CN115345448A - 一种水轮发电机组效能评价系统 - Google Patents
一种水轮发电机组效能评价系统 Download PDFInfo
- Publication number
- CN115345448A CN115345448A CN202210894807.9A CN202210894807A CN115345448A CN 115345448 A CN115345448 A CN 115345448A CN 202210894807 A CN202210894807 A CN 202210894807A CN 115345448 A CN115345448 A CN 115345448A
- Authority
- CN
- China
- Prior art keywords
- equipment
- unit
- tested
- state
- matrix
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 49
- 238000012423 maintenance Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 230000007704 transition Effects 0.000 claims abstract description 14
- 238000004806 packaging method and process Methods 0.000 claims abstract description 12
- 230000002776 aggregation Effects 0.000 claims abstract description 4
- 238000004220 aggregation Methods 0.000 claims abstract description 4
- 238000013480 data collection Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 87
- 230000036541 health Effects 0.000 claims description 49
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000005284 excitation Effects 0.000 claims description 17
- 238000010248 power generation Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 17
- 238000001816 cooling Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 238000002405 diagnostic procedure Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000009666 routine test Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 2
- 238000012821 model calculation Methods 0.000 claims description 2
- 238000005538 encapsulation Methods 0.000 claims 2
- 230000002596 correlated effect Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种面向水轮发电机的效能评价系统。所述系统包括设备数据采集模块和设备数据处理模块;设备数据采集模块分别连接被测单元和设备数据处理模块;所述被测单元即水轮发电机组整体;所述设备数据处理模块包括顺次连接的数据封装模块、算法处理器和结果展示模块;数据封装模块接收设备数据采集模块采集的数据进行数据归集;算法处理器利用ADC+P模型评估被测单元的实施效能,输出被测单元当前状态即当前效能值;结果展示模块输出被测单元的实时效能,得到被测单元随时间变化连续效能变化曲线,并为检修决策提供辅助参考。本发明解决了现有技术中对发电机状态转移的预测概率D更新迭代难以量化计算的难题。
Description
技术领域
本发明属于水轮发电机组效能评估领域,具体涉及一种面向水轮发电机的效能评价系统。
背景技术
水轮发电机组作为水电厂关键主设备,它的安全运行是水电厂确保安全、优质、经济发供电的根本保障。随着水轮发电机组单机容量和结构尺寸的日益增大,降低机组故障率、保证机组稳定运行对提高水电厂的经济效益和社会效益具有重大意义。
