CN113987817A - 一种用于水电厂发电设备的劣化分析方法 - Google Patents

一种用于水电厂发电设备的劣化分析方法 Download PDF

Info

Publication number
CN113987817A
CN113987817A CN202111283894.6A CN202111283894A CN113987817A CN 113987817 A CN113987817 A CN 113987817A CN 202111283894 A CN202111283894 A CN 202111283894A CN 113987817 A CN113987817 A CN 113987817A
Authority
CN
China
Prior art keywords
data
degradation
power plant
equipment
parameter
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
Application number
CN202111283894.6A
Other languages
English (en)
Inventor
欧阳为民
李春雷
高昆丽
付生皓
李进强
潘年勇
马志国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Datang Guanyinyan Hydropower Development Co ltd
Original Assignee
Datang Guanyinyan Hydropower Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Datang Guanyinyan Hydropower Development Co ltd filed Critical Datang Guanyinyan Hydropower Development Co ltd
Priority to CN202111283894.6A priority Critical patent/CN113987817A/zh
Publication of CN113987817A publication Critical patent/CN113987817A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种用于水电厂发电设备的劣化分析方法，本发明先通过数据采集模块对电厂现有数据进行汇总，然后通过数据处理模块对数据进行筛选、处理，再经过数学计算模块的数学模型计算，最后通过可视化模块将计算的劣化指数和健康度展示出来。采用本发明能够正确地评估设备健康度，及时准确地发出设备劣化预警。该系统能够全面提升设备管理水平，逐步实现重要设备真正的智能化检修，提高设备的可靠性，大量减少紧急抢修工作，大幅降低设备运行维护费用，最终提高水电厂生产运行稳定性。

Description

一种用于水电厂发电设备的劣化分析方法
技术领域：
本发明涉及一种用于水电厂发电设备的劣化分析方法。
背景技术：
随着我国水电事业的大力发展，稳定性指标作为评价水轮发电机组性能的三大指标之一，直接影响水电厂的安全和效益，对电力系统稳定性和可靠性担负着重要作用，因此也越来越受到大家的重视。而水电厂在生产运行过程中，其主要设备及辅助设备会受到冲蚀、磨损、腐蚀等因素的影响及设备本身固有特性，各个设备部件随着运行时间的增加其性能逐渐退化。其由于其设备性能的可靠性对水电机组及电网的安全稳定起重要影响，电厂生产过程如发生故障不仅直接影响电能的产量和质量，而且还可能导致机组设备损坏进行停机检修，从而扰乱电厂的正常生产，甚至发生电网解列等灾难性事故，造成严重经济损失。因此对水电厂设备做性能劣化分析就尤为重要。
目前，我国水电厂的运行方式正处在“无人值班，少人值守”模式的发展时期，为了使发电设备在此模式下能够安全、经济、可靠地运行，对设备劣化分析的健康评价和故障预警越来越得到了重视。目前水电厂设备的运行状态评估和监测预警一般采样简单的模拟量越限报警或开关量状态报警，这种方法虽然在一定程度上能够对部分机组异常运行起到预警和保护的作用，但是大多情况只能在水电机组发生故障时进行报警，这种简单的方法越来越无法满足现场的需求。
发明内容：
本发明是为了解决上述现有技术存在的问题而提供一种用于水电厂发电设备的劣化分析方法。
本发明所采用的技术方案有：
一种用于水电厂发电设备的劣化分析方法，包括如下步骤：
1)通过数据采集模块获取水电厂发电设备劣化分析系统所需参数的实时数据与历史数据，通过数据采集服务器将获取的所有数据聚集到一起，形成符合要求的统一数据格式；
2)通过数据处理模块对水电厂发电设备劣化分析系统所需参数的历史数据进行错误数据清洗、缺失数据补充、重复数据合并处理，最终生成正确、有效、格式统一的数据提供给数据计算模块计算；
3)数据计算模块通过从数据处理模块获取的数据计算出水电厂发电设备在各个工况下运行的所需参数最优值，或者通过人工输入的方式输入水电厂发电设备在各个工况下运行的所需参数最优值，再通过数学劣化模型计算出各个参数的劣化程度，最后通过各个参数对水电厂发电设备劣化程度影响的权重进行综合计算，预估出设备的健康度，并与设定的预警阈值和报警阈值实时对比，当健康度或者劣化指数超过所述阈值产生对应的预警或报警；
4)可视化模块根据数据计算模块的计算结果，显示水电厂发电设备的综合健康值、各个参数的劣化指数，并显示对应的预警或报警信息。
进一步地，所述数据采集模块通过数据采集服务器与水电厂的监控系统以及在线监测系统相连，用于从水电厂监控系统和在线监测系统中获取劣化分析所需的设备实时数据。
进一步地，所述实时数据包括水电厂发电设备的在线监测数据，工况数据，监控数据；
所述在线监测数据包括发电设备的振动数据、摆度数据、波形数据以及主变油色谱数据；
工况数据包括发电设备的有功功率、无功功率、导叶开度、工作水头、电流、电压以及启停状态；
监控数据发电设备的温度、压力、液位。
进一步地，所述步骤2)中数据处理模块进行错误数据清洗的过程为：错误数据清洗采用3σ准则识别并剔除所需参数的错误值，3σ准则数学方法表达式为：
所述所需参数的历史数据的数据样本为x1，x2，...，xn，平均值为
Figure BDA0003332118110000021
偏差为
Figure BDA0003332118110000022
根据Bessel公式计算样本标准差：
Figure BDA0003332118110000031
当数据样本xk的偏差θk(1≤k≤n)满足|θk|＞3σ，则认为数据不合理，则把不合理数据剔除。
进一步地，所述步骤2)中数据处理模块进行缺失数据补充的过程为：根据数据源，通过手工录入数据的方法补充所述所需参数的历史数据中缺失的数据。
进一步地，所述步骤2)中数据处理模块进行重复数据合并处理的过程为：
将水电厂发电设备劣化分析系统所需参数的历史数据库中相同的记录进行合并或清除，仅保留一条记录。
所述步骤3)中数学劣化模型采用三种劣化数学模型，分别对应为LHline线性劣化模型、LHe1指数劣化模型1、LHe2指数劣化模型2；
(1)线性劣化模型下的劣化指数公式为：
Figure BDA0003332118110000032
(2)指数劣化模型1下的劣化指数：
Figure BDA0003332118110000033
(3)指数劣化模型2下的劣化指数：
Figure BDA0003332118110000034
上述公式中：V为当前参数实时测值；Vlimit为对应参数的限值；Voptima为对应参数的最优值；LH∈[0，1]，当LH值越限取限值；K1、K2为劣化常数；
各个参数选用上述一种劣化数学模型计算出劣化指数，各参数的劣化指数通过设定好的权重计算出设备的综合健康度，公式如下：
Figure BDA0003332118110000035
上述公式中：H为设备健康度；Wi为第i个参数的权重；LHi为第i个参数的劣化指数。
进一步地，所述可视化模块包括设备参数数据的配置、参数权重配置及算法基本配置、数据模型历史数据选取；在设备劣化分析配置完成后，有对应的界面展示设备健康评估值，劣化报警及预警窗口，设备特征数据的历史曲线。
本发明的目的实现对水电厂发电设备劣化分析、健康度评估及劣化预警的功能，合理正确地评估设备健康度，及时准确地发出设备劣化预警。该系统能够全面提升设备管理水平，逐步实现重要设备真正的智能化检修，提高设备的可靠性，大量减少紧急抢修工作，大幅降低设备运行维护费用，最终提高水电厂生产运行稳定性。
本发明通过连续在线监测设备或系统运行的重要状态参数，及时了解设备或系统的运行状况，对设备健康度进行实时评估，及时对设备故障及设备性能劣化生成预警，为设备或系统的安全运行提供可靠的保障。本发明将综合考虑了错误数据处理、各参数对设备劣化权重、设备运行工况分析、报警处理，来对发电设备进行健康评估。由此产生的有益效果为：
1)数据处理：本发明的数据处理模块对原始数据进行了缺失数据填补、错误数据和重复数据的剔除，其创新点在于通过数据计算和统计分析的方法处理数据，使新生成的数据样本可靠性大幅提高，提升了数据质量。
2)算法模型：本发明的模型创建模块提供3种不同的计算模型选择，适用与绝大部分参数，同时可自由选取测点、抽取数据、数据预处理、一键创建模型，在不需要知道模型详细原理的情况完成数据建模，为健康度计算提供关键的数学模型。本发明还考虑了不同参数反映的设备劣化程度不一样，增加了各个参数的权重，有效地利用了设备各个信息数据，克服了数据孤岛问题，实现不同水电厂、不同时期及不同状态劣化评价，为水电厂设备提供高效、实用服务。
3)数据可视化模块：本发明的数据可视化模块，允许用户配置参数权重、参数计算算法、异常故障阈值和持续时间，其优点在于用户学习成本低、自己配置设备劣化，对于不同的设备、系统灵活设置报警规则。当设备健康度出现明显下降或者设备健康度较低时，系统自动调取MIS系统的点检模块将该设备作为重点点检对象。
附图说明：
图1：水电厂发电设备劣化系统架构图。
图2：水电厂发电设备劣化分析流程图。
图3：GCB劣化分析结果曲线图。
具体实施方式：
下面结合附图对本发明作进一步的说明。
实施例一
本发明一种用于水电厂发电设备的劣化分析方法，包括依次连接的四层结构，即数据采集模块(又叫：数据采集层)、数据处理模块(又叫：数据处理层)、数据计算模块(又叫：数据计算层)和数据可视化模块(又叫：数据可视化层)，见图1。
其中数据采集模块为数据处理模块提供自动采集和人工输入的实时数据和历史数据，而数据处理模块将数据采集模块送来的数据进行缺失数据填补、错误数据和重复数据的剔除，提高数据准确性，同时将处理后的数据提共给数据计算模块，而数据计算模块则通过分析数据处理模块提供的数据获得各参数的最优值，再通过将各参数分析后的最优值带入数据模型中得到各参数的评估值，最后通过预先设定的权重和参数评估值综合计算获得设备的综合健康度，而数据可视化模块则将最后的综合结果及报警展现出来。
数据采集模块用于获取劣化分析系统所需的实时数据及历史数据。通过数据采集服务器将不同系统、不同来源、不同格式的数据有机的聚集到一起，使其形成了符合系统要求的统一数据格式，并生成所需数据的历史记录。数据采集模块提供数据访问接口供其他模块调用数据。
数据处理模块用于对选用的数据进行错误数据清洗、缺失数据补充、重复数据处理。由于无法保证电厂每一时刻各个系统采集的实时数据和记录的历史数据的正确性,如果其中存在错误的数据,将给后面的数据建模和劣化分析带来较大的误差。另外,如果传感器发生故障或漂移能够导致测量数据不准确也将给后面的数据建模和劣化分析带来较大的误差。因此必须在设备劣化分析前对错误数据进行判别和纠正。
错误数据清洗根据原始数据变量的最大最小值限幅方法剔除不在此范围内的错误数据；另外，可以采用统计分析的方法识别并剔除错误值，例如3σ准则，具体数学方法表达式如下：
数据样本为x1，x2，...，xn，平均值为
Figure BDA0003332118110000061
偏差为
Figure BDA0003332118110000062
根据Bessel公式计算样本标准差：
Figure BDA0003332118110000063
当数据样本xk的偏差θk(1≤k≤n)满足|θk|＞3σ，则认为数据不合理，则把不合理数据剔除。
缺失数据补充，提供手工录入数据方法。另外，对于某些缺失值可以从数据源或其它数据源推导出来。
重复数据处理是指数据库中值相同或者相近的记录被认为是重复记录，通过判断数据值是否相等或相近来进行筛选，相等或相近的记录进行合并或清除，仅保留一条记录。
数据计算模块通过分析数据处理模块输出的历史数据计算出设备(或部件)在各个工况下运行的数据最优值(最优值也可以通过人工输入)，再通过数学劣化模型计算出各个参数的劣化程度，最后通过各个参数对设备劣化程度影响的权重进行综合计算，预估出设备的健康度。
通过大量设备失效案例和统计规律得出，设备劣化往往不是呈线性状态，本专利提出3种劣化数学模型，分别为LHline线性劣化模型、LHe1指数劣化模型1、LHe2指数劣化模型2。
(1)线性劣化模型下的劣化指数公式：
Figure BDA0003332118110000064
(2)指数劣化模型1下的劣化指数(劣化常数K1)：
Figure BDA0003332118110000065
(3)指数劣化模型2下的劣化指数(劣化常数K2)：
Figure BDA0003332118110000071
上述公式中：V为当前实时测值；Vlimit为该参数的限值；Voptima为该参数的最优值，LH∈[0，1]，当LH值越限取限值。
各个参数选用上述数学模型中最合适的计算出劣化指数，各参数的劣化指数通过设定好的权重计算出设备的综合健康度。其公式如下：
Figure BDA0003332118110000072
上述公式中：H为设备健康度；Wi为第i个参数的权重；LHi为第i个参数的劣化指数。
所述的数据可视化模块包括设备参数数据的配置、参数权重配置及算法基本配置、数据模型历史数据选取，设备经劣化分析后健康度评估展示、劣化预警及历史预警显示。
上述的数据可视化模块通过可视化界面选择要劣化分析的设备特征数据，选择数据模型的算法，建模历史数据时间段的选取。设备劣化分析配置完成后，有相应的界面展示设备健康评估值，劣化报警及预警，设备特征数据的历史曲线。当设备健康度出现明显下降或者设备健康度较低时，系统自动调取MIS系统的点检模块将该设备作为重点点检对象。
本发明的劣化分析方法，包含以下步骤：
步骤1：通过数据采集模块获取劣化分析系统所需的实时数据及历史数据。通过数据采集服务器将不同系统、不同来源、不同格式的数据有机的聚集到一起，使其形成了符合系统要求的统一数据格式，并生成所需数据的历史记录。数据采集模块提供数据访问接口供其他模块调用数据；
所述步骤1中，数据采集模块主要与水电厂的监控系统、在线监测系统相连，用于从水电厂监控系统和在线监测系统中获取劣化分析所需的设备实时数据及历史数据，包括发电设备在线监测数据，工况数据，监控数据。发电设备在线监测数据包括发电设备的振动和摆度及其波形数据，主变油色谱数据；工况数据包括有功功率、无功功率、导叶开度、工作水头、电流、电压、设备及其部件的启停状态；监控数据包括温度、压力、液位。
步骤2：通过数据处理模块对所选用的历史数据进行错误数据清洗、缺失数据补充、重复数据合并处理，生成一系列正确、有效、格式统一的数据提供给数据计算模块计算。
步骤3：数据计算模块通过从数据处理模块获取的数据计算出设备在各个工况下运行的数据最优值(最优值也可以通过人工输入)，再通过数学劣化模型计算出各个参数的劣化程度，最后通过各个参数对设备劣化程度影响的权重进行综合计算，预估出设备的健康度，并与设定的预警和报警值实时对比，当健康度或者劣化指数超过阈值产生对应的预警或报警。
步骤3中，参数权重通过所述数据可视化模块对权重配置模块中设置参与设备劣化评估的各个参数的名称和权重，以及参与设备劣化评估的各个参数的名称和权重修改。数据计算模块还根据设备综合健康评价值的历史数据和实时数据，生成设备健康度的报表。并根据数据可视化模块设定的预警机报警值，产生劣化预警及劣化报警。
步骤4：数据可视化模块根据数据计算模块的计算结果，显示设备的综合健康值。根据设定的预警和报警值产生对应的预警或报警。
实施例二
结合图2和图3，某水电厂一号发电设备GCB基于本发明的劣化分析方法如下：
1)为建立该电厂一号发电设备GCB模型选择测点，数据采集模块通过接口与电厂监控系统通讯获得数据，并记录下历史数据；
序号 测点名称 测点描述
1 D12019 1号发电设备发电机断路器011合闸位置
2 D12020 1号发电设备发电机断路器011跳闸位置
3 A80 1号发电设备GCB A相靠断口本体温度
4 A81 1号发电设备GCB B相靠断口本体温度
5 A82 1号发电设备GCB C相靠断口本体温度
6 A207 1号发电设备发电机出口侧电流Ia
7 A208 1号发电设备发电机出口侧电流Ib
8 A209 1号发电设备发电机出口侧电流Ic
上表数据中D12019和D12020为了获得断路器动作次数；而A207、A208、A209为断路器工作时的电流值即断路器的运行工况；A80、A81、A82为断路器劣化分析另三个参数。
2)程序自动将以上8个测点的历史数据输入数据处理模块，对这些数据进行缺失数据填补、错误数据和重复数据的剔除，提高数据准确性。
3)数据经过数据处理后会输入到数据计算模块，通过统计分析D12019和D12020获得断路器动作次数n；通过统计分析A80、A81、A82和A207、A208、A209即可获得断路器A、B、C三相在各个工况下最优的温度。数据计算模块将这些最优的温度值带入数学模型得到各个参数的劣化评估值，最后根据预设的权重综合计算出GCB的健康的估值。
下表为简化的GCB劣化分析计算模型：
Figure BDA0003332118110000091
4)机交互模块将数据计算模块计算出的GCB综合劣化评价结果以图表和报告的形式直观的展示给用户。图表和报告系统将健康数据和其他发电设备GCB和GCB检修后健康状态的历史数据显示出来作为对比，并给出当前GCB的样本数据，显示GCB当前劣化指标和历史劣化指标，从而用户按照劣化程度合理安排检修计划和重点关注的部分。当GCB健康度出现明显下降或者设备健康度较低时，系统自动调取MIS系统的点检模块将GCB作为重点点检对象,定时对GCB运行参数进行记录。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (8)

