CN118128686A - 立式水轮发电机组顶盖压力调节方法、系统、电子设备及存储介质 - Google Patents
立式水轮发电机组顶盖压力调节方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN118128686A CN118128686A CN202410552675.0A CN202410552675A CN118128686A CN 118128686 A CN118128686 A CN 118128686A CN 202410552675 A CN202410552675 A CN 202410552675A CN 118128686 A CN118128686 A CN 118128686A
- Authority
- CN
- China
- Prior art keywords
- thrust bearing
- temperature
- top cover
- overtemperature
- bearing bush
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000012937 correction Methods 0.000 claims abstract description 74
- 238000012544 monitoring process Methods 0.000 claims abstract description 70
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 230000001105 regulatory effect Effects 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 73
- 238000012545 processing Methods 0.000 claims description 22
- 239000013049 sediment Substances 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000010977 unit operation Methods 0.000 claims description 21
- 238000013210 evaluation model Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000013524 data verification Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 18
- 230000008859 change Effects 0.000 description 18
- 238000007726 management method Methods 0.000 description 17
- 238000006243 chemical reaction Methods 0.000 description 14
- 238000012423 maintenance Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 13
- 239000000463 material Substances 0.000 description 10
- 238000013021 overheating Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000010248 power generation Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000009529 body temperature measurement Methods 0.000 description 5
- 230000003449 preventive effect Effects 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000011158 quantitative evaluation Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 231100000817 safety factor Toxicity 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Landscapes
- Control Of Water Turbines (AREA)
Abstract
本发明涉及水轮发电机压力控制的技术领域,特别是涉及一种立式水轮发电机组顶盖压力调节方法、系统、电子设备及存储介质,其提高了机组的安全性、稳定性和经济效益;方法包括:设定监测时间窗口,采集监测时间窗口内不同时间节点的推力轴承瓦温;获取每个时间节点的顶盖压力影响因素集合;将每个时间节点对应的顶盖压力影响因素集合输入至预先搭建的顶盖压力影响校正数据库中进行寻优匹配,获得每个时间节点对应的轴瓦温度校正因子;将相同时间节点对应的轴瓦温度校正因子与推力轴承瓦温进行温度影响校正,获得推力轴承校正瓦温;基于预设瓦温阈值,对每个时间节点的推力轴承校正瓦温进行超温计算。
Description
技术领域
本发明涉及水轮发电机压力控制的技术领域,特别是涉及一种立式水轮发电机组顶盖压力调节方法、系统、电子设备及存储介质。
背景技术
在水力发电工程技术体系中,立式水轮发电机组的安全可靠运行起着决定性作用;在机组实际运作的过程中,推力轴承瓦温的异常增高往往源于多重复杂因素的交织作用,涵盖但不限于水轮机顶盖内部压力的攀升、机组运行负荷的频繁波动、水头条件的瞬息万变,以及水中泥沙含量的增加等重要因素;一旦这些因素累积导致顶盖腔内压力剧增,将会直线上升推力轴承的承载负担,继而导致轴承作业应力增大,从而引起推力轴承瓦温迅速抬升;在极端情况下,瓦温过高可能酿成轴承材料过热损伤乃至报废,这一系列连锁反应对机组的稳定性与安全性构成严重威胁,甚或触发机组被迫停止运行的紧急状况。
传统的立式水轮发电机组顶盖压力调控手段主要侧重于单一变量的静态监控,诸如仅在检测到顶盖压力超标或推力轴承瓦温触及设定上限时采取应急泄压措施;然而,这类方法忽视了对众多影响因素实时联动的考量与应对,在实施精确调压策略时显得力不从心;这种局限性导致在面对复杂的工况变化时,难以实现顶盖压力的精细化管理,由此不仅降低了水能转换的效率,也削减了发电装置的经济效益。
