和系数,线性回归算法的处理过程如下:
将多月现场实际运行产生的油罐油压和油罐油位模拟量数据分布在坐标轴中,再根据所有数据分布的特点,拟合出最符合油罐油压和油罐油位线性关系的A和B定值的定值大小,最后通过油罐油压和油罐油位的函数关系Y=AX+B,Y为油罐油压,X为油罐油位,绘制出油罐油压与油罐油位的正常分布区间,如图3虚线所示,当实际运行的油罐油压和油罐油位数据落在正常分布区(虚线)外时,判定油罐油气比例出现异常,并随着生产数据不断增加,定值进行自动更新。
10.根据权利要求1所述的一种水轮发电机组油压系统健康状况的评价方法,其特征在于:所述步骤S400中,通过聚类算法进行故障检测解析出油压系统故障类型和次数,聚类算法用于处理油罐油压和油罐油位的多月模拟量数据,聚类算法的处理过程如下:
将油罐油压和油罐油位的多月模拟量数据进行标准差计算,再绘制所有数据的分布图,对偏离正常数据分布较远的数据,判断为异常数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910866877.1A CN110702437B (zh) | 2019-09-12 | 2019-09-12 | 一种水轮发电机组油压系统健康状况的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910866877.1A CN110702437B (zh) | 2019-09-12 | 2019-09-12 | 一种水轮发电机组油压系统健康状况的评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110702437A true CN110702437A (zh) | 2020-01-17 |
CN110702437B CN110702437B (zh) | 2021-06-29 |
Family
ID=69195134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910866877.1A Active CN110702437B (zh) | 2019-09-12 | 2019-09-12 | 一种水轮发电机组油压系统健康状况的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110702437B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111723998A (zh) * | 2020-06-28 | 2020-09-29 | 国网湖南省电力有限公司 | 发电机压油槽油压系统故障早期预警方法 |
CN111913056A (zh) * | 2020-05-26 | 2020-11-10 | 南方电网调峰调频发电有限公司 | 一种自适应超实时机组工况启动状态预估方法 |
CN112261437A (zh) * | 2020-11-19 | 2021-01-22 | 贝壳技术有限公司 | 音视频质量评价方法和装置、可读存储介质、电子设备 |
CN116146477A (zh) * | 2023-03-13 | 2023-05-23 | 华能澜沧江水电股份有限公司 | 水轮机调速器油泵效率异常的预测方法和装置 |
CN118149927A (zh) * | 2024-05-13 | 2024-06-07 | 雅砻江流域水电开发有限公司 | 水电站压油系统油位异常预警方法、系统、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0618351A (ja) * | 1992-06-30 | 1994-01-25 | Hitachi Ltd | 水車ランナのアンバランス計測装置 |
US20050267713A1 (en) * | 2004-05-27 | 2005-12-01 | Caterpillar Inc. | Data acquisition system for generating operator-indexed information |
CN103582826A (zh) * | 2011-04-04 | 2014-02-12 | 格库技术有限公司 | 确定波场速度的指示 |
CN104009813A (zh) * | 2014-05-27 | 2014-08-27 | 硅谷数模半导体(北京)有限公司 | 静电释放检测方法、装置及系统 |
CN104217591A (zh) * | 2014-08-29 | 2014-12-17 | 哈尔滨工业大学深圳研究生院 | 动态路况检测方法及系统 |
CN104791187A (zh) * | 2015-04-08 | 2015-07-22 | 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及方法 |
CN105242534A (zh) * | 2015-09-11 | 2016-01-13 | 中国人民解放军国防科学技术大学 | 基于遥测参数且关联于对卫星控制行为的卫星状态监测方法 |
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 |
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 |
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 |
CN110210006A (zh) * | 2019-06-11 | 2019-09-06 | 秒针信息技术有限公司 | 一种数据筛选方法及数据筛选装置 |
-
2019
- 2019-09-12 CN CN201910866877.1A patent/CN110702437B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0618351A (ja) * | 1992-06-30 | 1994-01-25 | Hitachi Ltd | 水車ランナのアンバランス計測装置 |
US20050267713A1 (en) * | 2004-05-27 | 2005-12-01 | Caterpillar Inc. | Data acquisition system for generating operator-indexed information |
CN103582826A (zh) * | 2011-04-04 | 2014-02-12 | 格库技术有限公司 | 确定波场速度的指示 |
CN104009813A (zh) * | 2014-05-27 | 2014-08-27 | 硅谷数模半导体(北京)有限公司 | 静电释放检测方法、装置及系统 |
CN104217591A (zh) * | 2014-08-29 | 2014-12-17 | 哈尔滨工业大学深圳研究生院 | 动态路况检测方法及系统 |
