水電機組狀態(tài)評估及智能診斷方法研究

陶忍

[摘要]由于水電機組內(nèi)部組成結(jié)構日益復雜，軟件集成化程度也逐漸增高，我國目前電力系統(tǒng)的調(diào)峰、調(diào)頻和事故的響應能力也再不斷提升，而且水電機組正在向著高比轉(zhuǎn)速、大容量、高負載的方向發(fā)展，所以，我們不但要對水電機組的各種設備的運行設備進行評估和檢測，還要智能診斷方法進行研究。本文先簡單介紹了我國水電站機組的現(xiàn)狀，并指出了當前故障診斷技術中遇到的問題，同時提出了水電機組故障診斷中常用的技術和方法手段，并對未來的發(fā)展方向做了預期。

關鍵詞：水電機組 狀態(tài)監(jiān)測 故障診斷技術

[Abstract] due to the increasing complexity of the internal composition structure of hydropower units and the gradual increase of the degree of software integration，the peak shaving，frequency modulation and accident response capacity of China's power system are also continuously improved，and the hydropower units are developing towards the direction of high specific speed，large capacity and high load，We should not only evaluate and detect the operation equipment of various equipment of hydropower units，but also study the intelligent diagnosis method. Firstly，this paper briefly introduces the current situation of hydropower units in China，points out the problems encountered in the current fault diagnosis technology，puts forward the commonly used technologies and methods in hydropower unit fault diagnosis，and forecasts the future development direction.

Key words：hydropower unit condition monitoring and fault diagnosis technology

一、我國水電機組的研究現(xiàn)狀

近年來，我國各地大型水電站以及水電裝機組的規(guī)模屢創(chuàng)新高，眾所周知的世界上規(guī)模最大的三峽水電站，裝機容量2240萬千瓦，號稱國家“西電東送”骨干工程溪洛渡水電站，裝機容量也已經(jīng)查過1400萬千瓦，與原伊泰普水電站的裝機容量相近。而正在開發(fā)的已發(fā)電為主的白鶴灘水電站的單機容量可以達到10萬千萬的級別，而此電站建成之后，將會成為將僅次于三峽水電站的中國第二大水電站[1]。由此可見，高比轉(zhuǎn)速、大容量、高負載的運行工況下，就使得我國大型水電站的建設面臨嚴峻挑戰(zhàn)，如果水電組單機在運行過程中一旦發(fā)生故障，甚至停機，那對整個電力系統(tǒng)的穩(wěn)定性和可靠性運行將是致命的打擊，同時也會造成極大的經(jīng)濟損失。

國內(nèi)一些大型水電機組運行中出現(xiàn)的非計劃體系內(nèi)的停運事件，導致整體機組失穩(wěn)破壞的事件屢見不鮮，如葛洲壩水電廠曾因機組擺度整體時間超過了調(diào)整范圍，直接導致了整個水電站的運行的安全和穩(wěn)定;五強溪水電站以及緊水灘水電站則因為與最優(yōu)工況產(chǎn)生嚴重偏離而導致了尾水管壓力脈動超出范圍，從而引起了水電機組的強烈振動;另外仰山水電站也因部件長期運轉(zhuǎn)，性能退化引起過流部件超出標準，導致整個機組無法正常發(fā)電;最嚴重的舒申斯克水電站事故，則因為機組螺栓松動和水力振動過大，造成了電站機組毀滅性的破壞以及人員的重大傷亡，損失慘重。因此，我們必須感知水電機組特征參數(shù)的變化，延長水電機組的使用年限，確智能診斷技術結(jié)果的有效性和可信度，從而保證整個水電站設備安全穩(wěn)定運行，發(fā)揮出最大的發(fā)電廠的經(jīng)濟效益。

二、水輪發(fā)電機組故障診斷發(fā)展瓶頸

雖然，我國目前在水電機組狀態(tài)監(jiān)測以及智能診斷的技術方面的成績已經(jīng)初具成效，但是由于水輪發(fā)電機組類屬于旋轉(zhuǎn)型機械設備，雖然與旋轉(zhuǎn)機械有一定的共性關系，但其他固有特性也非常明顯，我國目前的水輪發(fā)電機組故障診斷技術依舊存在著不少問題：

（1）在當前的水電機組故障診斷技術中，大部分都是基于振動信號的頻率成分和頻率幅值來進行預測，但是水電機組發(fā)生的故障，一般隨機性較強，不但復雜度高，而且耦合性強，僅基于振動信號的頻譜信息進行分析和診斷，容易出現(xiàn)誤判。因此，我們必須在前邊頻譜信息的基礎上，另外結(jié)合其耦合特性，進行故障機理分析，提取出導致故障的其他影響因素和特性，進一步探尋和開發(fā)故障診斷的新方法。

（2）另外，基于常規(guī)現(xiàn)有的水輪發(fā)電機組故障診斷專家系統(tǒng)，由于專家系統(tǒng)的局限性，預判并不能達到真實反映實際故障的需要。同時，因為各地水電機組制造方式、安裝環(huán)境以及運行方式的區(qū)別性差異較大，現(xiàn)場用戶檢修數(shù)據(jù)以及工程人員檢修經(jīng)驗，并不能充分的與專家系統(tǒng)融合在一起，因此，也需要探尋和開發(fā)新的水電機組狀態(tài)評估和故障診斷系統(tǒng)。

（3）最后，由于水電機組的內(nèi)部結(jié)構的復雜性，故障引發(fā)因素眾多，所以特別缺乏對水電機組內(nèi)部結(jié)構的深層故障機理的研究和進一步探討，因此，這方面也需要進一步加強。

