论文部分内容阅读
[摘要]由于水电机组内部组成结构日益复杂，软件集成化程度也逐渐增高，我国目前电力系统的调峰、调频和事故的响应能力也再不断提升，而且水电机组正在向着高比转速、大容量、高负载的方向发展，所以，我们不但要对水电机组的各种设备的运行设备进行评估和检测，还要智能诊断方法进行研究。本文先简单介绍了我国水电站机组的现状，并指出了当前故障诊断技术中遇到的问题，同时提出了水电机组故障诊断中常用的技术和方法手段，并对未来的发展方向做了预期。
关键词：水电机组 状态监测 故障诊断技术
[Abstract] due to the increasing complexity of the internal composition structure of hydropower units and the gradual increase of the degree of software integration，the peak shaving，frequency modulation and accident response capacity of China's power system are also continuously improved，and the hydropower units are developing towards the direction of high specific speed，large capacity and high load，We should not only evaluate and detect the operation equipment of various equipment of hydropower units，but also study the intelligent diagnosis method. Firstly，this paper briefly introduces the current situation of hydropower units in China，points out the problems encountered in the current fault diagnosis technology，puts forward the commonly used technologies and methods in hydropower unit fault diagnosis，and forecasts the future development direction.
Key words：hydropower unit condition monitoring and fault diagnosis technology
一、我國水电机组的研究现状
近年来，我国各地大型水电站以及水电装机组的规模屡创新高，众所周知的世界上规模最大的三峡水电站，装机容量2240万千瓦，号称国家“西电东送”骨干工程溪洛渡水电站，装机容量也已经查过1400万千瓦，与原伊泰普水电站的装机容量相近。而正在开发的已发电为主的白鹤滩水电站的单机容量可以达到10万千万的级别，而此电站建成之后，将会成为将仅次于三峡水电站的中国第二大水电站[1]。由此可见，高比转速、大容量、高负载的运行工况下，就使得我国大型水电站的建设面临严峻挑战，如果水电组单机在运行过程中一旦发生故障，甚至停机，那对整个电力系统的稳定性和可靠性运行将是致命的打击，同时也会造成极大的经济损失。
国内一些大型水电机组运行中出现的非计划体系内的停运事件，导致整体机组失稳破坏的事件屡见不鲜，如葛洲坝水电厂曾因机组摆度整体时间超过了调整范围，直接导致了整个水电站的运行的安全和稳定;五强溪水电站以及紧水滩水电站则因为与最优工况产生严重偏离而导致了尾水管压力脉动超出范围，从而引起了水电机组的强烈振动;另外仰山水电站也因部件长期运转，性能退化引起过流部件超出标准，导致整个机组无法正常发电;最严重的舒申斯克水电站事故，则因为机组螺栓松动和水力振动过大，造成了电站机组毁灭性的破坏以及人员的重大伤亡，损失惨重。因此，我们必须感知水电机组特征参数的变化，延长水电机组的使用年限，确智能诊断技术结果的有效性和可信度，从而保证整个水电站设备安全稳定运行，发挥出最大的发电厂的经济效益。
二、水轮发电机组故障诊断发展瓶颈
虽然，我国目前在水电机组状态监测以及智能诊断的技术方面的成绩已经初具成效，但是由于水轮发电机组类属于旋转型机械设备，虽然与旋转机械有一定的共性关系，但其他固有特性也非常明显，我国目前的水轮发电机组故障诊断技术依旧存在着不少问题：
