CN117743805B - 基于健康度评估反馈的发电机励磁系统分层级判别方法 - Google Patents
基于健康度评估反馈的发电机励磁系统分层级判别方法 Download PDFInfo
- Publication number
- CN117743805B CN117743805B CN202410181779.5A CN202410181779A CN117743805B CN 117743805 B CN117743805 B CN 117743805B CN 202410181779 A CN202410181779 A CN 202410181779A CN 117743805 B CN117743805 B CN 117743805B
- Authority
- CN
- China
- Prior art keywords
- fault
- excitation system
- working condition
- early warning
- correction
- 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.)
- Active
Links
- 230000005284 excitation Effects 0.000 title claims abstract description 180
- 230000036541 health Effects 0.000 title claims abstract description 87
- 238000011156 evaluation Methods 0.000 title claims abstract description 41
- 238000012850 discrimination method Methods 0.000 title description 6
- 238000012937 correction Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000003745 diagnosis Methods 0.000 claims abstract description 31
- 230000035945 sensitivity Effects 0.000 claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000004804 winding Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000000670 limiting effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Abstract
本发明涉及基于健康度评估反馈的发电机励磁系统分层级判别方法,包括:构建励磁系统故障树;采集励磁系统的实时工况参数;决策是否提示级故障的发生信息和预警信息;对故障进行细分并获取诊断意见;根据故障类型及其危害性评级,计算励磁系统的健康度综合分数;构建阈值判据修正模型和状态预警修正模型,并根据健康度综合分数判断是否需要进行模型修正。本发明的有益效果是:本发明考虑不同故障类型及其危害性评级,设立故障危害权重因子,计算发电机励磁系统的健康度综合分数,直观准确反映励磁系统的健康程度,并在评估反馈层及时对阈值判据层和状态预警层进行模型修正,提升整体判断决策过程的灵敏性和准确性。
Description
技术领域
本发明涉及能源供给技术领域,更确切地说,它涉及基于健康度评估反馈的发电机励磁系统分层级判别方法。
背景技术
励磁系统作为保障发电机稳定运行的重要系统,能够迅速响应负荷变化,防止电力系统因电压波动而不稳定甚至瘫痪。对励磁系统运行状态进行实时监测,及时发现异常、处理隐患可有效避免机组非计划停运等事故,保障电力系统稳定运行。
目前针对励磁系统故障诊断,国内相关领域主要采用数据分析和监控、信号处理技术、基于模型基础的故障诊断、红外热成像技术、实时振动监测等技术方法进行发电机励磁系统的故障诊断。信号处理技术利用时域分析、频域分析和波形识别等信号处理技术,对励磁系统的信号进行处理和分析,检测故障和异常现象;基于模型基础的故障诊断技术通过将实际数据与数学模型预测数据进行比对分析,针对差异部分进行故障排查诊断;红外热成像技术对励磁系统进行热成像监测,通过检测热量分布的差异发现潜在故障点。上述技术方法重点关注励磁系统运行数据、信号的异常部分,但大部分单项处理技术仅能对超出参数指标阈值范围外的情况提示故障信息,无法对励磁系统轻微的不正常变化做出判断,及时发现早期故障征兆。同时,在实际应用中,大多数励磁系统故障诊断方法未包含反馈部分,无法根据其实时工作状态灵活进行参数指标调整,实现自动控制和调节。通过反馈部分可以更为精准检测判断早期故障,有效提升励磁系统的稳定性和鲁棒性,确保发电机运行的可靠性和安全性。
此外,发电机励磁系统的故障形式多种多样,故障原因错综复杂。在励磁系统发生故障后,需针对参数表征进行故障类型细化、根本原因分析并采取正确处理措施。然而,这一关键过程多与处理人员的理论水平、工作经验、精神状态有关,具有较高的不确定性,进而可能导致故障原因分析错误、未能及时采取措施、处理方式不得当等问题,可能造成严重事故后果。
发明内容
本发明的目的是针对现有技术的不足,提出了基于健康度评估反馈的发电机励磁系统分层级判别方法。
第一方面,提供了基于健康度评估反馈的发电机励磁系统分层级判别方法,包括:
步骤1、构建包括级故障至/>级故障的励磁系统故障树;
步骤2、采集励磁系统的实时工况参数;
步骤3、对实时工况参数进行分类,并判断实时工况参数是否超过预设阈值,决策是否提示级故障的发生信息;
步骤4、建立励磁系统的状态模型;根据状态模型和实时工况参数,决策是否提示级故障的预警信息;
步骤5、根据级故障的发生信息或预警信息,确定该/>级故障对应的/>级故障或/>级故障;
步骤6、获取步骤5确定的级故障或/>级故障的诊断意见;
步骤7、根据故障类型及其危害性评级,计算励磁系统的健康度综合分数;
步骤8、构建阈值判据修正模型和状态预警修正模型,并根据所述健康度综合分数判断是否需要进行模型修正。
作为优选,步骤1中,所述级故障包括:励磁调节器故障、限制动作、励磁整流柜故障、励磁变故障、灭磁装置故障、励磁系统辅助设备故障和励磁绕组故障;/>级故障为导致级故障发生的原因,/>级故障为导致/>级故障发生的原因,/>级故障为导致/>级故障发生的原因。
作为优选,步骤2中,所述实时工况参数包括励磁变压器、励磁调节器、晶闸管、快速熔断器、定子绕组、转子绕组、灭磁装置和励磁机碳刷处的实时工况参数。
作为优选,步骤4包括:
步骤4.1、根据励磁系统的历史数据,建立励磁系统的状态模型;
步骤4.2、根据实时工况参数,通过正态分布方式筛选出实时异常数据;
步骤4.3、将实时异常数据与状态模型结合,通过拟合计算决策是否提示级故障的预警信息。
作为优选,步骤7中,设定健康度综合分数每m小时进行更新,m的取值范围为1 ≤m ≤ 6。
作为优选,步骤8中,根据健康度综合分数确定励磁系统的健康程度为优良、合格或不合格;若励磁系统的健康程度为优良,则不进行模型修正;若励磁系统的健康程度为合格,则仅根据阈值判据修正模型进行修正;若励磁系统的健康程度为不合格,则同时利用阈值判据修正模型和状态预警修正模型进行修正。
第二方面,提供了用于执行第一方面任一所述基于健康度评估反馈的发电机励磁系统分层级判别方法的系统,包括:
第一构建模块,用于构建包括级故障至/>级故障的励磁系统故障树;
采集模块,用于采集励磁系统的实时工况参数;
第一决策模块,用于对实时工况参数进行分类,并判断实时工况参数是否超过预设阈值,决策是否提示级故障的发生信息;
第二决策模块,用于建立励磁系统的状态模型;根据状态模型和实时工况参数,决策是否提示级故障的预警信息;
确定模块,用于根据级故障的发生信息或预警信息,确定该/>级故障对应的/>级故障或/>级故障;
获取模块,用于获取确定模块确定的级故障或/>级故障的诊断意见;
计算模块,用于根据故障类型及其危害性评级,计算励磁系统的健康度综合分数;
第二构建模块,用于构建阈值判据修正模型和状态预警修正模型,并根据所述健康度综合分数判断是否需要进行模型修正。
第三方面,提供了一种电子设备,包括存储器和处理器;所述存储器存储有可执行程序;所述处理器用于运行所述程序,其中,所述程序运行时执行第一方面任一所述基于健康度评估反馈的发电机励磁系统分层级判别方法。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的可执行程序,其中,在所述可执行程序运行时控制所述计算机可读存储介质所在设备执行第一方面任一所述基于健康度评估反馈的发电机励磁系统分层级判别方法。
本发明的有益效果是:
1.本发明选取励磁变压器、励磁调节器、晶闸管、快速熔断器、定子绕组、转子绕组、灭磁装置、励磁机碳刷等处相关工况参数作为评估指标,及时判断提示级故障发生信息及其预警信息,并在此基础上细化分析至/>、/>级故障类型,科学处理故障,综合评估励磁系统健康程度,形成评估反馈层,有利于实现发电机励磁系统在安全性、可靠性和经济性三方面的综合优化。
2.本发明结合历史数据训练模型,建立发电机励磁系统的状态模型,针对筛选出的实时异常数据进行充分计算评估,及时对轻微的不正常变化作出判断,决策是否提示级故障预警信息,阈值判据层和状态预警层的双层判断结构保障励磁系统运行安全稳定性。
3.本发明依照故障树,结合发电机制造技术、规程规定、专家经验等方面内容,采用综合诊断技术分析故障原因,调取专家建议知识库,形成针对性建议,为故障处理提供全面技术支持。
4.本发明考虑不同故障类型及其危害性评级,设立故障危害权重因子,计算发电机励磁系统的健康度综合分数,直观准确反映励磁系统的健康程度,并在评估反馈层及时对阈值判据层和状态预警层进行模型修正,提升整体判断决策过程的灵敏性和准确性。
附图说明
图1为发电机励磁系统故障分层级判别流程结构图;
图2为励磁系统发生PSS输出波动大现象的录波曲线;
图3为励磁系统发生PT断线现象的录波曲线;
图4为励磁系统发生调节器无脉冲输出的录波曲线;
图5为励磁调节器故障细化分类图;
图6为限制动作细化分类图;
图7为励磁整流柜故障细化分类图;
图8为励磁变故障细化分类;
图9为灭磁装置故障细化分类图;
图10为励磁系统辅助设备故障细化分类图;
图11为励磁绕组故障细化分类图。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出,对于本技术领域的普通人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
实施例1:
如图1所示,本申请实施例1提供了基于健康度评估反馈的发电机励磁系统分层级判别方法,包括:
步骤1、构建包括级故障至/>级故障的励磁系统故障树。
故障树是一种从故障结果到故障原因的演绎分析方法。故障树由顶事件、中间事件和底事件组成。其中,顶事件为结果事件,中间事件一方面是导致顶事件发生的因素,另一方面,中间事件也是底事件的结果,底事件为最底层的故障事件,是导致中间事件发生的因素。需要说明的是,中间事件可以为多级结构,假设中间事件包括一级中间事件和二级中间事件,此时一级中间事件为顶事件的原因,二级中间事件为一级中间事件的原因,底事件为二级中间事件的原因。
在本申请实施例中,将发电机励磁系统的主要故障分为7类I级故障,该7类I级故障为各故障树的顶事件,级故障包括:励磁调节器故障(如图5所示)、限制动作(如图6所示)、励磁整流柜故障(如图7所示)、励磁变故障(如图8所示)、灭磁装置故障(如图9所示)、励磁系统辅助设备故障(如图10所示)和励磁绕组故障(如图11所示)。并将/>级故障依次细分至24类/>级故障和73类/>级故障。
考虑励磁调节器在励磁系统的核心作用,单独将级故障-励磁调节器故障细化至24类/>级故障。因此,在以励磁调节器故障为顶事件的故障树中,/>级故障为一级中间事件,/>级故障为二级中间事件,/>级故障为底事件。其余/>级故障为顶事件的故障树中,/>级故障为中间事件,/>级故障为底事件。
步骤2、采集励磁系统的实时工况参数。
步骤2中,实时工况参数包括励磁变压器、励磁调节器、晶闸管、快速熔断器、定子绕组、转子绕组、灭磁装置和励磁机碳刷处的实时工况参数。本申请实施例将上述工况参数作为励磁系统安全性、可靠性和经济性三方面的评估指标。
步骤3、对实时工况参数进行分类,并判断实时工况参数是否超过预设阈值,决策是否提示级故障的发生信息。
如图1所示,本申请实施例提供的发电机励磁系统故障分层级判别方法具体包含6层结构:阈值判据层、状态预警层、故障树诊断层、专家建议层、健康度评估层和评估反馈层,分别对应步骤3-步骤6。
在阈值判据层中,本申请实施例设置正常工况下励磁系统各项参数的阈值范围,由此决策是否提示级故障的发生信息。
步骤4、建立励磁系统的状态模型;根据状态模型和实时工况参数,决策是否提示级故障的预警信息。
步骤4为状态预警层,需要对实时工况参数进行数据清洗和分类,针对通过正态分布方式筛选出的实时异常数据,结合发电机励磁系统的状态模型,通过拟合计算判断,决策是否提示级故障的预警信息。
具体的,步骤4包括:
步骤4.1、根据励磁系统的历史数据,建立励磁系统的状态模型。
在步骤4.1中,首先根据历史数据,建立级故障数据库及/>级故障数据标签;之后,通过历史数据训练模型进行计算,比如,分别采用light GBM算法、Kmeans算法和KNN算法进行计算;最后,采用bagging算法将多种算法的结果结合,形成发电机励磁系统的状态模型。
步骤4.2、根据实时工况参数,通过正态分布方式筛选出实时异常数据。
步骤4.3、将实时异常数据与状态模型结合,通过拟合计算决策是否提示级故障的预警信息。
步骤5、根据级故障的发生信息或预警信息,确定该/>级故障对应的/>级故障或/>级故障。
步骤5为故障树诊断层,以来自阈值判据层和状态预警层的级故障信息为基础,依照故障树,针对各类/>级故障的征兆描述进行分析,细化分类至/>、/>级故障,精准判断励磁系统工作状态。
步骤6、获取步骤5确定的级故障或/>级故障的诊断意见。
步骤6为专家建议层,以来自故障树诊断层的III、IV级故障信息为基础,结合发电机制造技术、规程规定、专家经验等构建诊断模型,采用综合诊断技术获得诊断意见,包括III、IV级故障所对应的根本原因,避免后续同类故障发生,之后调取专家建议知识库,形成指向性专家建议,获得应对措施,为故障后续处理提供全面技术支持。
步骤7、根据故障类型及其危害性评级,计算励磁系统的健康度综合分数。
步骤7为健康度评估层,根据评分机制计算发电机励磁系统的健康度综合分数,健康度综合分数的计算公式如下:
其中,S core 为发电机励磁系统的健康度综合分数,n为励磁系统故障类型的总数,N i 为第i种故障在评估时段内发生的次数,m i 为第i种故障的危害性级别分数,m=2表示励磁系统具有一般缺陷,m=5表示励磁系统具有严重缺陷,m=10表示励磁系统具有危急缺陷。
此外,还需要评估发电机励磁系统的健康状态,其健康状态包含3种类型:优良(95-100)、合格(80-94)、不合格(0-79),健康度综合分数每m小时更新一次,m的建议取值范围为1 ≤ m ≤ 6。
步骤8、构建阈值判据修正模型和状态预警修正模型,并根据所述健康度综合分数判断是否需要进行模型修正。
步骤8为评估反馈层,基于发电机励磁系统的健康度综合分数,依据策略逻辑,对阈值判据层和状态预警层的灵敏度指标和准确度指标分别进行模型修正,以保障发电机安全可靠运行。具体的,根据健康度综合分数确定励磁系统的健康程度为优良、合格或不合格;若S core ≥ 95,励磁系统的健康程度为优良,则不进行模型修正;若80 ≤S core ≤ 94,励磁系统的健康程度为合格,则仅根据阈值判据修正模型进行修正;若S core ≤ 79,励磁系统的健康程度为不合格,则同时利用阈值判据修正模型和状态预警修正模型进行修正。
评估反馈层的阈值判据修正模型内容如下:
其中,Y i,j 为第i种故障阈值判据所需的第j项工况参数,Y i,j_min 为符合标准要求的第j项工况参数下限,Y i,j_max 为符合标准要求的第j项工况参数上限,Y i,j_ideal 为第j项工况参数的理想值,δ i,j 为第j项工况参数的实时偏差,ts i,j 为第j项工况参数的灵敏度,ta i,j 为第j项工况参数的准确度。
