水輪發電機振擺自適應動態閾值的研究與應用

刀亞娟，朱曉韜，戴 驅，吳永智，楊國慶，梁朝鈺

(華能瀾滄江水電股份有限公司，云南 昆明 650214)

1 問題的提出

在水輪發電機狀態評估、趨勢分析、故障預警中，判斷當前測值是否偏離正常值，是否有進一步劣化的趨勢非常重要。通常傳統的做法有2種[1]：①給監測指標設定某一告警限值，當監測值高于告警限值，判定為異常狀態，并輸出告警；②選取穩定工況下的監測指標進行計算(根據GB/T 6075.5—2002《在非旋轉部件上測量和評價機組機械振動》[2]，選取有功功率>70%額定功率)，計算監測指標變化率，當變化率超過設定值時，判定為趨勢劣化。目前水輪發電機組監控系統、在線監測系統對重要指標進行了監測[3-4]，對指標設定了告警限值；但為了避免誤告警，設定的限制較高，當機組達到告警限值時，可能已經發生了嚴重的故障。即使在穩定運行區域，水輪發電機組各監測指標同樣受到水頭、勵磁電流等工況的影響，且上下波動，直接采集計算的監測指標變化率仍然無法反應設備狀態真實情況。

圖1為某水電機組在穩定負荷下(70%有功功率以上)下機架垂直振動時間散點圖。從圖1可直觀看出，6月底，下機架垂直振動從20 μm上升到40 μm以上，難以界定是否要檢查處理。因此如何克服現有技術的不足，真正識別出超出正常范圍的情況，是目前水輪發電機狀態評估技術領域亟需解決的問題。

圖1 某水電機組下機架垂直振動時間散點示意

在水輪發電機組實際運行過程中，主機振動、擺度、溫度等重要監測指標受到各種因素影響，呈上下波動趨勢，有的波動為正常的工況導致的波動，有的波動為異常波動；在不同的工況下，監測指標的波動區域不一。因此，要實現對水輪發電機重要監測指標準確預警，必須解決2方面問題：①不同工況應有不同閾值，作為告警限值；②閾值應為歷史數據計算后自適應產生，且設置合理。

2 自適應動態閾值基本原理

本文提出的自適應動態閾值原理：機組正常運行時，監測指標存在一定的波動；異常時，監測指標呈趨勢性波動[5]。用常規的方法，難以區分監測指標波動由工況變化導致，還是設備本身存在異常。

(1)本方法計算出的自適應閾值，產生于本機組歷史數據，根據工況變化而呈動態變化；閾值反應了監測指標的集中趨勢，并隨著歷史數據的積累，閾值更加準確。

(2)設備正常運行時，監測指標在某一區間波動，閾值反應了這個區間的正常上下限；而閾值的計算，來源于統計學方法和專業經驗。

(3)計算機系統在數據采集、存儲等環節，會產生一定的離群數據，會影響計算結果，本方法在閾值計算前，采用統計學方法對離群值進行了刪除。

(4)若因工況變化導致的波動，本文方法計算出來的越限比將低于100%；若設備本身劣化導致的波動，本文方法計算出來的越限比將高于100%。越限比高于100%能夠真實反應設備劣化情況。

3 自適應動態閾值計算步驟

自適應動態閾值計算步驟見圖4，具體包括：

(1)獲取系統采集數據。包含時間、發電機有功功率、機組水頭、勵磁電流和監測指標等數據。

(2)數據篩選。選出有功功率≥70%額定功率的數據。

(3)工況分段。對選出的數據按有功功率、機組水頭、勵磁電流3個工況指標進行分段，每個工況指標平均分為N段，并打上分段標記。

(4)將數據分為樣本數據集、監測數據集。監測數據集時間段確定后，選取監測數據集起始時間上一年數據作為樣本數據集。

(5)對樣本數據集進行數據清洗，得出有效樣本數據集。①有功功率、機組水頭、勵磁電流3個工況指標的任意一種組合為一種工況，3個工況指標每個分N段進行排列組合后，共有N3種工況；②計算每一種工況下樣本數據集監測指標的第一個四分位和第3個四分位，第1個四分位記為監測指標_FirstQuartile，第3個四分位記為監測指標_ThirdQuartile；③計算離群值上限，監測指標離群值上限=監測指標_ThirdQuartile+1.5×(監測指標_ThirdQuartile-監測指標_FirstQuartile)；④計算離群值下限，監測指標離群值下限=監測指標_FirstQuartile-1.5×(監測指標_ThirdQuartile-監測指標_FirstQuartile)；⑤刪除樣本數據集中高于離群值上限，或低于離群值下限的數據，得出有效樣本數據集。

