CN117633521A - 一种换流阀结构健康监测方法、系统、装置、设备及介质 - Google Patents
一种换流阀结构健康监测方法、系统、装置、设备及介质 Download PDFInfo
- Publication number
- CN117633521A CN117633521A CN202311603295.7A CN202311603295A CN117633521A CN 117633521 A CN117633521 A CN 117633521A CN 202311603295 A CN202311603295 A CN 202311603295A CN 117633521 A CN117633521 A CN 117633521A
- Authority
- CN
- China
- Prior art keywords
- vibration
- data
- health monitoring
- result
- vibration 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 122
- 230000036541 health Effects 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005540 biological transmission Effects 0.000 claims abstract description 91
- 230000007847 structural defect Effects 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 230000005856 abnormality Effects 0.000 claims abstract description 24
- 230000008447 perception Effects 0.000 claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims description 71
- 230000015654 memory Effects 0.000 claims description 26
- 238000012546 transfer Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000002184 metal Substances 0.000 claims description 9
- 229910052751 metal Inorganic materials 0.000 claims description 9
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000013145 classification model Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 abstract description 5
- 238000010248 power generation Methods 0.000 abstract description 2
- 230000009466 transformation Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 8
- 239000012212 insulator Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010292 electrical insulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及发电和输变电技术领域，具体涉及一种换流阀结构健康监测方法、系统、装置、设备及介质。方法包括：获取振动感知单元感知的振动数据，振动数据为时序数据；当振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测；当振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。通过实施本发明，可以有效采集换流阀内部的振动信号，识别振动异常和结构缺陷。当振动数据为单个时，通过对振动数据的特征提取和分析，可以实现换流阀结构振动状态监测。当振动数据为多个时，可以通过任意两个振动感知单元的振动数据的振动传递关系，实现健康监测。
Description
技术领域
本发明涉及发电和输变电技术领域，具体涉及一种换流阀结构健康监测方法、系统、装置、设备及介质。
背景技术
