基于BP神經網絡的水電機組振動趨勢預測研究

賈春雷，劉 博，譚小剛，屈偉強，劉成東

(黃河水利水電開發總公司，河南 濟源 459017)

截至2018年底，我國發電裝機19.0億kW，其中水電總裝機3.5億kW，裝機占比為18.4%，提前完成電力發展“十三五”規劃中“到2020年，常規水電裝機達到3.4億kW”的發展目標。同時，水電機組的單機容量也在不斷提升，白鶴灘水電站單機容量已達到1 000 MW[1]，水電成為電網安全的重要因素。為確保水電機組的安全穩定運行，需要對機組的振動、振幅、電流、電壓、溫度、壓力和流量等參數進行實時監控，然后對采集到的數據進行分析處理，提取數據中隱含的有效信息，可以對機組的健康水平進行評定，對機組運行趨勢進行預測，并對可能出現的故障進行提前預判。

近年來，人工神經網絡技術快速發展，在模式識別和回歸預測等場景應用廣泛，其中以BP神經網絡最為普遍和有效。何余良、張曙光等采用BP神經網絡算法建立具有多個輸入、單個輸出的預應力鋼-混凝土組合梁抗彎極限承載力預測模型，通過實測驗證了模型的可用性[2]。蓋曉東、李溪水等設計一種基于BP神經網絡的制動距離預測系統，該系統可根據電梯制動系統和末端行程系統的運行參數對電梯制動距離進行準確預測[3]。郭鵬程、孫龍剛等利用多重分形譜算法提取出振動故障的特征向量，并將該特征向量作為BP神經網絡的輸入向量進行分類識別，獲得了較好的分類結果[4]。研究表明，將BP神經網絡應用于水電機組的故障分類和趨勢預測中，可以達到理想的應用效果，本文以BP神經網絡為基礎，對水電機組振動趨勢預測進行研究?！?br>