基于自編碼壓縮與多尺度特征提取的抽水蓄能機組劣化趨勢評估與預(yù)測

陳 鵬，吳一凡，蔡 爽，楊 彬，張海庫，李超順

（1.華中科技大學(xué) 土木與水利工程學(xué)院，湖北 武漢 430074；2.大唐西藏能源開發(fā)有限公司，四川 成都 610072；3.大唐水電科學(xué)技術(shù)研究院有限公司，四川 成都 610074）

1 研究背景

抽水蓄能機組在谷荷期間抽水蓄能、峰荷期間放水發(fā)電［1］，隨著越來越多的可再生能源并網(wǎng)，其對電網(wǎng)調(diào)峰調(diào)頻的作用日益顯著［2］。然而，復(fù)雜多變的工況、頻繁啟停以及水力-機械-電磁耦合等因素為抽水蓄能機組安全穩(wěn)定運行帶來嚴峻挑戰(zhàn)［3］。通過劣化趨勢評估與預(yù)測技術(shù)，及時掌握機組運行狀態(tài)并預(yù)測未來發(fā)展趨勢，及時采取相應(yīng)措施，對保障機組安全意義重大。

當(dāng)前抽水蓄能機組劣化趨勢評估與預(yù)測研究仍處于起步階段［4-6］。振擺信號中蘊含著豐富的機組運行狀態(tài)信息，隨著監(jiān)測系統(tǒng)的成熟，基于數(shù)據(jù)驅(qū)動的機組劣化趨勢評估與預(yù)測受到越來越多研究者的青睞［7-9］。通過建立健康模型，擬合健康狀態(tài)下工況參數(shù)與振擺值間的關(guān)系，再比較待評估階段健康模型的振擺參考值與實測振擺值，生成劣化度，能夠有效評價機組劣化趨勢。文獻［10］構(gòu)建了基于最小二乘曲面的健康模型；文獻［7］采用最小二乘支持向量機作為健康模型，建立工況與振動時域特征之間的函數(shù)關(guān)系；文獻［11］將粒子群算法用于優(yōu)化人工神經(jīng)網(wǎng)絡(luò)以提升健康模型精度。健康模型的精度越高，生成的劣化趨勢序列越可靠。然而，機組工況參數(shù)中存在大量冗余或干擾信息且難以直接剔除，這些無效信息嚴重影響到了健康模型的擬合精度。……