目前水电厂多采用定期进行检修的方法对各设备进行检修维护,定期检修便于对设备进行周期性的状态监测以及维护,但难以对设备实时状态进行监控以及故障率量化统计,且目前ADC模型多用于武器装备效能以及卫星效能评估方面,暂无发电设备相关的效能计算评估。其中《基于区间灰数的装备ADC效能评估方法》对武器装备效能进行ADC模型评估,《星座卫星通信系统效能评估技术》通过ADC效能评估方法对星座卫星的通信效能做出具体效能评估以上难点不仅导致了部分故障频发设备需要增加定期检修以外的额外检修费用,还导致了部分故障少发设备定期检修存在冗余,这制约了ADC效能计算方法的准确性和科学性。
发明内容
针对现有技术的以上缺陷或改进需求,本发明的目的是提供一种基于ADC模型的水轮发电机组效能评估方法,实现水轮发电机组故障率的实时迭代更新,实现水轮发电机效能的准确评估。
本发明的目的至少通过如下技术方案之一实现。
一种面向水轮发电机的效能评价系统,包括设备数据采集模块和设备数据处理模块;设备数据采集模块分别连接被测单元和设备数据处理模块;
所述被测单元即水轮发电机组整体,包括水轮发电机组本体、空气冷却系统、离线数据系统以及上导、下导和轴承架构;
所述设备数据采集模块包括转速传感器、温度传感器和转矩传感器,用于测量被测单元各个部件的实时状态数据、在全生命周期内健康评分数据、设备可用时间、设备维修信息、设备故障率、设备定值,其中设备故障率、设备可用时间、制动停机时间均由离线数据库直接输入;
所述设备数据处理模块包括顺次连接的数据封装模块、算法处理器和结果展示模块;
数据封装模块接收设备数据采集模块采集的数据进行数据归集;
算法处理器利用ADC+P模型评估被测单元的实施效能,输出被测单元当前状态即当前效能值;
结果展示模块输出被测单元的实时效能,得到被测单元随时间变化连续效能变化曲线,并为检修决策提供辅助参考。
进一步地,设备数据采集模块用于提供被测单元的特征数据,其中转速传感器提供水轮发电机组本体的实时转速,温度传感器提供空气冷却系统的实时温度,数据采集与监视控制系统(Supervisory Control And Data Acquisition)提供被测单元实时状态数据、健康评分数据、可用时间、设备维修信息、制动停机时间、设备故障率和设备定值,转矩传感器提供上导、下导和轴承架构转矩数据;
通过转速传感器、温度传感器和转矩传感器对各被测单元进行数据采集,将设备数据输入到数据封装模块进行数据封装,为算法处理器提供数据支撑。
进一步地,算法处理器中,具体处理操作步骤如下:
S1、建立被测单元的可用性矩阵A和固有能力矩阵C;
S2、建立被测单元的可信度矩阵D;
S3、结合被测单元状态健康指数,根据历史数据构建故障率推算模型;
S4、结合设备当前状态健康指数,考虑设备自然演变、故障或检修激励P,计算设备故障率以及迭代可信度矩阵D’;
S5、根据步骤S4的计算结果对迭代可信度矩阵D’进行迭代;
S6、利用ADC+P模型计算被测单元的效能大小,并根据输出效能大小值来评估被测单元当前状态。
进一步地,步骤S1中,通过ADC模型计算得到被测单元的可用性矩阵A和固有能力矩阵C;
可用性矩阵A的计算如下:
可用性是对抽水蓄能电厂各发电设备开始工作时工作状态的度量;可用性矩阵A中的不同元素表示发电设备处于不同工作状态时的概率,因此分析发电设备的可用性时,首先要分析发电设备作为系统层面其中的组成架构和拥有的工作状态;
系统结构确定之后,工作状态取决于系统的维修性、可靠性、延迟时间三个因素;
根据被测单元各部件是否正常工作以及是否有备用部件,将其可用性分为正常状态、故障状态以及停机状态;
被测单元的可用性矩阵A可以表示为:
A=[a1,a2,a3] (1)
其中a1为正常状态,表示被测单元各部件都属于正常工作状态;a2为故障状态,表示被测单元有部件处于故障状态,但被测单元仍可正常运行;a3为停机状态,表示被测单元停止运行;
被测单元的工作状态,正常状态、故障状态以及停机状态具体如下:
正常状态a1:
故障状态a2:
停机状态a3:
其中,λ表示故障率;MTBF表示系统平均无故障时间;MTTR表示系统平均修复时间;
固有能力矩阵C的计算如下:
被测单元的固有能力指标在调频场景下主要表征为任务的响应能力与达标效果,具体体现为发电机机组系统对各类调频任务完成达标的水平,具体评价指标包括被测单元调频投运率、调频输出电量、调频达标效果以及最大调节电量;
通过层次分析法、熵权法对各指标重要程度进行划分,取主观权重和客观权重的乘积作为各指标组合权重W=[W投运,W输出,W达标,W调节];W投运、W输出、W达标、W调节分别为被测单元的调频投运率、调频输出电量、调频达标效果、最大调节电量四个评价指标的权重;
利用模糊评价法,对被测单元的调频投运率、调频输出电量、调频达标效果、最大调节电量四个评价指标建立‘优良差’三级评价等级,根据各指标故障预警底限构建隶属度函数,求得各指标隶属度矩阵R;