发明内容
为解决上述技术问题,本发明提供一种提高了机组的安全性、稳定性和经济效益的立式水轮发电机组顶盖压力调节方法、系统、电子设备及存储介质。
第一方面,本发明提供了立式水轮发电机组顶盖压力调节方法,所述方法包括:
设定监测时间窗口,采集监测时间窗口内不同时间节点的推力轴承瓦温;
获取每个时间节点的顶盖压力影响因素集合;
将每个时间节点对应的顶盖压力影响因素集合输入至预先搭建的顶盖压力影响校正数据库中进行寻优匹配,获得每个时间节点对应的轴瓦温度校正因子;
将相同时间节点对应的轴瓦温度校正因子与推力轴承瓦温进行温度影响校正,获得推力轴承校正瓦温;
基于预设瓦温阈值,对每个时间节点的推力轴承校正瓦温进行超温计算,获得与监测时间窗口对应的推力轴承瓦超温差值序列;
将推力轴承瓦超温差值序列输入至预先构建的推力轴承瓦温评价模型中,获得与监测时间窗口对应的推力轴承超温指数;
将推力轴承超温指数与预设超温指数进行比对,若推力轴承超温指数超过预设超温指数,则启动顶盖自动泄压阀门进行泄压操作;若推力轴承超温指数未超过预设超温指数,则顶盖自动泄压阀门继续保持关闭状态。
进一步地,所述顶盖压力影响因素集合包括机组运行负荷、水头条件以及水流泥沙含量。
进一步地,所述推力轴承超温指数的计算公式为:
;
其中,I表示推力轴承超温指数,表示在监测时间窗口内的第t个时间节点推力轴承瓦的超温差值;N表示监测时间窗口内的时间节点个数;α、β和 γ分别表示超温差值平方项、最大超温差值项以及超温差值变化率项的权重系数。
进一步地,所述推力轴承瓦温评价模型的构建方法包括:
收集实际运行中的推力轴承瓦温数据,包括正常运行状态下的温度数据以及异常情况数据,并对采集到的数据进行处理,包括去除异常值和平滑处理;
基于采集到的数据,进行特征提取,获得用于模型的训练集;
选择机器学习模型作为模型的基础,所述机器学习模型包括支持向量机、决策树和神经网络;
利用训练集对选定的模型进行训练,并进行模型验证和评估;
根据验证结果对模型进行优化和调整;
将经过验证和优化的推力轴承瓦温评价模型部署到实际系统中。
进一步地,所述推力轴承瓦温的获取方法包括:
确定监测时间窗口的长度;
在设定好的监测时间窗口内,通过安装在推力轴承部位的温度传感器,采集各个时间节点的推力轴承瓦温数据;
对采集到的数据进行数据校验以及异常数据的处理;
对处理后的数据进行记录和存储。
进一步地,所述顶盖压力影响校正数据库的搭建方法包括:
收集机组运行的历史数据,所述历史数据包括时间戳、机组运行负荷、水头条件、水流泥沙含量、顶盖压力和推力轴承瓦温;
对收集的历史数据进行数据清洗和预处理,包括数据去噪、插值填补缺失值以及剔除异常值;
基于收集到的数据,建立顶盖压力与各影响因素之间的关联模型;
对关联模型进行验证和调优;
设计数据库结构,包括数据表、字段定义和索引设置;
将经过处理的原始数据和训练好的关联模型导入到设计得到的数据库中,获得顶盖压力影响校正数据库。
进一步地,对每个时间节点的推力轴承校正瓦温进行超温计算的方法包括:
设定推力轴承瓦温阈值;
对每个时间节点的推力轴承校正瓦温与预设瓦温阈值进行比较,计算超温差值;
将监测时间窗口内所有时间节点的超温差值按时间顺序排列,形成推力轴承瓦超温差值序列。
另一方面,本申请还提供了立式水轮发电机组顶盖压力调节系统,所述系统包括:
数据采集模块,用于根据设定的监测时间窗口,采集监测时间窗口内不同时间节点的推力轴承瓦温;
影响因素获取模块,用于获取每个时间节点的顶盖压力影响因素集合;
校正因子匹配模块,用于将每个时间节点对应的顶盖压力影响因素集合输入至预先搭建的顶盖压力影响校正数据库中进行寻优匹配,获得每个时间节点对应的轴瓦温度校正因子;
温度影响校正模块,用于将相同时间节点对应的轴瓦温度校正因子与推力轴承瓦温进行温度影响校正,获得推力轴承校正瓦温;
超温分析模块,用于根据预设瓦温阈值,对每个时间节点的推力轴承校正瓦温进行超温计算,获得与监测时间窗口对应的推力轴承瓦超温差值序列;
超温指数评估模块,用于将推力轴承瓦超温差值序列输入至预先构建的推力轴承瓦温评价模型中,获得与监测时间窗口对应的推力轴承超温指数;
控制决策模块,用于将推力轴承超温指数与预设超温指数进行比对,若推力轴承超温指数超过预设超温指数,则启动顶盖自动泄压阀门进行泄压操作;若推力轴承超温指数未超过预设超温指数,则顶盖自动泄压阀门继续保持关闭状态。
第三方面,本申请提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
与现有技术相比本发明的有益效果为:该方法突破了传统单一变量监控的局限,不仅关注推力轴承瓦温,还同步监测机组运行负荷、水头条件、水流泥沙含量等多重影响因素,实现了对顶盖压力相关变量的全方位动态监控,有利于更准确地理解和预测顶盖压力变化;
通过利用预先搭建的顶盖压力影响校正数据库,对采集到的推力轴承瓦温进行温度影响校正,消除了环境因素对瓦温测量值的干扰,提高了数据的精确度,为后续的超温分析和控制决策提供了更为可靠的数据基础;
采用超温差值序列和超温指数评价模型,能够根据校正后的推力轴承瓦温数据,提前计算并评估超温风险,而非仅仅依赖于单一瓦温阈值触发报警,有助于及时发现潜在问题,尽早采取预防措施,避免因瓦温过高引发的严重后果;
根据推力轴承超温指数与预设超温指数的比较结果,能够自动触发顶盖自动泄压阀门的状态,实现顶盖压力的智能、动态调控;相较于仅在压力超标或瓦温触限时进行应急泄压的传统方式,更加主动且精准,能在超温风险尚处可控阶段时就进行干预,有效防止顶盖压力急剧升高带来的安全隐患;
通过对多种影响因素的实时联动分析和推力轴承瓦温的精细化管理,有助于适时、适度地调整顶盖压力,避免过度泄压导致的能源浪费或压力过高造成的设备损害,有助于提高水能转换效率,提升发电装置的经济效益,同时也有利于延长设备寿命,降低运营维护成本;
综上所述,该方法有效解决了传统调控手段的局限性,实现了对立式水轮发电机组顶盖压力的精细化管理,提高了机组的安全性、稳定性和经济效益。
附图说明
图1是本发明的流程图;
图2是推力轴承瓦温评价模型的构建方法的流程图;
图3是立式水轮发电机组顶盖压力调节系统的结构图。
具体实施方式
在本申请的描述中,所属技术领域的技术人员应当知道,本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本申请可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一:如图1至图2所示,本发明的立式水轮发电机组顶盖压力调节方法,具体包括以下步骤:
S1、设定监测时间窗口,采集监测时间窗口内不同时间节点的推力轴承瓦温;
S1步骤通过科学设定监测时间窗口并实施连续、精确的推力轴承瓦温采集,为后续的顶盖压力影响因素分析、校正计算、超温评估及智能控制奠定了坚实的数据基础;
所述推力轴承瓦温的获取方法包括:
S11、确定监测时间窗口的长度,确保采集到的数据能够全面反映机组的运行状态;在确定监测时间窗口的长度时,可以采用系统识别或时间序列分析等方法;首先,通过对历史运行数据的深入挖掘和统计分析,找出推力轴承瓦温与各影响因素之间的动态关系及其时间延迟特性;例如,可以通过ARIMA模型、状态空间模型、卡尔曼滤波等方法来分析推力轴承瓦温随时间变化的趋势以及对各种因素响应的速度和强度;此外,还可以结合专家经验以及现场实测数据,通过优化算法(如遗传算法、粒子群优化算法等)来寻找最优的监测时间窗口长度,使得该窗口既能反映推力轴承温度的动态变化,又能适应顶盖压力和其它影响因素的快速响应需求,同时还能满足推力轴承瓦温评价模型的有效性和准确性要求,具体步骤包括:
S111、收集大量机组运行数据,包括推力轴承瓦温、顶盖压力、运行负荷、水头条件、泥沙含量等多元数据;
S112、分析数据的相关性和滞后效应,初步确定可能的时间窗口范围;
S113、构建目标函数,比如最大化模型预测精度或最小化超温误判率等;
S114、应用优化算法搜索最佳的时间窗口长度;
S115、验证所选时间窗口长度下模型的预测效果和控制效果;
S12、在设定好的监测时间窗口内,通过安装在推力轴承部位的温度传感器,自动且连续地采集各个时间节点的推力轴承瓦温数据;
S13、对采集到的数据进行数据校验以及异常数据的处理,确保采集到的数据准确可靠;
S14、对处理后的数据进行记录和存储,以备后续分析和处理;
所述监测时间窗口的设定影响因素包括:
机组运行周期性,水轮发电机组的运行通常具有周期性,包括日常运行周期和更长周期的季节性或年度周期;监测时间窗口的长度应考虑到这些周期性的影响,以充分反映机组的运行状态;
机组运行负荷波动,机组的运行负荷会随着电网负荷的变化而波动;监测时间窗口的选择应考虑到这种波动,以确保在不同运行负荷下采集到的数据具有代表性;
水头条件变化,水轮发电机组的水头条件可能会随着水流量、水位等因素的变化而发生变化;监测时间窗口的长度应足够长,以覆盖不同水头条件下的运行状态;
季节性变化,季节性变化可能会对水轮发电机组的运行状态产生影响,监测时间窗口的选择应考虑到这些季节性变化的影响;
故障率和维护周期,考虑到机组的故障率和维护周期,监测时间窗口的长度应该能够覆盖机组可能出现的故障和维护周期,以便及时检测并采取相应措施;
数据处理和计算复杂性,监测时间窗口的长度也会受到数据处理和计算复杂性的影响;较长的时间窗口可能导致数据处理和计算的复杂性增加,而较短的时间窗口则可能无法捕捉到机组运行状态的全貌。
在本步骤中,通过合理确定监测时间窗口的长度,确保采集到的数据能够涵盖机组在不同运行周期、负荷波动、水头条件变化及季节性环境影响下的多种运行状态,全面反映机组的实际运行状况;在设定好的监测时间窗口内,利用安装在推力轴承部位的温度传感器实现自动、连续的数据采集,并对采集到的数据进行严格校验与异常处理,有效剔除错误、异常数据,确保所获取的数据具有高度的准确性和代表性;对处理后的推力轴承瓦温数据进行有序记录和妥善存储,便于后续随时调取、分析和处理,为顶盖压力控制策略的制定与优化提供即时、详尽的历史数据支持;通过设定适当长度的监测时间窗口,确保能够覆盖机组可能出现的故障和维护周期,有助于及时检测到推力轴承异常升温或其他潜在问题,为故障诊断、维护计划制定及预防性维护提供关键依据;在设定监测时间窗口时,充分考虑数据处理和计算复杂性,既保证采集到的数据能够全面反映机组运行状态,又避免因窗口过长导致数据处理难度和资源消耗过大,实现数据采集、处理效率与分析深度的合理平衡;
综上所述,本步骤通过科学设定监测时间窗口、精确采集推力轴承瓦温数据、严谨的数据处理流程及合理的数据存储管理,有效保障了推力轴承瓦温数据的质量和完整性,为立式水轮发电机组顶盖压力的精细化管理和智能控制提供了强有力的数据支撑,有助于提升机组运行的安全性、稳定性和经济性。
S2、获取每个时间节点的顶盖压力影响因素集合,所述顶盖压力影响因素集合包括机组运行负荷、水头条件以及水流泥沙含量;
在设定的监测时间窗口内,需同步收集与顶盖压力密切相关的各项关键参数,包括机组运行负荷、水头条件以及水流泥沙含量;这些参数反映了机组在特定时间节点的实际运行状态,对顶盖压力的形成与变化具有直接影响;
机组运行负荷,记录每个时间节点下水轮发电机组的输出功率或电流、电压等电气参数,间接反映机组的工作强度,负荷的波动会改变水轮机内部流场分布,进而影响顶盖腔内的压力分布;
水头条件,监测并记录每个时间节点的水轮机进水口处水位、流量及相应的水头数据;水头的变化直接影响水轮机转速和扭矩,进而影响推力轴承的受力情况,与顶盖压力紧密相关;
水流泥沙含量,通过在线水质监测设备或定期取样分析,获取每个时间节点的进水口处泥沙浓度;泥沙含量的增加会加剧水轮机部件磨损,影响水力性能,也可能导致推力轴承局部过热,间接影响顶盖压力;
在本步骤中,通过同时监测机组运行负荷、水头条件及水流泥沙含量,能够从电能输出、水力条件及水质状况三个维度全面获取影响顶盖压力的直接或间接因素数据,为深入理解顶盖压力变化的复杂机制提供多角度信息;每个时间节点的参数记录准确反映了机组在该时刻的实际运行状态,有助于实时把握顶盖压力的动态演变过程,为精准调控顶盖压力提供了实时、详细的工况背景;通过分析各影响因素与顶盖压力之间的因果关系,能够揭示负荷波动如何改变水轮机内部流场进而影响顶盖压力,理解水头变化如何通过影响转速和扭矩间接作用于推力轴承和顶盖压力,以及泥沙含量如何通过加剧磨损、影响水力性能间接导致顶盖压力变化,有助于精准识别引发顶盖压力异常的关键因素,为针对性的控制策略制定提供依据;通过对影响因素的长期监测与分析,能够及时发现异常工况、诊断潜在故障,有助于提前采取预防措施,避免顶盖压力异常导致的推力轴承过热、磨损等问题,保障机组安全稳定运行;基于对影响因素的深入理解,能够优化机组运行策略,以降低顶盖压力波动,减轻推力轴承负担,提高水能转换效率,从而提升发电装置的整体经济效益;
综上所述,本步骤通过全面、实时地获取与顶盖压力密切相关的各项关键参数,为顶盖压力的精准调控、故障预警、运行优化及效率提升提供了有力的数据支持和理论依据,对于确保立式水轮发电机组的安全可靠运行、提高水能转换效率及经济效益具有显著作用。
S3、将每个时间节点对应的顶盖压力影响因素集合输入至预先搭建的顶盖压力影响校正数据库中进行寻优匹配,获得每个时间节点对应的轴瓦温度校正因子;
S3步骤实现了对顶盖压力影响因素的综合考量和量化评估,打破了传统方法仅关注单一变量的局限,为后续的推力轴承瓦温校正、超温计算、评价模型应用以及顶盖自动泄压决策提供了更为精准的输入数据;体现了现代水轮发电机压力控制领域对复杂工况下多因素交互作用的深入理解和高效处理,有利于实现顶盖压力的精细化管理,提升水能转换效率和发电装置经济效益,同时有效预防因顶盖压力异常导致的推力轴承过热问题,增强机组运行的安全稳定性;具体包括以下步骤:
数据收集与预处理:实时获取每个时间节点的机组运行参数,包括机组运行负荷、水头条件以及水流泥沙含量等顶盖压力影响因素;这些数据需要经过清洗和格式化,确保它们适合输入到数据库进行匹配运算;
影响因素映射:将收集到的每个时间节点的影响因素数据转化为可以与顶盖压力影响校正数据库兼容的形式;例如,如果数据库中存储的是标准化数值或特定区间内的编码值,那么就需要将实时采集的数据进行相应的转换;
数据库查询与匹配:将处理好的影响因素集合作为查询条件,输入到预先搭建的顶盖压力影响校正数据库中;这个数据库包含了多种工况条件下顶盖压力与影响因素之间的关系模型,以及对应的轴瓦温度校正因子;
寻优匹配算法执行:数据库通过内置的寻优匹配算法(如模糊逻辑、神经网络、支持向量机或其他机器学习算法),根据输入的影响因素集合找到最接近或最相关的数据记录,从而得出该时间节点下对应的最佳轴瓦温度校正因子;
结果输出:获取到的轴瓦温度校正因子随后被用于后续步骤中对推力轴承瓦温进行校正,以便更准确地评估推力轴承的工作状态和潜在风险;
通过以上步骤,能够充分考虑到多种影响因素的实时联动作用,实现顶盖压力与推力轴承瓦温之间更为精准的关系解析和控制策略制定,从而提高立式水轮发电机组运行的安全性和效率。
所述顶盖压力影响校正数据库的搭建方法包括:
S31、收集机组运行的历史数据,所述历史数据包括时间戳、机组运行负荷、水头条件、水流泥沙含量、顶盖压力和推力轴承瓦温;
S32、对收集的历史数据进行数据清洗和预处理,包括数据去噪、插值填补缺失值以及剔除异常值;
S33、基于收集到的数据,建立顶盖压力与各影响因素之间的关联模型;
S34、通过交叉验证、参数调节以及模型对比的方法对关联模型进行验证和调优,以确保模型的准确性和稳定性;
S35、设计数据库结构,包括数据表、字段定义和索引设置,以支持高效的数据查询和存储;
S36、将经过处理的原始数据和训练好的模型导入到数据库中,获得顶盖压力影响校正数据库。
在本步骤中,通过收集机组运行历史数据中包含的时间戳、机组运行负荷、水头条件、水流泥沙含量、顶盖压力和推力轴承瓦温等多维度信息,实现了对立式水轮发电机组运行状态的全面记录和综合分析,打破了传统方法仅关注单一变量的局限;通过数据清洗和预处理,确保了进入建模环节的历史数据具有较高的准确性和一致性,为建立可靠关联模型奠定了坚实基础;基于收集到的高质量历史数据,建立顶盖压力与各影响因素之间的数学模型,量化描述了各因素对顶盖压力的具体影响规律,为后续的轴瓦温度校正提供了精确的计算依据;通过交叉验证、参数调节以及模型对比等方法,对关联模型进行严格验证和精细调优,确保模型在不同工况下的准确性和稳定性,增强了模型对未来顶盖压力预测的可靠性;精心设计数据库结构,确保了数据查询和存储的高效性;将经过处理的原始数据和训练好的模型导入数据库,形成了完整的顶盖压力影响校正数据库,为实时顶盖压力调控提供了便捷、快速的数据支持平台;基于搭建完成的顶盖压力影响校正数据库,能够实现对顶盖压力的精细化管理,依据实时监测的机组运行参数,快速准确地计算出轴瓦温度校正因子,进而对推力轴承瓦温进行校正,为超温计算、评价模型应用以及顶盖自动泄压决策提供精确输入,有效预防推力轴承过热问题,提升机组运行的安全稳定性;通过精确的顶盖压力调控,优化了水能转换效率,减少了因顶盖压力异常导致的能源浪费,同时降低了因推力轴承过热引发的停机维修成本,提升了发电装置的经济效益;
综上所述,本步骤通过构建顶盖压力影响校正数据库,实现了对立式水轮发电机组顶盖压力的多因素综合考量、精确关联模型建立、高效数据库设计与部署,以及顶盖压力的精细化管理,显著提升了机组运行的安全稳定性、水能转换效率和经济效益,有效预防了推力轴承过热问题。
S4、将相同时间节点对应的轴瓦温度校正因子与推力轴承瓦温进行温度影响校正,获得推力轴承校正瓦温;
S4步骤通过将轴瓦温度校正因子与推力轴承瓦温进行数学运算,实现了对推力轴承瓦温的精确校正,消除了非顶盖压力因素的影响,为后续的顶盖压力精细化管理和智能控制提供了更为准确的推力轴承温度参考值;体现了现代水轮发电机压力控制领域对复杂工况下多因素交互作用的深入理解和精确处理能力,有利于提高水能转换效率、提升发电装置经济效益,同时有效预防因顶盖压力异常导致的推力轴承过热问题,保障机组安全稳定运行;
将轴瓦温度校正因子与对应的推力轴承瓦温进行数学运算,以校正实际测得的瓦温值,消除非顶盖压力因素对瓦温测量的干扰。校正计算的方法包括:
线性校正,若轴瓦温度校正因子为正值,表示在当前工况下推力轴承瓦温受非顶盖压力因素影响而偏高,校正瓦温 = 瓦温测量值 - 轴瓦温度校正因子;若校正因子为负值,表示瓦温偏低,校正瓦温 = 瓦温测量值 + 轴瓦温度校正因子;
比例校正,若采用比例校正模型,校正瓦温 = 瓦温测量值 × (1 + 轴瓦温度校正因子),其中校正因子表示为百分比形式,反映非顶盖压力因素对瓦温的影响程度;
复杂函数校正,对于更复杂的校正模型,需根据模型公式,将轴瓦温度校正因子与瓦温测量值以及可能的其他辅助参数代入计算,得出校正后的推力轴承瓦温。
在本步骤中,通过线性校正、比例校正或复杂函数校正等方法,有效地消除了机组运行负荷、水头条件、水流泥沙含量等非顶盖压力因素对推力轴承瓦温测量值的影响,使得校正后的瓦温数据更准确地反映了顶盖压力对轴承瓦温的实际作用,提高了瓦温数据的可信度和分析价值;校正后的推力轴承瓦温为后续的顶盖压力精细化管理提供了更为精确的温度参考值,有助于更准确地评估顶盖压力对推力轴承的影响,从而实现对顶盖压力的精确调控,有效预防推力轴承过热问题,保障机组安全稳定运行;精确的推力轴承校正瓦温数据为智能控制模型提供了高质量的输入,提高了模型预测和决策的准确性,使得顶盖自动泄压阀门的开启与关闭时机更为合理,既能及时释放过高的顶盖压力,避免推力轴承过热,又能避免不必要的泄压操作,减少能量损失,提高水能转换效率和发电装置的经济效益;本步骤体现了现代水轮发电机压力控制领域对复杂工况下多因素交互作用的深入理解和精确处理能力,通过将影响顶盖压力的多种因素纳入瓦温校正过程,克服了传统方法忽视多因素实时联动的局限性,显著提升了顶盖压力调控的精准性和适应性;
