烏溪江水電站狀態監測診斷平臺建設及難點研究

鄭建鋒，陳澤陽，江振濤

（1.浙江華電烏溪江水力發電有限公司，浙江 衢州 324000；2.北京華科同安監控技術有限公司，北京 100043）

0 引言

浙江華電烏溪江水力發電廠有限公司坐落在浙江省衢州市，是中國華電集團公司內部核算企業，也是浙江電網的主力調峰電廠。作為烏溪江流域梯級開發的水電公司和國有大Ⅱ型企業，在浙江電網中承擔調峰、事故備用等作用。烏溪江水力發電廠由湖南鎮及黃壇口兩個電站構成梯級電站，一級站湖南鎮電站裝機5臺，二級站黃壇口電站裝機2臺，總裝機344.5 MW[1，2]。

2002年，烏溪江電站在湖南鎮1號機組上安裝了TN 8000水輪發電機組振動擺度監測分析系統，采用在線監測數據和處理結合，綜合MIS系統、監控系統和水輪發電機及輔助設備的運行狀態進行在線監測，為機組實現“關門運行”起到了重要作用[3，4]。

為了在其他機組上開展狀態監測與分析，并建立機組狀態監測智能數據平臺，2020年對烏溪江水電站所屬的湖南鎮電站2～4號和黃壇口電站5、6號機組，開展狀態監測系統搭建，同時基于全部機組的狀態數據，進行數據統一編碼、搭建智能平臺，最終實現多電站多機組的聚合監視、狀態報警、劣化和故障診斷功能。

本文針對烏溪江水電站現場的實際情況，結合已經安裝的機組狀態監測系統，開展狀態監測和診斷平臺的研究、設計與實施，針對其難點進行分析，并提出解決方案，最終為實現電站機組狀態檢修建立平臺依據和數據基礎，能夠為其他已經前期安裝、投入部分狀態監測系統的電站提供建設思路和參考。

1 平臺測點選擇

隨著計算機監控和各類在線監測系統的不斷普及，水電廠安裝了大量傳感器，這些測點的實時測量數據中，蘊含了豐富的機組狀態情況和有價值信息。多年以來，這些數據利用率并不高，主要用于統計、展示、報警，即使用于分析設備和系統狀態和故障情況，也基本處于定性分析層面，尤其是多數據之間的關系以及相互作用對設備與系統的影響過程、結果以及發展趨勢，無法量化、直觀地表現出來[5，6]。

因此，這里從機組可能產生的故障出發，反向推理對應這些故障需要采集和監測的信息，進而開展平臺測點的選擇，使得平臺建設的基礎—傳感器和數據測點具有較好的針對性和應用價值。

表1給出了該平臺研究的設備故障，和對應的測點信息。

通過結合機組故障相關的狀態特征，利用現場安裝狀態監測系統和機組監控系統的基礎特征值，診斷平臺開展計算特征值和相關特性的研究，以實現常見故障的診斷、評估和預測。

表1 水電機組常見設備故障及狀態特征表

2 系統功能設計

常規狀態監測系統通過聚合算法，將多個同類型傳感器數據聚合為多個監測界面，減少運行人員監盤工作量，并對機組各振動擺度監測點的峰峰值或最大值以結構示意圖、棒圖、表格、曲線等形式進行實時動態監測。

常規分析功能主要跟穩定性特性相關，例如時域分析主要反映連續的一段時間機組振動、擺度、壓力等信號波形隨時間的變化規律和幅值大小；頻譜分析用來比較對影響機組振動、擺度、壓力脈動的特征頻率的幅值，以及在不同工況下的變化和發展趨勢；軸心軌跡用來比較機組在過渡過程中形狀大小的變化、軸心渦動軌跡的變化[7]。

針對水電機組數據特點，尤其是水電機組運行狀態受到機械、電氣、水力多種因素影響，其作為慢速旋轉機械，提供部分特有的分析功能包括：

（1）空間軸線圖：分析過渡過程中擺線姿態、軸心位置、各大軸彎曲量和彎曲相位、推力軸承狀態、動平衡相位、盤車最大幅值和最小幅值的變化。通過暫態過程軸心軌跡，分析變轉速過程、變勵磁過程、變負荷過程軸軌跡的形狀、大小、渦動軌跡的變化，借此分析軸承的狀態。

