CN112085930B - 一种发电机组智能监测预警系统及方法 - Google Patents

Abstract

本发明属于电力设备安全检测技术领域，具体提供了一种发电机组智能监测预警系统及方法，包括数据采集模块、服务器及智能预警模块；数据采集模块用于采集电机组的振动、摆度、温度、电压、电流及键相/转速的物理量信息，并实时传送至服务器；服务器用于根据电机组的实时状态的物理量信息及历史状态的物理量信息进行自动分析并存储；智能预警模块用于根据自动分析的结果进行分类预警。通过对发电机组的物理量信息在线监测，及时发现机组在运行中出现异常、故障状况，并根据预先设定的逻辑和定值发出报警信号，进行安全预警，从而达到保护机组安全运行的目的；并能智能分析发电机组的健康状况，通用性高，适用范围广。

Description

一种发电机组智能监测预警系统及方法

技术领域

本发明属于电力设备检测技术领域，具体涉及一种发电机组智能监测预警系统及方法。

背景技术

发电机组是将其他形式的能源转换成电能的机械设备，它由水轮机、汽轮机、柴油机或其他动力机械驱动，将水流、气流、燃料燃烧或原子核裂变产生的能量转化为机械能传给发电机，再由发电机转换为电能。以水电发电机组为例，其将水能高效地转换为电能，在我国水电积极发展时期，水电机组单机容量屡创新高，从三峡电站700兆瓦级别逐步突破至正在规划建设中的白鹤滩电站的1000兆瓦。伴随着单机容量的提高，其结构日趋复杂，发电机组各部件间相互联系越来越紧密，在运行过程中所承受的水力、机械力、电磁力、风力等外界压力越来越大，容易造成机组运行失稳而发生故障，并且高电压、大电流环境也时刻考验着机组的绝缘、耐热等性能，使机组安全运行面临愈发严峻的挑战。

由于制造安装工艺不良、维护不当、老化、环境等各种因素影响，随着机组运行年限增加，机组的性能将不断退化。在其整个生命周期内，发电机组不可避免将发生故障。因自身故障导致的非计划停运等事故，会给发电企业造成严重经济损失，影响着电站机组及电力系统的安全运行。世界范围内不断有发电机组事故发生。其中令世人震惊的俄罗斯萨杨·舒申斯克水电站“8.17事故”，造成多人伤亡，电站内10台640兆瓦发电机组遭受到不同程度的毁坏，厂房结构出现严重破损，事故造成130亿美元直接经济损失，给水电机组运行管理和维护敲响了警钟。

现有的发电机组检修采用人工对各机组设备进行检测并记录检修数据的形式进行，检测精度和效率均有待提升，此外，由于部分机组存在埋入地底等无法直接接触的情况，难以直接进行检测或获取到精确的检测数据。因此，亟需一套高效的发电机组在线监测系统，精准地获取机组的运行状况，为机组的小修和大修工作提供明确的方向和考核手段，从而保障发电机组的安全运行，避免因机组事故造成安全隐患和经济损失。另一方面，仅能对某一类发电机组进行实时监测，例如水轮机组监测系统、汽轮机组监测系统等，通用性不高。

发明内容

本发明要解决的技术问题是提供一种自动化程度高的发电机组智能监测预警系统及方法。解决现有检测机组检测精度低且效率低的问题。

为此，本发明提供了一种发电机组智能监测预警系统，包括数据采集模块、服务器及智能预警模块；

所述数据采集模块用于采集电机组的振动、摆度、温度、电压、电流及键相/转速的物理量信息，并实时传送至所述服务器；

所述服务器用于根据电机组的实时状态的物理量信息及历史状态的物理量信息进行自动分析并存储；

所述智能预警模块用于根据自动分析的结果进行分类预警。

优选地，所述数据采集模块为数据采集箱，所述数据采集箱包括下位机机箱，所述下位机箱内设有依次电连接的数据采集卡、信号调理板、下位工控机及工业液晶显示屏。

优选地，所述系统还包括实时监测模块，所述实时监测模块用于对所述物理量信息及历史状态的物理量信息进行同步监视和展示，并以数值、曲线及图表形式，连同自动分析的结果，通过多个不同的页面展现出来。