（1）在当前的水电机组故障诊断技术中，大部分都是基于振动信号的频率成分和频率幅值来进行预测，但是水电机组发生的故障，一般随机性较强，不但复杂度高，而且耦合性强，仅基于振动信号的频谱信息进行分析和诊断，容易出现误判。因此，我们必须在前边频谱信息的基础上，另外结合其耦合特性，进行故障机理分析，提取出导致故障的其他影响因素和特性，进一步探寻和开发故障诊断的新方法。
（2）另外，基于常规现有的水轮发电机组故障诊断专家系统，由于专家系统的局限性，预判并不能达到真实反映实际故障的需要。同时，因为各地水电机组制造方式、安装环境以及运行方式的区别性差异较大，现场用户检修数据以及工程人员检修经验，并不能充分的与专家系统融合在一起，因此，也需要探寻和开发新的水电机组状态评估和故障诊断系统。
（3）最后，由于水电机组的内部结构的复杂性，故障引发因素众多，所以特别缺乏对水电机组内部结构的深层故障机理的研究和进一步探讨，因此，这方面也需要进一步加强。
三、水轮发电机组故障诊断技术
目前，我国常用的水电机组的故障诊断技术可以大体划分如下： （1）应用网络技术以及多传感器信息融合技术：在对水电机组的状态监测和故障诊断时，我们可以有效地利用虚网络技术以及多传感器信息相融合的技术，提高网络智能化的进城，优化远程监控的网络环境，同时还可以利用证据推理、模糊理论和人工神经网络的方法，实现故障的融合诊断。
（2）应用全息谱分解技术：由于传统的频谱分析的方法已经不足以精确定位故障的诊断信息，因此，现在衍生出的全息谱分解技术，在一定程度上利用了频谱分析的结果，同时加入相位信息的考虑因素，结合相互垂直的两个信号，对轴心轨迹进行分解，提高了故障诊断的可靠性[2]。
（3）应用非线性原理和方法：由于水电机组的故障信息呈非线性结构，因此可以采用非线性原理，如傅里叶变换、奇异谱分析、分形几何以及相关分析等方法中获取故障特征信息。另外，还可以利用小波分析的信号分析技术对故障中的随机信号进行分析，这样也在一定程度上提高了水电机组故障诊断的准确性。
四、展望
截止当前，我国对水电机组的状态监测评估和智能故障诊断技术虽然取得了一定的成效，但是对其的研究仍然任重而道远，需要从以下几个方面开展深入的研究：
（1）由于我国特高压以及直流电网项目的不断推进和发展，水电机组的供电需求进一步增加，受到水机电耦合作用的影响，水电机组的单机容量需要进一步提升，而且对转速的要求也有所增加。因此，如何精準定位水电机组内部结构和部件间的相互关系，则可以有效地识别出水电机组运转过程中产生的故障与机网震荡或者流激振动之间的耦合关系。
（2）若遇到水电机组设备老化，尤其是零部件内部性能严重退化时，虽然现在可以利用状态在线监测系统或者故障诊断的方法找出固定定位，但是水电机组的性能已严重老化，性能无法保证，为了避免重大事故的发生，此时必须对固件进行升级或大型改造，这样做就违背了故障诊断的预判的目的。因此，我们还需要进行强噪声背景下的水电机组早期故障特征提取的方法研究，对水电机组的早期退化进行合理评估，这样可以掌握水电站整体的动态故障演化过程，也同样可以保证早期故障的有效识别。
（3）另外，我们也可以应用新的信号处理技术，例如经验模态分解以及信息熵等技术，可以在大量在线监测系统数据的基础上，构建搜索框架，提取非平稳特征以及最优特征，同时为了进一步精准定位故障位置和影响程度，还可以搜集体现故障位置和损伤程度的各种因数的非平稳典型征兆集合，这样可以更加准确的描述出水电机组的故障的演化发展规律。
（4）由于国内采用的水电机组状态监测系统对多故障同时并发的智能诊断技术相对薄弱，而且大部分都需要依赖大量的训练标记样本，同时还有人为给定参数的限制，因此需要构多模型的混合智能诊断技术，达到性能互补，实现水电机组中多故障并发时的耦合特征的分离，实现精确故障诊断，保证诊断结果的可靠性。
（5）我们还可以充分利用水电机组的各种扰动因素，综合机械故障、电磁故障、水力故障各种故障特征信号间的相互耦合关系，形成多故障模式的模式识别。
（6）由于当前水电机组状态在线监测和故障智能诊断系统的技术相较于以往，已经有了质的改进，但是这些系统的漏洞和缺陷依旧不少，如业务单一、数据孤岛等，因此我们还需要利用现代5G通讯技术以及大数据云计算的处理技术，实现水电机组内部系统间的云知识共享平台，构建出超大规模分布式计算和存储能力的云处理诊断技术。这样，我们不但可以实时获取水电机组发生故障时各种设备信息情况，也可以保证水电厂的工技术人员可以在线进行维修策略的制定，实时解决定期检修和状态监测的相互融合，更好地体现水电站的整体经济效益。
参考文献
[1] 陈磊. 水库蓄水对库岸边坡稳定性的影响研究——以白鹤滩库区宁南县段为例[M]. 长安大学. 2016.