（2）瀑布級聯圖：通過瀑布圖分析機組振因，確定影響機組運行穩定性的各種因素，通過級聯圖分析機組振因是否與轉速相關，以判定是否存在模態振動（比如轉速升高，引起機架或其它部件模態振動）

（3）極坐標圖、伯德圖：分析振動、擺度信號中倍頻成分（如1X）的幅值與相位的變化。

圖1 空間軸線圖

圖2 瀑布級聯圖

3 建設難點與實現

3.1 系統集成難點

除了現場新安裝的穩定性監測系統外，為了開展湖南鎮和黃壇口兩個梯級電站的數據集成與分析，智能數據平臺需在入庫前保證所有傳感器測點的統一化和標準化。另外，對電站原有子系統和其他數據平臺，既要保證其正常應用，還要完成與智能數據平臺的通信和集成。為了解決這些建設難點，智能監測診斷平臺設計實現了5個軟件接口，分別是數據統一接口、數據庫同步接口、數據訪問接口、數據庫級聯接口和其他協議接口。分別實現對接入的數據的統一、存儲、預處理、分析和通信功能。平臺采用統一的標準編碼規則，對匯聚的數據進行歸一化和標準化處理，再通過平臺智能算法，開展數據平臺的數據加工，實時計算各種量化特征指標，最終實現劣化趨勢預警、故障診斷、優化運行、在線統計等功能。

整個數據平臺結構示意圖如圖3所示。

圖3 平臺軟件接口結構示意圖

根據不同子系統的數據類型和特點，將子系統數據分成點數據和塊數據兩部分，并分別按照數據類型進行緩存；所有數據送至數據庫前，通過數據統一接口對其進行KKS編碼綁定，并通過編碼進行管理和存取。其他系統數據采用統一的通信規約和數據庫連接接口實現數據匯聚。

數據庫同步接口采用增量同步的方式，將源數據庫數據同步存儲到數據平臺。數據應用服務為外部應用程序提供標準統一的數據訪問接口，平臺可以同時接入大量不同的設備，并實現高效的拉取數據。利用數據庫訪問接口，可以將源數據庫當作外掛數據庫，需要數據時直接訪問讀取而無需進行數據庫轉存。

級聯接口是平臺與平臺之間的通信接口，可在多個數據中心之間進行結構化數據交互，是多個平臺級聯形成分布式系統、實現數據共享的關鍵。

利用其他協議接口，可以從智能數據終端讀取并存取數據，包括Modbus TCP、R232、R485等各種工業標準通信協議。

3.2 智能算法開發

為了保證人機訪問界面的效率，系統平臺在數據應用服務中，開發了智能流式算法引擎，在線加工計算各種特征量和指標量。

考慮到算法的擴展和更新，開發可視化算法配置和管理功能，對多個獨立運行的算法模塊進行配置。輸入數據來源于數據平臺，由算法引擎統一讀取，再分發給各算法模塊，避免數據重復調用。

各種算法模塊對各種監測參數進行在線算法加工和處理，形成各種中間計算量、特征指標和故障指標，相關指標的計算無需要人工干預，在機組運行過程中自動實時完成。

對部分機理明確的故障特征，采用常規基于規則的分析和診斷算法，包括頻譜分析算法、相關分析算法、專家系統算法等，而對于大量正常運行的狀態數據，則采用機器學習中的非監督學習方法開展分析，包括聚類算法、蟻群算法和GA算法等。由于采用了算法管理配置，因此可以隨著系統平臺的開發和實踐，逐漸完善、更新和增刪其他分析診斷算法。

圖4 平臺算法引擎結構示意圖

4 結語

在水電行業狀態監測系統安裝應用越來越廣泛的時候，如何在電站現狀的基礎上開展新增監測系統、完成所有數據集成和智能分析平臺建設，是很多水電站都會遇到的難題，本文利用烏溪江湖南鎮和黃壇口兩個梯級電站的狀態監測系統擴展項目，開展了整個平臺建設的設計與實施，尤其是開發了一系列通用接口，并設計實現開放的算法引擎，最終實現梯級電站的綜合分析與智能診斷。

智能平臺的開展與實施，為電站繼續推進的狀態檢修提供了軟硬件基礎，后續可以基于開放算法引擎接口，繼續開展智能化診斷、評估和預測技術的研究與應用，為保證機組高效、安全運行提供依據和條件。