换流阀是直流输电工程核心装备，是现代交直流混联电力系统的重要能量枢纽，在西电东送能源战略实施、深远海风电资源开发和“双碳”目标实现中具有重要意义。换流阀设备由众多电力电子器件组成工作电路，并按照一定形式组合形成满足动静态电气绝缘和力学支撑要求的结构，工程上长期承受由换流阀设备自身、换流阀安装场地、换流阀电气连接等带来的机械振动应力。换流阀内部组成部件饱和电抗器、电容器等会产生振动载荷，而对于海上风电换流站中的换流阀，船运、在位运行等工况下换流阀将受转运及海浪、海流、海风、潮汐复杂海况作用。在长期振动载荷作用下，换流阀结构可能发生松动，同时也可能由于长期振动应力下的疲劳作用引起换流阀结构破坏。但相比一般的工业设备，换流阀设备属于高电压设备，设备上存在上百千伏的高电压，给结构健康监测带来了困难。当前工程上针对换流阀结构健康监测问题，缺乏有效的技术手段和相应装置。
发明内容
有鉴于此，本发明提供了一种换流阀结构健康监测方法、系统、装置、设备及介质，以解决当前工程上针对换流阀结构健康监测问题，缺乏有效的技术手段和相应装置的问题。
第一方面，本发明提供了一种换流阀结构健康监测方法，换流阀中设置有用于感知换流阀振动数据的振动感知单元，方法包括：获取振动感知单元感知的振动数据，振动数据为时序数据；当振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测；当振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。
本发明实施例提供的换流阀结构健康监测方法，通过在换流阀内部直接配置振动感知单元，可以有效采集换流阀内部的振动信号，能够直接评估和识别换流阀振动异常和结构缺陷。当振动数据为单个振动感知单元的振动数据时，通过对振动数据的特征提取和分析，可以实现换流阀结构振动状态监测，能够在海上平台振动等场合下有效预警。当振动数据为多个振动感知单元的振动数据时，可以通过任意两个振动感知单元的振动数据的振动传递关系，实现健康监测。同时，若振动感知单元的数量超过两个时，将振动感知单元两两配对，可以使用不同振动感知单元对的分析结果交叉校验是否存在换流阀结构缺陷。
在一种可选的实施方式中，根据振动数据的振动特征值进行健康监测，包括：提取振动数据的振动特征值，振动特征值包括振动最大值、振动最小值、振动峰峰值以及振动有效值中的任意一种或多种；当振动特征值包括一种时，将振动特征值和不同异常等级对应的预设振动异常判别区间进行比较，得到比较结果；根据比较结果确定健康监测结果。
本实施例中，通过对振动数据提取振动特征值，并将其和振动异常判别区间进行比较，可以实现换流阀结构振动状态监测，能够在海上平台振动等场合下有效预警。
在一种可选的实施方式中，根据振动数据的振动特征值进行健康监测，还包括：当振动特征值包括多种时，将每种振动特征值对应的比较结果进行加权计算，得到计算结果；根据计算结果确定健康监测结果。
本实施例中，当提取的振动特征值包括多种时，对每种的比较结果进行加权计算，从而实现多种振动特征值的综合评估。
在一种可选的实施方式中，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测，包括：将第一振动感知单元的第一振动数据和第二振动感知单元的第二振动数据进行傅里叶变换，得到第一振动数据的第一谱数据和第二谱数据以及第二振动数据的第三谱数据和第四谱数据，第一谱数据和第三谱数据均为幅值谱或功率谱，第二谱数据和第四谱数据为相位谱；根据第一谱数据与第三谱数据的商确定第一传递结果，根据第二谱数据和第四谱数据的差确定第二传递结果；根据对第一传递结果和第二传递结果的分析结果确定健康监测结果。
本实施例中，通过处理两个以上振动感知单元采集振动数据，计算换流阀2个位置间的振动传递关系，能够判断换流阀梁、绝缘子、连接等关键结构是否存在结构缺陷。
在一种可选的实施方式中，根据对第一传递结果和第二传递结果的分析结果确定健康监测结果，包括：根据第一传递结果和第二传递结果与基线序列数据的关系确定第一健康监测结果；根据第一传递结果和第二传递结果与振动数据集的聚类结果确定第二健康监测结果；将第一传递结果和第二传递结果输入至预构建的分类模型，得到第三健康监测结果；当第一健康监测结果、第二健康监测结果以及第三健康监测结果中的任意两个为存在结构缺陷时，得到存在结构缺陷的健康监测结果。
本实施例中，通过提取振动传递关系并和基线序列数据比较、采用无监督聚类方法识别结构缺陷、采用有监督分类方法识别结构缺陷三种方法分别识别结构缺陷，并综合判断结构缺陷是否存在。一方面无监督聚类方法不要求具备完整的故障样本，另一方面有监督分类可以更精细地判断出结构缺陷类型。在不同数据条件下可以更好地适应实际应用要求。
在一种可选的实施方式中，第一传递结果和第二传递结果与基线序列数据的关系采用如下公式表示：
