基于變權(quán)層次分析的水電機組運行狀態(tài)評估

劉任改，向文平，喻永松，敬燕飛

（國電大渡河瀑布溝水力發(fā)電總廠，四川 漢源 625304）

基于變權(quán)層次分析的水電機組運行狀態(tài)評估

劉任改，向文平，喻永松，敬燕飛

（國電大渡河瀑布溝水力發(fā)電總廠，四川 漢源 625304）

摘要：針對水電機組狀態(tài)評估狀態(tài)量集合具有量綱不一致、定性與定量相結(jié)合、各狀態(tài)量之間蘊含著許多錯綜復雜的非線性、動態(tài)性關(guān)系、難以構(gòu)建解析函數(shù)關(guān)系等特點，在分析國內(nèi)外狀態(tài)檢修實施現(xiàn)狀的基礎(chǔ)上，通過對水電機組狀態(tài)量的收集和分析，把水電機組性能分為水輪機系統(tǒng)性能、發(fā)電機系統(tǒng)性能、輔助系統(tǒng)性能、其他性能4個部分，構(gòu)建具有層次化的水電機組狀態(tài)量指標體系，根據(jù)狀態(tài)量的相互關(guān)系及優(yōu)劣程度對其權(quán)重進行動態(tài)調(diào)整，建立了基于動態(tài)變權(quán)層次分析法的水電機組狀態(tài)評估模型，并把水電機組運行狀態(tài)劃分為良好、合格、注意、危險4個等級，為狀態(tài)檢修提供初步?jīng)Q策意見。最后，以某水電站運行機組為例，對模型進行驗證，結(jié)果顯示水電機組狀態(tài)評估模型具有實際應用的可行性。該模型對水電機組狀態(tài)檢修的實施過程具有重要的指導意義。

關(guān)鍵詞：水電機組；層次分析；動態(tài)變權(quán)；狀態(tài)評估

0引言

長期以來，對水電機組運行狀態(tài)的判斷都是通過預防性試驗或者計劃檢修來實現(xiàn)。目前水電站設(shè)備大多采用的計劃檢修體制存在著嚴重缺陷，因為沒有考慮到機組的實際狀態(tài)，存在“小病大治”、“無病也治”的盲目現(xiàn)象等，這使水電站在設(shè)備維修方面耗資巨大。尤其是目前水電站設(shè)備都是采用集成式、少維護式設(shè)備，自動化程度高，計劃檢修已經(jīng)不適合當代水電發(fā)展。隨著傳感技術(shù)、微電子、計算機軟硬件和數(shù)字信號處理技術(shù)在狀態(tài)監(jiān)測中應用，水電機組狀態(tài)監(jiān)測的技術(shù)手段已經(jīng)很成熟，但在實際應用時，如何準確判斷水電機組的狀態(tài)，依然是一項迫切需要解決的課題[1-3]。

國內(nèi)的符向前、劉光臨等運用故障熵指標和綜合劣化度的指標，在一定程度上能評估機組的運行狀態(tài)，但是信息熵的獲取分析理論還在發(fā)展之中，在實際應用實施中有一定的困難[4]。華中科技大學的鄒敏針對水電機組振動故障研究中存在的小樣本問題，以及水電機組振動信號的非線性與非平穩(wěn)特性開展了基于支持向量機的水電機組故障診斷研究，但是支持向量機在故障診斷領(lǐng)域中的應用需要大量的樣本，因而其在水電機組故障診斷理論與應用方面的研究均有待于進一步的深入和完善[5-6]。還有一些學者引入了專家系統(tǒng)[7]，但國內(nèi)外現(xiàn)有的專家系統(tǒng)尚不能對水電機組運行狀態(tài)進行自動診斷[8-9]，其主要原因是由于這些專家系統(tǒng)所包含的知識還不足以全面反映運行狀態(tài)的特征與其等級之間的映射關(guān)系。中國水利水電科學研究院的安學利、潘羅平基于Shepard曲面、經(jīng)驗模態(tài)分解法和混沌理論、灰色理論，提出水電機組狀態(tài)退化評估與趨勢預測模型，但是對水電機組指標的提取不夠充足，并且偏重于故障診斷[10]。本研究在分析立軸混流式水電機組狀態(tài)量的基礎(chǔ)上，建立綜合大量因素的評估指標體系，以層次分析法為基礎(chǔ)，結(jié)合動態(tài)變權(quán)理論，構(gòu)建了水電機組運行狀態(tài)評估模型，以實現(xiàn)水電機組運行狀態(tài)的定量評估。

