水電站排水系統智能故障預警模型設計與應用

潘 宏，彭 放，趙小明，何亞東

（1.國家能源集團大渡河流域水電開發有限公司，四川省成都市 610041；2.國家能源集團大渡河大崗山發電有限公司，四川省雅安市 625409）

0 引言

水電站大多都設置有滲漏排水系統、檢修排水系統、壩體滲漏排水系統等，排水系統故障可能導致水淹廠房等重大事故，故排水系統的安全穩定運行是電站安全生產的重要保障，但在化學物質侵蝕、管道結垢、設備老化等因素影響下，排水系統效率不斷發生變化，故障隨運行時間逐漸增加，且目前針對排水系統的故障分析、預警手段較少，故障原因分析不夠明確，發生報警需運維人員現場分析，不利于及時處理故障。

為此在水電站現有監控數據的基礎上，增加部分傳感設備，采集電站排水系統有效數據，延伸設備感知觸角，運用統計分析、特征工程、相關性分析等數據挖掘方法[1]，研究排水系統設備相關參量的相互關系，同時結合專家分析和現場實際，搭建排水系統故障分析診斷預警模型，打通生產管理系統數據庫，融入故障處理經驗，組建輔助分析神經網絡[2]，結合智能告警系統提供更多的報警途徑，實時推送處理意見，實現水電站排水系統故障超前預警、精準定位。

1 故障預警模型設計

1.1 數據采集與挖掘

首先以水電站數據中心[3]為基礎，從數據庫中抽取排水系統測點歷史數據，獲取同一時間的排水系統集水井水位、水泵運行工況等相關數據，將歷史數據按照設備狀態在自動或手動進行區分整理成為數據樣本。其次采用統計分析和特征計算方法計算出設備運行速率、效率、啟停耗時等特征值。最后為提高數據質量，可采用肖維勒準則法和格拉布斯準則法剔除異常數據[4]，將兩者剔除結果進行比較，驗證數據剔除的準確性。

1.2 分析模型設計

根據生產管理系統缺陷記錄及日常維護記錄，梳理電站排水系統的故障情況，主要由水位上漲、通信異常、水泵效率低、停泵異常和輔助分析組成，然后梳理各故障之間的邏輯關系，制定預警方案。同時深入探索故障維度，組建自組織特征映射神經網絡，收集常見故障的故障集及征兆集，充實神經網絡。主要包括五個維度：前置條件、異常信息、數據關聯性、推送結果和處理意見，結合專家經驗分析，確保分析準確性。

（1）系統正常模型。

排水系統自動運行，集水井水位到達啟泵水位，系統正常啟動排水泵；監測水位以正常速率下降至停泵水位，水泵停止，此過程無任何異常和報警信息，流程結束。

（2）水位上漲預警。

運用大數據分析和統計分析方法對排水系統水位從停泵到啟主泵所需時間進行記錄，尋找最優時間范圍，為水位上漲預警做參考，求出水位上漲速率區間，當水位上漲速度超過預設范圍，進行水位上漲預警，判斷是否因漏水量增大造成，自動匹配相同月份、相似降雨量等歷史數據進行同比和環比分析，觀測集水井水位變化趨勢。

（3）通信異常。

系統監測到水位上升至啟主泵位置，未接收到水泵已啟動反饋信號，水位持續上升，且無任何報警信息，判斷可能存在PLC輸出單元、輸入單元故障，同時模型進行預警；若備用泵未啟動，報備用泵未啟動；水位到高時，報水位高報警。若水位有下降跡象，但無任何報警信息，說明泵已啟動，監控未接收到反饋信號，可判定通信異常。

（4）水泵效率低。

水泵抽水過程中，集水井水位下降速率遠低于水泵效率理論值，觸發告警并自動跳入輔助分析模型，利用神經網絡各神經元分析造成水泵效率低的原因，推送處理意見。

（5）停泵異常模型。

水泵正常運行至停泵水位，未正常停止時，是否因系統未接收到停泵指令等原因造成，自動跳入輔助分析模型并發出告警。停泵異常判斷分析見表1。

（6）輔助分析模型。

水位上升至啟泵水位，啟動水泵過程發生故障，系統自動進入輔助分析流程，調用生產管理系統檢修維護記錄和專家處理經驗，增加故障神經元，強化神經網絡。水泵綜合故障信號分析見表2。

