基于狀態(tài)特征標(biāo)識的水電機組運行數(shù)據(jù)診斷分析

侯紀(jì)坤,張 雷,王勇勁

(中國電建集團西北勘測設(shè)計研究院有限公司，西安 710065;2.西安電力高等專科學(xué)校,西安 710032；3.華電電力科學(xué)研究院有限公司，杭州 310030)

0 前 言

水電機組實際運行中，機組狀態(tài)特征為機組健康穩(wěn)定運行提供了數(shù)據(jù)支撐。隨著日、月、年監(jiān)測數(shù)據(jù)日積月累，形成了海量數(shù)據(jù)存儲庫，阻礙了機組健康狀態(tài)評估的實時性，無法及時形成有效特征數(shù)據(jù)并診斷機組實際運行狀態(tài)[1]。本文對流域電站海量監(jiān)測數(shù)據(jù)進行狀態(tài)特征標(biāo)定，對日、月、年度數(shù)據(jù)進行趨勢對比，引入模糊聚類對數(shù)據(jù)大值進行標(biāo)識，獲得機組規(guī)律性特征；采用故障樹診斷方法，結(jié)合大值數(shù)據(jù)位置分布，對機組運行狀態(tài)進行故障診斷，提出故障原因及檢修建議，為流域電站機組智能診斷，提升機組自動化運行水平，降低故障發(fā)生率提供借鑒[2]。

1 水電機組狀態(tài)特征標(biāo)識診斷方法

流域水電場運行特征數(shù)據(jù)包括傳感器檢測到的機組振動、擺度、瓦溫油溫、定轉(zhuǎn)子氣隙、磁場強度特征。由此建立機組運行特征數(shù)據(jù)庫[3]；按狀態(tài)標(biāo)識將運行特征數(shù)據(jù)進行標(biāo)定，應(yīng)用聚類方法形成機組大值樣本及位置分布；獲得運行特征數(shù)據(jù)庫、狀態(tài)數(shù)據(jù)庫；開展特征參數(shù)數(shù)據(jù)分析獲得特征參數(shù)評估及診斷，提出故障匹配及檢修建議。智能診斷診斷流程如圖1所示[4-5]。

圖1 智能診斷流程圖

2 機組故障特征及狀態(tài)標(biāo)識

機組運行特征數(shù)據(jù)庫的數(shù)據(jù)包含振動和擺度異常特征數(shù)據(jù)、振動和擺度月度趨勢數(shù)據(jù)、振動和擺度季度負荷數(shù)據(jù)、與上季度趨勢和異常對比數(shù)據(jù)、振動和擺度年度負荷數(shù)據(jù)以及與上年度趨勢和異常對比數(shù)據(jù)[6]。機組運行特征數(shù)據(jù)值包含上限值、下限值、內(nèi)限值和外限值；機組狀態(tài)包括正常狀態(tài)、異常狀態(tài)和故障狀態(tài)。所述的正常狀態(tài)指機組的整體或局部沒有缺陷，或雖有缺陷但其性能仍在允許的范圍內(nèi)；所述的異常狀態(tài)指缺陷已有一定程度的擴展，機組的狀態(tài)信號發(fā)生變化，機組運行性能已劣化，但仍可運行；所述的故障狀態(tài)指機組性能指標(biāo)已有大的下降，機組不能維持正常工作[7]。對海量機組監(jiān)測數(shù)據(jù)以日、月、年進行區(qū)分，采用貼標(biāo)簽的方式進行數(shù)據(jù)篩選，利用各種分析、診斷策略和算法進行數(shù)據(jù)分析及故障診斷，實時掌握機組健康狀態(tài)，為安全運行、優(yōu)化調(diào)度和檢修指導(dǎo)提供技術(shù)支持。數(shù)據(jù)狀態(tài)特征值標(biāo)識如圖2所示。機組各測點振動擺度故障特征如表1所示[8-9]。

圖2 水電機組故障特征及狀態(tài)特征值標(biāo)識圖

表1 水電機組各測點振動、擺度故障特征表

其中，若V≤Va，則判定機組為正常狀態(tài)；若Va≤V≤10%Va，則判定機組為異常狀態(tài)；若V≥10%Va，則判定機組為異常狀態(tài)故障狀態(tài)；V為水電機組整體或局部實測振動值，Va為國標(biāo)要求振動允許值(即為振動允許值)。