综上所述,本步骤通过精确校正推力轴承瓦温,显著提升了立式水轮发电机组顶盖压力的精细化管理水平和智能控制效果,有效预防了推力轴承过热问题,提高了水能转换效率和发电装置经济效益,保障了机组的安全稳定运行,体现了对复杂工况下多因素交互作用的深入理解和精确处理能力。
S5、基于预设瓦温阈值,对每个时间节点的推力轴承校正瓦温进行超温计算,获得与监测时间窗口对应的推力轴承瓦超温差值序列;
S5步骤实现了对校正瓦温的超温风险评估,为后续的超温指数计算、评价模型应用以及顶盖自动泄压决策提供了关键数据支持;这种方法体现了现代水轮发电机压力控制领域对推力轴承温度管理的重视和精确控制能力,有利于及时发现并应对推力轴承超温问题,预防轴承过热损伤,保障机组安全稳定运行,同时提高水能转换效率和发电装置经济效益;
对每个时间节点的推力轴承校正瓦温进行超温计算的方法包括:
S51、设定推力轴承瓦温阈值,该阈值为正常运行允许的最大瓦温;
S52、对每个时间节点的推力轴承校正瓦温与预设瓦温阈值进行比较,计算超温差值;
S53、将监测时间窗口内所有时间节点的超温差值按时间顺序排列,形成推力轴承瓦超温差值序列;该序列直观反映了在给定监测窗口内推力轴承瓦温相对于预设阈值的超温程度和变化趋势;
所述预设瓦温阈值的设定影响因素包括:
轴承材料特性,不同类型的轴承材料具有不同的耐热性和工作温度范围,因此预设的瓦温阈值会受到轴承材料的选择影响;
机组设计参数,机组的设计参数,如额定功率、转速、负荷范围等,会直接影响轴承的工作条件和热负荷;因此,预设的瓦温阈值需要根据机组的设计参数进行调整,以确保轴承在正常运行范围内工作;
环境条件,环境温度、湿度等环境条件也会对轴承的工作温度产生影响;在高温环境下,轴承的工作温度可能会偏高,因此预设的瓦温阈值可能需要相应调整;
运行历史数据分析,通过分析历史运行数据,能够了解机组在不同工况下轴承的工作状态和温度变化情况,从而根据实际情况调整预设的瓦温阈值,以提高预测准确性和系统稳定性;
安全考虑,预设的瓦温阈值通常还应考虑安全因素,确保在异常情况下及时采取措施以防止轴承过热损坏,从而保障机组的安全运行。
在本步骤中,通过设定正常运行最大瓦温,能够准确识别出推力轴承在校正瓦温下的超温等级,及时发出预警信号,并根据超温严重程度触发相应的应对措施,有效防止轴承过热损伤,保障机组安全稳定运行;超温差值序列记录了监测时间窗口内推力轴承瓦温相对于预设阈值的超温程度和变化趋势,有助于运维人员直观把握轴承温度波动规律,提前预见潜在故障,进行预防性维护,降低非计划停机风险;预设瓦温阈值的设定充分考虑了轴承材料特性、机组设计参数、环境条件、运行历史数据分析及安全因素,确保了阈值设定的科学性与针对性;使得超温计算更为精确,有助于提高温度管理系统的响应速度和控制精度,进而优化水能转换效率,提升发电装置经济效益;综合多种影响因素设定预设瓦温阈值,使方法能够适应不同工况和环境变化,增强了系统的鲁棒性与自适应能力;同时,结合运行历史数据分析进行阈值调整,提高了预测准确性和系统整体稳定性;
综上所述,S5步骤在推力轴承温度管理中起到了关键的风险预警、动态监测、精准控制和系统优化作用,对保障立式水轮发电机组的安全高效运行具有显著的实用价值。
S6、将推力轴承瓦超温差值序列输入至预先构建的推力轴承瓦温评价模型中,获得与监测时间窗口对应的推力轴承超温指数;
S6步骤通过推力轴承超温指数的计算与阈值比对,实现了对立式水轮发电机组推力轴承超温风险的精准量化评估与实时动态控制,显著提升了机组运行的安全性、稳定性和经济性;
所述推力轴承瓦温评价模型的构建方法包括:
S61、收集实际运行中的推力轴承瓦温数据,包括正常运行状态下的温度数据以及异常情况数据,并对采集到的数据进行处理,包括去除异常值和平滑处理;
S62、基于采集到的数据,进行特征提取,确定影响推力轴承瓦温的主要因素,获得用于模型的训练集;
S63、选择机器学习模型作为模型的基础,所述机器学习模型包括支持向量机、决策树和神经网络;
S64、利用训练集对选定的模型进行训练,并进行模型验证和评估;
S65、根据验证结果对模型进行优化和调整,提高模型的预测能力和稳定性;
S66、将经过验证和优化的推力轴承瓦温评价模型部署到实际系统中,实现对推力轴承瓦温的实时监测和预测;
所述推力轴承超温指数的计算公式为:
;/>
其中,I表示推力轴承超温指数,表示在监测时间窗口内的第t个时间节点推力轴承瓦的超温差值;N表示监测时间窗口内的时间节点个数;α、β和 γ分别表示超温差值平方项、最大超温差值项以及超温差值变化率项的权重系数;
描述了整个监测窗口内超温差值的积累效应,平方项增强了较大的超温差值对整体指数的影响。/>强调了单个最大超温差值的重要性,因为它可能指示潜在的突发性高温事件。/>表示超温差值序列的变化率,反映出瓦温上升的速度和稳定性,有助于捕捉可能存在的温度骤升趋势。
在本步骤中,采用实际运行中的推力轴承瓦温数据,进行预处理、特征提取,充分挖掘影响瓦温的关键因素,确保模型训练的准确性和针对性;推力轴承超温指数计算公式涵盖了超温差值平方项、最大超温差值项以及超温差值变化率项,分别反映了超温差值的积累效应、突发性高温事件的潜在风险以及瓦温上升的速度与稳定性;通过推力轴承超温指数,将复杂的瓦温数据转化为易于理解和操作的单一数值,为运维人员提供了直观且精确的风险评估工具;结合预设阈值,能够实时判断推力轴承是否存在超温风险,为决策提供科学依据;模型部署于实际系统后,能够实时监测推力轴承瓦温,及时计算超温指数,实现对推力轴承超温风险的动态跟踪与预警;这有利于运维人员及时采取预防或干预措施,有效防止因超温导致的设备故障,保障机组安全稳定运行;通过对推力轴承超温风险的精准量化评估与实时控制,显著提高了立式水轮发电机组的安全性、稳定性和经济性;安全性方面,减少了因超温引发的设备损坏或停机事故;稳定性方面,确保了机组在适宜温度下持续高效运转;经济性方面,避免了不必要的维修成本和因停机造成的电力损失;
综上所述,本步骤通过构建推力轴承瓦温评价模型及计算推力轴承超温指数,实现了对推力轴承超温风险的智能化、精准化、实时化管理,有力提升了立式水轮发电机组的整体运行效能。
