輔助系統(tǒng)設(shè)備狀態(tài)監(jiān)測(cè)算法及數(shù)據(jù)分析模型框架構(gòu)建的關(guān)鍵技術(shù)分析

高菘 姚明亮 羅勇 李德華 張勇

摘 要 本文立足于機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用，簡略闡述了在水電站輔助系統(tǒng)設(shè)備狀態(tài)監(jiān)測(cè)算法以及數(shù)據(jù)分析模型框架構(gòu)建過程中使用的關(guān)鍵技術(shù)，強(qiáng)化對(duì)于機(jī)器學(xué)習(xí)算法的應(yīng)用，能夠有效提升在線監(jiān)測(cè)系統(tǒng)應(yīng)用的實(shí)效性，可以幫助工作人員更好地實(shí)現(xiàn)對(duì)于水電站輔助設(shè)備的高質(zhì)量檢測(cè)，并從淺層結(jié)構(gòu)的機(jī)器學(xué)習(xí)模型以及基于深度神經(jīng)網(wǎng)絡(luò)的方法兩方面著手，對(duì)關(guān)鍵技術(shù)的應(yīng)用進(jìn)行了詳細(xì)分析，旨在為相關(guān)研究人員提供參考。

關(guān)鍵詞 水電站 輔助系統(tǒng)設(shè)備 狀態(tài)監(jiān)測(cè)

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-0745（2022）02-0022-03

輔助設(shè)備是水電站正常運(yùn)行的重要組成部分，但其在日常應(yīng)用的過程中始終面臨著一定的不利因素，所以應(yīng)當(dāng)積極強(qiáng)化對(duì)于在線監(jiān)測(cè)系統(tǒng)的應(yīng)用，以便于更好地實(shí)現(xiàn)對(duì)于輔助系統(tǒng)設(shè)備狀態(tài)的監(jiān)測(cè)工作，進(jìn)而針對(duì)性地采取相應(yīng)的解決措施，為水電站各類輔助系統(tǒng)設(shè)備的高質(zhì)量運(yùn)行創(chuàng)造良好的條件。

1 目前設(shè)備狀態(tài)監(jiān)測(cè)及故障預(yù)警若干關(guān)鍵技術(shù)

1.1 揭示設(shè)備運(yùn)行狀態(tài)機(jī)械動(dòng)態(tài)特性劣化演變規(guī)律

設(shè)備在運(yùn)行中是由非故障狀態(tài)向故障運(yùn)行狀態(tài)發(fā)生轉(zhuǎn)化的，且各設(shè)備的機(jī)械動(dòng)態(tài)特性基本也都存在發(fā)展演變的流程。應(yīng)該分析出設(shè)備劣化的具體流程和實(shí)際故障變化演化的規(guī)律，以及在發(fā)展過程中體現(xiàn)出來的主要特點(diǎn)，另要對(duì)故障生成的機(jī)理、形成原因、具體的發(fā)展模式進(jìn)行研究，建構(gòu)起劣化演變機(jī)械動(dòng)態(tài)特性模型。

1.2 提取設(shè)備運(yùn)行狀態(tài)發(fā)展趨勢(shì)特征

對(duì)于在役設(shè)備來說，其在運(yùn)行過程中狀態(tài)一般比較復(fù)雜，而歷經(jīng)較長歷程的運(yùn)行之后，會(huì)因?yàn)楣r及負(fù)載等一些非故障因素引起信號(hào)能量發(fā)生變化，此時(shí)非故障變化信息會(huì)將故障趨勢(shì)信息淹沒，這種情況下就應(yīng)該及時(shí)消除因非故障變化導(dǎo)致的冗余信息，繼而建構(gòu)起預(yù)測(cè)模型。一旦提取到敏感特征分量因子或模式，則有概率可以分析典型部件或部位。

1.3 低信噪比微弱信號(hào)特征早期故障的信號(hào)處理

故障在發(fā)生早期階段會(huì)表現(xiàn)出比較顯著的低信噪比微弱信號(hào)的特點(diǎn)，為了能夠盡早對(duì)早期故障做有效分析，具體涉及到的方法有：非平穩(wěn)及非線性信號(hào)處理，噪聲規(guī)律和特點(diǎn)分析，信息融合與多傳感系統(tǒng)檢測(cè)，故障征兆量與損傷征兆量信號(hào)分析，有關(guān)數(shù)據(jù)挖掘和粗糙集、盲源分離等方法。