CN104791187A (zh) * | 2015-04-08 | 2015-07-22 | 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及方法 |
CN105242534A (zh) * | 2015-09-11 | 2016-01-13 | 中国人民解放军国防科学技术大学 | 基于遥测参数且关联于对卫星控制行为的卫星状态监测方法 |
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 |
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 |
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 |
CN110210006A (zh) * | 2019-06-11 | 2019-09-06 | 秒针信息技术有限公司 | 一种数据筛选方法及数据筛选装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111913056A (zh) * | 2020-05-26 | 2020-11-10 | 南方电网调峰调频发电有限公司 | 一种自适应超实时机组工况启动状态预估方法 |
CN111913056B (zh) * | 2020-05-26 | 2021-10-29 | 南方电网调峰调频发电有限公司 | 一种自适应超实时机组工况启动状态预估方法 |
US11761859B2 (en) | 2020-05-26 | 2023-09-19 | Csg Power Generation Co., Ltd. | Method for self-adaption faster-than-real-time working condition start-up state prediction and estimation of unit |
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 |
CN111723998A (zh) * | 2020-06-28 | 2020-09-29 | 国网湖南省电力有限公司 | 发电机压油槽油压系统故障早期预警方法 |
CN112261437A (zh) * | 2020-11-19 | 2021-01-22 | 贝壳技术有限公司 | 音视频质量评价方法和装置、可读存储介质、电子设备 |
CN116146477A (zh) * | 2023-03-13 | 2023-05-23 | 华能澜沧江水电股份有限公司 | 水轮机调速器油泵效率异常的预测方法和装置 |
CN118149927A (zh) * | 2024-05-13 | 2024-06-07 | 雅砻江流域水电开发有限公司 | 水电站压油系统油位异常预警方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110702437B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110702437B (zh) | 一种水轮发电机组油压系统健康状况的评价方法 | |
CN111401584B (zh) | 一种设备故障自动诊断方法及系统 | |
CN114047719A (zh) | 一种农村生活污水处理设施远程监测评估系统与运行方法 | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN111930790B (zh) | 一种基于时序分析的阀冷设备进阀温度预测方法 | |
CN110942137A (zh) | 一种基于深度学习的电网信息运维监控方法 | |
CN112561238A (zh) | 一种抽水蓄能电站辅机设备状态健康评价系统及方法 | |
CN116660672B (zh) | 基于大数据的电网设备故障诊断方法及系统 | |
CN104316803A (zh) | 一种基于带电检测的电力变压器状态评价方法及系统 | |
CN112926656A (zh) | 一种核电厂循环水泵状态预测方法、系统及设备 | |
CN112288298B (zh) | 一种基于在线数据的脱硫系统健康状况评价方法 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN112001511A (zh) | 基于数据挖掘的设备可靠性及动态风险评价方法、系统和设备 | |
CN116308415A (zh) | 一种污水排放数据真伪风险评估方法 | |
CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
CN112633781A (zh) | 一种基于车联网大数据的车辆能耗评价方法 | |
CN115455358A (zh) | 基于非线性回归模型的电气参数趋势预警及故障诊断方法 | |
CN113806969A (zh) | 一种基于时域数据关联建模的压缩机组健康预测方法 | |
CN108956041A (zh) | 基于频谱特征单边检测法的烧结机漏风故障在线诊断方法 | |
CN115809805A (zh) | 基于边缘计算的电网多源数据处理方法 | |
CN103217590A (zh) | 一种自动获取大气电场雷电预警特征参数阈值的方法 | |
CN117607751A (zh) | 一种基于向量机与随机森林模型的超导电缆状态评估系统 | |
CN113155443A (zh) | 一种采煤机减速器润滑油状态监测与故障诊断系统及方法 | |
CN104504237A (zh) | 一种燃煤电厂脱硝系统数据自动诊断甄别模型 | |
CN114118720A (zh) | 一种核电厂循环水泵运行状态综合评价方法、装置及电子设备和存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 614000 No.99 Gongdian Avenue, Shawan District, Leshan City, Sichuan Province Applicant after: Gongzui Hydropower Station of Guoneng Dadu River Basin Hydropower Development Co.,Ltd. Address before: 614000 No.99 Gongdian Avenue, Shawan District, Leshan City, Sichuan Province Applicant before: GONGZUI HYDROELECTRIC POWER GENERAL FACTORY OF CHINA GUODIAN DADU RIVER BASIN HYDROPOWER DEVELOPMENT Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |