信息融合方法在水力發電廠狀態檢修中的應用

王曉東

摘 要：對于一個發電廠怎樣能夠確定機組檢修時間，以改進以往點檢定修的不足，及時轉入檢修狀態顯得至關重要。針對此類情況，對于確定何時進入檢修狀態，需要及時而準確的時間界定，將多元信息融合方法在確定進入檢修狀態的評估系統中充分利用。對同類傳感器的一次數據融合處理后，再對異類傳感器進行二次融合，從而評判出發電機組系統的狀態等級，對其實時做出進入檢修狀態的判斷，在實際應用中達到預期的效果。

關鍵詞：信息融合 神經網絡 模糊控制

中圖分類號：TV738 文獻標識碼：A 文章編號：1672-3791（2016）10（a）-0021-03

當前，大多數水電廠使用的都是非線性傳感器輸出，加之環境的溫度、濕度、電源波動等現場因素的影響，使得傳感器的輸出信號波動比較大，造成監控困難，不能及時反映被測到的物理量，造成測量結果準確度低、穩定性差，使得機組出現異常停機，轉入檢修狀態次數非常頻繁。該文的研究針對這一問題提供有效的理論依據，并加以解決。

隨著此行業技術不斷提高，各企業生產規模也在不斷擴大，生產過程控制系統的技術要求也變得越來越高，生產過程控制系統也變得越來越復雜，由于整個系統的非線性增強、時滯增大，而且不是系統中的每個環節都需要建立精確的數學模型，使得模糊邏輯控制在生產過程中的應用成為可能，它主要是把對被控系統的熟練的操作經驗轉換成模糊規則。在未使用信息融合的方法之前，對于系統的轉檢修狀態，完全由現場工作人員的經驗而定。很多情況出現檢修不到位或者過修的現象。相應的計算機控制僅提供參考數據和狀態信息，而并不作出判斷，其他的全部依靠現場工程人員的經驗。該文通過分析水電機組檢修的實施辦法，提出應用信息融合方法準確判斷機組轉入檢修狀態.。主要通過模糊控制系統和神經網絡的學習使系統能夠在線實時數據處理，及時準確地做出判斷，并把以工程技術和現場工作人員的經驗作為專家庫的信息儲存于信息中心，通過一系列的處理過程做出決策結論。

1 電廠的信息系統結構

發電機組控制系統、廠用電系統、閘門控制系統、水系統、油系統、消防系統、接地系統、大壩監測系統、水紋監測系統、GPS系統[1]及保護系統采用集散控制模式對信息進行采集與控制。傳感器系統通過對現場數據采集，模擬量傳4～20 mA電流信號，經過對同類傳感器一次融合的結果，再對異類傳感器數據送入神經網絡融合中心進行二次融合，得到二次融合后的結果，做出實時信息進入融合中心，通過態勢評估原理[2]與威脅評估的原理[3]做出決策（圖1）。其中預處理包括整形、濾波、去噪、歸一化處理等。

2 方法

發電機4種傳感器提供的信息，通過的輸入層、隱合層及輸出層來處理完成后，相鄰層間神經元的連接權及隱含層中神經元的閾值，文中最后檢測到發電機狀態是4個直接檢測的非線性參數。

R=f （u0，u1，u2，u3）（u2～u3為神經網絡輸入，分別對應溫度數據、振動數據、壓力數據、接地電流數據）。已經證明：單隱含層的BP網絡能夠通匹任意的非線性函數，故采用單隱含層的BP神經網絡來融合脈沖傳感器的信息。

圖2為單隱含層BP神經網絡結構，4個傳感器的信號經過預處理后作為神經網絡的輸入，隱含層節點數為10個，輸出為發電機組的運行狀態。X2.bi（i-1，2，......，10）分別為隱含層中第i個神經元的輸出及閾值；Wijk為k-1層中第j個神經元對第k層中第i個神經元的聯結權值。取隱含層節點的激勵函數為S型函數，即：g（z）=1/（i+e-z），則隱層的輸出為：Xi=g（），去輸出節點的激勵函數為線性函數，則整個網絡的輸出為：==（u0，u1，u2，u3），權和閾值，通過遞推預報誤差（RBE）訓練算法加以確定[3]。

3 結果

其控制過程、精確的輸入經模糊化后對照規則表進行模糊推理，得出輸出量的模糊數據，經解模糊過程到精確的輸出量，該系統模糊控制通過融合中心的狀態評估及專家庫的共同結合完成二維模糊控制器。輸入為誤差量和誤差變化量，輸出點與專家庫和狀態評估系統提出此時的狀態偏差量E和偏差變化Ec作為輸入量，調節出u作為輸出量，是一個二維模糊控制器，先將論域[4]內連續量離散化為若干檔，選擇描述偏差的精確連續量為e，描述偏差變化的精確連續量為ec，輸出的精確量為U。

其模糊變量分別為E、Ec、U，每個模糊復量可分為若干個模糊狀態，如負大（N B）負中（N M），負小（N S），零（Z O），正小（P S），正中（P M），正大（P B）等，隸屬度函數取為三角形分布，量化值經模糊語言變量隸屬度函數[5]得到模糊量化等級E={-3 -2 -1 0 +1 +2 +3} ，Ec={-3 -2 -1 0 +1 +2 +3}，為提高控制精度，控制變量量化等級多一些：u={-6 -5 -4 -3 -2 -1 0 +1 +2 +3 +4 +5 +6}，模糊化的過程主要根據實際控制需要以及傳感器特性、其范圍選擇主要根據人的知識和經驗通過實驗調整得到。為減少調整時間，用Matlab模糊邏輯工具編寫的模糊控制器生成程序，并計算控制響應表。結合現場實際情況和人的經驗對控制表進行微調，基于神經的模糊推理判斷如表1。

表1存在于融合中心的狀態評估系統中，當發電機進入正常運行狀態后，模糊控制開始工作，狀態控制箱上接收到實際運行的狀態量后，經解模糊處理得到u。通過與相應的設定門限值進行比較觸發相應程序，提供決策，判斷機組是否轉入檢修狀態。

4 在融合中心的實現

該方案采用Sum作為融合中心計算機。融合中心流程如圖3。

5 模擬調試

在現場投運過程中，通過改變相應的輸入參數變化系統能夠很好地觸發機組轉檢修狀態，特別在初期投運時，現場人員都不熟悉設備的情況下避免了大的經濟損失。投入和未投入融合的停機和準確對比如表2。

6 結語

發電系統是一個非線性時變系統，該系統采用工業以太網進行通信，采用阿爾斯通P320系統進行監控，很好地實現現場的各個數據的實時交換，滿足現場的運行要求達到相應的精度。

實際運行結果表明，該系統的控制方法完全能滿足現場要求，穩定性和響應時間等指標達到了預期。

參考文獻

[1] （美）Elliot D.Kaplan.GPS原理與應用[M].北京：電子工業出版社，2007.

[2] 楊萬海.多傳感器數據融合及其應用[M].西安電子科技大學出版社，2004.

[3] 萬百五，韓崇朝，蔡遠利.控制論——概念、方法與應用[M].北京：清華大學出版社，2009.

[4] 潘泉，程詠梅，梁彥，等.多元信息融合理論及應用[M].北京：清華大學出版社，2013.

[5] 李士勇.模糊控制[M].哈爾濱工業大學出版社，2011.

[6] 方勇純，盧桂章.非線性系統理論[M].北京：清華大學出版社，2009.

[7] 錢學森，宋建.工程控制論（上冊）[M].北京：科學出版社，2011.