(6)對有效樣本數據集進行計算，得出閾值上下限。①計算每一種工況下，有效樣本數據集中監測指標的最大值、最小值、算數平均數，其中，監測指標的最大值記為監測指標_max，最小值記為監測指標_min)，算數平均數記為監測指標_mean；②計算每一種工況下，閾值上下限：監測指標閾值上限=監測指標_max+0.25×監測指標_mean，監測指標閾值下限=監測指標_min-0.25×監測指標_mean。

圖2 自適應動態閾值計算步驟

(7)將閾值上下限寫入監測數據集。監測數據集增加2列數據列，按照工況標記，每一行數據均填入監測指標閾值上下限。

(8)對監測數據集計算越限比。監測指標越限比=監測指標實測值/監測指標閾值上限×100%。

(9)監測與可視化展示。當越限比大于100%，啟動計時；當越限比大于100%，計時大于設定時間時，輸出告警，繼續監測；當越限比小于100%，或者越限比大于100%不超過設定時間時，繼續監測。

圖3為某機組穩定工況下，在其監測指標時間散點圖上增加兩條線——閾值上、下限后所示的閾值時間散點圖。閾值是指在當前工況下，根據歷史數據通過算法得出的，是機組歷史的正常運行范圍。從圖3可看出，特征值的波動在閾值范圍內，屬于工況導致的波動。

圖3 下機架垂直振動閾值時間散點示意

閾值上下限并不能滿足“智能化”的需求，仍需要人工辨別是否越過上限、是否逐步靠近上限等問題，這時，通過越限比可以看出特征值是否劣化。越限比是指當前測值與歷史同工況測值(閾值上限)比較的相對值。圖4為越限比散點示意，可以明顯看出，在下機架振動明顯上升的6、7月，越限比十分穩定，即趨勢十分穩定。

圖4 下機架垂直振動越限比監視

4 應用實例

對某水電站1號機上機架振動進行狀態監測。1號機采集了上機架+X向水平振動峰峰值[6]、機組水頭、有功功率、勵磁電流時間序列數據。該機組額定有功功率700 MW，正常運行時，有功功率在0～719 MW之間波動，水頭在156～235 m之間波動，勵磁電流在1 656～3 264 A之間波動。對2020年1月至10月上機架振動情況進行評估，自適應動態閾值實施步驟為：數據采集與獲取—工況分段且標記—樣本集數據清洗—閾值上下限計算—越限比計算—結果輸出。

4.1 數據采集與獲取

通過計算機監控系統采集上機架振動數據，包括時間、機組有功功率、機組勵磁電流、機組水頭、機組上機架+X向水平振動峰峰值監測數據[7]，如表1所示。數據波動幅度大于5%以上時，數據采集設備要將數據進行采集和存儲，時間坐標一致，時間精確到分鐘及以上。表1中，選擇“機組有功功率≥490 MW”的數據(70%額定有功功率)，其余數據刪除。

表1 上機架+X向水平振動峰峰值監測數據

4.2 工況分段及標記

對數據按有功功率、機組水頭、勵磁電流3個工況指標進行分段，每個工況指標平均分為10段[8]，并分段標記。

490～719 MW有功功率區間分段后，增加一列命名為“機組有功功率_BIN”，對數據進行分段標記，計算機隨機產生不重復的數字標記填入該列,本案例填入[1,2,3,4，…，10]。如：有功功率為490 MW時，機組有功功率_BIN標記為1。

機組水頭范圍為156～235 m區間分段后，增加一列命名為“機組水頭_BIN”，對數據進行分段標記，計算機隨機產生不重復的數字標記填入該列,本案例填入[1,2,3,4，…，10]。如：機組水頭為158 m時，機組水頭_BIN標記為1。

勵磁電流范圍為1 656～3 264 A區間分段后，增加一列命名為“機組勵磁電流_BIN”，對數據進行分段標記，計算機隨機產生不重復的數字標記填入該列,本案例填入[1,2,3,4，…，10]。如：勵磁電流為1 700 A時，機組勵磁電流_BIN標記為1。

