水電站輔助系統設備狀態監測算法及數據分析模型框架技術研究

付恩狄 歐澤波 張豪 莫理 張勇

摘要：文章簡述水電站輔助系統的應用情況，并探討可用的狀態監測算法與數據分析問題。結合水電站日常對輔助系統設備的運維管理需要與作業習慣，注重基礎引擎、數據分析與風險評估預警等。以供參考。

關鍵詞：水電站;狀態監測;數據分析

引言

輔助系統設備雖然不是直接產生電能的裝置，但對穩定水電站運行，也有較大的作用?；陔娏π畔⒒到y，掌握設備工況，提煉出其運行特征。通過實時狀態監測與數據分析，為設備提供可靠的管理保障。

一、輔助系統應用狀況

現階段，水電站設有計算機監控與諸多在線監測等，用于日常管理的輔助系統，可以不間斷獲取監測系統，支持所需決策處理。但對于比較分散、信息量大的監測數據，通常會出現無法獲取的情況。目前，主要存在的系統應用問題是：使用者無法清楚地表達對于數據資源的需求方向，系統未配備相應的可用工具，導致需求描述上可能出現偏差。另外，現實應用中，即便使用者能夠確定實際需要，但沒有采取后續的處理，直接將數據輸出，沒能采取適宜的分析方式與輔助方法，導致監測數據無法直觀反映設備的現實狀態，過于表面[1]。

二、設備狀態監測算法與數據分析模型框架

根據設備狀態監測時出現的問題，選擇運用機器學習，讓所得數據對設備狀態表述更為直觀清楚，滿足相關應用者的監測工作需要與運用習慣。對于故障檢測，運用機器學習方法，可讓應用者更準確地了解設備工作狀態，并預警隱藏的異常風險，同時，基于狀態分析結果，系統能自動從已有資料中，篩選出最佳的檢修方案，方便快速處理。針對水電站的輔助系統裝置，可圍繞機器學習，設置監測算法與數據模型架構，繼而得到具有實用性的系統模型，統一設置在數據平臺上，方便日常管理。

（一）總體分析

在開發設備狀態的監測算法與相關技術中，要求先制定嚴謹的技術方案，保障為后期研究提供統籌指導?；谒娬井斚屡鋫涞谋O控系統布設情況和應用狀態，注重對輔助系統的設備工作情況，嘗試運用好數據通信與分析、結果形成等多個環節的運用方式。而為支持實現對檢測算法與模型框架的開發分析，需有足夠的配套裝置，以確保軟硬件開發、裝置調試和試運效果等步驟得以順利進行。

（二）開發方向

對于輔助系統設備的日常檢修工作來說，為滿足現代化的經營需要，應當對相應的輔助模型加以分析，支持日常管理任務。以當前依舊比較成熟的電力平臺為基礎，掌握各設備的工作狀態與有關表述信息，并在大數據中，研究存在的規律性因素，由此掌握設備運轉情況變化之間，內在聯系與整體走向，立足于機器學習，形成數據模型框架，在水電站中運用到的模型有狀態評價、動態告警、風險評估以及智能選擇檢修方案等。

（三）系統功能

按照正常的管理應用系統模型平臺設計，均要有搜索引擎，實現指定的操作界面跳轉以及其他的使用功能。在此數字化系統中，采用更多維的分析引擎，以求數據虛擬立方能完成基本的保存與邏輯映射等，按照操作界面的功能顯示，進行有關操作，并直接生成若干sql查詢記錄，將查詢和信息結果進行整合，支持多維分析。在系統應用中，大部分監測與評估等數據，均可以通過圖表的方式呈現。在不同主題下的操作界面，能采取整體的查詢篩選，使用者能根據查詢需要，挑選合適的過濾器，系統會基于設定條件，輸出對應資料。另外，已選的限定條件，會直接在操作界面上方顯示，避免重復或漏選。在系統中的數據并非完全獨立存在的，會有某些維度上的聯系，使用者在某個圖表上進行調整，其余資料的相關數據也會隨之更新，可避免數據資料有出入。在操作界面上，能對各數據放大至全屏，把其他暫時無用的工具欄內容隱藏起來，讓使用者能專注于工作，完成業務管理分析。在系統模型框架設計中，考慮到輔助設備狀態變化規律多以圖表形式呈現，因此，要保障圖表資料也能進行實現引擎操作。具體來說，首先，信息導出，使用者可查看所需資料，并能批量處理;其次，在統計圖上能進行單選或多選，而且各圖表還有聯動性，如果是散點圖，可畫出選擇區域;最后，系統管理，能針對組織、權限等采取后臺管理。此外，還應考慮到數據集成的問題，采取SCADA系統，完成基本接入，保障動態監測信息能穩定收集。