Itrans＝WF·max(|IF-trans|)+WP·max(|IP-trans|)
式中，Fteans表示第一传递结果，Ftrans-base表示第一基线序列数据，Ptrans表示第二传递结果，Ptrans-base表示第二基线序列数据，WF和WP为预设权重。
本实施例中，通过两个传递结果和基线序列数据的比较，确定两个传递关系对应的变化指标，然后采用加权的方式对两个变化指标综合判断，将两个变化指标结合在一起，得到综合指标，将该综合指标和预设阈值进行比较，即可实现结构缺陷的健康监测。
第二方面，本发明提供了一种换流阀结构健康监测系统，系统包括：振动感知单元，安装在换流阀中，用于感知换流阀振动数据；微处理器，用于获取振动感知单元感知的振动数据，振动数据为时序数据；当振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测；当振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。
在一种可选的实施方式中，换流阀包括金属梁和绝缘梁，振动感知单元设置在金属梁和绝缘梁的非连接处。
第三方面，本发明提供了一种换流阀结构健康监测装置，换流阀中设置有用于感知换流阀振动数据的振动感知单元，装置包括：数据获取模块，用于获取振动感知单元感知的振动数据，振动数据为时序数据；第一监测模块，用于当振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测；第二监测模块，用于当振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。
第四方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的换流阀结构健康监测方法。
第五方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的换流阀结构健康监测方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的换流阀结构健康监测方法的流程示意图；
图2是根据本发明实施例的换流阀结构健康监测系统的结构框图；
图3是根据本发明实施例的换流阀阀模块振动感知单元配置方式示意图；
图4是根据本发明实施例的换流阀结构健康监测装置的结构框图；
图5是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明实施例，提供了一种换流阀结构健康监测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种换流阀结构健康监测方法，可用于电子设备，如电脑、手机、平板电脑等，图1是根据本发明实施例的换流阀结构健康监测方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，获取振动感知单元感知的振动数据，振动数据为时序数据。具体地，换流阀中设置有用于感知换流阀振动数据的振动感知单元，该振动感知单元在换流阀发生振动时采集器振动数据，其中，该振动数据可以是振动位移、速度、加速度、声压等数据。为了实现相应振动数据的采集，该振动感知单元可以是相应的传感器，如振动数据为加速度，则振动感知单元可以是加速度传感器。同时为了便于后续的数据分析，振动感知单元在采集到相应振动数据之后，可以将其转换为数值数据。另外，由于单个数据无法实现对换流阀的准确分析，本实施例中获取的振动数据为时序数据，即该振动数据为以某物理量为单位的时间序列数据，每个数据点包含对应的时间值。
步骤S102，当振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测。
步骤S103，当振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。
具体地，本实施例可以对单个振动感知单元的振动数据进行分析实现健康监测，也可以对多个振动感知单元的振动数据进行分析实现健康监测。其中，对于单个振动感知单元获取的振动数据，采用对特征数据进行特征提取确定振动特征值，并对振动特征值进行分析的方式实现健康监测。对于多个振动感知单元的振动数据，可以在多个振动感知单元中获取任意两个振动感知单元的振动数据，对二者之间的传递关系进行分析，从而实现健康监测。其中，需要说明的是，当振动感知单元的数量超过两个，如振动感知单元为N个的时候，将振动感知单元两两配对，可以获得个振动感知单元对。可以使用不同振动感知单元对的分析结果交叉校验是否存在换流阀结构缺陷。