[2] 万鹏，孙建平，徐擎天.全息谱分解在水轮机组故障诊断中的应用[J].江西电力.2004（3）：1-14，19.
关键词：水电机组 状态监测 故障诊断技术
[Abstract] due to the increasing complexity of the internal composition structure of hydropower units and the gradual increase of the degree of software integration，the peak shaving，frequency modulation and accident response capacity of China's power system are also continuously improved，and the hydropower units are developing towards the direction of high specific speed，large capacity and high load，We should not only evaluate and detect the operation equipment of various equipment of hydropower units，but also study the intelligent diagnosis method. Firstly，this paper briefly introduces the current situation of hydropower units in China，points out the problems encountered in the current fault diagnosis technology，puts forward the commonly used technologies and methods in hydropower unit fault diagnosis，and forecasts the future development direction.
Key words：hydropower unit condition monitoring and fault diagnosis technology
一、我國水电机组的研究现状
近年来，我国各地大型水电站以及水电装机组的规模屡创新高，众所周知的世界上规模最大的三峡水电站，装机容量2240万千瓦，号称国家“西电东送”骨干工程溪洛渡水电站，装机容量也已经查过1400万千瓦，与原伊泰普水电站的装机容量相近。而正在开发的已发电为主的白鹤滩水电站的单机容量可以达到10万千万的级别，而此电站建成之后，将会成为将仅次于三峡水电站的中国第二大水电站[1]。由此可见，高比转速、大容量、高负载的运行工况下，就使得我国大型水电站的建设面临严峻挑战，如果水电组单机在运行过程中一旦发生故障，甚至停机，那对整个电力系统的稳定性和可靠性运行将是致命的打击，同时也会造成极大的经济损失。
国内一些大型水电机组运行中出现的非计划体系内的停运事件，导致整体机组失稳破坏的事件屡见不鲜，如葛洲坝水电厂曾因机组摆度整体时间超过了调整范围，直接导致了整个水电站的运行的安全和稳定;五强溪水电站以及紧水滩水电站则因为与最优工况产生严重偏离而导致了尾水管压力脉动超出范围，从而引起了水电机组的强烈振动;另外仰山水电站也因部件长期运转，性能退化引起过流部件超出标准，导致整个机组无法正常发电;最严重的舒申斯克水电站事故，则因为机组螺栓松动和水力振动过大，造成了电站机组毁灭性的破坏以及人员的重大伤亡，损失惨重。因此，我们必须感知水电机组特征参数的变化，延长水电机组的使用年限，确智能诊断技术结果的有效性和可信度，从而保证整个水电站设备安全稳定运行，发挥出最大的发电厂的经济效益。
二、水轮发电机组故障诊断发展瓶颈
虽然，我国目前在水电机组状态监测以及智能诊断的技术方面的成绩已经初具成效，但是由于水轮发电机组类属于旋转型机械设备，虽然与旋转机械有一定的共性关系，但其他固有特性也非常明显，我国目前的水轮发电机组故障诊断技术依旧存在着不少问题：
（1）在当前的水电机组故障诊断技术中，大部分都是基于振动信号的频率成分和频率幅值来进行预测，但是水电机组发生的故障，一般随机性较强，不但复杂度高，而且耦合性强，仅基于振动信号的频谱信息进行分析和诊断，容易出现误判。因此，我们必须在前边频谱信息的基础上，另外结合其耦合特性，进行故障机理分析，提取出导致故障的其他影响因素和特性，进一步探寻和开发故障诊断的新方法。