1.4 故障預(yù)測(cè)模型構(gòu)建

建構(gòu)起的基于智能信息系統(tǒng)的設(shè)備早期故障預(yù)測(cè)模型通?？梢苑譃閮蓚€(gè)途徑，即數(shù)據(jù)信息預(yù)測(cè)模型與物理信息預(yù)測(cè)模型，或者也可以建構(gòu)起此二者互相融合的預(yù)測(cè)模型。

1.5 運(yùn)行狀態(tài)劣化的相關(guān)評(píng)價(jià)參數(shù)、模式及準(zhǔn)則

比如闡述設(shè)備狀態(tài)下不斷發(fā)展的參數(shù)和特征模式，以及狀態(tài)發(fā)展評(píng)價(jià)準(zhǔn)則或條件，還包括基于安全可靠的決策理論方法的穩(wěn)定性以及可靠性、維修性的評(píng)估和評(píng)判依據(jù)等。

2 輔助系統(tǒng)設(shè)備狀態(tài)監(jiān)測(cè)分析技術(shù)和算法簡析

隨著工業(yè)生產(chǎn)自動(dòng)化程度的提升，其工業(yè)生產(chǎn)過程中依然陸續(xù)呈現(xiàn)出一系列無法量化或決策者不知道的彈性因素，而這些彈性因素也埋下了一系列決策和生產(chǎn)管控工作環(huán)節(jié)的隱患。時(shí)下相較而言更成熟的工業(yè)大數(shù)據(jù)分析技術(shù)基本就是要供給一種透明的工具及解決方案，且該方案具備拆解及量化其彈性因素的功效，繼而能夠站在客觀角度有針對(duì)性地對(duì)于其生產(chǎn)過程及設(shè)備運(yùn)行狀況、可用性實(shí)施透明化管理，并且保證管理者能夠?qū)Q策“知情”。

運(yùn)用已有的數(shù)據(jù)可以完成故障預(yù)警及預(yù)測(cè)分析工作環(huán)節(jié)，而充分運(yùn)用好各種推理技術(shù)來預(yù)測(cè)設(shè)備的健康狀態(tài)，其間采取的核心故障預(yù)測(cè)算法為“基于模型的故障預(yù)測(cè)技術(shù)”、“基于統(tǒng)計(jì)可靠性的故障預(yù)測(cè)技術(shù)”以及“基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)技術(shù)”三中技術(shù)類型。

1.所謂“基于模型的預(yù)測(cè)算法”，它是受到復(fù)雜的動(dòng)態(tài)系統(tǒng)和精確的數(shù)學(xué)模型較難建立的條件限制的，且此間會(huì)很大限度上對(duì)其實(shí)際應(yīng)用效果產(chǎn)生限制。

2.所謂“基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)算法”，這種計(jì)算方法很有可能是因?yàn)槎嘀毓收弦蛩厮?，因此想要確定究竟選用哪一種預(yù)測(cè)模型及機(jī)理模型往往存在一定難度。這種技術(shù)是以采集來的數(shù)據(jù)為基礎(chǔ)，借助各種數(shù)據(jù)處理方法來深挖隱含信息予以預(yù)測(cè)的一種技術(shù)手段，因此它也是一種實(shí)用性較強(qiáng)的預(yù)測(cè)故障的方法。

3.所謂“基于概率統(tǒng)計(jì)的預(yù)測(cè)方法”，此方法當(dāng)中既包含了時(shí)間序列預(yù)測(cè)法，又包含了回歸預(yù)測(cè)法等，對(duì)于前者來說，短期的預(yù)測(cè)效果較好，但后者則對(duì)樣本的數(shù)量需求較高[1]。

3 輔助系統(tǒng)設(shè)備狀態(tài)監(jiān)測(cè)算法及數(shù)據(jù)分析模型框架構(gòu)建中的關(guān)鍵技術(shù)——機(jī)器學(xué)習(xí)技術(shù)