3 模糊聚類標(biāo)識數(shù)據(jù)智能分類及故障診斷

本次試驗選取流域電站A、B、C 3個水電廠2017、2018年數(shù)據(jù)，采用模糊C均值( fuzzy c-means， FCM) 聚類算法進行大值分類。選用將故障特征計入表格的方式進行分析診斷，將數(shù)值超出標(biāo)準(zhǔn)要求的振動值、擺度值視為故障，引入故障樹的診斷思路，尋找故障原因及故障位置。分析水機運行的劣化趨勢，定位了故障部位、故障原因和故障程度，給出了專家建議，評價機組的運行狀況，故障匹配及檢修建議。試驗中使用的數(shù)據(jù)如表 2，振動、擺度數(shù)據(jù)采集中最大值的測點進行對比如表3，水電機組大值樣本模糊聚類標(biāo)識如圖3。

表2 試驗中使用的數(shù)據(jù)列表

表3 水電機組振動、擺度最大值對比

圖3 水電機組大值樣本模糊聚類標(biāo)識圖

水輪發(fā)電機組運行過程中的狀態(tài)特征是判斷機組運行狀態(tài)和故障的重要依據(jù)[10-11]。常見的狀態(tài)有轉(zhuǎn)動部件不平衡或大軸軸線不直引起的擺度過大；尾水管渦帶；油膜渦動；不對中等。針對以上水輪發(fā)電機組狀態(tài)特點,引入了故障樹的診斷思路，尋找故障原因及故障位置[12-13]。

選取A電站水電機組2018年數(shù)據(jù)采集中最大值的測點振動、擺度大值歷史分布如圖3，得出故障位置，從而獲得檢修位置。

通過水電機組狀態(tài)特征標(biāo)識，獲得較大振動、擺度位置次數(shù)，發(fā)現(xiàn)1 a內(nèi)累計月度采集周期內(nèi)落點次數(shù)超過6次，則定義為該位置出現(xiàn)故障，得出故障位置。A水電站機組故障位置分布于上導(dǎo)、下導(dǎo)、水導(dǎo)、頂蓋、上機架、下機架位置，上導(dǎo)、下導(dǎo)的X向、Y向擺度變化不大；在不穩(wěn)定負荷區(qū)水導(dǎo)擺度值較大，超出規(guī)程規(guī)定的允許范圍。B水電站在整個運行時間段內(nèi)，上機架、下機架振動的振動值在規(guī)程規(guī)定允許范圍內(nèi)；頂蓋Y向水平振動在規(guī)程規(guī)定允許范圍內(nèi)，頂蓋X向水平振動在負荷區(qū)52～55 MW 超出規(guī)程規(guī)定允許范圍，頂蓋垂直振動在不穩(wěn)定負荷區(qū)超出規(guī)程規(guī)定允許范圍。C水電站在整個采集時間段內(nèi)，蝸殼進口壓力脈動、導(dǎo)葉出口壓力脈動變化不大，個別突變值由負荷變化引起；頂蓋下、尾水肘管壓力脈動、導(dǎo)葉出口壓力脈動異常，需檢查相應(yīng)傳感器的安裝方式及采集通道是否完好。水電機組趨勢特征見表4，水電機組故障診斷見表5。

表4 水電機組趨勢特征表

表5 水電機組故障診斷表

4 結(jié) 語

本文分析狀態(tài)特征標(biāo)識，對電站機組運行狀態(tài)實時進行體檢式項目檢查，分析比較不同機組運行特性與規(guī)律，充分發(fā)揮領(lǐng)域?qū)＜曳治鲈\斷的作用，形成了水電機組狀態(tài)特征有效評估方法，有效解決了無法有效利用狀態(tài)監(jiān)測數(shù)據(jù)機組故障診斷的問題，促進了機組的優(yōu)化運行。本方法應(yīng)用于流域水電站機組中，有效利用了水電機組各特征值，提升了水電機組運行診斷分析水平，為機組狀態(tài)檢修提供了技術(shù)支持和保障。