（四）系統開發

在水電站中，輔助設備是指壓油設備、排水與空壓機系統，而應用于此類系統設備的監測系統，必須要對這三種裝置的狀態情況，可以進行評估分析與監測作業，基于此，建立相應的狀態模型，秉承對不同設備工作狀態的量化分析原則。在狀態模型系統使用中，日常的監測預警工作，要參照設備已有的歷史記錄資料，提煉出其運行特征量，繼而得到其設備運轉中，動態性的基本規律。根據相關人員日常的管理需要，可支持以圖表的形式呈現，讓其能直接看出規律性波動，迅速發現異常。另外，基于設備狀態特征的實際情況，結合可用算法，得到設備正常運行的閾值區間。在試運及正式應用中，能根據不間斷監測到的設備狀態數據，進行閾值比對，一旦未穩定在標準區間內，會立即給出告警反饋。而在評估設備當前運行狀態中，要結合現場采集到的狀態資料，智能分析狀態量化起伏情況，同樣能選擇圖表輸出，保障狀態評估的實用性。在最終確定評分中，需考慮到特征量與評估標準，以提高評分結果的合理性與可靠性，而后根據評分結果，劃分不同的健康級別，完成輔助設備可用性的評估，為后續使用管理，提供所需要資料[2]。

開發系統設備的狀態監測模型，主要是為預防與及時處理的異常風險問題，所以要求數據模型擁有對設備運行異常的識別判斷能力，結合有關維護標準，數據分析出設備工作的隱患問題，以及由此能引發的損失量等，設置對風險的評估指標與規則，基于此，結合動態監測到的數據，計算出每個設備的風險狀態和級別，給維修管理予以大體上的方向。在完成風險評估后，對于有異常的系統設備，需及時安排檢修處理。在該系統模型運行中，需配備檢修方案的數據庫，將已有的相關記錄，直接錄入到系統中，要求包含水電站所有輔助裝置，如壓油設備，以此形成歷史資料庫，在識別出故障后，可從中選擇更為貼近的故障類型方案，可供需檢修人員快速確定作業方向與具體程序，借此還能減少人為判斷失誤，帶來的風險。在檢修方案的設置處理上，其包含大量的要素，還面對多決策者的問題，為滿足現實應用訴求，選擇模糊多屬性決策等分析算法，以形成檢修方案數據庫。此外，通過打造多維數據的立方模型，具體的構成要素有維度及成員、監控度量、計算規則及頻率等。借此參照系統實際狀態監測結果與風險狀態等信息，支持后續的完成多角度數據分析。在運用該模型進行數據計算中，由于系統對設備狀態是進行不間斷檢測，所以搭配的計算分析模塊，會獲取動態的源數據，可實時進行相關處理。同時，也能根據水電站管理情況，設置成定期處理與分析模式，完成一系列轉換與度量的計算保存。

結束語

經過上文內容討論，了解到水電站輔助系統的應用不足。而利用機器學習，提高監測分析的智能化，更直觀地反映出設備運轉狀態，做到盡早發現異常，按照問題的風險等級與故障具體類型，選擇最優檢修方案，并給設備“退役”提供決策思路。

參考文獻：

[1]李彥浩.伊辛巴水電站水力機械輔助系統設計[J].水電站機電技術，2021，（04）：40-42.

[2]何志鋒，代開鋒，何昌炎，等.巴基斯坦卡洛特水電站水力機械輔助系統設計[J].水利水電快報，2020，（03）：96-99.