現(xiàn)如今，我國的水電站中實(shí)現(xiàn)了對(duì)于各種在線監(jiān)測(cè)以及計(jì)算機(jī)監(jiān)控系統(tǒng)的應(yīng)用，能夠助力對(duì)于各種類型監(jiān)測(cè)數(shù)據(jù)的廣泛采集，用戶往往在面對(duì)海量監(jiān)測(cè)信息資源的時(shí)候，難以實(shí)現(xiàn)對(duì)于其所需要數(shù)據(jù)的精確獲取。通常情況下，用戶并不能更為精細(xì)準(zhǔn)確地對(duì)信息的實(shí)際需求進(jìn)行表達(dá)，結(jié)合實(shí)際情況來看，其根本原因在于表達(dá)工具的欠缺。此外，即便是人們能夠?qū)⒆约旱男枨蟊磉_(dá)出來，但若是沒有更為全面科學(xué)地進(jìn)行信息處理，并采用更加有效的檢測(cè)分析方法，便會(huì)在一定程度上制約人們對(duì)其的形象化表達(dá)以及充分消化，這樣一來便會(huì)為設(shè)備檢測(cè)工作的高質(zhì)量開展造成一定的阻礙。但在設(shè)備狀態(tài)監(jiān)測(cè)中，強(qiáng)化對(duì)于機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用，便能夠?qū)⒃O(shè)備所具有的更加真實(shí)的狀態(tài)展現(xiàn)出來，以保障其能夠同用戶日常設(shè)備監(jiān)測(cè)以及使用習(xí)慣相適應(yīng)，通過對(duì)于機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用，能夠有效幫助用戶對(duì)設(shè)備健康狀態(tài)展開分析工作，進(jìn)而實(shí)現(xiàn)對(duì)于當(dāng)下設(shè)備在應(yīng)用過程中存在的風(fēng)險(xiǎn)和異常的精準(zhǔn)識(shí)別并進(jìn)行告警。與此同時(shí)，其還可以結(jié)合其實(shí)際的狀態(tài)評(píng)價(jià)結(jié)果，更為科學(xué)、智能化地對(duì)最優(yōu)化的檢修策略進(jìn)行選用。

近些年，我國現(xiàn)代化科學(xué)技術(shù)發(fā)展水平飛速提升，積極開展對(duì)于電力信息化平臺(tái)的開發(fā)和利用工作，能夠幫助工作人員對(duì)各種運(yùn)行設(shè)備的實(shí)際狀態(tài)以及工況信息進(jìn)行全面獲取，結(jié)合大數(shù)據(jù)本身的內(nèi)在規(guī)律，能夠明確設(shè)備狀態(tài)演變的整體發(fā)展趨勢(shì)，并對(duì)其中所存在的內(nèi)在關(guān)聯(lián)產(chǎn)生更為深層次的了解，以便于在機(jī)器學(xué)習(xí)技術(shù)的基礎(chǔ)上，構(gòu)建起相應(yīng)的輔助系統(tǒng)設(shè)備狀態(tài)監(jiān)測(cè)算法和相應(yīng)的數(shù)據(jù)分析模型框架。這樣一來便能夠?yàn)樗娬靖鞣N輔助設(shè)備的安全平穩(wěn)運(yùn)行創(chuàng)造良好的條件，幫助相關(guān)工作人員更好地開展設(shè)備檢修等工作。

4 基于機(jī)器學(xué)習(xí)技術(shù)的水電站輔助設(shè)備系統(tǒng)狀態(tài)監(jiān)測(cè)算法及數(shù)據(jù)分析模型框架

4.1 輔助系統(tǒng)設(shè)備

4.1.1 油系統(tǒng)

在水電站中，油系統(tǒng)是至關(guān)重要的組成部分，油系統(tǒng)的構(gòu)成包括斷路器和電力變壓器的絕緣油系統(tǒng)，以及供給水輪發(fā)電機(jī)組的液壓操作油系統(tǒng)和潤滑油系統(tǒng)。液壓操作油系統(tǒng)和潤滑油系統(tǒng)主要是在發(fā)電廠房中進(jìn)行設(shè)置，包括變壓器等的絕緣油系統(tǒng)，主要是結(jié)合主變壓器安裝的具體位置，在廠房或者是變電站的附近進(jìn)行設(shè)置。

4.1.2 壓縮空氣系統(tǒng)

對(duì)于壓縮空氣系統(tǒng)來說，其主要是由兩個(gè)系統(tǒng)所構(gòu)成，其中高壓系統(tǒng)將會(huì)向油壓裝置各空氣斷路器以及油壓裝置提供相應(yīng)的操作和滅弧氣壓以及蓄能氣壓。在實(shí)際應(yīng)用的過程中，低壓系統(tǒng)可以有效實(shí)現(xiàn)機(jī)組停機(jī)制動(dòng)。壓縮空氣系統(tǒng)可以向廠房中的風(fēng)動(dòng)工具提供相應(yīng)的動(dòng)力，在面對(duì)寒冷地區(qū)的時(shí)候，就能夠給進(jìn)水口攔污閘門進(jìn)行吹氣，以達(dá)到良好的防凍效果，與此同時(shí)，還能夠?yàn)殚_關(guān)站啟動(dòng)隔離開關(guān)以及少油開關(guān)進(jìn)行操作氣壓的提供。

4.1.3 供水系統(tǒng)

供水系統(tǒng)的覆蓋范圍為深井水泵、空氣壓縮機(jī)、主變壓器以及供給水輪發(fā)電機(jī)組等設(shè)備運(yùn)行過程中所需要的潤滑水以及冷卻水，同時(shí)，還包含著水電站整體所涉及到的生活用水和消防用水等等。當(dāng)面臨汛期的時(shí)候，其水源有著相對(duì)較大的含沙量，所以還應(yīng)當(dāng)確保其有著相應(yīng)的備用水源[2]。

4.1.4 排水系統(tǒng)

排水系統(tǒng)的主要功能便是將廠房、大壩以及水輪機(jī)頂蓋處存在的滲漏水有效排除，同時(shí)，還要排除在水輪機(jī)水下部分檢修工作開展過程中所存在的尾水管中的積水等。一般來說都是通過對(duì)于排水管和排水廊道的應(yīng)用，使其流到集水井當(dāng)中，與此同時(shí)，還要在應(yīng)用深井水泵的基礎(chǔ)上，將其向尾水渠中排除。

4.2 設(shè)備故障診斷模型

4.2.1 淺層結(jié)構(gòu)的機(jī)器學(xué)習(xí)模型

對(duì)于以往淺層機(jī)器學(xué)習(xí)模型來說，其主要是采用人工神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)兩種模型，筆者在此處主要針對(duì)支持向量機(jī)進(jìn)行分析。從本質(zhì)上來看，支持向量機(jī)屬于一種二分類模型，其基本模式是特征空間間隔上最大的線性分類器。當(dāng)處在線性不可分狀況下的時(shí)候，SVM將會(huì)基于非線性變化，使得輸入空間向高維特征空間進(jìn)行轉(zhuǎn)化，并在這一個(gè)全新的空間中對(duì)最優(yōu)線性分類面進(jìn)行求解。從實(shí)際情況來看，SVM僅僅可以進(jìn)行二分類，但水電站輔助系統(tǒng)設(shè)備的故障診斷以及狀態(tài)監(jiān)測(cè)本身屬于一個(gè)多分類的問題，所以需要對(duì)多個(gè)SVM進(jìn)行分別建立，接下來便可以擴(kuò)展為一個(gè)多分類器。

結(jié)合當(dāng)前的具體情況進(jìn)行分析，現(xiàn)如今，所采用的擴(kuò)展策略包括決策導(dǎo)向無環(huán)圖、決策樹、一對(duì)一以及一對(duì)多等。假設(shè)在訓(xùn)練樣本中涉及到K類故障狀態(tài)，應(yīng)當(dāng)對(duì)個(gè)二分類的SVM進(jìn)行構(gòu)造工作，而每一個(gè)SVM都會(huì)分別將一類故障樣本看成是正樣本。而其他的樣本都屬于是負(fù)樣本展開相應(yīng)的訓(xùn)練。在應(yīng)用SVM的時(shí)候有著較高的優(yōu)勢(shì)，具體指的是，其能夠基于最小化結(jié)構(gòu)風(fēng)險(xiǎn)展開模型參數(shù)訓(xùn)練，而其在理論方面有著較高的嚴(yán)謹(jǐn)度，可以在原有的基礎(chǔ)上促進(jìn)模型可解釋性的提升。與此同時(shí)，其診斷模型能夠更好地獲得全局最優(yōu)解，有助于從根本上保障其良好的診斷準(zhǔn)確度。但在應(yīng)用SVM方法的時(shí)候，其還存在一定的不足，具體在于其分類性能將會(huì)對(duì)核函數(shù)的優(yōu)化選擇造成阻礙，若是其所選擇的核函數(shù)不合適，便會(huì)在極大程度上降低其分類性能。除此以外，在SVM中難以實(shí)現(xiàn)對(duì)于傳感器所采集的時(shí)序數(shù)據(jù)的科學(xué)應(yīng)用，而其中部分特征值所存在的時(shí)序變化對(duì)于故障分類有著重要意義[3]。

4.2.2 基于深度神經(jīng)網(wǎng)絡(luò)的方法

當(dāng)前，在圖像識(shí)別以及自然語言處理方面，深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用得到了長足的發(fā)展，與此同時(shí)，在設(shè)備狀態(tài)監(jiān)測(cè)以及故障智能診斷中，也實(shí)現(xiàn)了對(duì)于深度神經(jīng)網(wǎng)絡(luò)的廣泛應(yīng)用。從目前來看，神經(jīng)網(wǎng)絡(luò)主要包含殘差網(wǎng)絡(luò)、深度卷積神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)以及堆疊自編碼器等等，筆者在本文中主要是針對(duì)其中比較經(jīng)典的模型進(jìn)行分析?；赟AE的故障診斷模型結(jié)構(gòu)圖（如圖1所示），其一般涉及到諸多個(gè)自編碼器，其中每一個(gè)自編碼器形成的隱向量都可以作為下一個(gè)自編碼器的輸入，而最后的自編碼器的隱向量將會(huì)向一個(gè)softmax分類器中輸入并進(jìn)行分類。

在最小化分類誤差的基礎(chǔ)上，對(duì)模型參數(shù)進(jìn)行優(yōu)化，從實(shí)際情況來看，深度卷積神經(jīng)網(wǎng)絡(luò)本身便是一種局部連接以及權(quán)重共享的深度前饋神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)主要由若干池化層以及干卷積層所組成，最后再使用一個(gè)softmax函數(shù)開展相應(yīng)的故障分類工作。

5 結(jié)論

綜上所述，強(qiáng)化對(duì)于機(jī)器學(xué)習(xí)算法的應(yīng)用，能夠有效提升在線監(jiān)測(cè)系統(tǒng)應(yīng)用的實(shí)效性，可以幫助工作人員更好地實(shí)現(xiàn)對(duì)于水電站輔助設(shè)備的高質(zhì)量檢測(cè)，這對(duì)于水電站整體的持續(xù)平穩(wěn)運(yùn)行有著積極的促進(jìn)作用。因此，相關(guān)研究人員應(yīng)加強(qiáng)對(duì)于機(jī)器算法技術(shù)應(yīng)用的重視，進(jìn)而保障在線檢測(cè)系統(tǒng)的有效應(yīng)用。

參考文獻(xiàn)：

[1] 何燕.基于物聯(lián)網(wǎng)的輸變電設(shè)備狀態(tài)監(jiān)測(cè)關(guān)鍵技術(shù)研究[D].長沙：湖南大學(xué)，2014.

[2] 張宏，李俊，樊錦，等.流域水電站設(shè)備遠(yuǎn)程狀態(tài)分析及輔助診斷系統(tǒng)建設(shè)探討[J].水電站機(jī)電技術(shù)，2018 （11）：92-95.

[3] 敖成彥，羅文云.水電站輔助機(jī)械設(shè)備的安裝與檢修[J].黑龍江科學(xué)，2019，10（20）：88-89.