表1 停泵異常判斷分析表Table 1 Abnormal judgment analysis table of pump stop

表2 水泵綜合故障信號分析表Table 2 Analysis table of comprehensive fault signal of water pump

綜上6種實際情況，具體邏輯圖見圖1。

1.3 模型驗證

為驗證模型的準確性和實用性，采用對比分析和現場故障模擬對模型進行驗證。

1.3.1 對比分析

人工獲取2019年壩體滲漏排水系統1～9月水位數據，4臺泵啟動時間數據，對數據進行處理，水位數據按月進行分析，繪制水位趨勢曲線，對比模型自動分析趨勢和抽樣觀測趨勢是否吻合，驗證模型。人工獲取部分數據見表3。

1.3.2 實際模擬

利用水泵檢修時機，通過實際模擬故障和在PLC程序中給定實現故障模擬，生產現場實際模擬故障30項，部分故障模擬方法見表4，實際模擬故障在模型中初始采集準確率70%，經過模型調整，故障采集準確率提高至98%。

圖1 排水系統邏輯圖Figure 1 Drainage system logic diagram

表3 人工獲取部分數據表Table 3 Partial data sheet obtained manually

續表

表4 故障模擬方法表Table 4 Fault simulation method table

2 預警模型應用分析

以某水電站大壩排水系統為例分析水電站排水系統故障預警模型應用情況。

2.1 模型建立

某水電站壩體滲漏排水系統預警模型根據故障設想和輔助判斷分析流程模擬，結合系統運行狀態、歷史數據分析，設定不同定值。當運行中出現報警，自動進入故障分析流程，神經網絡分析判斷給出故障原因和處理意見。若水位上漲速率超過高限，發出預警；水泵效率呈現持續下降觸發預警，同時建立大壩排水系統預警模型 Web 可視化界面，可視化界面見圖2。

2.2 應用成效

（1）壩體水位上漲速率曲線。

利用該水電站2017年至今歷史數據計算大壩集水井水位上漲速率，繪制出如圖3所示水位上漲曲線圖，同時從庫壩中心獲取大壩滲流量過程線見圖4，分析對比大壩集水井水位上漲速率曲線和大壩滲流量曲線發現，滲漏趨勢大致相同，滲漏量平穩。得出結論：通過監測大壩集水井水位上漲速率可以輔助監測壩體滲漏量，且上漲速率最快為7月0.67～0.7m/h。

（2）運行數據相關結果。

根據大壩排水系統投運至今水泵運行數據分析，得出如下結論：

A.水泵排水效率由高到低依次為4號泵、2號泵、3號泵、1號泵。

B.4號水泵運行工況最優，運行平穩。

C.水泵效率和電流、力矩線性關系。

最終得出如表5所示每臺水泵參數。

（3）水泵排水效率曲線。

根據歷史數據繪制出如圖5所示水泵效率曲線。得出結論：4號和3號水泵運行平穩，1號水泵效率明顯逐漸下降，2號水泵緩慢下降。

圖2 可視化界面Figure 2 Visual interface

圖3 大壩集水井水位上漲速率曲線Figure 3 Curve of water level rise rate of dam water collection well

表5 水泵參數表Table 5 Pump parameter table

圖5 大壩排水系統水泵效率曲Figure 5 Pump efficiency curve of dam drainage system

3 結束語

水電站排水系統故障預警模型立足于解決水電站排水系統運維管理中的難點、痛點問題，尋求實用的解決方案，建立排水系統故障預警模型，實現水電站排水系統運行工況實時監測，設備故障智能預警[5]，故障精準定位，深入探索排水系統故障維度，加入故障處理意見，提升工作效率。該預警模型應用場景廣泛，可推廣至水電站相關油、水、氣輔助設備系統，為“智慧電廠”建設提供了一種輔助設備的智能管控方法。