三、水輪發(fā)電機組故障診斷技術

目前，我國常用的水電機組的故障診斷技術可以大體劃分如下：

（1）應用網(wǎng)絡技術以及多傳感器信息融合技術：在對水電機組的狀態(tài)監(jiān)測和故障診斷時，我們可以有效地利用虛網(wǎng)絡技術以及多傳感器信息相融合的技術，提高網(wǎng)絡智能化的進城，優(yōu)化遠程監(jiān)控的網(wǎng)絡環(huán)境，同時還可以利用證據(jù)推理、模糊理論和人工神經(jīng)網(wǎng)絡的方法，實現(xiàn)故障的融合診斷。

（2）應用全息譜分解技術：由于傳統(tǒng)的頻譜分析的方法已經(jīng)不足以精確定位故障的診斷信息，因此，現(xiàn)在衍生出的全息譜分解技術，在一定程度上利用了頻譜分析的結(jié)果，同時加入相位信息的考慮因素，結(jié)合相互垂直的兩個信號，對軸心軌跡進行分解，提高了故障診斷的可靠性[2]。

（3）應用非線性原理和方法：由于水電機組的故障信息呈非線性結(jié)構，因此可以采用非線性原理，如傅里葉變換、奇異譜分析、分形幾何以及相關分析等方法中獲取故障特征信息。另外，還可以利用小波分析的信號分析技術對故障中的隨機信號進行分析，這樣也在一定程度上提高了水電機組故障診斷的準確性。

四、展望

截止當前，我國對水電機組的狀態(tài)監(jiān)測評估和智能故障診斷技術雖然取得了一定的成效，但是對其的研究仍然任重而道遠，需要從以下幾個方面開展深入的研究：

（1）由于我國特高壓以及直流電網(wǎng)項目的不斷推進和發(fā)展，水電機組的供電需求進一步增加，受到水機電耦合作用的影響，水電機組的單機容量需要進一步提升，而且對轉(zhuǎn)速的要求也有所增加。因此，如何精準定位水電機組內(nèi)部結(jié)構和部件間的相互關系，則可以有效地識別出水電機組運轉(zhuǎn)過程中產(chǎn)生的故障與機網(wǎng)震蕩或者流激振動之間的耦合關系。

（2）若遇到水電機組設備老化，尤其是零部件內(nèi)部性能嚴重退化時，雖然現(xiàn)在可以利用狀態(tài)在線監(jiān)測系統(tǒng)或者故障診斷的方法找出固定定位，但是水電機組的性能已嚴重老化，性能無法保證，為了避免重大事故的發(fā)生，此時必須對固件進行升級或大型改造，這樣做就違背了故障診斷的預判的目的。因此，我們還需要進行強噪聲背景下的水電機組早期故障特征提取的方法研究，對水電機組的早期退化進行合理評估，這樣可以掌握水電站整體的動態(tài)故障演化過程，也同樣可以保證早期故障的有效識別。

（3）另外，我們也可以應用新的信號處理技術，例如經(jīng)驗模態(tài)分解以及信息熵等技術，可以在大量在線監(jiān)測系統(tǒng)數(shù)據(jù)的基礎上，構建搜索框架，提取非平穩(wěn)特征以及最優(yōu)特征，同時為了進一步精準定位故障位置和影響程度，還可以搜集體現(xiàn)故障位置和損傷程度的各種因數(shù)的非平穩(wěn)典型征兆集合，這樣可以更加準確的描述出水電機組的故障的演化發(fā)展規(guī)律。

（4）由于國內(nèi)采用的水電機組狀態(tài)監(jiān)測系統(tǒng)對多故障同時并發(fā)的智能診斷技術相對薄弱，而且大部分都需要依賴大量的訓練標記樣本，同時還有人為給定參數(shù)的限制，因此需要構多模型的混合智能診斷技術，達到性能互補，實現(xiàn)水電機組中多故障并發(fā)時的耦合特征的分離，實現(xiàn)精確故障診斷，保證診斷結(jié)果的可靠性。

（5）我們還可以充分利用水電機組的各種擾動因素，綜合機械故障、電磁故障、水力故障各種故障特征信號間的相互耦合關系，形成多故障模式的模式識別。

（6）由于當前水電機組狀態(tài)在線監(jiān)測和故障智能診斷系統(tǒng)的技術相較于以往，已經(jīng)有了質(zhì)的改進，但是這些系統(tǒng)的漏洞和缺陷依舊不少，如業(yè)務單一、數(shù)據(jù)孤島等，因此我們還需要利用現(xiàn)代5G通訊技術以及大數(shù)據(jù)云計算的處理技術，實現(xiàn)水電機組內(nèi)部系統(tǒng)間的云知識共享平臺，構建出超大規(guī)模分布式計算和存儲能力的云處理診斷技術。這樣，我們不但可以實時獲取水電機組發(fā)生故障時各種設備信息情況，也可以保證水電廠的工技術人員可以在線進行維修策略的制定，實時解決定期檢修和狀態(tài)監(jiān)測的相互融合，更好地體現(xiàn)水電站的整體經(jīng)濟效益。

參考文獻

[1] 陳磊. 水庫蓄水對庫岸邊坡穩(wěn)定性的影響研究——以白鶴灘庫區(qū)寧南縣段為例[M]. 長安大學. 2016.

[2] 萬鵬，孫建平，徐擎天.全息譜分解在水輪機組故障診斷中的應用[J].江西電力.2004（3）：1-14，19.