1.一种用于水电厂发电设备的劣化分析方法，其特征在于：包括如下步骤：
1)通过数据采集模块获取水电厂发电设备劣化分析系统所需参数的实时数据与历史数据，通过数据采集服务器将获取的所有数据聚集到一起，形成符合要求的统一数据格式；
2)通过数据处理模块对水电厂发电设备劣化分析系统所需参数的历史数据进行错误数据清洗、缺失数据补充、重复数据合并处理，最终生成正确、有效、格式统一的数据提供给数据计算模块计算；
3)数据计算模块通过从数据处理模块获取的数据计算出水电厂发电设备在各个工况下运行的所需参数最优值，或者通过人工输入的方式输入水电厂发电设备在各个工况下运行的所需参数最优值，再通过数学劣化模型计算出各个参数的劣化程度，最后通过各个参数对水电厂发电设备劣化程度影响的权重进行综合计算，预估出设备的健康度，并与设定的预警阈值和报警阈值实时对比，当健康度或者劣化指数超过所述阈值产生对应的预警或报警；
4)可视化模块根据数据计算模块的计算结果，显示水电厂发电设备的综合健康值、各个参数的劣化指数，并显示对应的预警或报警信息。
2.如权利要求1所述的用于水电厂发电设备的劣化分析方法，其特征在于：所述数据采集模块通过数据采集服务器与水电厂的监控系统以及在线监测系统相连，用于从水电厂监控系统和在线监测系统中获取劣化分析所需的设备实时数据。
3.如权利要求2所述的用于水电厂发电设备的劣化分析方法，其特征在于：所述实时数据包括水电厂发电设备的在线监测数据，工况数据，监控数据；
所述在线监测数据包括发电设备的振动数据、摆度数据、波形数据以及主变油色谱数据；
工况数据包括发电设备的有功功率、无功功率、导叶开度、工作水头、电流、电压以及启停状态；
监控数据发电设备的温度、压力、液位。
4.如权利要求1所述的用于水电厂发电设备的劣化分析方法，其特征在于：所述步骤2)中数据处理模块进行错误数据清洗的过程为：错误数据清洗采用3σ准则识别并剔除所需参 数的错误值，3σ准则数学方法表达式为：
所述所需参数的历史数据的数据样本为x1，x2，...，xn，平均值为
Figure FDA0003332118100000021
偏差为
Figure FDA0003332118100000022
根据Bessel公式计算样本标准差：
Figure FDA0003332118100000023
当数据样本xk的偏差θk(1≤k≤n)满足|θk|＞3σ，则认为数据不合理，则把不合理数据剔除。
5.如权利要求1所述的用于水电厂发电设备的劣化分析方法，其特征在于：所述步骤2)中数据处理模块进行缺失数据补充的过程为：根据数据源，通过手工录入数据的方法补充所述所需参数的历史数据中缺失的数据。
6.如权利要求1所述的用于水电厂发电设备的劣化分析方法，其特征在于：所述步骤2)中数据处理模块进行重复数据合并处理的过程为：
将水电厂发电设备劣化分析系统所需参数的历史数据库中相同的记录进行合并或清除，仅保留一条记录。
7.如权利要求1所述的用于水电厂发电设备的劣化分析方法，其特征在于：所述步骤3)中数学劣化模型采用三种劣化数学模型，分别对应为LHline线性劣化模型、LHe1指数劣化模型1、LHe2指数劣化模型2；
(1)线性劣化模型下的劣化指数公式为：
Figure FDA0003332118100000024
(2)指数劣化模型1下的劣化指数：
Figure FDA0003332118100000025
(3)指数劣化模型2下的劣化指数：
Figure FDA0003332118100000026
上述公式中：V为当前参数实时测值；Vlimit为对应参数的限值；Voptima为对应参数的最优值；LH∈[0，1]，当LH值越限取限值；K1、K2为劣化常数；
各个参数选用上述一种劣化数学模型计算出劣化指数，各参数的劣化指数通过设定好的权重计算出设备的综合健康度，公式如下：
Figure FDA0003332118100000031
上述公式中：H为设备健康度；Wi为第i个参数的权重；LHi为第i个参数的劣化指数。
8.如权利要求1所述的用于水电厂发电设备的劣化分析方法，其特征在于：所述可视化模块包括设备参数数据的配置、参数权重配置及算法基本配置、数据模型历史数据选取；在设备劣化分析配置完成后，有对应的界面展示设备健康评估值，劣化报警及预警窗口，设备特征数据的历史曲线。
CN202111283894.6A 2021-11-01 2021-11-01 一种用于水电厂发电设备的劣化分析方法 Pending CN113987817A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111283894.6A CN113987817A (zh) 2021-11-01 2021-11-01 一种用于水电厂发电设备的劣化分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111283894.6A CN113987817A (zh) 2021-11-01 2021-11-01 一种用于水电厂发电设备的劣化分析方法

Publications (1)

Publication Number Publication Date
CN113987817A true CN113987817A (zh) 2022-01-28

Family

ID=79745468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111283894.6A Pending CN113987817A (zh) 2021-11-01 2021-11-01 一种用于水电厂发电设备的劣化分析方法

Country Status (1)

Country Link
CN (1) CN113987817A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116452067A (zh) * 2023-06-12 2023-07-18 昆山工业大数据创新中心有限公司 一种工业设备参数的劣化度评估方法、装置及设备
CN117332121A (zh) * 2023-09-26 2024-01-02 华能澜沧江水电股份有限公司 一种水电厂非电量保护逻辑图谱生成系统及方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116452067A (zh) * 2023-06-12 2023-07-18 昆山工业大数据创新中心有限公司 一种工业设备参数的劣化度评估方法、装置及设备
CN116452067B (zh) * 2023-06-12 2023-09-05 昆山工业大数据创新中心有限公司 一种工业设备参数的劣化度评估方法、装置及设备
CN117332121A (zh) * 2023-09-26 2024-01-02 华能澜沧江水电股份有限公司 一种水电厂非电量保护逻辑图谱生成系统及方法

Similar Documents

Publication Publication Date Title
CN108375476B (zh) 一种水电机组健康评估方法
CN109766334B (zh) 用于电力设备在线监测异常数据的处理方法及系统
CN116660669B (zh) 一种电力设备故障在线监测系统及方法
CN113987817A (zh) 一种用于水电厂发电设备的劣化分析方法
CN108051709A (zh) 基于人工智能技术的变压器状态在线评估分析方法
CN109188227B (zh) 一种双馈型风力发电机绝缘状态评估方法及系统
CN104390657A (zh) 一种发电机组运行参数测量传感器故障诊断方法及系统
CN103164775A (zh) 一种电网设备状态自动评价平台及方法
CN113837604A (zh) 一种多源异构数据融合与多维度数据相关性分析系统
CN113239132A (zh) 一种电压互感器的超差在线辨识方法
CN116660672B (zh) 基于大数据的电网设备故障诊断方法及系统
CN116388402B (zh) 一种应用于变电设备的异常报警分析方法
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
CN110262460B (zh) 一种结合聚类思想进行特征提取的砼活塞故障预测方法
CN115081647A (zh) 基于贝叶斯网络模型的工业智能仪表故障预诊断方法
CN112016193B (zh) 一种盾构机系统的润滑失效在线预测方法及系统
CN113313365A (zh) 一种一次风机的劣化预警方法及设备
CN105741184A (zh) 一种变压器状态评估方法及装置
CN112595926A (zh) 一种地区电网检修计划智能辨识及辅助编制的技术研究
CN117074852A (zh) 一种配电网电能监测预警管理方法及系统
CN107274112B (zh) 改良油中溶解气体的诊断算法模型
CN115577807A (zh) 基于pmu数据驱动的轨道交通电力系统故障事件检测方法
CN113848347A (zh) 一种风力发电机测风仪健康状态检测方法
CN114442543A (zh) 一种适用于水电站故障预警的计算机监测方法
CN116256691B (zh) 一种电能表失准在线监测方法及系统

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