所有數據都打上了工況標記，如表2所示。

表2 上機架+X向水平振動峰峰值工況標記

4.3 樣本集數據清洗

(1)將數據分為樣本數據集、監測數據集。監測期開始時間為2020年1月1日，以此為節點，將數據劃分為2個數據集。2020年1月1日以前為樣本數據集，用于計算閾值；2020年1月1日后為監測數據集，用于狀態監測或趨勢分析。

(2)對樣本數據集進行數據清洗，得出有效樣本數據集。①由機組有功功率_BIN、機組水頭_BIN、機組勵磁電流_BIN工況標記的任意組合，定義為一種工況，如：“機組有功功率_BIN=1，機組水頭_BIN=1，機組勵磁電流_BIN=3”為一種工況，一共有1 000種工況。②計算1 000種工況中每一種工況下，“機組上機架+X向水平振動峰峰值”的第1個四分位(記為：“機組上機架+X向水平振動峰峰值_FirstQuartile”)、第3個四分位(記為：“機組上機架+X向水平振動峰峰值_ThirdQuartile”)。③離群值上限計算，+X向離群值上限=機組上機架+X向水平振動峰峰值_ThirdQuartile+1.5×(機組上機架+X向水平振動峰峰值_ThirdQuartile-機組上機架+X向水平振動峰峰值_FirstQuartile)。④離群值下限計算，+X向離群值下限=機組上機架+X向水平振動峰峰值_FirstQuartile-1.5×(機組上機架+X向水平振動峰峰值_ThirdQuartile-機組上機架+X向水平振動峰峰值_FirstQuartile)。⑤刪除樣本數據集中高于離群值上限，或低于離群值下限的數據，得出有效樣本數據集。

計算后，數據表格增加了離群值上限、離群值下限兩列，如表3所示。

表3 上機架+X向水平振動峰峰值離群值上下限

4.4 閾值上下限計算

計算每一種工況下，“機組上機架+X向水平振動峰峰值”的最大值(記為“機組上機架+X向水平振動峰峰值_max”)、最小值(記為“機組上機架+X向水平振動峰峰值_min”)、算數平均數(記為“機組上機架+X向水平振動峰峰值_mean”)。

機組上機架+X向水平振動閾值上限=機組上機架+X向水平振動峰峰值_max+0.25×機組上機架+X向水平振動峰峰值_mean

機組上機架+X向水平振動閾值下限=機組上機架+X向水平振動峰峰值_min-0.25×機組上機架+X向水平振動峰峰值_mean

將閾值上下限寫入監測數據集，如表4所示。

表4 上機架+X向水平振動峰峰值閾值上下限

4.5 越限比計算

機組上機架+X向水平振動越限比=機組上機架+X向水平振動峰峰值/機組上機架+X向水平振動閾值上限×100%。計算結果如表5所示。

表5 上機架+X向水平振動峰峰值越限比

4.6 結果輸出

當越限比大于100%，啟動計時，計時大于1 min 時，輸出“機組上機架+X向水平振動峰峰值趨勢超限”告警，繼續監測；當越限比小于100%，或者越限比大于100%不超過設定時間時，繼續監測。結果可視化展示。

5 結 語

自適應動態閾值可應用于機組狀態評價、劣化預警，與現有方法比，改進效果如下：

(1)現有技術對監測指標越限情況、變化率單獨計算，未進行標準化處理，不利于后續計算以及可視化展示。本方法進行標準化處理后，多個有關聯性監測指標可進行同一界面展示。

(2)機組在不同工況下，各指標波動范圍有所區別，本論文計算的閾值為動態限值，超越閾值則真實反應了監測指標的劣化狀況。機組運行情況復雜多變，各監測指標不僅受運行工況影響，還可能受到負荷調節速度、電網波動等偶發因素影響，本發明對閾值上下限進行了修正，留有一定余量，更大程度上避免了誤告警。

(3)隨著運行年限增加，機組狀態發生了改變，屬于正常的老化，隨著數據累積，閾值范圍將會自行修正，不需要人為干預。

(4)水電機組狀態數據來自各個系統，在數據采集、匯集等環節，可能出現一些離群數據，或是噪點，若用全數據計算閾值，離群值會影響閾值精度，本發明在計算閾值前，對數據進行了自動清洗，保留了有效樣本。