S7、将推力轴承超温指数与预设超温指数进行比对,若推力轴承超温指数超过预设超温指数,则启动顶盖自动泄压阀门进行泄压操作;若推力轴承超温指数未超过预设超温指数,则顶盖自动泄压阀门继续保持关闭状态;
将推力轴承超温指数与预设的超温指数阈值进行比较,预设超温指数阈值用于界定推力轴承超温风险的临界水平;
若推力轴承超温指数超过预设超温指数阈值,表明当前推力轴承存在较高的超温风险,存在对轴承材料造成损害的风险,甚至威胁机组的正常运行,此时,控制系统发出超温警报信号,提醒运维人员关注并准备应对措施;
同时,为及时降低推力轴承的温度,防止温度进一步升高引发更严重的问题,系统自动启动顶盖自动泄压阀门进行泄压操作,顶盖泄压旨在通过释放顶盖腔内部分压力,减轻推力轴承的承载负担,从而降低轴承作业应力,有效抑制轴承瓦温的过快上升;
若推力轴承超温指数未超过预设超温指数阈值,说明当前推力轴承温度处于安全可控范围内,无需采取额外的泄压措施,顶盖自动泄压阀门继续保持关闭状态,以保持顶盖腔内压力的稳定,保证机组在最佳压力条件下高效运行;
所述预设超温指数的设定影响因素包括:
推力轴承的设计和材料特性,不同类型和规格的推力轴承具有不同的耐热能力和工作温度范围;因此,预设超温指数需要考虑推力轴承的设计参数和所使用的材料特性,以确保在安全范围内运行;
环境温度和湿度,气候条件对推力轴承工作温度的影响是一个重要因素;在高温高湿的环境中,推力轴承更容易受热,因此预设超温指数需要相应调整;
机组运行负荷,机组的运行负荷直接影响到推力轴承的工作状态和温度;较高的运行负荷会导致推力轴承的温度升高,因此预设超温指数需要考虑机组的实际运行负荷情况;
水头条件,水头条件的变化会影响水轮机的运行状态和性能,进而影响到推力轴承的工作温度;不同的水头条件需要不同的预设超温指数来确保推力轴承的安全运行;
水中泥沙含量,水中泥沙含量的增加会增加水轮机和推力轴承的摩擦,从而导致推力轴承的温度升高;因此,预设超温指数需要考虑水中泥沙含量的变化情况。
在本步骤中,系统能够及时发出超温警报,使运维人员能迅速了解潜在风险,提前做好应对准备;同时,自动启动顶盖泄压阀门进行泄压操作,有效抑制轴承温度上升,防止因过热导致的轴承损伤或机组停机,显著提高了对突发超温事件的应急处置能力;通过设定与推力轴承特性、运行环境、负载条件、水头条件及水中泥沙含量等多因素相关的预设超温指数,确保了超温阈值的针对性与适应性;这使得系统能根据实际工况精确判断轴承温度是否处于安全范围内,避免了过度干预或漏判风险,实现了推力轴承温度的精细化管理;预设超温指数的设定充分考虑了推力轴承的设计与材料特性,确保了在安全温度范围内运行,有效防止因过热引发的轴承材料过热损伤乃至报废,延长了轴承使用寿命,保障了机组长期稳定运行;当推力轴承温度处于安全可控范围内时,顶盖自动泄压阀门保持关闭,维持顶盖腔内压力稳定,保证机组在最佳压力条件下高效运行;这样既避免了不必要的泄压操作导致的能量损失,又确保了水能的有效转换,提升了发电装置的经济效益;预设超温指数能根据环境温度、湿度、机组运行负荷、水头条件及水中泥沙含量等因素进行动态调整,确保了系统在各种复杂工况下都能准确判断超温风险,增强了机组对环境变化的适应能力;
综上所述,本步骤S7通过精准识别与响应推力轴承超温风险,实现了推力轴承温度的精细化管理,有效保障了设备安全,优化了运行效率,增强了环境适应性,对提升立式水轮发电机组的安全性、稳定性和经济性具有重要意义。
实施例二:如图3所示,本发明的立式水轮发电机组顶盖压力调节系统,具体包括以下模块;
数据采集模块,用于根据设定的监测时间窗口,采集监测时间窗口内不同时间节点的推力轴承瓦温;
影响因素获取模块,用于获取每个时间节点的顶盖压力影响因素集合,所述顶盖压力影响因素集合包括机组运行负荷、水头条件以及水流泥沙含量;
校正因子匹配模块,用于将每个时间节点对应的顶盖压力影响因素集合输入至预先搭建的顶盖压力影响校正数据库中进行寻优匹配,获得每个时间节点对应的轴瓦温度校正因子;
温度影响校正模块,用于将相同时间节点对应的轴瓦温度校正因子与推力轴承瓦温进行温度影响校正,获得推力轴承校正瓦温;
超温分析模块,用于根据预设瓦温阈值,对每个时间节点的推力轴承校正瓦温进行超温计算,获得与监测时间窗口对应的推力轴承瓦超温差值序列;
超温指数评估模块,用于将推力轴承瓦超温差值序列输入至预先构建的推力轴承瓦温评价模型中,获得与监测时间窗口对应的推力轴承超温指数;
控制决策模块,用于将推力轴承超温指数与预设超温指数进行比对,若推力轴承超温指数超过预设超温指数,则启动顶盖自动泄压阀门进行泄压操作;若推力轴承超温指数未超过预设超温指数,则顶盖自动泄压阀门继续保持关闭状态。
该系统采用影响因素获取模块,实时获取顶盖压力影响因素集合,综合考虑了多种可能导致推力轴承瓦温异常的因素;通过校正因子匹配模块和温度影响校正模块,能够根据实时的影响因素调整推力轴承瓦温,实现对推力轴承瓦温的精准调控,从而有效降低了异常增高的风险;
超温分析模块和控制决策模块实现了对推力轴承瓦温的动态监测和响应,能够及时发现推力轴承瓦温超标的情况并采取相应措施,有效避免了推力轴承瓦温过高可能带来的损坏和安全隐患;
通过控制决策模块,系统能够自动启动顶盖自动泄压阀门进行泄压操作,从而及时降低顶盖内部压力,减轻推力轴承的承载负担,进一步保障了机组的安全运行;
综上所述,该系统有效解决了传统调控手段的局限性,实现了对立式水轮发电机组顶盖压力的精细化管理,提高了机组的安全性、稳定性和经济效益。
前述实施例一中的立式水轮发电机组顶盖压力调节方法的各种变化方式和具体实施例同样适用于本实施例的立式水轮发电机组顶盖压力调节系统,通过前述对立式水轮发电机组顶盖压力调节方法的详细描述,本领域技术人员可以清楚的知道本实施例中立式水轮发电机组顶盖压力调节系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
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,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (10)
1.一种立式水轮发电机组顶盖压力调节方法,其特征在于,所述方法包括:
设定监测时间窗口,采集监测时间窗口内不同时间节点的推力轴承瓦温;
获取每个时间节点的顶盖压力影响因素集合;