优选地，所述系统还包括机器学习模块，所述机器学习模块用于导入物理量信息的历史数据进行深度学习，具体地，对设备状况信息、故障信息的数据特征进行提取和学习，利用大量数据对神经网络进行训练，输出与发电机组故障预测相关的神经网络模型，当再次输入监测数据时，神经网络模型将输出相应的设备状况信息和故障信息，从而实现预警。

优选地，所述系统还包括知识库模块，所述知识库模块用于显示监测数据与对应的故障类型及设备状况信息，将机器学习模块进行神经网络训练的成果以知识库的形式展现，供用户了解训练情况、学习故障识别知识。

优选地，所述智能预警模块包括越限预警模块、变化趋势预警模块和结果展示模块；

所述越限预警模块用于将设备状态与设定的阈值进行比较，检测设备状态是否越限；

所述变化趋势预警模块包括历史趋势分析模块和状态趋势报警模块，所述历史趋势分析模块用于记录设备在长期运行过程中的性能降低、老化程度，所述状态趋势报警模块用于根据需求显示对应的物理量信息在对应的时间段内的状态变化趋势图；

所述结果展示模块用于进行预警查询和显示报警详情。

本发明还提供了一种发电机组智能监测预警方法，包括：

通过布置在水轮机组设备周围的数据采集模块采集机组振动信号、摆度信号、压力脉冲信号、工况参数型号和键相/转速信号；

并通过信号调理板对传感器输出的微弱信号进行放大、滤波处理，通过高速采集卡对上述信号进行实时、并行、整周期的采样；

服务器对采集的数据进行清洗、集成和关联，从而进行数据挖掘和分析，在显示器上以结构示意图、棒图、数据表格或曲线形式实时动态显示所监测的数据和状态；

对监测数据进行关联分析，基于对单一设备的专项特征分析，对多个设备关联特征量分析，构建行为关系模型，实现基于状态和性能的设备故障自动报警与预警。

本发明的有益效果：本发明提供的这种发电机组智能监测预警系统及方法，包括数据采集模块、服务器及智能预警模块；数据采集模块用于采集电机组的振动、摆度、温度、电压、电流及键相/转速的物理量信息，并实时传送至服务器；服务器用于根据电机组的实时状态的物理量信息及历史状态的物理量信息进行自动分析并存储；智能预警模块用于根据自动分析的结果进行分类预警。通过对发电机组的振动、摆度、温度、电压、电流、转速等物理量的在线监测，及时发现机组在运行中出现异常、故障状况，并根据预先设定的逻辑和定值发出报警信号，进行安全预警，从而达到保护机组安全运行的目的；并能智能分析发电机组的健康状况，通用性高，适用范围广。

以下将结合附图对本发明做进一步详细说明。

附图说明

图1是本发明发电机组智能监测预警系统结构示意图；

图2是本发明发电机组智能监测预警系统的数据采集模块图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，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。