1水電機組運行狀態(tài)評估模型

1.1水電運行狀態(tài)動態(tài)變權(quán)層次分析結(jié)構(gòu)

水電運行狀態(tài)有大量指標，為了盡量真實的反映機組的運行狀態(tài)，又考慮到水電機組狀態(tài)評估的可操作性，本文將水電機組劃分為水輪機系統(tǒng)、發(fā)電機系統(tǒng)、輔助系統(tǒng)以及其他因素4個方面選取狀態(tài)參量，建立層次型的水電機組運行狀態(tài)評價指標體系，如圖1所示。

圖1水電機組狀態(tài)評估指標體系

1.2各級評判因素權(quán)重的確定

建立完整的水電運行狀態(tài)評估指標體系后，需要根據(jù)層次間、指標間的相對重要性賦予相應的權(quán)重?？紤]到目前水電機組評估尚在研究起步階段，沒有足夠的明確評估的樣本可以借鑒，本研究借助專家經(jīng)驗，但是，不同專家經(jīng)驗對同一指標的判斷存在差異，可以得到多個不同的判斷矩陣。本研究采用改進的AHP法[11]，通過計算標準差，使其滿足一致性要求，直接求出水電機組各評價指標的權(quán)重。具體計算步驟如下：

假設(shè)對水電機組狀態(tài)評估中，有n個評估指標，決策專家組有m個專家組成，則構(gòu)造的判斷矩陣為

計算反對稱矩陣

可以知道矩陣B仍然是反對稱矩陣?？梢宰C明B的最優(yōu)傳遞矩陣C為然后可以解析得到這n個評估指標的權(quán)重值為

表1各級評估指標的權(quán)重分布

1.3動態(tài)變權(quán)機理

指標體系中包含定量指標和定性指標兩種，不同的指標要采用不同的變權(quán)機理。

（1）定量指標的動態(tài)變權(quán)機理

定量指標的獲取可以引入劣化度的概念表示[13]。它是把當前設(shè)備的實際值與故障值或者報警值相比較，看劣化程度為多少，是一個取值范圍為[0，1]的定量值。對越小越優(yōu)型指標，計算方法如下：

對越大越優(yōu)的指標，計算方法如下：

引入劣化度以后，所有定量指標都已經(jīng)能定量表示，關(guān)鍵問題就是權(quán)重分配，本研究采用模糊數(shù)學中的隸屬函數(shù)和隸屬度法，確定每個狀態(tài)參量在各狀態(tài)上的概率[14]。為了直觀的表達狀態(tài)情況，將設(shè)備狀態(tài)分為良好、合格、注意、危險4個等級，分別用v1～v4表示。因為三角形隸屬函數(shù)形狀簡單，并且與其他較復雜的隸屬函數(shù)得出的結(jié)果差別較小[15]，本研究定量指標的權(quán)重利用半梯形和三角形組合的分布函數(shù)來確定，如圖2所示。

圖2半梯形和三角形隸屬函數(shù)分布圖

隸屬函數(shù)的具體確定方法是：按照劣化度的計算公式先計算出某一指標的劣化度，然后，根據(jù)規(guī)程或?qū)＜医?jīng)驗，確定圖2中4種狀態(tài)等級的模糊分解區(qū)間，最后，建立劣化度對應各狀態(tài)等級的隸屬函數(shù)。例如，對于水導擺度這個評判因素，其對應于4種狀態(tài)（v1～v4）的隸屬函數(shù)可分別確定為：

式中，μv1（x）～μv4（x）分別表示水導擺度劣化度為x時對應于v1～v4的隸屬函數(shù)?？梢钥闯?，各指標值隸屬某一狀態(tài)的概率不是一成不變的，而是由隸屬度函數(shù)曲線確定，會隨著狀態(tài)的變化而變化。同理，可以得到其他所有定量指標的隸屬函數(shù)。

（2）定性指標的動態(tài)變權(quán)機理

定性指標沒有辦法用某一個確定的值來表示，本研究采用模糊統(tǒng)計試驗法來確定它們的權(quán)重。通過專家調(diào)查的形式，制作調(diào)查表，由各專家獨立確定各個因素在每個狀態(tài)上的概率，再根據(jù)下面的計算方法確定各個因素的權(quán)重：

2應用實例

某電站水輪機型號為HLD416A-LJ-696，發(fā)電機型號為SF600－48/14200，運行記錄中定量指標原始數(shù)據(jù)如表2所示。

表2某電站定量狀態(tài)量原始數(shù)據(jù)

首先，按照上文介紹的定量指標隸屬度確定方法，分別確定各評判指標對應4種狀態(tài)的隸屬度函數(shù)，再以實際參數(shù)代入隸屬函數(shù)，分別求得各指標相應的隸屬度，即可以得到評判矩陣。例如，水輪機系統(tǒng)上導擺度值A(chǔ)23，其大于600μm即為極限值，下面計算它的隸屬度。根據(jù)上面的分析，上導擺度值屬于越小越優(yōu)型指標。先求劣化度：

式中的C0等于0，因為振擺理想狀態(tài)下為零，根據(jù)劣化度為0.405，對應隸屬度函數(shù)，可以計算A23分別屬于各狀態(tài)的概率如下：

于是，得到 A23的評判矩陣為 R（A23）= [0，0.975，0.025，0]，可以看出，水導的擺度值屬于合格范圍。同理可以求得其他各定量指標的評判矩陣，下面列出其中水輪機系統(tǒng)各評級指標的評判矩陣。

定性指標的評判，本研究通過制作表格，邀請了熟悉本電站運行的8位運維專家進行評判，通過模糊統(tǒng)計試驗法進行計算，得到其評判矩陣。如水輪機系統(tǒng)中噪音A11的評判，8位運維專家給出的評價意見是1位認為屬于良好狀態(tài)，6位認為現(xiàn)場噪音屬于合格狀態(tài)，1位認為屬于注意狀態(tài)。于是，可以計算得到：

于是，得到 A11的評判矩陣為 R（A11）= [0.125，0.75，0.125，0]，可以看出，水輪機轉(zhuǎn)輪噪音指標屬于合格狀態(tài)，同理可以得到其他定性指標的評判矩陣，下面列出其中水輪機系統(tǒng)各評級指標的評判矩陣。

綜合上面定量指標與定性指標的評判矩陣，再結(jié)合上面的權(quán)重分配指標，可以分別計算轉(zhuǎn)輪、水導軸承、頂蓋、尾水管、蝸殼的評判矩陣，為書寫方便，設(shè)概率分布矩陣為p，且A11=R（A11），于是有R （Ai）=P（Ai）°R（Aij），為廣義矩陣算法，亦即R（Ai）=∑P(Aij)×Aij，其中，i為概率序列，j為指標序列，其他以此類推。

具體計算過程如下所示：

從而可以推算出水輪機系統(tǒng)G1的狀態(tài)評判矩陣

可以求得：

同理，可以計算出發(fā)電機系統(tǒng)G2的狀態(tài)評判矩陣

輔助系統(tǒng)G3的狀態(tài)評判矩陣

其他G4的狀態(tài)評判矩陣

最后，計算出整個水電機組狀態(tài)評判矩陣為：

求得水電機組的評判矩陣為：

從計算結(jié)果可以看出，本臺機組處于“合格”狀態(tài)的隸屬度最大，所以，機組運行狀態(tài)是合格的。但是，“注意”狀態(tài)的隸屬度也有0.139，說明還是有需要注意關(guān)注的地方，從上面的數(shù)據(jù)分析可以知道，本臺機組的發(fā)電機系統(tǒng)屬于“注意”的概率有0.216，再往初始數(shù)據(jù)分析發(fā)現(xiàn)，發(fā)電機下導擺度和下機架的劣化度比較大，屬于“注意”狀態(tài)的隸屬度比較高。而機組的實際情況是：機組處于AGC調(diào)負荷頻繁階段，經(jīng)?？缭秸駝訁^(qū)，導致下機架振動平均值較大，而下導軸承擺度值偏大是由于監(jiān)測用擺度傳感器探頭位置偏移，整體分析機組屬于正常運行狀態(tài)。

3結(jié)論

本研究在分析國內(nèi)外狀態(tài)檢修實施現(xiàn)狀的基礎(chǔ)上，通過對水電機組狀態(tài)量的收集和分析，把水電機組性能分為水輪機系統(tǒng)性能、發(fā)電機系統(tǒng)性能、輔助系統(tǒng)性能、其他性能4個部分，構(gòu)建具有層次化的水電機組狀態(tài)量指標體系，根據(jù)狀態(tài)量的相互關(guān)系及優(yōu)劣程度，采用改進的AHP計算方法，對其權(quán)重進行賦值，并采用動態(tài)變權(quán)分析底層指標隸屬度，建立了基于動態(tài)變權(quán)層次分析法的水電機組狀態(tài)評估模型。通過初步實例驗證，本研究所建立的水電機組狀態(tài)評價指標體系，評價指標全，操作性強，可對水電機組運行狀態(tài)進行準確、客觀的量化評估，可為水電站狀態(tài)檢修提供決策依據(jù)。當然，模型中權(quán)重指標、隸屬度的計算可能存在不恰當之處，還有待于日后通過更多的實例檢驗，在實踐中不斷完善。

參考文獻：

[1]DING Jin-hua，W ANG Xue-jun，ZHOU Rong.M aintenance and Condition-Based M aintenance[J].International Journal of Plant Engineering and M anagement,2005（03）: 160-170.

[2]劉曉亭,劉昱.水電機組狀態(tài)檢修的實施及關(guān)鍵技術(shù)[J].水力發(fā)電,2004（04）:38-41，44.

[3]LIU X T,FENG FZ，SIAW.Condition based monitoringdiagnosisand maintenance on operating equipments of a hydraulic generator unit[C]//.Tsinghua University Proceedings of the 26th IAHR Symposium on Hydraulic Machinery and Systems.TsinghuaUniversity，2012.

[4]符向前,劉光臨,蔣勁,等.基于信息熵的機組運行劣化度綜合指標[J].電力系統(tǒng)自動化，2005（7）.

[5]鄒敏.基于支持向量機的水電機組故障診斷研究[D].武漢：華中科技大學，2007.

[6]QU Jun-hua，WANG W e-juan.Application of Core Vector Regression in Condition-Based Maintenance for Electric Power Equipments[C]//.Intelligent Information Technology Application Research Association,2010.

[7]劉輝,余永華,丁坦.基于Petri網(wǎng)的水電機組故障診斷專家系統(tǒng)研究[J].水電能源科學，2010（02）.

[8]CHIANG JH,YUAN J.Optimalmaintenance policy for a M arkovian system underperiodic inspection[J].Reliability Engineering&System Safety,2001,71(2):165-172.

[9]Joussellin Agnes,Chevalier Roger.Diagnosis of faults in EDF power plants:Frommonitoring to diagnosis[J].American Society of M echanical Engineers,PressureVesselsand Piping Division.2011(14):19-23.

[10]安學利,潘羅平,張飛,等.水電機組狀態(tài)退化評估與非線性預測[J].電網(wǎng)技術(shù)，2013（05）.

[11]鄧雪,李家銘,曾浩健,等.層次分析法權(quán)重計算方法分析及其應用研究[J].數(shù)學的實踐與認識,2012（07）：93-100.

[12]鄒志勇.工程機械維修現(xiàn)狀及對策研究[D].西安:長安大學,2002.

[13]廖瑞金,王謙,駱思佳,等.基于模糊綜合評判的電力變壓器運行狀態(tài)評估模型 [J].電力系統(tǒng)自動化,2008（03）: 70-75.

[14]劉小艷,劉欣宇,王梅.隸屬函數(shù)的確定及應用[J].電腦知識與技術(shù),2010（31）:8831-8832.

[15]盧緒祥,李錄平.基于模糊綜合評判的凝汽器運行狀態(tài)評價[J].汽輪機技術(shù),2001,43(5):301-303,316.

中圖分類號：TV736

文獻標識碼：A

文章編號：1672-5387（2015）04-0055-05

DOI：10.13599/j.cnki.11-5130.2015.04.017

收稿日期：2015-01-26

作者簡介：劉任改（1987-），男，從事水電站運行與維護工作。