周正華,陳豪杰,鄒琦華,萬芳清
(1.浙江華電烏溪江水力發(fā)電有限公司,浙江 衢州 324000;2.北京華科同安監(jiān)控技術(shù)有限公司,北京 100043)
隨著水電廠自動化程度的不斷提高和計算機科學(xué)的飛速發(fā)展,水電機組的運行已處于各類自動化元件和系統(tǒng)的密切監(jiān)視之下,當(dāng)出現(xiàn)異常時能迅速做出判斷和處理[1]。同時,大量的監(jiān)測信息也為實現(xiàn)水電機組自動故障診斷提供了基礎(chǔ)數(shù)據(jù)樣本。然而,傳統(tǒng)的故障診斷方法以故障樣本為依據(jù),即通過實時數(shù)據(jù)樣本與故障樣本的比對,判斷機組是否存在某種故障[2]。由于水電機組故障樣本較少,傳統(tǒng)的故障診斷方法難以開展,且水電機組受水力、機械、電氣等因素耦合影響,某些故障與其征兆間存在非線性的映射關(guān)系,難以通過機器實現(xiàn)自動判別和診斷。
近年來,水電機組監(jiān)測數(shù)據(jù)的信息挖掘與融合技術(shù)已成為行業(yè)研究熱點[3],即通過對已有數(shù)據(jù)樣本進行深入分析和挖掘,探尋水電機組的運行特點和規(guī)律,進而對水電機組的運行狀態(tài)進行實時評價和趨勢預(yù)測[4]。本文利用機組已積累的大量運行數(shù)據(jù)建立健康樣本,設(shè)計了水電機組狀態(tài)評價的健康模型,進而根據(jù)監(jiān)測數(shù)據(jù)的統(tǒng)計分析結(jié)果,確立了評價閾值和體系,可對機組運行狀態(tài)進行實時評價,并預(yù)測早期或潛在的故障。
水電機組的健康樣本即機組在健康狀態(tài)下的數(shù)據(jù)集。對新投產(chǎn)的機組,剛剛投運后的監(jiān)測數(shù)據(jù)集可作為健康樣本;對已投運多年的機組,可選用大修后的監(jiān)測數(shù)據(jù)集作為健康樣本。健康基準(zhǔn)值和閾值是健康樣本的兩個基本要素,健康基準(zhǔn)值為實時數(shù)據(jù)進行比對、判別提供基準(zhǔn),實時數(shù)據(jù)偏離健康基準(zhǔn)值的多少可作為健康程度的判別依據(jù),根據(jù)實時數(shù)據(jù)是否超出閾值則可判斷狀態(tài)是否健康。運行狀況良好的機組,其監(jiān)測參數(shù)在均值附近波動,可選取參數(shù)均值作為健康基準(zhǔn)值。另據(jù)相關(guān)研究表明,穩(wěn)態(tài)工況下運行的水電機組狀態(tài)監(jiān)測參數(shù)服從正態(tài)分布,可根據(jù)正態(tài)分布的理論設(shè)定參數(shù)的閾值[5],即3σ準(zhǔn)則:
式中,Srt,實時監(jiān)測值;,健康樣本基準(zhǔn)值;σ,健康樣本標(biāo)準(zhǔn)差。
根據(jù)正態(tài)分布的理論,監(jiān)測參數(shù)實時值位于3σ區(qū)間內(nèi)的概率為99.74%。因此,根據(jù)3σ準(zhǔn)則確定的健康樣本可涵蓋絕大部分的健康數(shù)據(jù)。
由于水電機組工況、負(fù)荷調(diào)整頻繁,不同工況下的監(jiān)測參數(shù)存在很大的差別。若不把工況因素考慮在內(nèi),建立的健康樣本便不具備代表性。研究發(fā)現(xiàn),出力和水頭是影響水電機組運行特性最核心的兩個要素,可建立基于特定出力和特定水頭下的健康樣本,全部出力和水頭范圍內(nèi)的健康樣本構(gòu)成水電機組狀態(tài)評價的健康模型?;诔隽退^的健康模型如下表示:
式中,Em,狀態(tài)評價三維健康模型;P,機組出力;H,機組水頭。
機組監(jiān)測參數(shù)在不同出力、水頭下的健康樣本構(gòu)成了狀態(tài)評價健康模型的樣本子集。根據(jù)實時的機組出力和水頭,在三維健康模型中檢索到對應(yīng)的健康樣本,實時監(jiān)測數(shù)據(jù)和健康基準(zhǔn)值進行比對,判斷其偏離基準(zhǔn)值的程度,是否超出健康閾值范圍,最終做出狀態(tài)評價結(jié)果。