本发明实施例提供的换流阀结构健康监测方法，通过在换流阀内部直接配置振动感知单元，可以有效采集换流阀内部的振动信号，能够直接评估和识别换流阀振动异常和结构缺陷。当振动数据为单个振动感知单元的振动数据时，通过对振动数据的特征提取和分析，可以实现换流阀结构振动状态监测，能够在海上平台振动等场合下有效预警。当振动数据为多个振动感知单元的振动数据时，可以通过任意两个振动感知单元的振动数据的振动传递关系，实现健康监测。同时，若振动感知单元的数量超过两个时，将振动感知单元两两配对，可以使用不同振动感知单元对的分析结果交叉校验是否存在换流阀结构缺陷。
在本实施例中提供了一种换流阀结构健康监测方法，该流程包括如下步骤：
步骤S201，获取振动感知单元感知的振动数据，振动数据为时序数据。详细请参见图1所示实施例的步骤S104，在此不再赘述。
步骤S202，当振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测。
具体地，上述步骤S202包括：
步骤S2021，提取振动数据的振动特征值，振动特征值包括振动最大值、振动最小值、振动峰峰值以及振动有效值中的任意一种或多种；其中，关于振动最大值、振动最小值、振动峰峰值以及振动有效值的提取方式可以参照相关技术实现，在此不再赘述。
步骤S2022，当振动特征值包括一种时，将振动特征值和不同异常等级对应的预设振动异常判别区间进行比较，得到比较结果；具体地，针对每种振动特征值，可以预先设置对应的振动异常判别区间。同时，对于每种振动特征值，可以设置不同异常等级对应的振动异常判别区间，通过将振动特征值和对应的振动异常判别区间进行比较，当振动特征值落入某一异常等级对应的振动异常判别区间时，则确定比较结果为对应的异常等级。
步骤S2023，根据比较结果确定健康监测结果。具体地，该健康监测结果可以是具体的异常等级，或者振动特征值未落入任一异常等级对应的振动异常判别区间时，健康监测结果为无异常。
步骤S2024，当振动特征值包括多种时，将每种振动特征值对应的比较结果进行加权计算，得到计算结果；具体地，当提取的振动特征值包括多种时，每种振动特征值都可以按照步骤S2022的比较方式判断其落入哪个异常等级对应的振动异常判别区间，从而得到其对应的异常等级。然后将多种振动特征值对应的异常等级进行加权计算，得到异常等级评估结果。其中，对于加权计算时采用的权重，可以根据实际情况设置。另外需要说明的是，当振动特征值未落入任一异常等级对应的振动异常判别区间时，则其对应的比较结果的等级为0。
步骤S2025，根据计算结果确定健康监测结果。具体地，该健康监测结果可以是多种振动特征值对应的异常等级加权计算得到的异常等级评估结果。
步骤S203，当振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。
具体地，上述步骤S203包括：
步骤S2031，将第一振动感知单元的第一振动数据和第二振动感知单元的第二振动数据进行傅里叶变换，得到第一振动数据的第一谱数据和第二谱数据以及第二振动数据的第三谱数据和第四谱数据，第一谱数据和第三谱数据均为幅值谱或功率谱，第二谱数据和第四谱数据为相位谱；具体地，第一振动数据X和第二振动数据Y对应的第一谱数据(幅值谱或功率谱)Xfreq和第三谱数据(幅值谱或功率谱)Yfreq及第二谱数据(相位谱)Xphase和第四谱数据(相位谱)Yphase可以是长度相等的序列数据，可以分别采用一维向量表示。
步骤S2032，根据第一谱数据与第三谱数据的商确定第一传递结果，根据第二谱数据和第四谱数据的差确定第二传递结果；具体地，第一传递结果即幅值谱或功率谱的传递关系表示Ftrans为Ftrans＝Yfreq/Xfreq；第二传递结果即相位谱的传递关系表示Ptrans为Ptrans＝Yphase-Xphase。由于相应的谱数据为序列数据，由此，得到的传递关系也是时序数据。
步骤S2033，根据对第一传递结果和第二传递结果的分析结果确定健康监测结果。具体地，在对第一传递结果和第二传递结果进行分析时，可以采用一种方式进行分析，基于分析结果确定健康监测结果；也可以采用多种方式进行分析，然后将多种方式的分析结果进行综合，确定最终的结果。
在一种可选的实施方式中，当采用多种方式对第一传递结果和第二传递结果进行分析时，上述步骤S2033包括：
步骤a1，根据第一传递结果和第二传递结果与基线序列数据的关系确定第一健康监测结果；具体地，该步骤采用基于基线设置和阈值比较的分析方法对第一传递结果和第二传递结果进行分析。在分析时，可以分别针对第一传递结果和第二传递结果设置对应的基线序列数据即第一基线序列数据Ftrans-base和第二基线序列数据Ptrans-base，该基线序列数据可以是基于换流阀初始运行振动监测数据或者大量同类换流阀相同位置的振动传递关系数据设置。或者说，该基线序列数据表示换流阀两个振动感知单元间不存在结构缺陷。第一传递结果和第二传递结果与基线序列数据的关系采用如下公式表示：
