水力发电作为目前世界上开发规模最大的清洁能源,已经被各个国家广泛应用。然而水电机组的结构复杂,机组的运行工况也比较恶劣,机组的安全稳定运行涉及到水力、机械和电气等多个方面的影响,是一个水-机-电耦合的多源非线性系统。机组也极容易出现各种设备故障,从而影响机组的稳定运行,且机组的振动信号具有较强的非线性,使得水电机组的故障特征信号提取比较困难。因此,研究水电机组非平稳振动信号的特征提取方法对机组运行维护和保障电网的安全稳定运行具有重要意义。为此,本文首先分析了水电机组引起振动的机理原因和几种典型的故障,重点研究了水电机组振动故障分类和机组所发生故障的振动特点,最后对机组的转子不平衡故障、转子不对中故障、定转子间出现的碰摩故障、尾水管发生的偏心涡带和极频振动等五个典型水轮发电机组故障进行分析,从而为后续的水电机组故障特征提取奠定理论基础。其次,针对当前水电机组特征提取方法中存在的故障早期微弱特征信号和渐变特征信号提取困难的问题,本文提出了一种基于变分模态分解(VMD,variational mode decomposition)的敏感特征分量提取方法。首先采用VMD对机组的振动信号进行分解;为了抑制噪声干扰,实现特征分量的精确提取,然后在互信息的基础上构造敏感系数,并选取敏感系数较大的分量作为信号的敏感分量;最后,对得到的敏感分量进行频谱分析,分析敏感分量中包含的有效信息并找出信号的特征频率。仿真分析和实例验证表明,本文提出的方法可以较为准确地提取出故障早期的微弱特征信号、低频信号及突变信号等特征信号,具有一定的实际应用价值。最后,针对单一通道的特征提取方法无法全面的获取故障特征信息,故障分析结果往往存在误判或漏判的问题,提出了一种基于二维经验模态分解(Bivariate empirical mode decomposition,BEMD)和全矢包络技术(full vector spectrum,FVS)的特征提取方法。首先采用正交采样技术获得机组的正交振动信号,并对其进行BEMD分解,得到含有相位信息的固有模态函数;为了得到敏感的模态分量,在互信息的基础上构造敏感系数,然后计算各个模态分量的敏感系数,选取敏感系数较大的模态作为敏感分量;最后采用全矢包络技术融合选取的敏感模态分量,得到相应的全矢包络谱,从而得到全面、准确的机组特征分量。仿真分析和实例验证表明,该方法可以全面准确地提取出机组的故障特征分量,具有一定的实际应用价值。