将指标组合权重乘以隶属度矩阵被测单元的固有能力矩阵:
C=[C1,C2,C3]=W×R (5)
其中,C1为被测单元处于正常工作状态下的固有能力值,C2为被测单元处于故障状态下的固有能力值,C3为被测单元处于停机状态下的固有能力值。
进一步地,步骤S2中,所考查水轮发电机故障事件符合指数分布,可将水轮发电机视作符合马尔科夫状态转移过程,因此可采用马尔科夫状态转移矩阵表征水轮发电机状态变更过程;
在自然演变状态下,即不考虑检修介入的前提下,被测单元的工作状态仅会由正常工作状态改变为故障状态或停机状态,即可用性由a1向a1、a2、a3改变或a2向a2、a3或a3改变保持不变;
水轮发电机的可信度矩阵D的表达式如下:
其中,λE、λC、λB、λS、λA分别表示水轮发电机组本体、空气冷却系统、轴承架构、制动停机系统和辅助系统的故障率;将被测单元各部件初始故障率代入,求得可信度D矩阵。
进一步地,步骤S3中,被测单元状态健康指数的评估指标包括主轴密封及其供水系统检查、水导轴承检查、导叶止推轴承检查;
以包括但不限于《中国南方电网有限责任公司企业标准:电力设备检修试验规程》、《配网设备状态评价导则》的检修试验规程为评分依据,对基于巡检及例行试验、诊断性试验、在线监测、带电检测,对现象强度、量值大小以及发展趋势进行评价,得到各部件扣分量,继而求得具体设备综合扣分值,作为设备健康指数。
进一步地,步骤S3中,设备故障率与设备健康指数呈正相关关系,指数关系式计算如下:
λ=K×eC×HI (7)
其中,λ为设备故障率;K为比例系数;C为曲率系数;HI为设备健康指数,数值范围为0-100;
利用已知的被测单元近两年设备历史数据,包括健康评分指数HI、设备总台数N、故障设备台数n和被测单元总体年故障发生概率Pyear,通过反演计算得到比例系数K和曲率系数C,反演计算公式如下:
其中,i为设备的分类,I为设备种类数,Ni为第i类的设备台数,HIi为根据第i类设备,将为对应HI分值上下限的平均值。
进一步地,步骤S4中,可将被测单元固定时间尺度内健康指数作为输入量,求得此检修周期内被测单元的故障率,可信度矩阵的元素为水轮发电机组本体、空气冷却系统、离线数据系统以及上导、下导和轴承架构的故障率与调频期间某时刻t的函数并符合指数分布的形式,根据ADC模型求得迭代可信度矩阵D’。
进一步地,步骤S5中,迭代可信度矩阵D’的迭代过程包括设备自然演变过程下设备状态转移和设备受到故障或检修激励P导致的设备状态转移,自然演变过程下以月度作为最小时间尺度,对设备状态进行健康度评估,根据月度健康指数求得该月度设备故障率后,对迭代可信度矩阵D’进行迭代计算;
在设备受到故障或检修激励P后,对设备状态进行健康度评估,根据健康指数求得检修后设备故障率,并对迭代可信度矩阵D’进行迭代计算,得到迭代后的迭代可信度矩阵D’,迭代次数与激励次数保持一致,表达式如下:
其中,λ′E、λ′C、λ′B、λ′S、λ′A分别表示迭代后的水轮发电机组本体、空气冷却系统、轴承架构、制动停机系统和辅助系统的故障率。
进一步地,步骤S6中,ADC+P模型计算被测单元的效能大小的表达式为:
E=A×D×C;
其中,根据步骤S1得到的可用性矩阵A表示被测单元的设备健康状态,根据步骤S5最终得到的迭代可信度矩阵D’表示被测单元由正常状态向故障状态转移的概率,根据步骤S1得到的C矩阵表示被测单元对各类调频任务的达标完成的水平,做乘得到的总体效能E表示被测单元处于设备健康状态的概率分布值;
输出总体效能E的大小值来评估被测单元当前状态具体表现为:
计算出的总体效能E为一条时域变化结果,通过曲线的变化来确定总体效能E的变化。
相比于现有技术,本发明的优点在于:
在效能评估过程中结合设备健康评分系数,实现对设备故障率的实时更新,并对发电机状态转移的预测概率D计算迭代提供了量化依据,本发明解决了现有技术中对发电机状态转移的预测概率D更新迭代难以量化计算的难题,提高ADC+P矩阵法计算的准确性以及科学性,并通过效能实时变化曲线为检修决策提供参考。
附图说明
图1为本发明实施例1中效能值随时间变化曲线示意图;
图2为本发明实施例2中效能值随时间变化曲线示意图;
图3为本发明实施例3中效能值随时间变化曲线示意图;
图4为本发明实施例中一种水轮发电机组组效能技术分析路线图。
图5为本发明实施例中一种面向水轮发电机的效能评价系统结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1:
一种面向水轮发电机的效能评价系统,包括设备数据采集模块和设备数据处理模块;设备数据采集模块分别连接被测单元和设备数据处理模块;
所述被测单元即水轮发电机组整体,包括水轮发电机组本体、空气冷却系统、离线数据系统以及上导、下导和轴承架构;
所述设备数据采集模块包括转速传感器、温度传感器和转矩传感器,用于测量被测单元各个部件的实时状态数据、在全生命周期内健康评分数据、设备可用时间、设备维修信息、设备故障率、设备定值,其中设备故障率、设备可用时间、制动停机时间均由离线数据库直接输入;
设备数据采集模块用于提供水轮发电机组特征数据,其中转速传感器提供水轮发电机组本体的实时转速,温度传感器提供空气冷却系统的实时温度,数据采集与监视控制系统(Supervisory Control And Data Acquisition)提供被测单元实时状态数据、健康评分数据、可用时间、设备维修信息、制动停机时间、设备故障率和设备定值,转矩传感器提供上导、下导和轴承架构转矩数据;
通过转速传感器、温度传感器和转矩传感器对各被测单元进行数据采集,将设备数据输入到数据封装模块进行数据封装,为算法处理器提供数据支撑。
所述设备数据处理模块包括顺次连接的数据封装模块、算法处理器和结果展示模块;
数据封装模块接收设备数据采集模块采集的数据进行数据归集;
算法处理器利用ADC+P模型评估水轮发电机组实施效能,输出水轮发电机组当前状态即当前效能值;
算法处理器中,具体处理操作步骤如下:
S1、建立被测单元的可用性矩阵A和固有能力矩阵C;
通过ADC模型计算得到被测单元的可用性矩阵A和固有能力矩阵C;
可用性矩阵A的计算如下:
可用性是对抽水蓄能电厂各发电设备开始工作时工作状态的度量;可用性矩阵A中的不同元素表示发电设备处于不同工作状态时的概率,因此分析发电设备的可用性时,首先要分析发电设备作为系统层面其中的组成架构和拥有的工作状态;
系统结构确定之后,工作状态取决于系统的维修性、可靠性、延迟时间三个因素;
根据水轮发电机组各部件是否正常工作以及是否有备用部件,将其可用性分为正常状态、故障状态以及停机状态;
水轮发电机组的可用性矩阵A可以表示为:
A=[a1,a2,a3] (1)
其中a1为正常状态,表示水轮发电机组各部件都属于正常工作状态;a2为故障状态,表示水轮发电机组有部件处于故障状态,但被测单元仍可正常运行;a3为停机状态,表示水轮发电机组停止运行;
水轮发电机组的工作状态,正常状态、故障状态以及停机状态具体如下:
正常状态a1:
故障状态a2:
停机状态a3:
其中,λ表示故障率;MTBF表示系统平均无故障时间;MTTR表示系统平均修复时间;
固有能力矩阵C的计算如下:
水轮发电机的固有能力指标在调频场景下主要表征为任务的响应能力与达标效果,具体体现为发电机机组系统对各类调频任务完成达标的水平,具体评价指标包括水轮发电机组调频投运率、调频输出电量、调频达标效果以及最大调节电量;
通过层次分析法、熵权法对各指标重要程度进行划分,取主观权重和客观权重的乘积作为各指标组合权重W=[W投运,W输出,W达标,W调节];W投运、W输出、W达标、W调节分别为水轮发电机组调频投运率、调频输出电量、调频达标效果、最大调节电量四个评价指标的权重;
利用模糊评价法,对水轮发电机组调频投运率、调频输出电量、调频达标效果、最大调节电量四个评价指标建立‘优良差’三级评价等级,根据各指标故障预警底限构建隶属度函数,求得各指标隶属度矩阵R;
将指标组合权重乘以隶属度矩阵水轮发电机组固有能力矩阵:
C=[C1,C2,C3]=W×R (5)
其中,C1为水轮发电机组处于正常工作状态下的固有能力值,C2为水轮发电机组处于故障状态下的固有能力值,C3为水轮发电机组处于停机状态下的固有能力值。
S2、建立水轮发电机组的可信度矩阵D;
所考查水轮发电机故障事件符合指数分布,可将水轮发电机视作符合马尔科夫状态转移过程,因此可采用马尔科夫状态转移矩阵表征水轮发电机状态变更过程;
在自然演变状态下,即不考虑检修介入的前提下,水轮发电机组工作状态仅会由正常工作状态改变为故障状态或停机状态,即可用性由a1向a1、a2、a3改变或a2向a2、a3或a3改变保持不变;
水轮发电机的可信度矩阵D的表达式如下:
其中,λE、λC、λB、λS、λA分别表示水轮发电机组本体、空气冷却系统、轴承架构、制动停机系统和辅助系统的故障率;将被测单元各部件初始故障率代入,求得可信度D矩阵。
S3、结合被测单元状态健康指数,根据历史数据构建故障率推算模型;
被测单元状态健康指数的评估指标包括主轴密封及其供水系统检查、水导轴承检查、导叶止推轴承检查;
以包括但不限于《中国南方电网有限责任公司企业标准:电力设备检修试验规程》、《配网设备状态评价导则》的检修试验规程为评分依据,对基于巡检及例行试验、诊断性试验、在线监测、带电检测,对现象强度、量值大小以及发展趋势进行评价,得到各部件扣分量,继而求得具体设备综合扣分值,作为设备健康指数。
设备故障率与设备健康指数呈正相关关系,指数关系式计算如下:
λ=K×eC×HI (7)
其中,λ为设备故障率;K为比例系数;C为曲率系数;HI为设备健康指数,数值范围为0-100;
利用已知的被测单元近两年设备历史数据,包括健康评分指数HI、设备总台数N、故障设备台数n和被测单元总体年故障发生概率Pyear,通过反演计算得到比例系数K和曲率系数C,反演计算公式如下:
其中,i为设备的分类,I为设备种类数,Ni为第i类的设备台数,HIi为根据第i类设备,将为对应HI分值上下限的平均值。
S4、结合设备当前状态健康指数,考虑设备自然演变、故障或检修激励P,计算设备故障率以及迭代可信度矩阵D’;
可将被测单元固定时间尺度内健康指数作为输入量,求得此检修周期内被测单元的故障率,可信度矩阵的元素为水轮发电机组本体、空气冷却系统、离线数据系统以及上导、下导和轴承架构的故障率与调频期间某时刻t的函数并符合指数分布的形式,根据ADC模型求得迭代可信度矩阵D’。
S5、根据步骤S4的计算结果对迭代可信度矩阵D’进行迭代;
迭代可信度矩阵D’的迭代过程包括设备自然演变过程下设备状态转移和设备受到故障或检修激励P导致的设备状态转移,自然演变过程下以月度作为最小时间尺度,对设备状态进行健康度评估,根据月度健康指数求得该月度设备故障率后,对迭代可信度矩阵D’进行迭代计算;
在设备受到故障或检修激励P后,对设备状态进行健康度评估,根据健康指数求得检修后设备故障率,并对迭代可信度矩阵D’进行迭代计算,得到迭代后的迭代可信度矩阵D’,迭代次数与激励次数保持一致,表达式如下:
其中,λ′E、λ′C、λ′B、λ′S、λ′A分别表示迭代后的水轮发电机组本体、空气冷却系统、轴承架构、制动停机系统和辅助系统的故障率。
S6、利用ADC+P模型计算水轮发电机组效能大小,并根据输出效能大小值来评估发电机组当前状态;
ADC+P模型计算水轮发电机组效能大小的表达式为:
E=A×D×C;
其中,根据步骤S1得到的可用性矩阵A表示被测单元的设备健康状态,根据步骤S5最终得到的迭代可信度矩阵D’表示被测单元由正常状态向故障状态转移的概率,根据步骤S1得到的C矩阵表示被测单元对各类调频任务的达标完成的水平,做乘得到的总体效能E表示被测单元处于设备健康状态的概率分布值;
输出总体效能E的大小值来评估水轮发电机组当前状态具体表现为:
计算出的总体效能E为一条时域变化结果,通过曲线的变化来确定总体效能E的变化。
结果展示模块输出水轮发电机组的实时效能,得到水轮发电机组随时间变化连续效能变化曲线,并为检修决策提供辅助参考。
本实施例中,以某水轮发电机组2010年数据为例,以实际水轮发电机组各部件监测数据以及离线数据作为数据输入。
可用性矩阵A:由某水轮发电机组历史数据可得,水轮发电机组故障率P=0.02、系统平均无故障时间MTBF=0.97、系统平均修复时间MTBF=0.03:
建立可用性矩阵A:
A=[0.9506,0.0194,0.03]
初始可信度矩阵D:由某水轮发电机组历史健康评估指数可得比例系数K=0.0112,曲率系数C=0.0451;由水轮发电机组历史数据可得各部件故障率λE=0.01、λC=0.01、λB=0.02、λS=0.01、λA=0.02,由式(13)可得初始可信度矩阵D如下:
以一年中12个月为例,前4个月水轮发电机组处于自然演变状态,5月受到故障激励P1,各部件故障率突变为λE=0.05、λC=0.13、λB=0.07、λS=0.04、λA=0.04;7月受到检修激励P2,各部件故障率突变为λE=0.01、λC=0.01、λB=0.01、λS=0.01、λA=0.01,得到12个月的迭代可信度矩阵D’如下表所示:
固有能力矩阵C:由某水轮发电机组实时监测数据可得效能指标评估值,根据层次分析法和熵权法确定指标权重:
水轮发电机组效能值E:
月份 | 1 | 2 | 3 | 4 |
总体效能值E | 0.8022 | 0.7496 | 0.7006 | 0.6548 |
月份 | 5 | 6 | 7 | 8 |
总体效能值E | 0.6309 | 0.4654 | 0.8181 | 0.7797 |
月份 | 9 | 10 | 11 | 12 |
总体效能值E | 0.7432 | 0.7084 | 0.6753 | 0.6437 |
可得总体效能值E图1所示。
实施例2:
本实施例中,以某水轮发电机组2011年数据为例:
水轮发电机组故障率P=0.02、系统平均无故障时间MTBF=0.97、系统平均修复时间MTBF=0.03:
由水轮发电机组历史数据可得各部件故障率λE=0.01、λC=0.01、λB=0.01、λS=0.01、λA=0.01;以一年中12个月为例,前4个月水轮发电机组处于自然演变状态,5月受到故障激励P1,各部件故障率突变为λE=0.03、λC=0.05、λB=0.07、λS=0.04、λA=0.04;7月受到检修激励P2,各部件故障率突变为λE=0.03、λC=0.02、λB=0.01、λS=0.01、λA=0.01,得到12个月迭代可信度矩阵D’如下表所示:
水轮发电机组总体效能值E:
月份 | 1 | 2 | 3 | 4 |
总体效能值E | 0.8195 | 0.7807 | 0.7438 | 0.7086 |
月份 | 5 | 6 | 7 | 8 |
总体效能值E | 0.6886 | 0.5516 | 0.7963 | 0.7371 |
月份 | 9 | 10 | 11 | 12 |
总体效能值E | 0.6824 | 0.6319 | 0.5851 | 0.5419 |
可得总体效能值E图2所示。
实施例3:
本实施例中,以某水轮发电机组2012年数据为例:
水轮发电机组故障率P=0.02、系统平均无故障时间MTBF=0.97、系统平均修复时间MTBF=0.03:
由水轮发电机组历史数据可得各部件故障率λE=0.02、λC=0.01、λB=0.01、λS=0.03、λA=0.01;以一年中12个月为例,前4个月水轮发电机组处于自然演变状态,5月受到故障激励P1,各部件故障率突变为λE=0.19、λC=0.06、λB=0.04、λS=0.08、λA=0.04;7月受到检修激励P2,各部件故障率突变为λE=0.04、λC=0.03、λB=0.01、λS=0.02、λA=0.01,得到12个月迭代可信度矩阵D’如下表所示:
水轮发电机组总体效能值E:
月份 | 1 | 2 | 3 | 4 |
总体效能值E | 0.7701 | 0.7125 | 0.6593 | 0.6101 |
月份 | 5 | 6 | 7 | 8 |
总体效能值E | 0.5599 | 0.3778 | 0.7495 | 0.6751 |
月份 | 9 | 10 | 11 | 12 |
总体效能值E | 0.6082 | 0.5481 | 0.4940 | 0.4456 |
可得总体效能值E图3所示。
Claims (10)
1.一种面向水轮发电机的效能评价系统,其特征在于,包括设备数据采集模块和设备数据处理模块;设备数据采集模块分别连接被测单元和设备数据处理模块;
所述被测单元即水轮发电机组整体,包括水轮发电机组本体、空气冷却系统、离线数据系统以及上导、下导和轴承架构;
所述设备数据采集模块包括转速传感器、温度传感器和转矩传感器,用于测量被测单元各个部件的实时状态数据、在全生命周期内健康评分数据、设备可用时间、设备维修信息、设备故障率、设备定值,其中设备故障率、设备可用时间、制动停机时间均由离线数据库直接输入;
所述设备数据处理模块包括顺次连接的数据封装模块、算法处理器和结果展示模块;
数据封装模块接收设备数据采集模块采集的数据进行数据归集;
算法处理器利用ADC+P模型评估被测单元的实施效能,输出被测单元当前状态即当前效能值;
结果展示模块输出被测单元的实时效能,得到被测单元随时间变化连续效能变化曲线,并为检修决策提供辅助参考。
2.根据权利要求1所述的一种面向水轮发电机的效能评价系统,其特征在于,设备数据采集模块用于提供被测单元的特征数据,其中转速传感器提供水轮发电机组本体的实时转速,温度传感器提供空气冷却系统的实时温度,数据采集与监视控制系统提供被测单元实时状态数据、健康评分数据、可用时间、设备维修信息、制动停机时间、设备故障率和设备定值,转矩传感器提供上导、下导和轴承架构转矩数据;
通过转速传感器、温度传感器和转矩传感器对各被测单元进行数据采集,将设备数据输入到数据封装模块进行数据封装,为算法处理器提供数据支撑。
3.根据权利要求1所述的一种面向水轮发电机的效能评价系统,其特征在于,算法处理器中,具体处理操作步骤如下:
S1、建立被测单元的可用性矩阵A和固有能力矩阵C;
S2、建立被测单元的可信度矩阵D;
S3、结合被测单元状态健康指数,根据历史数据构建故障率推算模型;
S4、结合设备当前状态健康指数,考虑设备自然演变、故障或检修激励P,计算设备故障率以及迭代可信度矩阵D’;
S5、根据步骤S4的计算结果对迭代可信度矩阵D’进行迭代;
S6、利用ADC+P模型计算被测单元的效能大小,并根据输出效能大小值来评估被测单元当前状态。
4.根据权利要求3所述的一种面向水轮发电机的效能评价系统,其特征在于,步骤S1中,通过ADC模型计算得到被测单元的可用性矩阵A和固有能力矩阵C;
可用性矩阵A的计算如下:
可用性是对抽水蓄能电厂各发电设备开始工作时工作状态的度量;可用性矩阵A中的不同元素表示发电设备处于不同工作状态时的概率,因此分析发电设备的可用性时,首先要分析发电设备作为系统层面其中的组成架构和拥有的工作状态;
系统结构确定之后,工作状态取决于系统的维修性、可靠性、延迟时间三个因素;
根据被测单元各部件是否正常工作以及是否有备用部件,将其可用性分为正常状态、故障状态以及停机状态;
被测单元的可用性矩阵A可以表示为:
A=[a1,a2,a3] (1)
其中a1为正常状态,表示被测单元各部件都属于正常工作状态;a2为故障状态,表示被测单元有部件处于故障状态,但被测单元仍可正常运行;a3为停机状态,表示被测单元停止运行;
被测单元的工作状态,正常状态、故障状态以及停机状态具体如下:
正常状态a1:
故障状态a2:
停机状态a3:
其中,λ表示故障率;MTBF表示系统平均无故障时间;MTTR表示系统平均修复时间;
固有能力矩阵C的计算如下:
被测单元的固有能力指标在调频场景下主要表征为任务的响应能力与达标效果,具体体现为发电机机组系统对各类调频任务完成达标的水平,具体评价指标包括被测单元调频投运率、调频输出电量、调频达标效果以及最大调节电量;
通过层次分析法、熵权法对各指标重要程度进行划分,取主观权重和客观权重的乘积作为各指标组合权重W=[W投运,W输出,W达标,W调节];W投运、W输出、W达标、W调节分别为被测单元的调频投运率、调频输出电量、调频达标效果、最大调节电量四个评价指标的权重;
利用模糊评价法,对被测单元的调频投运率、调频输出电量、调频达标效果、最大调节电量四个评价指标建立‘优良差’三级评价等级,根据各指标故障预警底限构建隶属度函数,求得各指标隶属度矩阵R;
将指标组合权重乘以隶属度矩阵被测单元的固有能力矩阵:
C=[C1,C2,C3]=W×R (5)
其中,C1为被测单元处于正常工作状态下的固有能力值,C2为被测单元处于故障状态下的固有能力值,C3为被测单元处于停机状态下的固有能力值。
5.根据权利要求3所述的一种面向水轮发电机的效能评价系统,其特征在于,步骤S2中,所考查水轮发电机故障事件符合指数分布,可将水轮发电机视作符合马尔科夫状态转移过程,因此可采用马尔科夫状态转移矩阵表征水轮发电机状态变更过程;
在自然演变状态下,即不考虑检修介入的前提下,被测单元的工作状态仅会由正常工作状态改变为故障状态或停机状态,即可用性由a1向a1、a2、a3改变或a2向a2、a3或a3改变保持不变;
水轮发电机的可信度矩阵D的表达式如下:
其中,λE、λC、λB、λS、λA分别表示水轮发电机组本体、空气冷却系统、轴承架构、制动停机系统和辅助系统的故障率;将被测单元各部件初始故障率代入,求得可信度D矩阵。
6.根据权利要求3所述的一种面向水轮发电机的效能评价系统,其特征在于,步骤S3中,被测单元状态健康指数的评估指标包括主轴密封及其供水系统检查、水导轴承检查、导叶止推轴承检查;
以包括但不限于《中国南方电网有限责任公司企业标准:电力设备检修试验规程》、《配网设备状态评价导则》的检修试验规程为评分依据,对基于巡检及例行试验、诊断性试验、在线监测、带电检测,对现象强度、量值大小以及发展趋势进行评价,得到各部件扣分量,继而求得具体设备综合扣分值,作为设备健康指数。
8.根据权利要求3所述的一种面向水轮发电机的效能评价系统,其特征在于,步骤S4中,可将被测单元固定时间尺度内健康指数作为输入量,求得此检修周期内被测单元的故障率,可信度矩阵的元素为水轮发电机组本体、空气冷却系统、离线数据系统以及上导、下导和轴承架构的故障率与调频期间某时刻t的函数并符合指数分布的形式,根据ADC模型求得迭代可信度矩阵D’。
9.根据权利要求8所述的一种面向水轮发电机的效能评价系统,其特征在于,步骤S5中,迭代可信度矩阵D’的迭代过程包括设备自然演变过程下设备状态转移和设备受到故障或检修激励P导致的设备状态转移,自然演变过程下以月度作为最小时间尺度,对设备状态进行健康度评估,根据月度健康指数求得该月度设备故障率后,对迭代可信度矩阵D’进行迭代计算;
在设备受到故障或检修激励P后,对设备状态进行健康度评估,根据健康指数求得检修后设备故障率,并对迭代可信度矩阵D’进行迭代计算,得到迭代后的迭代可信度矩阵D’,迭代次数与激励次数保持一致,表达式如下:
其中,λ′E、λ′C、λ′B、λ′S、λ′A分别表示迭代后的水轮发电机组本体、空气冷却系统、轴承架构、制动停机系统和辅助系统的故障率。
10.根据权利要求1~9任一项所述的一种面向水轮发电机的效能评价系统,其特征在于,步骤S6中,ADC+P模型计算被测单元的效能大小的表达式为:
E=A×D×C;
其中,根据步骤S1得到的可用性矩阵A表示被测单元的设备健康状态,根据步骤S5最终得到的迭代可信度矩阵D’表示被测单元由正常状态向故障状态转移的概率,根据步骤S1得到的C矩阵表示被测单元对各类调频任务的达标完成的水平,做乘得到的总体效能E表示被测单元处于设备健康状态的概率分布值;
输出总体效能E的大小值来评估被测单元当前状态具体表现为:
计算出的总体效能E为一条时域变化结果,通过曲线的变化来确定总体效能E的变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894807.9A CN115345448A (zh) | 2022-07-26 | 2022-07-26 | 一种水轮发电机组效能评价系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894807.9A CN115345448A (zh) | 2022-07-26 | 2022-07-26 | 一种水轮发电机组效能评价系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115345448A true CN115345448A (zh) | 2022-11-15 |
