水电机组故障诊断技术的应用现状与技术发展

潘罗平，唐波,周叶,唐澍

(1.中国水利水电科学研究院水力机电所,北京100038;2.三峡总公司机电工程部,湖北宜昌443002)

水电机组状态检修是以水电机组的运行状态为基础的预防维修方式，它根据机组状态监测和故障诊断系统提供的信息，经过统计分析和数据处理，来判断机组的整体和部件的劣化程度，并在故障发生前有计划地进行针对性维修，能明显提高水电机组运行的可靠性，延长机组维修周期，降低水电机组检修费用。

要在水电厂逐步推行“状态检修”技术，首先需要进行设备状态监测和故障诊断技术的研究、推广和应用。通过测量、采集和数据获取机组工作状态，将获取的状态监测数据进行综合评估和诊断，对机组可能发生或已发生的故障进行预测和判断，提出消除解决故障的措施和办法。

水电机组属于低速旋转机械，故障的发展一般是渐变过程，突发的恶性事故比较少，故障的发展有一个从量变到质变的渐变过程，使得利用状态监测、故障诊断和趋势分析技术来捕捉事故征兆、早期预警和防范故障成为可能。因此，为了最终实现状态检修机制，指导机组安全经济运行，故障诊断方法的研究和应用具有重要的现实意义和工程应用前景。

1 故障诊断技术应用现状

近年来，状态监测技术，在水电厂也得到了较为广泛的应用，但故障诊断技术的研究，却大多停留在理论阶段，实际应用也仅限于机组某部件或某种故障的诊断，能够对状态检修起指导作用的成熟的故障诊断系统还没有。

国内产品大多还不具备智能故障诊断功能，仅提供机组运行状态数据供工程技术人员处理和分析，由人工判断机组健康状态和潜在故障。相对来说，国外产品系统结构较为完整，已初步具备智能故障诊断功能，具有故障库平台、征兆输入接口、规则编辑工具和诊断结果解释等功能模块。但由于至今为止在水电行业应用较少，且不能做到故障定位，输出的诊断结果还是需要技术人员或专家最终分析判断，因此在诊断后期处理上，仍然需进一步的研究和开发。具有代表性的有美国GEBently公司的System1系统平台、瑞士Vibro-Meter公司的VM600系统和丹麦Rovsing公司的OPENpredictor系统。

美国GEBently的System1系统平台，是美国纽约电力局(NYPA)针对水电机组状态检修实行的HydroX项目所采用的平台，该平台提供了决策支持模块(DecisionSupport)，采用规则推理为主、神经网络为辅的综合诊断方法，其RuleDesk子模块允许接收监测系统传送的状态数据和故障征兆，并允许用户将知识和案例输入到系统中，将数据转换为可用信息。而RulePak子模块作为故障知识库，保存了大量机组故障规则知识，能够对机组常见故障进行智能诊断[1]。其具体诊断流程如图1所示:

图1 美国GEBently公司RulePak诊断模块基于规则的推理流程

瑞士VibroMeter公司的VM600系统则提供了完整的诊断规则工具箱模块，可以在故障库中生成标准的诊断过程模版，并在条件匹配时自动进行故障诊断。其诊断推理采用的仍然是基于规则的故障推理方法，由于提供了较为强大的规则编辑工具，其征兆输入、规则组合和诊断结果输出能完全由用户定制，结构功能较为完整。

2 故障诊断原则

故障诊断系统是一个由软硬件组成的框架平台，其诊断能力和应用效果取决于诊断知识的多少，故障知识来源于相关专业领域故障的分析和研究。对水电机组需要诊断的部位和可能发生的故障，必须进行详细调研和需求调查，确定哪些可以诊断，哪些需要诊断，以及哪些可以进行机理研究实现智能诊断。

