CN111381161A - 一种发电机组远程在线健康状态诊断方法 - Google Patents
一种发电机组远程在线健康状态诊断方法 Download PDFInfo
- Publication number
- CN111381161A CN111381161A CN201811641966.8A CN201811641966A CN111381161A CN 111381161 A CN111381161 A CN 111381161A CN 201811641966 A CN201811641966 A CN 201811641966A CN 111381161 A CN111381161 A CN 111381161A
- Authority
- CN
- China
- Prior art keywords
- generator set
- health
- vector
- unit
- operation data
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种发电机组远程在线健康状态诊断方法,所述方法如下步骤:步骤S1:建立健康基准向量;步骤S2:采集实时运行数据;步骤S3:进行机组的健康状况诊断。本发明能够进行多维度的健康诊断,并将诊断过程进行量化,从而实现科学的健康诊断;在诊断过程中考虑到不同运行参数和机组健康状态的关联性,从而大大的提高了健康诊断的实时性和有效性。
Description
【技术领域】
本发明属于智慧能源技术领域,尤其涉及一种发电机组远程在线健康状态诊断方法。
【背景技术】
现有发电机组健康状态的判断有两种方式一是由维护人员实时监控机组的各项运行参数,根据经验判断机组的健康状态并分析故障原因,此过程需花费大量的人力成本,且经验判断存在较大的误差,无法准确判断。二是采用设定参数报警值,通过某项参数超过报警值产生故障报警。该方式未考虑机组的参数间的耦合性,且属于事后维护,不能起到故障预防的作用。并且该方式也未考虑机组的差异性,所有机组采用相同的报警值,判断的准确性也存在一定的偏差。本发明能够进行多维度的健康诊断,并将诊断过程进行量化,从而实现科学的健康诊断;在诊断过程中考虑到不同运行参数和机组健康状态的关联性,从而大大的提高了健康诊断的实时性和有效性。
【发明内容】
为了解决现有技术中的上述问题,本发明提出了一种发电机组远程在线健康状态诊断方法,该方法包括:
步骤S1:建立健康基准向量;
步骤S2:采集实时运行数据;
步骤S3:进行机组的健康状况诊断。
进一步的,所述步骤S1具体为:采集出厂试验过程中机组的特征运行数据,建立一组代表机组各种运行工况下的多维的空间坐标,即以该组空间坐标点构成该机组的健康基准向量
进一步的,所述特征运行数据为特定情况条件下获取的运行数据、或为对运行数据进行特定运算后获取的。
进一步的,所述建立一组代表机组各种运行工况下的多维的空间坐标,具体为:将机组在第一时间的每种参数类型的运行数据作为多元向量中的一元;相应的,将第一时间的每种参数类型的运行数据以无序/有序的形式组织在一起构成多元向量;所述多元向量为一个多维的空间坐标。
进一步的,考虑个体存在±5%的差异性的前提下,与标准点对比差异符合误差范围后,将该组空间坐标点为该机组的健康基准向量。
进一步的,所述步骤S2具体为:在机组运行过程中,采集发电机组的实时运行数据,以各项运行参数为坐标轴,建立一组代表机组在运行一段时间后的空间坐标;即为该机组的待诊断向量。
进一步的,所述待诊断向量为:
进一步的,所述步骤S3具体为:实时的计算机组运行参数的待诊断向量与基准向量间的距离,距离越远代表机组的健康状态越差;
进一步的,所述计算机组运行参数的待诊断向量与基准向量间的距离,具体为:计算待诊断向量和基准向量对应元组差值平方的加和开根号得到的值作为所述距离。
本发明的有益效果包括:能够进行多维度的健康诊断,并将诊断过程进行量化,从而实现科学的健康诊断;在诊断过程中考虑到不同运行参数和机组健康状态的关联性,从而大大的提高了健康诊断的实时性和有效性。
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解,构成本申请的一部分,但并不构成对本发明的不当限定,在附图中:
图1是本发明的发电机组远程在线健康状态诊断方法示意图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明,其中的示意性实施例以及说明仅用来解释本发明,但并不作为对本发明的限定。
如图1所示,对本发明所应用的一种发电机组远程在线健康状态诊断方法进行详细说明;
优选的:发电机组是多机-电耦合系统,包含发动机、发电机、减速器、充电系统、进/排系统等;
优选的:所述运行数据包含:机端三相电压、三相电流、电压频率、有功功率、无功功率、转速、油压、水温、蓄电池电压、排气温度、运行时间、开机次数;机组的健康状态由所有设备的运行状态和耦合情况共同决定;
步骤S1:建立健康基准向量;具体为:采集出厂试验过程中机组的特征运行数据,建立一组代表机组各种运行工况下的多维的空间坐标,即以该组空间坐标点构成该机组的健康基准向量;
所述特征运行数据为特定情况条件下获取的运行数据、或为对运行数据进行特定运算后获取的;例如:所述特定情况条件限定了实验进行的阶段,实验进行的时间长度等;所述特定运算为进行初步排除运算等;
所述建立一组代表机组各种运行工况下的多维的空间坐标,具体为:将机组在第一时间的每种参数类型的运行数据作为多元向量中的一元;相应的,将第一时间的每种参数类型的运行数据以无序/有序的形式组织在一起构成多元向量;所述多元向量为一个多维的空间坐标;
优选的:将各种运行工况下的多个多元向量组织起来构成一组代表机组各种运行工况下的多维的空间坐标;通过所述多为的空间坐标能够进行多工况的全面健康诊断;可替换的:将同一运行工况下的一时间点序列下的多个多元向量组织起来构成一组代表机组各种运行工况下的多维的空间坐标;此时,对一种工况的时间长度内进行时间深度的健康诊断;
优选的:考虑个体存在±5%的差异性的前提下,与标准点对比差异符合误差范围后,将该组空间坐标点为该机组的健康基准向量;
以满功率状态下发电机组的运行参数为例,发电机主要特征参数为三相电压Uab,Ubc,Uca、三相电流Ia,Ib,Ic、频率f、水温Tw、油压Po、排气温度Tg、转速n、负载率η、蓄电池电压udc;那么出厂时的多元向量表示为:
步骤S2:采集实时运行数据;具体为:在机组运行过程中,采集发电机组的实时运行数据,以各项运行参数为坐标轴,建立一组代表机组在运行一段时间后的空间坐标;即为该机组的待诊断向量;
所述待诊断向量为:
优选的:判断待诊断机组是否达到满功率状况,如果是,则采集发电机组的实时运行数据以获取待诊断向量;
优选的:获取发电机组的实时运行数据,将所述实时运行数据中的每一项和满功率运行时的低阈值运行条件进行对比,在所有运行数据均满足低阈值运行条件时,确定机组达到满功率状况;
所述低阈值运行条件包括包括每种参数类型的运行数据的数据大小及其保持的时间,运行数据之间在特定数据范围时需要保持的时序关系等;
步骤S3:进行机组的健康状况诊断;具体为:实时的计算机组运行参数的待诊断向量与基准向量间的距离,距离越远代表机组的健康状态越差;
优选的:当距离超过一定的偏离值时,发出潜在故障报警或机组健康预警,并列出引起偏差的主要运行数据的参数类型及其偏差值;基于所述参数类型查询故障特征数据库中关于所述参数类型的检修数据,将所述检修数据提供维修人员参考;
优选的:所述偏离值为预设值;所述预设值为从云服务器获取;
所述计算机组运行参数的待诊断向量与基准向量间的距离,具体为:计算待诊断向量和基准向量对应元组差值平方的加和开根号得到的值作为所述距离;也就是开平方距离;
则基于下式计算发电机组当前状态下与基准向量的距离为:
所述距离即代表机组的健康度,数值越高代表机组健康状态越差。当距离到达设定值时,排列出主要影响参数列为故障特征向量,如:
τ=(δTw,δTg,δn′)T
优选的:故障特征库中保存距离值、距离值对应的特征运行数据、故障特征之间的对应关系条目;使用所述距离值在故障特征数据库中检索,匹配出最相似的三项故障特征,通过物联网平台推送至运维人员,供维护时参考;
优选的:所述特征运行数据为:和基准向量之间的距离为所其对应的距离值的运行数据集合的聚类中心;也就是说,将同一距离值的运行数据集合进行聚类后得到所述特征运行数据;
所述匹配出最相似的三项故障特征,具体为:使用距离值在故障特征库中查找最相似的第一数量的距离值对应的对应关系条目;计算所述对应关系条目中的每个特征运行数据和待诊断运行数据之间的距离,将所述距离值最小的前三条对应关系条目中包含的故障特征作为所述匹配出的最相似的三项故障特征;
步骤S4:进行机组的并行健康状况诊断;具体为:获取出厂试验过程中的一组多元向量作为健康基准向量组,获取机组运行过程中的一组多元向量作为待检测向量组;计算所述健康基准向量组和所述待检测向量组之间的距离以进行并行健康状况诊断;
优选的:对于多工况并行诊断的情况下,出厂试验过程中获取的多工况对应的一组多元向量为其中:i为第i种工况;对于时间深度诊断的情况下,i为第i个时间点;对于多工况并行诊断的情况下,获取的机组运行过程中多工况对应的一组满足低阈值运行条件的多元向量为其中:i为第i种工况;对于时间深度诊断的情况下,i为第i个时间点;
所述计算所述健康基准向量组和所述待检测向量组之间的距离,具体为:计算所述健康基准向量组和所述待检测向量组中每个健康基准向量和对应的待检测向量之间的距离以获取距离集合{dxi};(1)当所述并行健康状况诊断为多工况并行诊时;判断距离集合中的每个距离dxi是否都满足相应工况状况下的距离阈值,如果是,则判断所述健康状况良好,否则;通过物联网平台将不满足距离阈值的工况状况,及其距离值及其对应运行数据推送至运维人员,供维护时参考;(2)当所述并行健康状况诊断为时间深度诊断并行诊时;将所述距离集合{dxi}进行基于开始时间和结束时间的函数拟合以获取拟合距离函数dx=f(t);获取所述拟合距离函数的极大值点所对应的距离值;当所述距离值超过一定的偏离值时,发出潜在故障报警或机组健康预警,否则,确定通过健康诊断;其中:所述开始时间为运行数据中的第一条运行数据的开始时间;所述结束时间为运行数据中的最后一条运行数据的开始时间;
在本发明所提供的几个实施例中,应该理解到,所揭露的方法和终端,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
另外,在不发生矛盾的情况下,上述几个实施例中的技术方案可以相互组合和替换。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个模块或装置也可以由一个模块或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种发电机组远程在线健康状态诊断方法,其特征在于,所述方法包括如下步骤:
步骤S1:建立健康基准向量;
步骤S2:采集实时运行数据;
步骤S3:进行机组的健康状况诊断。
2.根据权利要求1所述的发电机组远程在线健康状态诊断方法,其特征在于,所述步骤S1具体为:采集出厂试验过程中机组的特征运行数据,建立一组代表机组各种运行工况下的多维的空间坐标,即以该组空间坐标点构成该机组的健康基准向量。
3.根据权利要求2所述的发电机组远程在线健康状态诊断方法,其特征在于,所述特征运行数据为特定情况条件下获取的运行数据、或为对运行数据进行特定运算后获取的。
4.根据权利要求3所述的发电机组远程在线健康状态诊断方法,其特征在于,所述建立一组代表机组各种运行工况下的多维的空间坐标,具体为:将机组在第一时间的每种参数类型的运行数据作为多元向量中的一元;相应的,将第一时间的每种参数类型的运行数据以无序/有序的形式组织在一起构成多元向量;所述多元向量为一个多维的空间坐标。
5.根据权利要求4所述的发电机组远程在线健康状态诊断方法,其特征在于,考虑个体存在±5%的差异性的前提下,与标准点对比差异符合误差范围后,将该组空间坐标点为该机组的健康基准向量。
7.根据权利要求6所述的发电机组远程在线健康状态诊断方法,其特征在于,所述步骤S2具体为:在机组运行过程中,采集发电机组的实时运行数据,以各项运行参数为坐标轴,建立一组代表机组在运行一段时间后的空间坐标;即为该机组的待诊断向量。
9.根据权利要求8所述的发电机组远程在线健康状态诊断方法,其特征在于,所述步骤S3具体为:实时的计算机组运行参数的待诊断向量与基准向量间的距离,距离越远代表机组的健康状态越差。
10.根据权利要求9所述的发电机组远程在线健康状态诊断方法,其特征在于,所述计算机组运行参数的待诊断向量与基准向量间的距离,具体为:计算待诊断向量和基准向量对应元组差值平方的加和开根号得到的值作为所述距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641966.8A CN111381161A (zh) | 2018-12-29 | 2018-12-29 | 一种发电机组远程在线健康状态诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641966.8A CN111381161A (zh) | 2018-12-29 | 2018-12-29 | 一种发电机组远程在线健康状态诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111381161A true CN111381161A (zh) | 2020-07-07 |
Family
ID=71214850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811641966.8A Pending CN111381161A (zh) | 2018-12-29 | 2018-12-29 | 一种发电机组远程在线健康状态诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111381161A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113955149A (zh) * | 2021-11-25 | 2022-01-21 | 北京润科通用技术有限公司 | 一种电机系统的健康诊断方法和装置 |
CN114966402A (zh) * | 2022-07-28 | 2022-08-30 | 山东翔讯科技有限公司 | 一种开关磁阻电机故障诊断系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050261837A1 (en) * | 2004-05-03 | 2005-11-24 | Smartsignal Corporation | Kernel-based system and method for estimation-based equipment condition monitoring |
CN105134510A (zh) * | 2015-09-18 | 2015-12-09 | 北京中恒博瑞数字电力科技有限公司 | 一种风力发电机组变桨系统的状态监测和故障诊断方法 |
CN106017936A (zh) * | 2016-05-24 | 2016-10-12 | 国家电网公司 | 一种水轮机组运行状态监测诊断方法 |
CN107341349A (zh) * | 2017-06-30 | 2017-11-10 | 上海交通大学 | 风机健康评估的方法、系统、存储器及控制器 |
CN107609574A (zh) * | 2017-08-18 | 2018-01-19 | 上海电力学院 | 基于数据挖掘的风电机组故障预警方法 |
CN108460207A (zh) * | 2018-02-28 | 2018-08-28 | 上海华电电力发展有限公司 | 一种基于运行数据模型的发电机组的故障预警方法 |
CN108760302A (zh) * | 2018-05-08 | 2018-11-06 | 南京风电科技有限公司 | 一种风力发电机组轴承的在线监测与故障诊断系统 |
-
2018
- 2018-12-29 CN CN201811641966.8A patent/CN111381161A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050261837A1 (en) * | 2004-05-03 | 2005-11-24 | Smartsignal Corporation | Kernel-based system and method for estimation-based equipment condition monitoring |