将每个时间节点对应的顶盖压力影响因素集合输入至预先搭建的顶盖压力影响校正数据库中进行寻优匹配,获得每个时间节点对应的轴瓦温度校正因子;
将相同时间节点对应的轴瓦温度校正因子与推力轴承瓦温进行温度影响校正,获得推力轴承校正瓦温;
基于预设瓦温阈值,对每个时间节点的推力轴承校正瓦温进行超温计算,获得与监测时间窗口对应的推力轴承瓦超温差值序列;
将推力轴承瓦超温差值序列输入至预先构建的推力轴承瓦温评价模型中,获得与监测时间窗口对应的推力轴承超温指数;
将推力轴承超温指数与预设超温指数进行比对,若推力轴承超温指数超过预设超温指数,则启动顶盖自动泄压阀门进行泄压操作;若推力轴承超温指数未超过预设超温指数,则顶盖自动泄压阀门继续保持关闭状态。
2.如权利要求1所述的立式水轮发电机组顶盖压力调节方法,其特征在于,所述顶盖压力影响因素集合包括机组运行负荷、水头条件以及水流泥沙含量。
3.如权利要求2所述的立式水轮发电机组顶盖压力调节方法,其特征在于,所述推力轴承超温指数的计算公式为:
;
其中,I表示推力轴承超温指数,表示在监测时间窗口内的第t个时间节点推力轴承瓦的超温差值;N表示监测时间窗口内的时间节点个数;α、β和 γ分别表示超温差值平方项、最大超温差值项以及超温差值变化率项的权重系数。
4.如权利要求1所述的立式水轮发电机组顶盖压力调节方法,其特征在于,所述推力轴承瓦温评价模型的构建方法包括:
收集实际运行中的推力轴承瓦温数据,包括正常运行状态下的温度数据以及异常情况数据,并对采集到的数据进行处理,包括去除异常值和平滑处理;
基于采集到的数据,进行特征提取,获得用于模型的训练集;
选择机器学习模型作为模型的基础,所述机器学习模型包括支持向量机、决策树和神经网络;
利用训练集对选定的模型进行训练,并进行模型验证和评估;
根据验证结果对模型进行优化和调整;
将经过验证和优化的推力轴承瓦温评价模型部署到实际系统中。
5.如权利要求1所述的立式水轮发电机组顶盖压力调节方法,其特征在于,所述推力轴承瓦温的获取方法包括:
确定监测时间窗口的长度;
在设定好的监测时间窗口内,通过安装在推力轴承部位的温度传感器,采集各个时间节点的推力轴承瓦温数据;
对采集到的数据进行数据校验以及异常数据的处理;
对处理后的数据进行记录和存储。
6.如权利要求1所述的立式水轮发电机组顶盖压力调节方法,其特征在于,所述顶盖压力影响校正数据库的搭建方法包括:
收集机组运行的历史数据,所述历史数据包括时间戳、机组运行负荷、水头条件、水流泥沙含量、顶盖压力和推力轴承瓦温;
对收集的历史数据进行数据清洗和预处理,包括数据去噪、插值填补缺失值以及剔除异常值;
基于收集到的数据,建立顶盖压力与各影响因素之间的关联模型;
对关联模型进行验证和调优;
设计数据库结构,包括数据表、字段定义和索引设置;
将经过处理的原始数据和训练好的关联模型导入到设计得到的数据库中,获得顶盖压力影响校正数据库。
7.如权利要求1所述的立式水轮发电机组顶盖压力调节方法,其特征在于,对每个时间节点的推力轴承校正瓦温进行超温计算的方法包括:
设定推力轴承瓦温阈值;
对每个时间节点的推力轴承校正瓦温与预设瓦温阈值进行比较,计算超温差值;
将监测时间窗口内所有时间节点的超温差值按时间顺序排列,形成推力轴承瓦超温差值序列。
8.一种立式水轮发电机组顶盖压力调节系统,其特征在于,所述系统包括:
数据采集模块,用于根据设定的监测时间窗口,采集监测时间窗口内不同时间节点的推力轴承瓦温;
影响因素获取模块,用于获取每个时间节点的顶盖压力影响因素集合;
校正因子匹配模块,用于将每个时间节点对应的顶盖压力影响因素集合输入至预先搭建的顶盖压力影响校正数据库中进行寻优匹配,获得每个时间节点对应的轴瓦温度校正因子;
温度影响校正模块,用于将相同时间节点对应的轴瓦温度校正因子与推力轴承瓦温进行温度影响校正,获得推力轴承校正瓦温;
超温分析模块,用于根据预设瓦温阈值,对每个时间节点的推力轴承校正瓦温进行超温计算,获得与监测时间窗口对应的推力轴承瓦超温差值序列;
超温指数评估模块,用于将推力轴承瓦超温差值序列输入至预先构建的推力轴承瓦温评价模型中,获得与监测时间窗口对应的推力轴承超温指数;
控制决策模块,用于将推力轴承超温指数与预设超温指数进行比对,若推力轴承超温指数超过预设超温指数,则启动顶盖自动泄压阀门进行泄压操作;若推力轴承超温指数未超过预设超温指数,则顶盖自动泄压阀门继续保持关闭状态。
9.一种立式水轮发电机组顶盖压力调节电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410552675.0A CN118128686B (zh) | 2024-05-07 | 立式水轮发电机组顶盖压力调节方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410552675.0A CN118128686B (zh) | 2024-05-07 | 立式水轮发电机组顶盖压力调节方法、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118128686A true CN118128686A (zh) | 2024-06-04 |
CN118128686B CN118128686B (zh) | 2024-07-05 |
Family
ID=
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560339A (zh) * | 2020-12-11 | 2021-03-26 | 中国长江电力股份有限公司 | 利用机器学习预测水轮发电机组导轴承瓦温度的方法 |
CN112949181A (zh) * | 2021-03-02 | 2021-06-11 | 国能大渡河枕头坝发电有限公司 | 一种多源关联数据的预警预测方法、存储介质及电子设备 |
CN114876854A (zh) * | 2022-06-14 | 2022-08-09 | 沈阳透平机械股份有限公司 | 一种离心压缩机轴向推力控制方法及装置、存储介质 |
WO2023005832A1 (zh) * | 2021-07-28 | 2023-02-02 | 大连三环复合材料技术开发股份有限公司 | 一种基于油膜受力温度计算推力轴承运行状态的方法及系统 |
CN115700324A (zh) * | 2022-10-17 | 2023-02-07 | 出门问问信息科技有限公司 | 一种瓦温预警的方法、装置和电子设备 |