Family
ID=83949864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210894807.9A Pending CN115345448A (zh) | 2022-07-26 | 2022-07-26 | 一种水轮发电机组效能评价系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345448A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628610A (zh) * | 2023-05-23 | 2023-08-22 | 湖北清江水电开发有限责任公司 | 水轮发电机制动风闸磨损分析系统 |
-
2022
- 2022-07-26 CN CN202210894807.9A patent/CN115345448A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628610A (zh) * | 2023-05-23 | 2023-08-22 | 湖北清江水电开发有限责任公司 | 水轮发电机制动风闸磨损分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Artigao et al. | Wind turbine reliability: A comprehensive review towards effective condition monitoring development | |
CN112179655B (zh) | 一种基于阈值分级的汽轮发电机故障预警方法 | |
CN104952000A (zh) | 基于马尔科夫链的风电机组运行状态模糊综合评价方法 | |
CN107728059B (zh) | 一种变桨系统状态评估方法 | |
CN112818604A (zh) | 一种基于风功率预测的风电机组风险度评估方法 | |
CN105512766A (zh) | 一种风电场功率预测方法 | |
CN112065668A (zh) | 一种风电机组状态异常评估方法及系统 | |
CN111340307B (zh) | 预测风机风力发电功率的方法以及相关装置 | |
CN110544184A (zh) | 一种基于运行参数的风机性能分析方法 | |
CN115614292B (zh) | 一种立式水泵机组振动监测装置及其方法 | |
CN115345448A (zh) | 一种水轮发电机组效能评价系统 | |
Zheng et al. | Fuzzy synthetic condition assessment of wind turbine based on combination weighting and cloud model | |
CN114169718A (zh) | 一种基于风电机组状态评估提高机组可靠性的方法 | |
CN114742363A (zh) | 风电机组的能效状态评价方法、系统及介质 | |
CN113985284A (zh) | 一种核电站附加柴油发电机监测系统及方法 | |
CN114202141A (zh) | 一种基于边云协同的计量设备检定线运行状态评估方法 | |
CN111192163B (zh) | 基于风电机组运行数据的发电机可靠度中短期预测方法 | |
CN113344252A (zh) | 一种基于虚拟气象技术的风功率预测方法 | |
CN115906437A (zh) | 一种风机状态确定方法、装置、设备和存储介质 | |
CN113503232A (zh) | 一种风机运行健康状态预警方法及系统 | |
CN115577854A (zh) | 一种基于eemd-rbf组合的分位数回归风速区间预测方法 | |
CN115062965A (zh) | 一种基于故障信息的水轮发电机组健康评估方法 | |
CN111027816B (zh) | 一种基于数据包络分析的光伏发电效率计算方法 | |
CN113988421A (zh) | 基于深度学习的风电机组功率智能预测方法 | |
Souza et al. | Evaluation of data based normal behavior models for fault detection in wind turbines |
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 |