评估反馈层的阈值判据修正模型中阈值灵敏度ts i,j 与阈值准确度ta i,j 为保证其与第i种故障的重要性关联,引入以下约束条件:
其中,m i 为第i种故障的危害性级别分数,A i,j 、B i,j 、C i,j 均为衡量第i种故障重要程度的系数,B i,j 和C i,j 表征阈值灵敏度与阈值准确度存在一定的反比关系。为简化操作,A i,j 、B i,j 、C i,j 均建议取整数,其中B i,j 和C i,j 建议取值1或2。
评估反馈层的状态预警修正模型内容如下:
(1)根据发电机励磁系统的状态模型,将各项工况参数的预警灵敏度初始绝对值|ps k-o |、预警准确度初始绝对值|pa k-o |分别从高到低进行排序;
(2)对于预警灵敏度初始绝对值|ps k-o |排序处于前50%,且预警准确度初始绝对值|pa k-o |排序处于前50%的工况参数,确定对应工况参数的预警灵敏度修正判定指标c ps-k 与预警准确度修正判定指标c pa-k 如下:
其中,Tanh()表示双曲正切函数,其输出范围为-1~1;
(3)根据上述修正判定指标c ps-k 和c pa-k ,确定对应工况参数的预警灵敏度和预警准确度修正如下:
其中,ps k 为第k项工况参数修正后的预警灵敏度,λ k 为第k项工况参数的预警灵敏度修正系数,λ k 的建议取值范围为0.025 ≤λ k ≤ 0.03,c ps-k 为第k项工况参数的预警灵敏度修正判定指标,pa k 为第k项工况参数修正后的预警准确度,μ k 为第k项工况参数的预警准确度修正系数,μ k 的建议取值范围为0.02 ≤μ k ≤ 0.025,c pa-k 为第k项工况参数的预警准确度修正判定指标;
(4)根据修正后的预警灵敏度ps k 和预警准确度pa k ,确定发电机励磁系统状态模型中对应工况参数的相关度系数修正如下:
其中,r k 为第k项工况参数的相关度系数,r k-o 为第k项工况参数的原始相关度系数,其需满足以下约束条件:
(5)基于状态预警层的建模算法,计算未修正工况参数的相关度系数、预警灵敏度与预警准确度,由此得到评估反馈层的状态预警修正模型。
实施例2:
在实施例1的基础上,本申请实施例2在RTDS实时数字仿真系统中搭建一套额定有功功率为660MW的发电机组及其励磁系统模型,进行发电机励磁系统故障分层级判别方法测试评估。该发电机组采用自并励静止励磁系统。励磁调节器以国电南瑞科技股份有限公司生产的NES6100系列励磁调节器为参数依据,调节器带有两个相互独立的自动控制通道,控制原理采用并联PID+PSS2B的方式。仿真模型中发电机组、励磁变压器及励磁系统的各项具体参数分别如表1、2、3所示。
表1发电机参数表
表2励磁变压器参数表
表3 励磁系统参数表
故障危害性级别判定如表4所示。
表4故障危害性级别判定表
在RTDS系统中设置机组并网运行,检查励磁采集装置的机组运行数据和励磁数据是否与RTDS系统中的一致,包括机端电压/电流、励磁电压/电流、有功/无功、频率、同步电压等内容。在数据一致性符合试验要求后,选取励磁变压器、励磁调节器、晶闸管、快速熔断器、定子绕组、转子绕组、灭磁装置、励磁机碳刷等处相关工况参数作为发电机励磁系统安全性、可靠性和经济性三方面的评估指标,监测实时数据,并设定健康度综合分数每1h更新一次。
以下进行发电机励磁系统分层级判别试验,包括:
1. 手动更改阈值判据层中“II级故障-通道故障”的设定阈值,使之灵敏度与准确度表现失准。将信号发生器外接送至NES6100系列励磁调节器,模拟输入“PSS输出波动大”故障,此时RTDS系统的实时录波曲线如图2所示,图中各曲线Ug、Ig、UPSS、Uf、If、P、Q分别表示发电机机端电压、发电机定子电流、PSS输出分量、励磁电压、励磁电流、发电机有功功率、发电机无功功率。在阈值判据层,未提示II级故障的发生信息;在状态预警层,提示“II级故障-通道故障”的预警信息;在故障树诊断层,将“II级故障-通道故障”依次细化分类至“III级故障-无功功率波动较大”和“IV级故障-PSS输出波动大”;在专家建议层,根据“IV级故障-PSS输出波动大”,诊断意见为:有功功率输出变化较大导致PSS输出波动,应对措施为:检查PSS输出是否过大,检查有功功率是否波动,若有功功率波动较大,则需查明有功功率波动原因;在健康度评估层,“III级故障-无功功率波动较大”所对应的故障危害性m=5,发生次数为1次,计算发电机励磁系统的健康度综合分数为95分,励磁系统的健康状态为优良;在评估反馈层,根据策略逻辑,无需进行模型修正。
2. 在上述试验的基础上,1h内断开NES6100系列励磁调节器的PT接线,模拟叠加“PT断线故障”,此时RTDS系统的实时录波曲线如图3所示。在阈值判据层,未提示II级故障的发生信息;在状态预警层,提示“II级故障-量测系统故障”的预警信息;在故障树诊断层,将“II级故障-量测系统故障”细化分类至“III级故障-电压测量故障”和“IV级故障-PT回路断开、PT断线故障”;在专家建议层,根据“IV级故障-PT回路断开、PT断线故障”,诊断意见为:PT断线故障,应对措施为:检查励磁系统定子电压接线回路是否有开关断开、PT回路熔丝故障或端子接线松的情况,如果开关跳开或端子接线松,则合上开关或紧固端子,如果熔丝故障,则更换熔丝,检查电压测量回路正常;在健康度评估层,“III级故障-无功功率波动较大”所对应的故障危害性m=5,发生次数为1次,“III级故障-电压测量故障”所对应的故障危害性m=5,发生次数为1次,计算发电机励磁系统的健康度综合分数降至90分,励磁系统的健康状态变为合格;在评估反馈层,根据策略逻辑,需针对阈值判据层进行修正。
3.针对阈值判据层完成模型修正后,1h后再次模拟输入“PSS输出波动大”故障。此时,阈值判据层成功提示“II级故障-通道故障”的发生信息;在状态预警层,提示“II级故障-通道故障”的预警信息;在故障树诊断层,将“II级故障-通道故障”细化分类至“III级故障-无功功率波动较大”;在专家建议层,根据“III级故障-无功功率波动较大”,诊断意见为:有功功率输出变化较大导致PSS输出波动,应对措施为:检查PSS输出是否过大,检查有功功率是否波动,若有功功率波动较大,则需查明有功功率波动原因;在健康度评估层,“III级故障-无功功率波动较大”所对应的故障危害性m=5,发生次数为1次,计算发电机励磁系统的健康度综合分数升至95分,励磁系统的健康状态为优良;在评估反馈层,根据策略逻辑,无需再次进行模型修正。
需要说明的,本实施例中与实施例1相同或相似的部分可相互参考,在本申请中不再赘述。
实施例3:
在实施例2的基础上,本申请实施例3提供了另一种基于发电机励磁系统分层级判别方法的试验,包括:
1. 手动更改状态预警层与阈值判据层中“级故障-通道故障”的设定参数,使之灵敏度与准确度表现均失准。将信号发生器外接送至NES6100系列励磁调节器,模拟输入“PSS输出波动大”故障,此时RTDS系统的实时录波曲线如图2所示。在阈值判据层,未提示/>级故障的发生信息;在状态预警层,未提示/>级故障的预警信息;在健康度评估层,计算发电机励磁系统的健康度综合分数为100分,励磁系统的健康状态为优良;在评估反馈层,根据策略逻辑,无需进行模型修正。
2. 在上述试验的基础上,1h内连续3次断开励磁调节器的脉冲放大板电源,模拟叠加“调节器无脉冲输出”,此时RTDS系统的实时录波曲线如图4所示。在阈值判据层,提示“级故障-失磁保护动作”的发生信息;在状态预警层,提示“/>级故障-失磁保护动作”的预警信息;在故障树诊断层,将“/>级故障-失磁保护动作”细化分类至“/>级故障-调节器无脉冲输出或输出逆变脉冲”;在专家建议层,根据“/>级故障-调节器无脉冲输出或输出逆变脉冲”,诊断意见为:调节器无脉冲输出或输出逆变脉冲,应对措施为:检查励磁调节器相关功能及脉冲触发回路是否正常;在健康度评估层,“/>级故障-失磁保护动作”所对应的故障危害性m=10,发生次数为3次,计算发电机励磁系统的健康度综合分数降至70分,励磁系统的健康状态变为不合格;在评估反馈层,根据策略逻辑,需针对阈值判据层和状态预警层进行修正。
3. 针对阈值判据层和状态预警层完成模型修正后,1h后再次模拟输入“PSS输出波动大”故障。此时,阈值判据层成功提示“级故障-通道故障”的发生信息;在状态预警层,提示“/>级故障-通道故障”的预警信息;在故障树诊断层,将“/>级故障-通道故障”细化分类至“/>级故障-无功功率波动较大”;在专家建议层,根据“/>级故障-无功功率波动较大”,诊断意见为:有功功率输出变化较大导致PSS输出波动,应对措施为:检查PSS输出是否过大,检查有功功率是否波动,若有功功率波动较大,则需查明有功功率波动原因;在健康度评估层,“/>级故障-无功功率波动较大”所对应的故障危害性m=5,发生次数为1次,计算发电机励磁系统的健康度综合分数升至95分,励磁系统的健康状态为优良;在评估反馈层,根据策略逻辑,无需再次进行模型修正。
结果表明,阈值判据层可明确判定各类故障的发生信息,状态预警层可及时检测辨别励磁系统的轻微异常情况,故障树诊断层可细化分析故障类型并正确处理应对,健康度评估层可具体衡量励磁系统的健康状态,评估反馈层可有效结合健康情况自适应完成模型的修正与完善。
需要说明的,本实施例中与实施例2相同或相似的部分可相互参考,在本申请中不再赘述。
实施例4:
在实施例1的基础上,本申请实施例4提供了基于健康度评估反馈的发电机励磁系统分层级判别方法的系统,包括:
第一构建模块,用于构建包括级故障至/>级故障的励磁系统故障树;
采集模块,用于采集励磁系统的实时工况参数;
第一决策模块,用于对实时工况参数进行分类,并判断实时工况参数是否超过预设阈值,决策是否提示级故障的发生信息;
第二决策模块,用于建立励磁系统的状态模型;根据状态模型和实时工况参数,决策是否提示级故障的预警信息;
确定模块,用于根据级故障的发生信息或预警信息,确定该/>级故障对应的/>级故障或/>级故障;
获取模块,用于获取确定模块确定的级故障或/>级故障的诊断意见;
计算模块,用于根据故障类型及其危害性评级,计算励磁系统的健康度综合分数;
第二构建模块,用于构建阈值判据修正模型和状态预警修正模型,并根据所述健康度综合分数判断是否需要进行模型修正。
具体的,本实施例所提供的系统为实施例1提供的方法对应的系统,因此,在本实施例中与实施例1相同或相似的部分,可相互参考,在本申请中不再赘述。
综上,采用所述的基于健康度评估反馈的发电机励磁系统故障分层级判别方法能够及时对发电机励磁系统轻微的不正常变化作出判断,细化分析故障类型,针对性科学处理,并实时根据励磁系统的健康状态进行模型反馈修正,从而显著降低了故障处理过程的不确定性,提升了发电机励磁系统运行的稳定性和可靠性,有效解决了由于无法及时辨识故障所带来的不利影响。
Claims (8)
1.基于健康度评估反馈的发电机励磁系统分层级判别方法,其特征在于,包括:
步骤1、构建包括级故障至/>级故障的励磁系统故障树;
步骤2、采集励磁系统的实时工况参数;
步骤3、对实时工况参数进行分类,并判断实时工况参数是否超过预设阈值,决策是否提示级故障的发生信息;
步骤4、建立励磁系统的状态模型;根据状态模型和实时工况参数,决策是否提示级故障的预警信息;
步骤4包括:
步骤4.1、根据励磁系统的历史数据,建立励磁系统的状态模型;
步骤4.2、根据实时工况参数,通过正态分布方式筛选出实时异常数据;
步骤4.3、将实时异常数据与状态模型结合,通过拟合计算决策是否提示II级故障的预警信息;
步骤5、根据级故障的发生信息或预警信息,确定该/>级故障对应的/>级故障或/>级故障;
步骤6、获取步骤5确定的级故障或/>级故障的诊断意见;
步骤7、根据故障类型及其危害性评级,计算励磁系统的健康度综合分数;
步骤8、构建阈值判据修正模型和状态预警修正模型,并根据所述健康度综合分数判断是否需要进行模型修正;
评估反馈层的阈值判据修正模型内容如下:
其中,Y i,j 为第i种故障阈值判据所需的第j项工况参数,Y i,j_min 为符合标准要求的第j项工况参数下限,Y i,j_max 为符合标准要求的第j项工况参数上限,Y i,j_ideal 为第j项工况参数的理想值,δ i,j 为第j项工况参数的实时偏差,ts i,j 为第j项工况参数的灵敏度,ta i,j 为第j项工况参数的准确度;
评估反馈层的状态预警修正模型内容如下:
(1)根据发电机励磁系统的状态模型,将各项工况参数的预警灵敏度初始绝对值|ps k-o |、预警准确度初始绝对值|pa k-o |分别从高到低进行排序;
(2)对于预警灵敏度初始绝对值|ps k-o |排序处于前50%,且预警准确度初始绝对值|pa k-o |排序处于前50%的工况参数,确定对应工况参数的预警灵敏度修正判定指标c ps-k 与预警准确度修正判定指标c pa-k 如下:
其中,Tanh()表示双曲正切函数,其输出范围为-1~1;
(3)根据上述修正判定指标c ps-k 和c pa-k ,确定对应工况参数的预警灵敏度和预警准确度修正如下:
其中,ps k 为第k项工况参数修正后的预警灵敏度,λ k 为第k项工况参数的预警灵敏度修正系数,λ k 的建议取值范围为0.025 ≤ λ k ≤ 0.03,c ps-k 为第k项工况参数的预警灵敏度修正判定指标,pa k 为第k项工况参数修正后的预警准确度,μ k 为第k项工况参数的预警准确度修正系数,μ k 的建议取值范围为0.02 ≤ μ k ≤ 0.025,c pa-k 为第k项工况参数的预警准确度修正判定指标;
(4)根据修正后的预警灵敏度ps k 和预警准确度pa k ,确定发电机励磁系统状态模型中对应工况参数的相关度系数修正如下:
其中,r k 为第k项工况参数的相关度系数,r k-o 为第k项工况参数的原始相关度系数,其需满足以下约束条件:
(5)基于状态预警层的建模算法,计算未修正工况参数的相关度系数、预警灵敏度与预警准确度,由此得到评估反馈层的状态预警修正模型。
2.根据权利要求1所述的基于健康度评估反馈的发电机励磁系统分层级判别方法,其特征在于,步骤1中,所述级故障包括:励磁调节器故障、限制动作、励磁整流柜故障、励磁变故障、灭磁装置故障、励磁系统辅助设备故障和励磁绕组故障;/>级故障为导致/>级故障发生的原因,/>级故障为导致/>级故障发生的原因,/>级故障为导致/>级故障发生的原因。
3.根据权利要求2所述的基于健康度评估反馈的发电机励磁系统分层级判别方法,其特征在于,步骤2中,所述实时工况参数包括励磁变压器、励磁调节器、晶闸管、快速熔断器、定子绕组、转子绕组、灭磁装置和励磁机碳刷处的实时工况参数。
4.根据权利要求3所述的基于健康度评估反馈的发电机励磁系统分层级判别方法,其特征在于,步骤7中,设定健康度综合分数每m小时进行更新,m的取值范围为1 ≤ m ≤ 6。
5.根据权利要求4所述的基于健康度评估反馈的发电机励磁系统分层级判别方法,其特征在于,步骤8中,根据健康度综合分数确定励磁系统的健康程度为优良、合格或不合格;若励磁系统的健康程度为优良,则不进行模型修正;若励磁系统的健康程度为合格,则仅根据阈值判据修正模型进行修正;若励磁系统的健康程度为不合格,则同时利用阈值判据修正模型和状态预警修正模型进行修正。
6.用于执行权利要求1至5任一所述基于健康度评估反馈的发电机励磁系统分层级判别方法的系统,其特征在于,包括:
第一构建模块,用于构建包括级故障至/>级故障的励磁系统故障树;
采集模块,用于采集励磁系统的实时工况参数;
第一决策模块,用于对实时工况参数进行分类,并判断实时工况参数是否超过预设阈值,决策是否提示级故障的发生信息;
第二决策模块,用于建立励磁系统的状态模型;根据状态模型和实时工况参数,决策是否提示级故障的预警信息;
确定模块,用于根据级故障的发生信息或预警信息,确定该/>级故障对应的/>级故障或/>级故障;
获取模块,用于获取确定模块确定的级故障或/>级故障的诊断意见;
计算模块,用于根据故障类型及其危害性评级,计算励磁系统的健康度综合分数;
第二构建模块,用于构建阈值判据修正模型和状态预警修正模型,并根据所述健康度综合分数判断是否需要进行模型修正。
7.一种电子设备,其特征在于,包括存储器和处理器;所述存储器存储有可执行程序;所述处理器用于运行所述程序,其中,所述程序运行时执行权利要求1至5任一所述基于健康度评估反馈的发电机励磁系统分层级判别方法。
8.一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包括存储的可执行程序,其中,在所述可执行程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至5任一所述基于健康度评估反馈的发电机励磁系统分层级判别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410181779.5A CN117743805B (zh) | 2024-02-19 | 2024-02-19 | 基于健康度评估反馈的发电机励磁系统分层级判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410181779.5A CN117743805B (zh) | 2024-02-19 | 2024-02-19 | 基于健康度评估反馈的发电机励磁系统分层级判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117743805A CN117743805A (zh) | 2024-03-22 |
CN117743805B true CN117743805B (zh) | 2024-04-30 |
Family
ID=90277682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410181779.5A Active CN117743805B (zh) | 2024-02-19 | 2024-02-19 | 基于健康度评估反馈的发电机励磁系统分层级判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117743805B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07200981A (ja) * | 1993-12-28 | 1995-08-04 | Toshiba Corp | プラントの信頼性評価方法および更新評価方法 |
CN102968113A (zh) * | 2012-11-16 | 2013-03-13 | 国电南瑞科技股份有限公司 | 一种发电机励磁系统故障分析及展示方法 |
CN104730458A (zh) * | 2015-04-01 | 2015-06-24 | 贵州电力试验研究院 | 发电机励磁系统状态监测方法 |
CN111426949A (zh) * | 2020-06-11 | 2020-07-17 | 新誉轨道交通科技有限公司 | 一种电磁阀健康评估方法、装置、设备及可读存储介质 |
CN111650917A (zh) * | 2020-05-14 | 2020-09-11 | 中铁第四勘察设计院集团有限公司 | 一种设备的多维度状态在线监测方法及系统 |
CN111983452A (zh) * | 2020-08-31 | 2020-11-24 | 清华大学 | 用于检测多相无刷励磁机的电枢绕组故障的方法和系统 |
WO2021218003A1 (zh) * | 2020-04-27 | 2021-11-04 | 中国电子科技集团公司第十四研究所 | 一种雷达嵌入式健康管理系统 |
CN115660631A (zh) * | 2022-08-29 | 2023-01-31 | 国网上海能源互联网研究院有限公司 | 一种基于修正权重故障树模型的配电终端状态评估方法 |
CN115659799A (zh) * | 2022-10-24 | 2023-01-31 | 国网浙江省电力有限公司电力科学研究院 | 一种具备阈值自适应功能的锂电储能电站故障诊断方法 |
WO2023088163A1 (zh) * | 2021-11-16 | 2023-05-25 | 宇通客车股份有限公司 | 新能源车辆及其电池系统soc异常监控诊断方法、装置 |
CN117171899A (zh) * | 2023-07-28 | 2023-12-05 | 北京化工大学 | 一种基于动态故障树和部件剩余使用寿命的机械设备健康评估方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120317058A1 (en) * | 2011-06-13 | 2012-12-13 | Abhulimen Kingsley E | Design of computer based risk and safety management system of complex production and multifunctional process facilities-application to fpso's |
CN113240180B (zh) * | 2021-05-18 | 2022-08-05 | 国网河南省电力公司电力科学研究院 | 一种基于Bayes-Adaboost改进算法的输电线路舞动预警方法 |
-
2024
- 2024-02-19 CN CN202410181779.5A patent/CN117743805B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07200981A (ja) * | 1993-12-28 | 1995-08-04 | Toshiba Corp | プラントの信頼性評価方法および更新評価方法 |
CN102968113A (zh) * | 2012-11-16 | 2013-03-13 | 国电南瑞科技股份有限公司 | 一种发电机励磁系统故障分析及展示方法 |