CN116542121A (zh) * | 2023-02-07 | 2023-08-04 | 大唐水电科学技术研究院有限公司 | 一种基于机器学习与神经网络的水轮机轴瓦温度预测方法 |
CN117489508A (zh) * | 2023-12-06 | 2024-02-02 | 横县江南发电有限公司 | 一种水电厂轴瓦温度保护装置及方法 |
CN117490883A (zh) * | 2023-10-16 | 2024-02-02 | 长春工程学院 | 一种基于智能算法的水轮机组推力轴承瓦温度监测装置 |
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560339A (zh) * | 2020-12-11 | 2021-03-26 | 中国长江电力股份有限公司 | 利用机器学习预测水轮发电机组导轴承瓦温度的方法 |
CN112949181A (zh) * | 2021-03-02 | 2021-06-11 | 国能大渡河枕头坝发电有限公司 | 一种多源关联数据的预警预测方法、存储介质及电子设备 |
WO2023005832A1 (zh) * | 2021-07-28 | 2023-02-02 | 大连三环复合材料技术开发股份有限公司 | 一种基于油膜受力温度计算推力轴承运行状态的方法及系统 |
CN114876854A (zh) * | 2022-06-14 | 2022-08-09 | 沈阳透平机械股份有限公司 | 一种离心压缩机轴向推力控制方法及装置、存储介质 |
CN115700324A (zh) * | 2022-10-17 | 2023-02-07 | 出门问问信息科技有限公司 | 一种瓦温预警的方法、装置和电子设备 |
CN116542121A (zh) * | 2023-02-07 | 2023-08-04 | 大唐水电科学技术研究院有限公司 | 一种基于机器学习与神经网络的水轮机轴瓦温度预测方法 |
CN117490883A (zh) * | 2023-10-16 | 2024-02-02 | 长春工程学院 | 一种基于智能算法的水轮机组推力轴承瓦温度监测装置 |
CN117489508A (zh) * | 2023-12-06 | 2024-02-02 | 横县江南发电有限公司 | 一种水电厂轴瓦温度保护装置及方法 |
Non-Patent Citations (1)
Title |
---|
白洁;司冬雨;刘立伟;: "基于SOA的远程监测技术在发电设备行业的应用", 大电机技术, no. 06, 15 November 2014 (2014-11-15), pages 52 - 55 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20100280673A1 (en) | Systems and Methods for Analyzing Reporting Data | |
US9188021B2 (en) | Steam turbine blade vibration monitor backpressure limiting system and method | |
KR102194271B1 (ko) | 모델 기반의 태양광발전 통합 관리 시스템 및 방법 | |
CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
Bangalore et al. | An approach for self evolving neural network based algorithm for fault prognosis in wind turbine | |
CN116644851A (zh) | 结合负荷优化配置的热电厂设备控制方法及系统 | |
CN113746425B (zh) | 光伏逆变器参数异常分析方法、系统 | |
CN118128686B (zh) | 立式水轮发电机组顶盖压力调节方法、系统、电子设备及存储介质 | |
CN117498521A (zh) | 光伏储能系统的充电控制方法及系统 | |
CN117648543A (zh) | 一种自演化的变电站设备学习方法 | |
CN118128686A (zh) | 立式水轮发电机组顶盖压力调节方法、系统、电子设备及存储介质 | |
De Oliveira-Filho et al. | Condition monitoring of wind turbine main bearing using SCADA data and informed by the principle of energy conservation | |
CN117445755A (zh) | 基于云计算的电动汽车电池远程监控系统 | |
Gray et al. | A practical approach to the use of scada data for optimized wind turbine condition based maintenance | |
CN113052716B (zh) | 风力发电机组主轴承的异常预警方法及装置 | |
CN117490338A (zh) | 基于深度学习的船舶冷却机组控制方法及系统 | |
CN117391890B (zh) | 一种物联网护栏的电能管理控制方法 | |
Hou et al. | Wind Turbine Health Information Mining Based on SCADA Data | |
CN118249479A (zh) | 一种智能温度管理的超容储能方法及系统 | |
CN118133668A (zh) | 电厂设备寿命评估方法 | |
CN118281912A (zh) | 一种智能化新能源储能网络管理方法及系统 | |
CN118336783A (zh) | 一种基于海上风电储能系统的充放电控制方法 | |
Silva et al. | Prognosis Smart System AI-based Applied to Equipment Health Monitoring in 4.0 Industry Scenario | |
CN118128691A (zh) | 用于优化发电效率的风电机组智能控制方法及系统 | |
CN118277796A (zh) | 光伏组件的信息输出方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |