CN111628570B - 水电站安全监测故障诊断方法及系统 - Google Patents

Abstract

本发明涉及自动化测控技术领域，具体涉及水电站安全监测故障诊断方法及系统。包括以下步骤：建立水电站安全监测的故障树分析诊断模型；采集水电站基础监测数据；对采集的水电站基础监测数据进行数据筛选，获得有效待测数据；将有效待测数据输入故障树分析诊断模型进行分析诊断，输出诊断结果，诊断结果包括有故障发生和无故障发生，若有故障发生则诊断结果还包括故障因素。本发明可以可以自动完成水电站安全监测的故障诊断及故障因素分析，相较于人工的经验判断更智能高效。

Description

水电站安全监测故障诊断方法及系统

技术领域

本发明涉及自动化测控技术领域，具体涉及水电站安全监测故障诊断方法及系统。

背景技术

水电站大坝能否安全运行不仅直接影响电厂经济效益，更与下游人民的生命财产、国民经济发展和生态环境密切相关，而工程安全监测作为评判大坝运行状态的手段就显得尤为重要。为了落实水电站大坝运行安全监督管理的相关规定，对于重要项目，应当实施自动化监测，并保证相关设施全天候连续正常工作，使大坝上级管理单位和大坝中心能够随时远程采集到数据。

随着电子技术的发展、数字通讯技术的推广应用，电力系统的工程监测自动化已全面展开。目前水电站监测项目如变形、渗流、应力应变等内观测量均实现了自动化监测，在大坝的竣工阶段就逐步实现监测系统自动化建设和集中调试。但是目前的水电站安全监测自动化系统在运行过程中，大多是设定相应监测参数的预警阈值或者预警范围，一旦超出预警阈值或者预警范围就发出预警信息，而监测人员需根据预警信息，调取相应的监测参数来人工分析预警原因以及监测参数对应的故障因素，这样的诊断方式依赖于人工的经验判断，实际实施过程中不够方便、智能，须待改进。

发明内容

针对现有技术存在的不足，本发明提供了水电站安全监测故障诊断方法及系统，其应用时，可以自动完成水电站安全监测的故障诊断及故障因素分析，相较于人工的经验判断更智能高效。

本发明所采用的技术方案为：

水电站安全监测故障诊断方法，包括以下步骤：

建立水电站安全监测的故障树分析诊断模型；

采集水电站基础监测数据；

对采集的水电站基础监测数据进行数据筛选，获得有效待测数据；

将有效待测数据输入故障树分析诊断模型进行分析诊断，输出诊断结果，诊断结果包括有故障发生和无故障发生，若有故障发生则诊断结果还包括故障因素。

作为上述技术方案的优选，采集水电站基础监测数据的过程包括：在水电站安装监测传感器以及带有测量模块和网络交换机的PLC控制器，PLC控制器通过测量模块获取监测传感器的传感数据，PLC控制器再通过网络交换机上传水电站基础监测数据；所述水电站基础监测数据包括监测传感器的传感数据、监测传感器和PLC控制器内各器件之间的通讯参数以及监测传感器和PLC控制器内各器件的工作参数。

作为上述技术方案的优选，所述故障树分析诊断模型的建立步骤包括：

获取水电站安全监测的各故障因素以及各故障因素对应的故障参数；

根据各故障因素以及故障因素对应的故障参数建立故障树预诊断模型；

获取水电站安全监测的实际监测参数样本对故障树预诊断模型进行训练和更改，获得最终的故障树分析诊断模型。

作为上述技术方案的优选，获取的水电站安全监测故障因素包括采集服务故障、PLC数据故障以及网络通讯故障，网络通讯故障包括PLC端通讯故障和交换机故障，PLC数据故障包括测量模块故障、PLC电源故障和传感器故障，测量模块故障包括测量模块电源故障和测量模块传输故障，测量模块传输故障包括模块端口故障和模块传输线路故障。

作为上述技术方案的优选，对水电站基础监测数据进行数据筛选的过程包括：利用边缘计算方法对水电站基础监测数据进行可信度评估，对评估不通过的数据进行剔除，评估通过的则为有效待测数据。

作为上述技术方案的优选，还包括预先制定故障因素分类表，在故障因素分类表中，每个故障因素均对应设有唯一的分类编码，所述故障树分析诊断模型输出的诊断结果包括有故障发生或者无故障发生，若有故障发生则输出一个分类编码，通过将分类编码在故障因素分类表中进行自动查询获得对应的故障因素。

作为上述技术方案的优选，还包括预先在故障树分析诊断模型中对故障因素进行预警分级，故障树分析诊断模型在得出故障因素后，还根据故障因素所对应的预警分级输出相应的分级预警信息。

作为上述技术方案的优选，故障因素的预警分级包括一级预警和二级预警，其中需立即排除的故障因素编入一级预警，否则编入二级预警。

作为上述技术方案的优选，故障因素的预警分级包括一级预警和二级预警，其中需人工排除的故障因素编入一级预警，否则编入二级预警。

水电站安全监测故障诊断系统，包括数据采集模块、数据筛选模块、和故障分析诊断模块，数据采集模块的输出端对接数据筛选模块的输入端，数据筛选模块的输出端对接故障分析诊断模块的输入端，其中，数据采集模块用于采集水电站基础监测数据，数据筛选模块用于对水电站基础监测数据进行数据筛选，获得有效待测数据，故障分析诊断模块用于对有效待测数据进行分析诊断，输出诊断结果，诊断结果包括有故障发生和无故障发生，若有故障发生则诊断结果还包括故障因素。

本发明的有益效果为：

本发明通过对水电站基础监测数据进行数据筛选获得有效待测数据，再通过故障树分析诊断模型对有效待测数据进行自动分析诊断，若有故障发生则能得到包含具体故障因素的故障诊断结果，通过这样方法可以自动完成水电站安全监测的故障诊断及故障因素分析，而不需要依赖于人工的经验来判断故障及对应的故障因素，相较于现有的技术更方便、智能和高效。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的方法步骤示意图；

图2为实施例2中的故障树结构示意图；

图3为实施例3中的故障诊断系统结构示意图。

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。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。

应当理解，术语第一、第二等仅用于区分描述，而不能理解为指示或暗示相对重要性。尽管本文可以使用术语第一、第二等等来描述各种单元，这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元，同时不脱离本发明的示例实施例的范围。

应当理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况，本文中术语“/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”关系。

应当理解，在本发明的描述中，术语“上”、“竖直”、“内”、“外”等指示的方位或位置关系，是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

应当理解，当将单元称作与另一个单元“连接”、“相连”或“耦合”时，它可以与另一个单元直相连接或耦合，或中间单元可以存在。相対地，当将单元称作与另一个单元“直接相连”或“直接耦合”时，不存在中间单元。应当以类似方式来解释用于描述单元之间的关系的其他单词(例如，“在……之间”对“直接在……之间”，“相邻”对“直接相邻”等等)。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

本文使用的术语仅用于描述特定实施例，并且不意在限制本发明的示例实施例。如本文所使用的，单数形式“一”、“一个”以及“该”意在包括复数形式，除非上下文明确指示相反意思。还应当理解术语“包括”、“包括了”、“包含”、和/或“包含了”当在本文中使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。

还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。

在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实施例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。

实施例1：

本实施例提供水电站安全监测故障诊断方法，如图1所示，包括以下步骤：

建立水电站安全监测的故障树分析诊断模型；

采集水电站基础监测数据；

对采集的水电站基础监测数据进行数据筛选，获得有效待测数据；

将有效待测数据输入故障树分析诊断模型进行分析诊断，输出诊断结果，诊断结果包括有故障发生和无故障发生，若有故障发生则诊断结果还包括故障因素。

其实施时，通过对水电站基础监测数据进行数据筛选获得有效待测数据，再通过故障树分析诊断模型对有效待测数据进行自动分析诊断，若有故障发生则能得到包含具体故障因素的故障诊断结果，通过这样方法可以自动完成水电站安全监测的故障诊断及故障因素分析，而不需要依赖于人工的经验来判断故障及对应的故障因素，相较于现有的技术更方便、智能和高效。

实施例2：

作为上述实施例方案的优选方案，采集水电站基础监测数据的过程包括：在水电站安装监测传感器以及带有测量模块和网络交换机的PLC控制器，PLC控制器通过测量模块获取监测传感器的传感数据，PLC控制器再通过网络交换机上传水电站基础监测数据；所述水电站基础监测数据包括监测传感器的传感数据、监测传感器和PLC控制器内各器件之间的通讯参数以及监测传感器和PLC控制器内各器件的工作参数。

故障树分析诊断模型的建立步骤包括：

获取水电站安全监测的各故障因素以及各故障因素对应的故障参数；

根据各故障因素以及故障因素对应的故障参数建立故障树预诊断模型；

获取水电站安全监测的实际监测参数样本对故障树预诊断模型进行训练和更改，获得最终的故障树分析诊断模型。

如图2所示，获取的水电站安全监测故障因素包括采集服务故障(采集服务未开启)、PLC数据故障以及网络通讯故障，网络通讯故障包括PLC端通讯故障和交换机故障，PLC数据故障包括测量模块故障、PLC电源故障(PLC电源故障包含电源切换开关故障、DC24V供电故障、蓄电池故障等)和传感器故障(传感器故障包含传感器数据故障以及未接传感器等)，测量模块故障包括测量模块电源故障和测量模块传输故障，测量模块传输故障包括模块端口故障和模块传输线路故障。可通过这些故障因素来建立故障树，故障树分析诊断模型可根据故障树对应设置各故障因素的逻辑诊断单元，通过各逻辑诊断单元分别来调取有效待测数据中其所需数据完成诊断，故障诊断结果按照故障树结构从下层往上层递进，最终汇总输出诊断结果。

实施例3：

作为上述实施例方案的优选方案，对水电站基础监测数据进行数据筛选的过程包括：利用边缘计算方法对水电站基础监测数据进行可信度评估，对评估不通过的数据进行剔除，评估通过的则为有效待测数据。边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。这无疑将大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。

在获得基础监测数据后，一个最重要的步骤就是对这些监测数据进行分析、评估，确认这些数据是否有效，无效的数据就要剔除，不能进入下一步的处理过程中。首先去除粗差，然后按照一定的判定规则(比如多次测量然后取平均值等)评估测量数据是否有效，能否表示真实的物理量，也即本次的测值是否可信，将可信度评估通过的数据，送入下一步骤进行处理，以获得最终的测量结果。

对分类读取后的监测数据进行可信度评估的具体步骤包括：

S1、给定一个测量均方差σ，作为比较的基准，对分类读取后的监测数据进行采样，求出当前采样时刻的前后共N个样本点的均值，作为当前时刻采样值的希望值μ；

S2、按照正态分布计算出当前时刻样本值基于以上均方差σ和希望值μ的分布概率f(x)，具体公式为：

其中，x为当前时刻的采样值；

S3、以当前时刻采样值x为中心，在设定样本片段范围内根据分布概率f(x)获得的真值出现的几率，定为该采样值x的可信度；

S4、求出当前时刻所设定样本片段的均方差σ’，设定可信度阈值，当样本片段的均方差σ’小于可信度阈值时，则判定当前时刻采样值x的可信度评估不通过，否则判定当前时刻采样值x的可信度评估通过。

实施例4：

作为上述实施例方案的优选方案，本方法还包括预先制定故障因素分类表，在故障因素分类表中，每个故障因素均对应设有唯一的分类编码，所述故障树分析诊断模型输出的诊断结果包括有故障发生或者无故障发生，若有故障发生则输出一个分类编码，通过将分类编码在故障因素分类表中进行自动查询获得对应的故障因素。

本方法还包括预先在故障树分析诊断模型中对故障因素进行预警分级，故障树分析诊断模型在得出故障因素后，还根据故障因素所对应的预警分级输出相应的分级预警信息。故障因素的预警分级可以按以下方式进行：

按故障的紧急程度：故障因素的预警分级包括一级预警和二级预警，其中一级预警编入需立即排除的故障因素，其他故障因素编入二级预警。

故障因素的预警分级包括一级预警和二级预警，其中一级预警编入需人工排除的故障因素，其他故障因素编入二级预警。

获得相应的分级预警信息后，监测人员就可以根据分级预警信息直接、快速地做出响应。

实施例5：

本实施例提供水电站安全监测故障诊断系统，如图3所示，包括数据采集模块、数据筛选模块和故障分析诊断模块，数据采集模块的输出端对接数据筛选模块的输入端，数据筛选模块的输出端对接故障分析诊断模块的输入端，其中，数据采集模块用于采集水电站基础监测数据，数据筛选模块用于对水电站基础监测数据进行数据筛选，获得有效待测数据，故障分析诊断模块用于对有效待测数据进行分析诊断，输出诊断结果，诊断结果包括有故障发生或者无故障发生，若有故障发生则诊断结果还包括故障因素。所述故障分析诊断模块包括可读写存储介质，在可读写存储介质内建有故障树分析诊断模型，对有效待测数据的分析诊断通过故障树分析诊断模型来实现。

本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (8)

1.水电站安全监测故障诊断方法，其特征在于，包括以下步骤：

建立水电站安全监测的故障树分析诊断模型；

采集水电站基础监测数据；

对采集的水电站基础监测数据进行数据筛选，获得有效待测数据，数据筛选过程包括：利用边缘计算方法对水电站基础监测数据进行可信度评估，对评估不通过的数据进行剔除，评估通过的则为有效待测数据；

将有效待测数据输入故障树分析诊断模型进行分析诊断，输出诊断结果，诊断结果包括有故障发生和无故障发生，若有故障发生则诊断结果还包括故障因素；

采集水电站基础监测数据的过程包括：在水电站安装监测传感器以及带有测量模块和网络交换机的PLC控制器，PLC控制器通过测量模块获取监测传感器的传感数据，PLC控制器再通过网络交换机上传水电站基础监测数据；所述水电站基础监测数据包括监测传感器的传感数据、监测传感器和PLC控制器内各器件之间的通讯参数以及监测传感器和PLC控制器内各器件的工作参数。

2.根据权利要求1所述的水电站安全监测故障诊断方法，其特征在于：所述故障树分析诊断模型的建立步骤包括：

获取水电站安全监测的各故障因素以及各故障因素对应的故障参数；

根据各故障因素以及故障因素对应的故障参数建立故障树预诊断模型；

获取水电站安全监测的实际监测参数样本对故障树预诊断模型进行训练和更改，获得最终的故障树分析诊断模型。

3.根据权利要求2所述的水电站安全监测故障诊断方法，其特征在于：获取的水电站安全监测故障因素包括采集服务故障、PLC数据故障以及网络通讯故障，网络通讯故障包括PLC端通讯故障和交换机故障，PLC数据故障包括测量模块故障、PLC电源故障和传感器故障，测量模块故障包括测量模块电源故障和测量模块传输故障，测量模块传输故障包括模块端口故障和模块传输线路故障。

4.根据权利要求1所述的水电站安全监测故障诊断方法，其特征在于：还包括预先制定故障因素分类表，在故障因素分类表中，每个故障因素均对应设有唯一的分类编码，所述故障树分析诊断模型输出的诊断结果包括有故障发生或者无故障发生，若有故障发生则输出一个分类编码，通过将分类编码在故障因素分类表中进行自动查询获得对应的故障因素。

5.根据权利要求1所述的水电站安全监测故障诊断方法，其特征在于：还包括预先在故障树分析诊断模型中对故障因素进行预警分级，故障树分析诊断模型在得出故障因素后，还根据故障因素所对应的预警分级输出相应的分级预警信息。

6.根据权利要求5所述的水电站安全监测故障诊断方法，其特征在于：故障因素的预警分级包括一级预警和二级预警，其中需立即排除的故障因素编入一级预警，否则编入二级预警。

7.根据权利要求5所述的水电站安全监测故障诊断方法，其特征在于：故障因素的预警分级包括一级预警和二级预警，其中需人工排除的故障因素编入一级预警，否则编入二级预警。

8.根据权利要求1-7任一所述的水电站安全监测故障诊断方法，提供水电站安全监测故障诊断系统，其特征在于：包括数据采集模块、数据筛选模块、和故障分析诊断模块，数据采集模块的输出端对接数据筛选模块的输入端，数据筛选模块的输出端对接故障分析诊断模块的输入端，其中，数据采集模块用于采集水电站基础监测数据，数据筛选模块用于对水电站基础监测数据进行数据筛选，获得有效待测数据，故障分析诊断模块用于对有效待测数据进行分析诊断，输出诊断结果，诊断结果包括有故障发生和无故障发生，若有故障发生则诊断结果还包括故障因素。

Images