CN104730458A (zh) * | 2015-04-01 | 2015-06-24 | 贵州电力试验研究院 | 发电机励磁系统状态监测方法 |
WO2021218003A1 (zh) * | 2020-04-27 | 2021-11-04 | 中国电子科技集团公司第十四研究所 | 一种雷达嵌入式健康管理系统 |
CN111650917A (zh) * | 2020-05-14 | 2020-09-11 | 中铁第四勘察设计院集团有限公司 | 一种设备的多维度状态在线监测方法及系统 |
CN111426949A (zh) * | 2020-06-11 | 2020-07-17 | 新誉轨道交通科技有限公司 | 一种电磁阀健康评估方法、装置、设备及可读存储介质 |
CN111983452A (zh) * | 2020-08-31 | 2020-11-24 | 清华大学 | 用于检测多相无刷励磁机的电枢绕组故障的方法和系统 |
WO2023088163A1 (zh) * | 2021-11-16 | 2023-05-25 | 宇通客车股份有限公司 | 新能源车辆及其电池系统soc异常监控诊断方法、装置 |
CN115660631A (zh) * | 2022-08-29 | 2023-01-31 | 国网上海能源互联网研究院有限公司 | 一种基于修正权重故障树模型的配电终端状态评估方法 |
CN115659799A (zh) * | 2022-10-24 | 2023-01-31 | 国网浙江省电力有限公司电力科学研究院 | 一种具备阈值自适应功能的锂电储能电站故障诊断方法 |
CN117171899A (zh) * | 2023-07-28 | 2023-12-05 | 北京化工大学 | 一种基于动态故障树和部件剩余使用寿命的机械设备健康评估方法 |
Non-Patent Citations (2)
Title |
---|
基于动态权重和模糊综合评判法的健康评估模型;彭炎亮;李汪根;刘娇;陈骞;;计算机系统应用;20170115(第01期);正文 * |
基于层次故障树的闸门健康状态评估系统研究;黄丽琴;赵红红;刘辉;许鹤鹏;孙杰;徐建文;万英杰;陈启明;;湖北工业大学学报;20190415(第02期);正文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117743805A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
CN107358366B (zh) | 一种配电变压器故障风险监测方法及系统 | |
US20150346066A1 (en) | Asset Condition Monitoring | |
JP2007123007A (ja) | 燃料電池システムの診断方法および診断装置 | |
KR102136141B1 (ko) | 인공지능 알고리즘을 이용한 고장 예방 기능을 구비한 비상 발전기 | |
CN110221976B (zh) | 一种基于度量技术的计量终端软件质量量化评价方法 | |
CN113533910A (zh) | 一种适用于换流变压器局部放电预警的方法及系统 | |
CN112821424A (zh) | 一种基于数据-模型融合驱动的电力系统频率响应分析方法 | |
CN109559019A (zh) | 一种基于风险指数的电力系统动态安全评估方法 | |
KR20190034963A (ko) | 전력용 변압기의 결함을 판별하기 위한 유중가스 패턴 분석 장치 및 방법 | |
CN116125242A (zh) | 对象检测方法及系统 | |
CN117743805B (zh) | 基于健康度评估反馈的发电机励磁系统分层级判别方法 | |
CN114552577A (zh) | 一种输电系统安全性评价方法 | |
CN110674124B (zh) | 一种异常数据检测方法、系统及智能路由器 | |
CN111880093A (zh) | 一种发电机整组启动试验的仿真方法、装置及系统 | |
US11886831B2 (en) | Data sorting device and method, and monitoring and diagnosis device | |
CN115712871A (zh) | 一种结合重采样和集成学习的电力电子系统故障诊断方法 | |
CN113283510B (zh) | 一种基于全业务混合数据的二次设备健康状况分析方法 | |
US20180087489A1 (en) | Method for windmill farm monitoring | |
CN115587331A (zh) | 电网设备运行状态诊断预测方法及系统 | |
CN115308644A (zh) | 基于电流偏移比差分析的变压器绕组故障检测方法及系统 | |
CN116027253A (zh) | 一种电能表故障自诊断方法 | |
CN117491769A (zh) | 一种光伏优化器可靠性测试系统 | |
CN117808456A (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
CN117494818A (zh) | 基于模糊逻辑的变压器健康度评估方法 |
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 | ||
GR01 | Patent grant |