Itrans＝WF·max(|IF-trans|)+WP·max(|IP-trans|)
式中，Ftrans表示第一传递结果，Ftrans-base表示第一基线序列数据，Ptrans表示第二传递结果，Ptrans-base表示第二基线序列数据，WF和WP为预设权重。
由于上述公式中的数据均为时序数据，因此，得到的IF-trans和IP-trans也是时序数据，则max(|IF-trans|)和max(|IP-trans|)分别表示取时序数据绝对值的最大值。在采用上述公式计算得到传递关系变化指标Itrans之后，可以将其和预设阈值进行比较，若其超过预设阈值，则说明选取的两个振动感知单元安装位置之间的结构存在结构缺陷。
步骤a2，根据第一传递结果和第二传递结果与振动数据集的聚类结果确定第二健康监测结果；具体地，该步骤中采用基于无监督聚类机器学习的方法对第一传递结果和第二传递结果进行分析。在分析之前，预先获取这一换流阀相同振动感知单元安装位置对应的多个历史传递关系序列Ftrans-history、Ptrans-history作为历史数据集，获取多个同类换流阀相同位置振动感知单元获取数据计算的振动传递关系序列Ftrans-group、Ptrans-group作为设备群数据集。然后采用无监督聚类方法将当前时刻振动传递关系序列(即第一传递结果和第二传递结果)、历史数据集、设备群数据集进行无监督聚类，如当前时刻传递关系序列被划分到样本量极少(少于参与聚类分析样本的5％)的类别中，则认为所评估的两个振动感知单元安装位置之间存在结构缺陷。
步骤a3，将第一传递结果和第二传递结果输入至预构建的分类模型，得到第三健康监测结果；具体地，该步骤中采用基于有监督分类机器学习的分析方法对第一传递结果和第二传递结果进行分析。在分析之前，采用包含正常样本(即无结构缺陷的振动传递关系序列)与典型故障样本(即存在结构缺陷的振动传递关系序列)的数据集训练用于分类的机器学习模型。训练好之后，将当前时刻振动传递关系序列(即第一传递结果和第二传递结果)输入机器学习模型以获得其分类结果。如果被分类到故障类型中，则认为所评估的两个振动感知单元安装位置之间存在结构缺陷。更进一步的，在故障样本较为完备且具备准确结构缺陷类型信息的情况下，还可以采用具有具体结构缺陷类型的振动传递关系序列对机器学习模型进行训练，由此训练得到的模型不仅能判断所评估的两个振动感知单元安装位置之间是否存在结构缺陷，还能够更精细地判断结构缺陷类型。
步骤a4，当第一健康监测结果、第二健康监测结果以及第三健康监测结果中的任意两个为存在结构缺陷时，得到存在结构缺陷的健康监测结果。具体地，本实施例采用步骤a1至步骤a3的三种方式进行结构缺陷的检测，并采用三取二的方式确定结构缺陷是否存在，即当任意两种方式检测确定结构缺陷时，则最终输出存在结构缺陷的健康监测结果。并且，若步骤a3中能够判断结构缺陷类型，则在输出存在结构缺陷的健康监测结果时，还可以输出具体结构缺陷类型。
本实施例还提供一种换流阀结构健康监测系统，系统包括：振动感知单元，安装在换流阀中，用于感知换流阀振动数据；微处理器，用于获取振动感知单元感知的振动数据，振动数据为时序数据；当振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测；当振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。
具体的，如图2所示，该换流阀结构健康监测系统除了振动感知单元和微处理器外，还包括数据接收装置和人机界面。其中，振动感知单元为具备自取能和无线通讯能力的振动传感器。振动传感器与数据接收装置之间采用无线通讯的方式传输振动数据。设置具有自取能和无线通讯能力的振动感知单元的有利于在高电压条件下的换流阀内布置。数据接收装置为一具备无线通讯能力的数据服务器，其一方面可以与振动感知单元通信获取振动数据，另一方面可以将振动数据储存，并对外部提供数据服务，可供其他部分读取数据。微处理器为一具备计算能力的计算服务器，其可以从数据接收装置读取振动数据，并按照上述方法实施例的流程处理振动数据，完成振动数据分析，实现换流阀结构振动监测和结构缺陷识别。人机界面为一具备人机交互能力的工作站，配有显示器、鼠标、键盘等外围设备，并配有相关软件。对于振动感知单元、数据接收装置以及微处理器之间的通信既可以采用无线通信的方式，也可以采用电缆和光纤等方式实现。此外，对于振动感知单元和微处理器的具体数据获取和处理流程可以参见上述方法实施例的描述。在此不再赘述。
在一种可选的实施方式中，换流阀包括金属梁和绝缘梁，振动感知单元设置在金属梁和绝缘梁的非连接处。具体地，当前换流阀的结构通常为多层的支撑或悬吊形式的阀塔结构。不同层采用同样结构的换流阀模块组成。换流阀模块由绝缘梁或金属梁作为主要支撑结构。不同层之间由支撑绝缘子或悬吊绝缘子提供支撑或悬吊连接。绝缘子作为换流阀塔的主要支撑结构。
