基于狀態特征標識的水電機組運行數據診斷分析

侯紀坤,張 雷,王勇勁

(中國電建集團西北勘測設計研究院有限公司，西安 710065;2.西安電力高等專科學校,西安 710032；3.華電電力科學研究院有限公司，杭州 310030)

0 前 言

水電機組實際運行中，機組狀態特征為機組健康穩定運行提供了數據支撐。隨著日、月、年監測數據日積月累，形成了海量數據存儲庫，阻礙了機組健康狀態評估的實時性，無法及時形成有效特征數據并診斷機組實際運行狀態[1]。本文對流域電站海量監測數據進行狀態特征標定，對日、月、年度數據進行趨勢對比，引入模糊聚類對數據大值進行標識，獲得機組規律性特征；采用故障樹診斷方法，結合大值數據位置分布，對機組運行狀態進行故障診斷，提出故障原因及檢修建議，為流域電站機組智能診斷，提升機組自動化運行水平，降低故障發生率提供借鑒[2]。

1 水電機組狀態特征標識診斷方法

流域水電場運行特征數據包括傳感器檢測到的機組振動、擺度、瓦溫油溫、定轉子氣隙、磁場強度特征。由此建立機組運行特征數據庫[3]；按狀態標識將運行特征數據進行標定，應用聚類方法形成機組大值樣本及位置分布；獲得運行特征數據庫、狀態數據庫；開展特征參數數據分析獲得特征參數評估及診斷，提出故障匹配及檢修建議。智能診斷診斷流程如圖1所示[4-5]。

圖1 智能診斷流程圖

2 機組故障特征及狀態標識

機組運行特征數據庫的數據包含振動和擺度異常特征數據、振動和擺度月度趨勢數據、振動和擺度季度負荷數據、與上季度趨勢和異常對比數據、振動和擺度年度負荷數據以及與上年度趨勢和異常對比數據[6]。機組運行特征數據值包含上限值、下限值、內限值和外限值；機組狀態包括正常狀態、異常狀態和故障狀態。所述的正常狀態指機組的整體或局部沒有缺陷，或雖有缺陷但其性能仍在允許的范圍內；所述的異常狀態指缺陷已有一定程度的擴展，機組的狀態信號發生變化，機組運行性能已劣化，但仍可運行；所述的故障狀態指機組性能指標已有大的下降，機組不能維持正常工作[7]。對海量機組監測數據以日、月、年進行區分，采用貼標簽的方式進行數據篩選，利用各種分析、診斷策略和算法進行數據分析及故障診斷，實時掌握機組健康狀態，為安全運行、優化調度和檢修指導提供技術支持。數據狀態特征值標識如圖2所示。機組各測點振動擺度故障特征如表1所示[8-9]。

圖2 水電機組故障特征及狀態特征值標識圖

表1 水電機組各測點振動、擺度故障特征表

其中，若V≤Va，則判定機組為正常狀態；若Va≤V≤10%Va，則判定機組為異常狀態；若V≥10%Va，則判定機組為異常狀態故障狀態；V為水電機組整體或局部實測振動值，Va為國標要求振動允許值(即為振動允許值)。

3 模糊聚類標識數據智能分類及故障診斷

本次試驗選取流域電站A、B、C 3個水電廠2017、2018年數據，采用模糊C均值( fuzzy c-means， FCM) 聚類算法進行大值分類。選用將故障特征計入表格的方式進行分析診斷，將數值超出標準要求的振動值、擺度值視為故障，引入故障樹的診斷思路，尋找故障原因及故障位置。分析水機運行的劣化趨勢，定位了故障部位、故障原因和故障程度，給出了專家建議，評價機組的運行狀況，故障匹配及檢修建議。試驗中使用的數據如表 2，振動、擺度數據采集中最大值的測點進行對比如表3，水電機組大值樣本模糊聚類標識如圖3。

表2 試驗中使用的數據列表

表3 水電機組振動、擺度最大值對比

圖3 水電機組大值樣本模糊聚類標識圖

水輪發電機組運行過程中的狀態特征是判斷機組運行狀態和故障的重要依據[10-11]。常見的狀態有轉動部件不平衡或大軸軸線不直引起的擺度過大；尾水管渦帶；油膜渦動；不對中等。針對以上水輪發電機組狀態特點,引入了故障樹的診斷思路，尋找故障原因及故障位置[12-13]。

選取A電站水電機組2018年數據采集中最大值的測點振動、擺度大值歷史分布如圖3，得出故障位置，從而獲得檢修位置。

通過水電機組狀態特征標識，獲得較大振動、擺度位置次數，發現1 a內累計月度采集周期內落點次數超過6次，則定義為該位置出現故障，得出故障位置。A水電站機組故障位置分布于上導、下導、水導、頂蓋、上機架、下機架位置，上導、下導的X向、Y向擺度變化不大；在不穩定負荷區水導擺度值較大，超出規程規定的允許范圍。B水電站在整個運行時間段內，上機架、下機架振動的振動值在規程規定允許范圍內；頂蓋Y向水平振動在規程規定允許范圍內，頂蓋X向水平振動在負荷區52～55 MW 超出規程規定允許范圍，頂蓋垂直振動在不穩定負荷區超出規程規定允許范圍。C水電站在整個采集時間段內，蝸殼進口壓力脈動、導葉出口壓力脈動變化不大，個別突變值由負荷變化引起；頂蓋下、尾水肘管壓力脈動、導葉出口壓力脈動異常，需檢查相應傳感器的安裝方式及采集通道是否完好。水電機組趨勢特征見表4，水電機組故障診斷見表5。

表4 水電機組趨勢特征表

表5 水電機組故障診斷表

4 結 語

本文分析狀態特征標識，對電站機組運行狀態實時進行體檢式項目檢查，分析比較不同機組運行特性與規律，充分發揮領域專家分析診斷的作用，形成了水電機組狀態特征有效評估方法，有效解決了無法有效利用狀態監測數據機組故障診斷的問題，促進了機組的優化運行。本方法應用于流域水電站機組中，有效利用了水電機組各特征值，提升了水電機組運行診斷分析水平，為機組狀態檢修提供了技術支持和保障。