术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

本发明提供了一种发电机组智能监测预警系统，如图1和图2所示，包括数据采集模块、服务器及智能预警模块；

所述数据采集模块即数据采集箱用于同步整周期采集电机组的振动、摆度、温度、电压、电流及键相/转速的物理量信息，并实时传送至所述服务器；

所述服务器用于根据电机组的实时状态的物理量信息及历史状态的物理量信息进行自动分析并存储；

所述智能预警模块用于根据自动分析的结果进行分类预警。

预警系统包括硬件系统和软件系统，如图1所示，硬件系统包括上位机模块和下位机模块。

下位机模块由若干个数据采集箱、下位机机柜和交换机组成。

数据采集箱用于采集机组振动、摆度、温度、电压、电流、转速等物理量，其内设有数据采集卡、传感器供电电源、下位工控机、信号调理板、工业液晶显示屏和下位机机箱。在本发明中，数据采集箱机组的振动、摆度、压力脉动信号进行同步整周期采样，确保采集数据的实时、同步和完整；各个物理量信息的采集及各采集模块均可独立运行，用户进行的数据监测与分析不会影响采集单元的正常运行。图2为数据采集箱架构图，以水轮机组为例，数据采集箱内设：用于采集摆度信号的摆度模块；用于采集振动信号的振动模块；用于采集压力脉动信号和工况参数型号的工况参数模块；用于采集键相/转速信号的键相模块；用于输出报警信号或保护动作信号的继电器输出模块；用于协调各采集模块工作，并提供串行通讯接口和以态网络接口，与外部设备进行通讯的系统板；用于存储数据采集箱有关程序和机组状态数据的存储模块。

上位机模块包括服务器和上位机柜，服务器布置在上位机柜内。

服务器用于存储和管理从下位机模块传送过来的机组实时状态数据、历史状态数据及各特征数据，并能根据相关数据进行自动分析。对于监测诊断数据、技术资料、专家知识库数据，服务器能够永久性存储。

软件系统由客户端软件、服务器软件和其他设备自身的软件构成。

客户端软件的功能模块包括：首页展示模块、实时监测模块、机器学习模块、知识库模块、数据管理模块、数据分析模块、智能预警模块。

首页展示模块用于展示水轮机/汽轮机/风机监测、旋转部件监测、发电机监测三类机组部件故障异常记录趋势分析统计图。

实时监测模块用于对机组当前的运行状态进行同步监视和展示，以数值、曲线、图表等各种形式，将机组的各种运行数据，通过多个不同的页面展现出来。实时监测模块同时应将各通道的报警状态在监测终端同步显示，电站运行人员可以根据这些状态判定是否需要检修维护人员参与机组检查调整。

机器学习模块用于导入历史数据进行深度学习，系统支持用户导入大量的设备数据及对应的设备状况信息、故障信息，通过机器学习模块对数据特征进行提取和学习，利用大量数据对神经网络进行训练，输出与发电机组故障预测相关的神经网络模型。当再次输入监测数据时，神经网络模型将输出相应的设备状况信息和故障信息，从而实现预警。

知识库模块用于显示监测数据与对应的故障类型及设备状况信息，将机器学习模块进行神经网络训练的成果以知识库的形式展现，供用户了解训练情况、学习故障识别知识。

数据管理模块用于管理已存储数据，数据管理模块的数据包括各机组开机、关机、异常运行的数据报表，在系统判断机组处于这三种状态时系统自动开启保存功能，保存原始传感器采集数据、波形图及分析结果，为后期事件追溯提供有力支撑。

数据分析模块用于分析在线记录的数据，本系统提供的软件工具包括数据检索工具、分析算法工具、曲线、图形、表格绘制工具等，本模块能够对实时监测的数据进行分析统计，绘制监测曲线、图表等，供用户实时查看机组运行状态、数据变化趋势，分析机组运行状况、及时发现异常，对于突然加快变化的趋势曲线，智能预警模块将及时发出预警提示。

智能预警模块包括越限预警、变化趋势预警和结果展示模块。其中，越限预警模块用于将设备状态与设定的阈值进行比较，检测设备状态是否越限。变化趋势预警模块包括历史趋势分析模块和状态趋势报警模块，机组在长期运行过程中，其性能等随着运行时间的增长而降低，机组各设备各部件也随之老化，老化程度各不相同。运行人员依靠历史趋势分析，可以了解设备在长期运行过程中的性能降低、老化程度。管理员可根据系统提供的各种模型组态工具(测点引入工具、时间选择工具、约束工具等)，选择想要查看的状态量组合、状态量趋势分析时间段及约束条件，状态趋势分析功能将根据选定的组态条件给出各状态量在对应时间段内的状态变化趋势图。在状态趋势报警模块，系统定时对状态量(振动摆动、压力等)进行趋势分析，判断状态量趋势变化情况。如果发现异常，则在异常事件列表中加入异常事件记录。结果展示模块用于进行预警查询和显示报警详情。当进入报警界面时，能够对预警结果进行统一的查询，报警详情包括：概览过程曲线、详细过程曲线、报警详情。概览过程曲线主要展示状态量或性能指标量的长期变化趋势。详细过程曲线主要展示短期的变化趋势。报警详情包括：状态量启停情况、报警的状态显示、报警阈值、相关状态量。有权限的用户还可以删除报警、设置监测测点的启停、设置状态量的启停、设置阈值、设置相关状态量。