在换流阀阀模块支撑结构中，金属梁和绝缘梁之间由螺栓或其他形式的结构连接。在梁的非连接处设置振动感知单元，其中，该换流阀阀模块中还包括水管组件。本实施例中，以换流阀模块平面为水平XY平面，绝缘梁长度方向为X方向，金属梁长度方向为Y方向，竖直方向为Z方向。振动感知单元采用振动传感器时，其设置方式如图3所示，其中，①、④、⑤位置设置Z方向振动传感器，②位置设置X、Z方向振动传感器，③位置设置X、Y、Z方向振动传感器。
本实施例中，由于在非连接处振动相对较大更有利于振动信号采集，并且结构缺陷通常发生在连接处，因此在非连接处设置振动感知单元更便于通过不同振动感知单元之间的振动传递关系变化分析来识别判断连接处的结构缺陷；此外，在非连接处设置振动感知单元可以在有效减少对振动感知单元数量的要求，同时可以保持监测能力。避免增加过多感知单元对换流阀绝缘性能的影响。本实施例中在非连接处设置振动感知单元，还可以通过计算不同层振动感知单元振动传递关系的变化，判断换流阀连接的悬吊绝缘子或支撑绝缘子的结构缺陷。
在本实施例中还提供了一种换流阀结构健康监测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种换流阀结构健康监测装置，换流阀中设置有用于感知换流阀振动数据的振动感知单元，如图4所示，装置包括：
数据获取模块41，用于获取振动感知单元感知的振动数据，振动数据为时序数据；
第一监测模块42，用于当振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测；
第二监测模块43，用于当振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。
在一种可选的实施方式中，第一监测模块具体用于：提取振动数据的振动特征值，振动特征值包括振动最大值、振动最小值、振动峰峰值以及振动有效值中的任意一种或多种；当振动特征值包括一种时，将振动特征值和不同异常等级对应的预设振动异常判别区间进行比较，得到比较结果；根据比较结果确定健康监测结果。
在一种可选的实施方式中，第一监测模块还用于：当振动特征值包括多种时，将每种振动特征值对应的比较结果进行加权计算，得到计算结果；根据计算结果确定健康监测结果。
在一种可选的实施方式中，第二监测模块包括：变换模块，用于将第一振动感知单元的第一振动数据和第二振动感知单元的第二振动数据进行傅里叶变换，得到第一振动数据的第一谱数据和第二谱数据以及第二振动数据的第三谱数据和第四谱数据，第一谱数据和第三谱数据均为幅值谱或功率谱，第二谱数据和第四谱数据为相位谱；传递结果确定模块，用于根据第一谱数据与第三谱数据的商确定第一传递结果，根据第二谱数据和第四谱数据的差确定第二传递结果；分析模块，用于根据对第一传递结果和第二传递结果的分析结果确定健康监测结果。
在一种可选的实施方式中，分析模块具体用于：根据第一传递结果和第二传递结果与基线序列数据的关系确定第一健康监测结果；根据第一传递结果和第二传递结果与振动数据集的聚类结果确定第二健康监测结果；将第一传递结果和第二传递结果输入至预构建的分类模型，得到第三健康监测结果；当第一健康监测结果、第二健康监测结果以及第三健康监测结果中的任意两个为存在结构缺陷时，得到存在结构缺陷的健康监测结果。
在一种可选的实施方式中，第一传递结果和第二传递结果与基线序列数据的关系采用如下公式表示：
Itrans＝WF·max(|IF-trans|)+WP·max(|IP-trans|)
式中，Ftrans表示第一传递结果，Ftrans-base表示第一基线序列数据，Ptrans表示第二传递结果，Ptrans-base表示第二基线序列数据，WF和WP为预设权重。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本发明实施例还提供一种计算机设备，具有上述图4所示的换流阀结构健康监测装置。
请参阅图5，图5是本发明可选实施例提供的一种计算机设备的结构示意图，如图5所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器10为例。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，存储器20存储有可由至少一个处理器10执行的指令，以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (11)
1.一种换流阀结构健康监测方法，其特征在于，所述换流阀中设置有用于感知换流阀振动数据的振动感知单元，所述方法包括：
获取所述振动感知单元感知的振动数据，所述振动数据为时序数据；
当所述振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测；
当所述振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。
2.根据权利要求1所述的方法，其特征在于，根据振动数据的振动特征值进行健康监测，包括：
提取所述振动数据的振动特征值，所述振动特征值包括振动最大值、振动最小值、振动峰峰值以及振动有效值中的任意一种或多种；
当振动特征值包括一种时，将所述振动特征值和不同异常等级对应的预设振动异常判别区间进行比较，得到比较结果；
根据所述比较结果确定健康监测结果。
3.根据权利要求2所述的方法，其特征在于，根据振动数据的振动特征值进行健康监测，还包括：
当振动特征值包括多种时，将每种振动特征值对应的比较结果进行加权计算，得到计算结果；
根据所述计算结果确定健康监测结果。
4.根据权利要求1所述的方法，其特征在于，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测，包括：
将第一振动感知单元的第一振动数据和第二振动感知单元的第二振动数据进行傅里叶变换，得到第一振动数据的第一谱数据和第二谱数据以及第二振动数据的第三谱数据和第四谱数据，所述第一谱数据和第三谱数据均为幅值谱或功率谱，所述第二谱数据和第四谱数据为相位谱；
根据第一谱数据与第三谱数据的商确定第一传递结果，根据所述第二谱数据和第四谱数据的差确定第二传递结果；
根据对所述第一传递结果和第二传递结果的分析结果确定健康监测结果。
5.根据权利要求4所述的方法，其特征在于，根据对所述第一传递结果和第二传递结果的分析结果确定健康监测结果，包括：
根据所述第一传递结果和第二传递结果与基线序列数据的关系确定第一健康监测结果；
根据所述第一传递结果和第二传递结果与振动数据集的聚类结果确定第二健康监测结果；
将所述第一传递结果和第二传递结果输入至预构建的分类模型，得到第三健康监测结果；
当所述第一健康监测结果、所述第二健康监测结果以及所述第三健康监测结果中的任意两个为存在结构缺陷时，得到存在结构缺陷的健康监测结果。
6.根据权利要求5所述的方法，其特征在于，所述第一传递结果和第二传递结果与基线序列数据的关系采用如下公式表示：
Itrans＝WF·max(|IF-trans|)+WP·max(|IP-trans|)
式中，Ftrans表示第一传递结果，Ftrans-base表示第一基线序列数据，Ptrans表示第二传递结果，Ptrans-base表示第二基线序列数据，WF和WP为预设权重。
7.一种换流阀结构健康监测系统，其特征在于，所述系统包括：
振动感知单元，安装在换流阀中，用于感知换流阀振动数据；
微处理器，用于获取所述振动感知单元感知的振动数据，所述振动数据为时序数据；当所述振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测；当所述振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。
8.根据权利要求7所述的系统，其特征在于，所述换流阀包括金属梁和绝缘梁，所述振动感知单元设置在金属梁和绝缘梁的非连接处。
9.一种换流阀结构健康监测装置，其特征在于，所述换流阀中设置有用于感知换流阀振动数据的振动感知单元，所述装置包括：
数据获取模块，用于获取所述振动感知单元感知的振动数据，所述振动数据为时序数据；
第一监测模块，用于当所述振动数据为单个振动感知单元的振动数据时，根据振动数据的振动特征值进行健康监测；
第二监测模块，用于当所述振动数据为至少两个振动感知单元的振动数据时，根据任意两个振动感知单元感知的振动数据的传递关系进行健康监测。
10.一种计算机设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至6中任一项所述的换流阀结构健康监测方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至6中任一项所述的换流阀结构健康监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311603295.7A CN117633521A (zh) | 2023-11-28 | 2023-11-28 | 一种换流阀结构健康监测方法、系统、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311603295.7A CN117633521A (zh) | 2023-11-28 | 2023-11-28 | 一种换流阀结构健康监测方法、系统、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117633521A true CN117633521A (zh) | 2024-03-01 |