CN105134510A (zh) * | 2015-09-18 | 2015-12-09 | 北京中恒博瑞数字电力科技有限公司 | 一种风力发电机组变桨系统的状态监测和故障诊断方法 |
CN106017936A (zh) * | 2016-05-24 | 2016-10-12 | 国家电网公司 | 一种水轮机组运行状态监测诊断方法 |
CN107341349A (zh) * | 2017-06-30 | 2017-11-10 | 上海交通大学 | 风机健康评估的方法、系统、存储器及控制器 |
CN107609574A (zh) * | 2017-08-18 | 2018-01-19 | 上海电力学院 | 基于数据挖掘的风电机组故障预警方法 |
CN108460207A (zh) * | 2018-02-28 | 2018-08-28 | 上海华电电力发展有限公司 | 一种基于运行数据模型的发电机组的故障预警方法 |
CN108760302A (zh) * | 2018-05-08 | 2018-11-06 | 南京风电科技有限公司 | 一种风力发电机组轴承的在线监测与故障诊断系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113955149A (zh) * | 2021-11-25 | 2022-01-21 | 北京润科通用技术有限公司 | 一种电机系统的健康诊断方法和装置 |
CN113955149B (zh) * | 2021-11-25 | 2023-06-16 | 北京润科通用技术有限公司 | 一种电机系统的健康诊断方法和装置 |
CN114966402A (zh) * | 2022-07-28 | 2022-08-30 | 山东翔讯科技有限公司 | 一种开关磁阻电机故障诊断系统 |
CN114966402B (zh) * | 2022-07-28 | 2022-11-01 | 山东翔讯科技有限公司 | 一种开关磁阻电机故障诊断系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108681747B (zh) | 基于深度学习的旋转机械故障诊断与状态监测系统及方法 | |
CN105427193B (zh) | 一种基于分布式时序数据服务的大数据分析装置及方法 | |
CN105608144B (zh) | 一种基于多层模型迭代的大数据分析平台装置及方法 | |
CN101876932A (zh) | 内存数据库监控的方法、系统及设备 | |
CN106651722A (zh) | 一种工业碳排放监控系统及核算方法 | |
CN112859822A (zh) | 基于人工智能的设备健康分析及故障诊断的方法及系统 | |
CN113935562A (zh) | 一种电力设备健康状况智能评级与自动预警方法 | |
CN108304350B (zh) | 基于大数据集近邻策略的风机指标预测与故障预警方法 | |
CN111381161A (zh) | 一种发电机组远程在线健康状态诊断方法 | |
CN108846555A (zh) | 一种电力负荷大数据缺失值的高效精确填补法 | |
CN112084220B (zh) | 一种电能计量装置异常诊断方法、装置及可读存储介质 | |
CN112669055A (zh) | 一种输变电工程可研估算模拟组价方法及装置 | |
CN112415331A (zh) | 基于多源故障信息的电网二次系统故障诊断方法 | |
CN110555619A (zh) | 一种基于智能配电网的供电能力评估方法 | |
CN117009828B (zh) | 基于故障匹配算法的水电设备故障诊断方法 | |
CN116910602B (zh) | 一种基于关联性分析的线损分析方法及系统 | |
CN117421994A (zh) | 一种边缘应用健康度的监测方法和监测系统 | |
CN102012902A (zh) | 网站访客价值评估系统及方法 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN111379624A (zh) | 一种多工况和时间深度并行诊断方法 | |
CN113408210B (zh) | 基于深度学习的非侵入负荷分解方法、系统、介质和设备 | |
Li et al. | Real‐time approach for oscillatory stability assessment in large‐scale power systems based on MRMR classifier | |
CN115563885A (zh) | 一种风电厂储能电池能量转换系统 | |
CN115333922A (zh) | 运维支撑网告警数据挖掘方法、系统及存储介质 | |
CN114171809A (zh) | 基于云平台的车载电池管理系统、方法、服务器及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200707 |
|
RJ01 | Rejection of invention patent application after publication |