（2）另外，基于常规现有的水轮发电机组故障诊断专家系统，由于专家系统的局限性，预判并不能达到真实反映实际故障的需要。同时，因为各地水电机组制造方式、安装环境以及运行方式的区别性差异较大，现场用户检修数据以及工程人员检修经验，并不能充分的与专家系统融合在一起，因此，也需要探寻和开发新的水电机组状态评估和故障诊断系统。
（3）最后，由于水电机组的内部结构的复杂性，故障引发因素众多，所以特别缺乏对水电机组内部结构的深层故障机理的研究和进一步探讨，因此，这方面也需要进一步加强。
三、水轮发电机组故障诊断技术
目前，我国常用的水电机组的故障诊断技术可以大体划分如下： （1）应用网络技术以及多传感器信息融合技术：在对水电机组的状态监测和故障诊断时，我们可以有效地利用虚网络技术以及多传感器信息相融合的技术，提高网络智能化的进城，优化远程监控的网络环境，同时还可以利用证据推理、模糊理论和人工神经网络的方法，实现故障的融合诊断。
（2）应用全息谱分解技术：由于传统的频谱分析的方法已经不足以精确定位故障的诊断信息，因此，现在衍生出的全息谱分解技术，在一定程度上利用了频谱分析的结果，同时加入相位信息的考虑因素，结合相互垂直的两个信号，对轴心轨迹进行分解，提高了故障诊断的可靠性[2]。
（3）应用非线性原理和方法：由于水电机组的故障信息呈非线性结构，因此可以采用非线性原理，如傅里叶变换、奇异谱分析、分形几何以及相关分析等方法中获取故障特征信息。另外，还可以利用小波分析的信号分析技术对故障中的随机信号进行分析，这样也在一定程度上提高了水电机组故障诊断的准确性。
四、展望
截止当前，我国对水电机组的状态监测评估和智能故障诊断技术虽然取得了一定的成效，但是对其的研究仍然任重而道远，需要从以下几个方面开展深入的研究：
（1）由于我国特高压以及直流电网项目的不断推进和发展，水电机组的供电需求进一步增加，受到水机电耦合作用的影响，水电机组的单机容量需要进一步提升，而且对转速的要求也有所增加。因此，如何精準定位水电机组内部结构和部件间的相互关系，则可以有效地识别出水电机组运转过程中产生的故障与机网震荡或者流激振动之间的耦合关系。
（2）若遇到水电机组设备老化，尤其是零部件内部性能严重退化时，虽然现在可以利用状态在线监测系统或者故障诊断的方法找出固定定位，但是水电机组的性能已严重老化，性能无法保证，为了避免重大事故的发生，此时必须对固件进行升级或大型改造，这样做就违背了故障诊断的预判的目的。因此，我们还需要进行强噪声背景下的水电机组早期故障特征提取的方法研究，对水电机组的早期退化进行合理评估，这样可以掌握水电站整体的动态故障演化过程，也同样可以保证早期故障的有效识别。
（3）另外，我们也可以应用新的信号处理技术，例如经验模态分解以及信息熵等技术，可以在大量在线监测系统数据的基础上，构建搜索框架，提取非平稳特征以及最优特征，同时为了进一步精准定位故障位置和影响程度，还可以搜集体现故障位置和损伤程度的各种因数的非平稳典型征兆集合，这样可以更加准确的描述出水电机组的故障的演化发展规律。
（4）由于国内采用的水电机组状态监测系统对多故障同时并发的智能诊断技术相对薄弱，而且大部分都需要依赖大量的训练标记样本，同时还有人为给定参数的限制，因此需要构多模型的混合智能诊断技术，达到性能互补，实现水电机组中多故障并发时的耦合特征的分离，实现精确故障诊断，保证诊断结果的可靠性。
（5）我们还可以充分利用水电机组的各种扰动因素，综合机械故障、电磁故障、水力故障各种故障特征信号间的相互耦合关系，形成多故障模式的模式识别。
（6）由于当前水电机组状态在线监测和故障智能诊断系统的技术相较于以往，已经有了质的改进，但是这些系统的漏洞和缺陷依旧不少，如业务单一、数据孤岛等，因此我们还需要利用现代5G通讯技术以及大数据云计算的处理技术，实现水电机组内部系统间的云知识共享平台，构建出超大规模分布式计算和存储能力的云处理诊断技术。这样，我们不但可以实时获取水电机组发生故障时各种设备信息情况，也可以保证水电厂的工技术人员可以在线进行维修策略的制定，实时解决定期检修和状态监测的相互融合，更好地体现水电站的整体经济效益。
参考文献
[1] 陈磊. 水库蓄水对库岸边坡稳定性的影响研究——以白鹤滩库区宁南县段为例[M]. 长安大学. 2016.
[2] 万鹏，孙建平，徐擎天.全息谱分解在水轮机组故障诊断中的应用[J].江西电力.2004（3）：1-14，19.