Family
ID=90035201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311603295.7A Pending CN117633521A (zh) | 2023-11-28 | 2023-11-28 | 一种换流阀结构健康监测方法、系统、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117633521A (zh) |
-
2023
- 2023-11-28 CN CN202311603295.7A patent/CN117633521A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | A method for rapidly evaluating reliability and predicting remaining useful life using two-dimensional convolutional neural network with signal conversion | |
| CN105071983B (zh) | 一种面向云计算在线业务的异常负载检测方法 | |
| CN108593260B (zh) | 光缆线路故障定位和检测方法及终端设备 | |
| CN112036042B (zh) | 一种基于变分模态分解的动力设备异常检测方法及系统 | |
| CN108347352B (zh) | 一种电力系统中信息系统及设备性能的诊断方法 | |
| CN117517907B (zh) | 一种变电站电容型设备的绝缘状态监测方法及系统 | |
| CN106656669A (zh) | 一种基于阈值自适应设置的设备参数异常检测系统及方法 | |
| CN113343581B (zh) | 基于图马尔可夫神经网络的变压器故障的诊断方法 | |
| CN114048787B (zh) | 一种基于Attention CNN模型的轴承故障实时智能诊断方法与系统 | |
| Shajihan et al. | CNN based data anomaly detection using multi-channel imagery for structural health monitoring | |
| CN116625683A (zh) | 一种风电机组轴承故障识别方法、系统、装置及电子设备 | |
| CN116677569A (zh) | 一种风机塔架应力监测与预警方法及其系统 | |
| CN116306139A (zh) | 一种风力机叶片寿命智能监测方法及系统 | |
| Ma et al. | Fractal‐based autonomous partial discharge pattern recognition method for MV motors | |
| CN113742993A (zh) | 干式变压器寿命损失预测方法、装置、设备及存储介质 | |
| CN112287586A (zh) | 基于中小桥损伤识别结果的快速可靠度评估方法 | |
| CN117633521A (zh) | 一种换流阀结构健康监测方法、系统、装置、设备及介质 | |
| CN117093938A (zh) | 一种基于深度学习的风机轴承的故障检测方法和系统 | |
| CN114492636B (zh) | 一种变压器绕组状态信号的采集系统 | |
| CN115436037A (zh) | 基于ssi参数识别的输电杆塔健康状态判别方法及装置 | |
| Jiang et al. | Feature extraction strategy with improved permutation entropy and its application in fault diagnosis of bearings | |
| Smarsly et al. | A cyberinfrastructure for integrated monitoring and life-cycle management of wind turbines | |
| KR102212022B1 (ko) | 양수 수차의 건전성 자동 판정 방법 및 이를 위한 시스템 | |
| CN117407824B (zh) | 一种电力时间同步装置的健康检测方法、设备和介质 | |
| CN117669350A (zh) | 螺栓的轴力分析方法、装置、设备和存储介质 |
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 |