以水轮机组在线监测预警为例，除上述功能模块外，本系统还包括以下模块：

(1)基础信息模块。基础信息模块分为参数管理模块和用户信息管理模块。参数管理模块包含测点信息表、特性参数表和阈值参数表，其中，测点信息表包括：测点标定参数表；测点数据清洗参数表；测点状态量标准化转换表；(与计算机监控、机组振摆和水压脉动、摆渡值监测等)通讯对点表等。特性参数表则是根据用户提供的资料、设备安装时测量数据、检修时试验数据、实际运行时人工或自动试验数据等建立，如机组稳定性特性表(或曲线)、水轮机效率特性参数表等。阈值参数表的建立是首先根据国家和行业标准、企业运行规程，整理出相关健康状态特征参数和关键性能指标等的定值参数，建立定值表，然后以定值表为基础，结合实际运行中获得的经验参数，建立以工况、环境以及相关状态为自变量的函数阈值表。

用户信息管理模块包括机组信息管理、设备信息管理、测点信息管理和设备指标管理模块。机组信息管理模块在电站管理基础上进行，用于对电站拥有机组的基本信息进行管理。设备信息管理模块在机组管理基础上进行，用于对机组拥有设备的基本信息进行管理。测点信息管理模块在设备管理的基础上对设备测点信息的管理，如测点编码、测点名称、型号规格、测点位置等信息。设备指标管理模块用于对设备评估指标如温度、压力、壁厚、硬度等进行管理。

(2)系统管理模块。系统管理模块用于对系统权限、角色、数据和用户信息进行管理维护，包括系统日志、角色管理、数据管理及用户管理，分为用户管理模块、权限管理模块、日志管理模块三大功能模块。

用户管理模块用于实现用户信息的维护及对应权限的管理。包括对姓名、用户名、角色、电话号码、电子邮箱、创建时间等内容的管理。系统管理员可以对用户信息进行维护和修改，对不再需要访问本系统的用户信息进行禁用，禁止登陆使用本系统。主界面提供添加、删除、修改、查询详细信息、配置角色、功能权限、操作权限等功能。用户登陆系统后可以对用户个人信息与密码等信息进行修改。

权限管理模块显示角色名称、创建时间、备注等信息，可提供查询、添加、修改、功能权限功能，其操作过程与用户管理各操作步骤相同。权限配置包括用户权限、分组管理、角色管理、部门管理等配置，可适应不同性质的系统用户。系统权限采用采用多级用户管理机制，不同人员具有不同的管理权限，所观察到的控制菜单、按钮等也不同，可以防止无关人员乱操作，破坏系统或资料，权限管理系统可以对人员和设备进行有效的管理；设备添加方便，不影响其它设备使用。

日志管理模块用于对用户登录情况的记录，用表格的形式记录登录属性，日志列表包括用户名、真实姓名、登录模块、详细信息、操作时间、结果以及登录IP，这是系统安全性的保障。系统提供以用户名、登录模块、结果、起始时间、终止时间的筛选方式查询具体用户登录的信息。

下面以水轮机组设备为例，对监测和预警流程进行说明：

本系统通过布置在水轮机组设备周围的各类传感器采集机组振动信号、摆度信号、压力脉冲信号、工况参数型号和键相/转速信号，并通过信号调理板对传感器输出的微弱信号进行放大、滤波处理，通过高速采集卡对上述过程量参数进行实时、并行、整周期的采样，并将采样数据传输至工控机，进行相应的处理、计算和特征提取。