以國內(nèi)某水電機組滿負(fù)荷穩(wěn)定運行10 h積累的監(jiān)測數(shù)據(jù)為例,說明健康樣本和健康模型的建立與狀態(tài)評價的實現(xiàn)過程。該時段內(nèi),機組一直在滿負(fù)荷工況下運行,且上下游水位保持穩(wěn)定。原始監(jiān)測數(shù)據(jù)共包括上導(dǎo)擺度+X、上機架水平振動+X、蝸殼進口壓力脈動、發(fā)電機層噪聲4個監(jiān)測參數(shù)。狀態(tài)監(jiān)測系統(tǒng)每3 s保存一組實時數(shù)據(jù),每個監(jiān)測數(shù)據(jù)樣本分別包括12 000個數(shù)據(jù)點。
對4個監(jiān)測參數(shù)的數(shù)據(jù)樣本開展統(tǒng)計分析,概率密度曲線如圖1所示,累積概率曲線如圖2所示。從圖1和圖2可以看出,4個數(shù)據(jù)樣本的概率密度曲線和累積概率曲線同正態(tài)分布曲線極其接近,穩(wěn)態(tài)工況下的監(jiān)測數(shù)據(jù)近似服從正態(tài)分布。
圖1 監(jiān)測數(shù)據(jù)的概率密度曲線
圖2 監(jiān)測數(shù)據(jù)的累積概率曲線
以上監(jiān)測數(shù)據(jù)是在機組運行狀態(tài)良好、出力和水頭保持穩(wěn)定的工況下采集到的,構(gòu)成了該機組在該特定工況下的健康樣本。由1.1得知,監(jiān)測數(shù)據(jù)服從正態(tài)分布,采用數(shù)據(jù)樣本均值作為健康基準(zhǔn)值,采用3σ準(zhǔn)則確立閾值。4個監(jiān)測參數(shù)的健康基準(zhǔn)值與上、下限閾值如表1所示。
表1 監(jiān)測參數(shù)健康樣本的確立
4個監(jiān)測參數(shù)的評價閾值如圖3所示。從圖中可以看出,采用準(zhǔn)則確立的閾值可包括絕大部分的健康數(shù)據(jù),并剔除偶爾超出正常范圍波動的個別數(shù)據(jù)。上限閾值規(guī)定了監(jiān)測數(shù)據(jù)波動的上限值,若超出則存在異常;同時,下限閾值也同樣重要,若監(jiān)測值出現(xiàn)較低數(shù)值乃至超出下限閾值,則可能為傳感器或數(shù)據(jù)通信故障導(dǎo)致的數(shù)據(jù)失效。
圖3 健康樣本中評價閾值的確立
當(dāng)監(jiān)測系統(tǒng)實時采集到監(jiān)測值后,代入已建立的健康模型Em=f(P,H)中,根據(jù)機組實時工況參數(shù),檢索到對應(yīng)工況下的健康樣本,同健康樣本中的健康基準(zhǔn)值和閾值進行比對,按照下式得出機組的狀態(tài)評價結(jié)果:
式中,Es,機組狀態(tài)評價結(jié)果。
機組狀態(tài)評價結(jié)果根據(jù)實時監(jiān)測值與健康樣本的比對得出,以百分?jǐn)?shù)的形式表示,不同結(jié)果的評價涵義可如下定義:
66.7%≤Es≤100%,表明監(jiān)測值在健康基準(zhǔn)值上下1σ的范圍波動,機組狀態(tài)為“優(yōu)”;
33.3%≤Es≤66.7%,表明監(jiān)測值在健康基準(zhǔn)值上下1σ~2σ的范圍波動,機組狀態(tài)為“良”;
0%≤Es≤33.3%,表明監(jiān)測值在健康基準(zhǔn)值上下2σ~3σ的范圍波動,機組狀態(tài)為“中”;
Es≤0%,表明監(jiān)測值已超出健康樣本的閾值,機組狀態(tài)為“差”,需作進一步檢查。
本文以機組的健康數(shù)據(jù)為依據(jù),建立了基于健康樣本的水電機組狀態(tài)評價方法。經(jīng)統(tǒng)計分析,監(jiān)測數(shù)據(jù)服從正態(tài)分布,根據(jù)正態(tài)分布理論確立了健康樣本中的基準(zhǔn)值和閾值,并根據(jù)實時監(jiān)測值偏離健康基準(zhǔn)的程度和超出閾值與否,建立了水電機組的狀態(tài)評價體系。此評價方法是在對健康數(shù)據(jù)的挖掘分析中得出的,相對于傳統(tǒng)的基于故障樣本的診斷方法,可在故障尚未發(fā)生或故障早期,對機組的狀態(tài)作出實時評價,有助于提前檢測機組狀態(tài)的變化或異常,保障機組的運行安全。