在数据采集箱对机组的信号进行采集和初步处理后，通过传输模块将数据信息传递至服务器，通过服务器进行数据的清洗、集成和关联，从而进行数据挖掘和分析，在显示器上以结构示意图、棒图、数据表格、曲线等形式实时动态显示所监测的数据和状态，从而实现对水轮机组设备的实时在线监测。

系统通过对监测数据进行关联分析，基于对单一设备的专项特征分析，对多个设备关联特征量分析，构建行为关系模型，实现基于状态和性能的设备故障自动报警与预警。在机组状态数据集成过程中，通过时间关联、工况关联及机组事件关联机制，建立了不同来源、多个层次机组状态数据间的有机联系。基于状态数据间的这种时间、工况及事件上的联系，可以快速有效地对水电机组进行多层次多角度分析，有助于从全局的角度掌握机组的运行状况，及时准确地定位机组故障。

具体方法为：通过引入状态的影响因子，融合动态阈值分析、相似影响因子趋势分析、相似影响因子类比分析检测系统状态异常；根据宏试验模型和专家经验模型自动计算系统执行任务的性能指标，并评估性能品质；然后，根据状态异常检测与性能品质评估结果自动生成报警或预警信息。最后，引入本体理论对故障报警与预警的领域知识进行建模，通过对某时刻之前(包括该时刻)的数据进行分析，对设备的健康状况进行趋势报警，判断设备是否可能即将出现故障，通过判断故障出现的可能性，及时发现故障，从而实现故障自动预警并进行报警提示。报警条件的触发方式分为条件触发和指定时刻触发两种，系统可将报警信息以短信、邮件的形式发送给相关人员。

在本系统实际运行前，需根据水轮发电机组的实际运行工况，根据水头、负荷、导叶开度等参数将机组运行状态分成不同工况，对各工况单独设定报警值，为机组提供准确的报警信息。基于工况的报警和预警技术可充分满足水轮发电机组运行工况变化频繁的特点，可以有效实现机组异常现象的早期预警提示和故障报警。系统提供的预警、报警系统可为单参量的报警区间设置和多通道复合条件上下限设一级报警、二级报警和停机严重报警，输出报警和跳闸继电器信号逻辑组态可灵活设置，能避免由于单个通道的测量故障而导致误报。

本发明的有益效果：本发明提供的这种发电机组智能监测预警系统，通过对发电机组的振动、摆度、温度、电压、电流、转速等物理量的在线监测，及时发现机组在运行中出现异常、故障状况，并根据预先设定的逻辑和定值发出报警信号，进行安全预警，从而达到保护机组安全运行的目的；并能智能分析发电机组的健康状况，通用性高，适用范围广。

本发明实施例还提供了一种发电机组智能监测预警方法，包括：

通过布置在水轮机组设备周围的数据采集模块采集机组振动信号、摆度信号、压力脉冲信号、工况参数型号和键相/转速信号；

并通过信号调理板对传感器输出的微弱信号进行放大、滤波处理，通过高速采集卡对上述信号进行实时、并行、整周期的采样；

服务器对采集的数据进行清洗、集成和关联，从而进行数据挖掘和分析，在显示器上以结构示意图、棒图、数据表格或曲线形式实时动态显示所监测的数据和状态；

对监测数据进行关联分析，基于对单一设备的专项特征分析，对多个设备关联特征量分析，构建行为关系模型，实现基于状态和性能的设备故障自动报警与预警。

通过布置在水轮机组设备周围的各类传感器采集机组振动信号、摆度信号、压力脉冲信号、工况参数型号和键相/转速信号，并通过信号调理板对传感器输出的微弱信号进行放大、滤波处理，通过高速采集卡对上述过程量参数进行实时、并行、整周期的采样，并将采样数据传输至工控机，进行相应的处理、计算和特征提取。

在数据采集箱对机组的信号进行采集和初步处理后，通过传输模块将数据信息传递至服务器，通过服务器进行数据的清洗、集成和关联，从而进行数据挖掘和分析，在显示器上以结构示意图、棒图、数据表格、曲线等形式实时动态显示所监测的数据和状态，从而实现对水轮机组设备的实时在线监测。

系统通过对监测数据进行关联分析，基于对单一设备的专项特征分析，对多个设备关联特征量分析，构建行为关系模型，实现基于状态和性能的设备故障自动报警与预警。在机组状态数据集成过程中，通过时间关联、工况关联及机组事件关联机制，建立了不同来源、多个层次机组状态数据间的有机联系。基于状态数据间的这种时间、工况及事件上的联系，可以快速有效地对水电机组进行多层次多角度分析，有助于从全局的角度掌握机组的运行状况，及时准确地定位机组故障。

具体方法为：通过引入状态的影响因子，融合动态阈值分析、相似影响因子趋势分析、相似影响因子类比分析检测系统状态异常；根据宏试验模型和专家经验模型自动计算系统执行任务的性能指标，并评估性能品质；然后，根据状态异常检测与性能品质评估结果自动生成报警或预警信息。最后，引入本体理论对故障报警与预警的领域知识进行建模，通过对某时刻之前(包括该时刻)的数据进行分析，对设备的健康状况进行趋势报警，判断设备是否可能即将出现故障，通过判断故障出现的可能性，及时发现故障，从而实现故障自动预警并进行报警提示。报警条件的触发方式分为条件触发和指定时刻触发两种，系统可将报警信息以短信、邮件的形式发送给相关人员。

在本系统实际运行前，需根据水轮发电机组的实际运行工况，根据水头、负荷、导叶开度等参数将机组运行状态分成不同工况，对各工况单独设定报警值，为机组提供准确的报警信息。基于工况的报警和预警技术可充分满足水轮发电机组运行工况变化频繁的特点，可以有效实现机组异常现象的早期预警提示和故障报警。系统提供的预警、报警系统可为单参量的报警区间设置和多通道复合条件上下限设一级报警、二级报警和停机严重报警，输出报警和跳闸继电器信号逻辑组态可灵活设置，能避免由于单个通道的测量故障而导致误报。

本发明的技术关键点在于：

本发明提供的一种智能监测预警方法及系统，能够对发电机组的振动、摆度、温度、电压、电流等数据进行实时监测，并能对发电机组进行设备状况分析和故障诊断，以图表形式显示监测数据及趋势分析，便于用户直观、实时地了解机组设备状况，保证机组的安全、经济运行。

本发明提供的一种智能监测预警系统，能够通过机器学习功能建立知识库，实现兼容水电机组、火电机组、风电机组等多类发电机组的在线监测和智能预警报警，通用性强，适用范围广。

本发明提供的一种智能监测预警方法及系统，具备限值报警、变幅报警、缺数报警、自定义报警功能，报警类型多元化，用户可结合业务需求，自行定制几乎所有报警条件，灵活度、便利程度较高，适配能力强；此外，还能够根据机组参数将机组运行状态分成不同工况，各工况单独设定报警值，为机组提供准确的报警信息，不会发生误报警、错报警，准确度和可靠度高。

以上例举仅仅是对本发明的举例说明，并不构成对本发明的保护范围的限制，凡是与本发明相同或相似的设计均属于本发明的保护范围之内。

Claims (7)

1.一种发电机组智能监测预警系统，其特征在于：包括数据采集模块、服务器及智能预警模块；

所述数据采集模块用于采集电机组的振动、摆度、温度、电压、电流及键相/转速的物理量信息，并实时传送至所述服务器；

所述服务器用于根据电机组的实时状态的物理量信息及历史状态的物理量信息进行自动分析并存储；通过对监测数据进行关联分析，基于对单一设备的专项特征分析，对多个设备关联特征量分析，构建行为关系模型，实现基于状态和性能的设备故障自动报警与预警；

具体地，通过引入状态的影响因子，融合动态阈值分析、相似影响因子趋势分析、相似影响因子类比分析检测系统状态异常；根据宏试验模型和专家经验模型自动计算系统执行任务的性能指标，并评估性能品质；然后，根据状态异常检测与性能品质评估结果自动生成报警或预警信息；最后，引入本体理论对故障报警与预警的领域知识进行建模，通过对某时刻之前的数据进行分析，对设备的健康状况进行趋势报警，判断设备是否可能即将出现故障，通过判断故障出现的可能性，及时发现故障，从而实现故障自动预警并进行报警提示；

所述智能预警模块用于根据自动分析的结果进行分类预警。

2.根据权利要求1所述的发电机组智能监测预警系统，其特征在于：所述数据采集模块为数据采集箱，所述数据采集箱包括下位机机箱，所述下位机箱内设有依次电连接的数据采集卡、信号调理板、下位工控机及工业液晶显示屏。

3.根据权利要求1所述的发电机组智能监测预警系统，其特征在于：所述系统还包括实时监测模块，所述实时监测模块用于对所述物理量信息及历史状态的物理量信息进行同步监视和展示，并以数值、曲线及图表形式，连同自动分析的结果，通过多个不同的页面展现出来。

4.根据权利要求1所述的发电机组智能监测预警系统，其特征在于：所述系统还包括机器学习模块，所述机器学习模块用于导入物理量信息的历史数据进行深度学习，具体地，对设备状况信息、故障信息的数据特征进行提取和学习，利用大量数据对神经网络进行训练，输出与发电机组故障预测相关的神经网络模型，当再次输入监测数据时，神经网络模型将输出相应的设备状况信息和故障信息，从而实现预警。

5.根据权利要求4所述的发电机组智能监测预警系统，其特征在于：所述系统还包括知识库模块，所述知识库模块用于显示监测数据与对应的故障类型及设备状况信息，将机器学习模块进行神经网络训练的成果以知识库的形式展现，供用户了解训练情况、学习故障识别知识。

6.根据权利要求1所述的发电机组智能监测预警系统，其特征在于：所述智能预警模块包括越限预警模块、变化趋势预警模块和结果展示模块；

所述越限预警模块用于将设备状态与设定的阈值进行比较，检测设备状态是否越限；

所述变化趋势预警模块包括历史趋势分析模块和状态趋势报警模块，所述历史趋势分析模块用于记录设备在长期运行过程中的性能降低、老化程度，所述状态趋势报警模块用于根据需求显示对应的物理量信息在对应的时间段内的状态变化趋势图；

所述结果展示模块用于进行预警查询和显示报警详情。

7.一种发电机组智能监测预警方法，其特征在于，包括：

通过布置在水轮机组设备周围的数据采集模块采集机组振动信号、摆度信号、压力脉冲信号、工况参数型号和键相/转速信号；

并通过信号调理板对传感器输出的微弱信号进行放大、滤波处理，通过高速采集卡对上述信号进行实时、并行、整周期的采样；

服务器对采集的数据进行清洗、集成和关联，从而进行数据挖掘和分析，在显示器上以结构示意图、棒图、数据表格或曲线形式实时动态显示所监测的数据和状态；

对监测数据进行关联分析，基于对单一设备的专项特征分析，对多个设备关联特征量分析，构建行为关系模型，实现基于状态和性能的设备故障自动报警与预警；

具体地，通过引入状态的影响因子，融合动态阈值分析、相似影响因子趋势分析、相似影响因子类比分析检测系统状态异常；根据宏试验模型和专家经验模型自动计算系统执行任务的性能指标，并评估性能品质；然后，根据状态异常检测与性能品质评估结果自动生成报警或预警信息；最后，引入本体理论对故障报警与预警的领域知识进行建模，通过对某时刻之前的数据进行分析，对设备的健康状况进行趋势报警，判断设备是否可能即将出现故障，通过判断故障出现的可能性，及时发现故障，从而实现故障自动预警并进行报警提示。

Images