奥地利的VATECHHYDRO监测与故障诊断中心提出，对于水电机组可能发生的故障，基于计算机监测诊断系统的局限性，可以分为三类，以此为依据我们可以逐步实现机组主要部件的故障诊断。

a)故障机理基本清楚，且能够用数学算法描述出来的故障，可以用基于计算机的模块进行智能诊断；

b)故障机理基本清楚，但不能用数学算法描述的故障，不能被基于计算机的模块诊断识别发现；

c)机理尚不清楚的故障，尽管它们发生了，目前还不能被基于计算机的诊断模块诊断。

在故障诊断系统中，每一种类型的机器故障或故障机理，都必须能按照诊断系统的程序规则，绘制故障推理流程图来描述该故障，给出相应的征兆输入和诊断结果输出，并输入到知识库中，才能让平台实现自动智能诊断。因此，诊断系统能够诊断某一故障的前提是我们能清晰的给出该故障推理的逻辑关系，并能够用计算机语言描述出来。

对故障机理基本清楚的故障，如水电厂保存的故障案例，必须按照数学算法或推理规则转换为计算机语言，这是建立故障诊断知识库的系统框架后，需要大量专业人员和工程师投入才能完成的工作，也是故障诊断系统能够在现场发挥实际工程应用的重要步骤。

近年来，国内广州抽水蓄能水电站和大亚湾核电站在美国RCM专家的指导下，开展实施了以可靠性为中心的状态检修项目(ReliabilityCentreMaintenance，简称为RCM)，对故障机理清楚的关键系统进行RCM分析，分析确定这些关键系统的功能和性能标准；再判断这些功能的失效模式和可能原因；通过分析故障影响和故障后果，最终利用决策树确定不同设备采用的维修类型和频度。现阶段已经完成的《维修导则》和《维修大纲》纸质报告，可以说是故障知识库的雏形，也是故障诊断知识规则化的一次尝试。

3 故障诊断方法

水电机组的故障诊断过程首先必须提取机组状态特征和故障征兆，然后进行故障的推理和识别，最后是故障趋势的预测和结果分析。其中故障的推理识别方法，一直是研究的热门话题，故障诊断技术经过十几年的迅速发展，到目前为止已经出现基于不同原理的众多方法。目前应用在水电领域较多的诊断方法有:基于规则的诊断方法、基于神经网络的诊断方法、基于故障树的诊断方法、基于贝叶斯网络的诊断方法、基于灰色理论的推理方法等，由于篇幅限制，这里仅对目前应用较多的基于规则和基于神经网络的诊断方法进行简单的论述。

3.1 基于规则的诊断方法

基于规则的推理方法，是知识工程师构建专家系统最常用的方式，也是现阶段实践中应用较多的方法，这主要归功于大量成功的基于规则的专家系统实例和可行的基于规则的专家系统开发工具的出现。而基于规则的专家系统的工作模型，即我们常见的产生式规则，虽然它的思想比较简单，却十分有效。甚至可以说，产生式规则是整个专家系统的基础，专家系统就是由产生式系统发展而成的，目前较为成熟和系统化的水电机组故障诊断系统，大多基于这种推理方法。

在基于规则的产生式系统中，知识分为两个部分:事实用来表示静态知识，如事物、事件和它们之间的关系；用规则表示推理过程和行为，由于这类系统的知识库主要用来存储规则，因此又把产生式系统称为基于规则的系统(Rule-Based System)。

对水电机组而言，事实就是水电机组不同类型的部件和故障，以及他们之间简单的对应关系；规则就是故障发生的过程推理，以及征兆和故障对应的逻辑关系。

图2为GEBently公司的System1平台采用规则推理对电机铁芯过热采用的诊断流程。

图2 电机铁芯过热诊断流程图

3.2 人工神经网络诊断方法

人工神经网络(ArtificialNeuralNetwork,简称ANN)是模拟人类神经系统传输、处理信息过程的一种人工智能技术。自1943年Mcculloch和Pitts第一次提出模拟神经元以来，它迅速发展成为与专家系统并列的人工智能技术的另一个重要分支，与基于规则的专家系统相比，人工神经网络具有独特的容错、自学习、自适应等优点[2]。

运用神经网络技术进行故障诊断可以看作模式识别过程。通过大量状态参数的测量，用神经网络从测试空间影射到故障空间来实现故障诊断。训练过的神经网络能存储有关过程的知识，能直接从定量的、历史故障信息中学习。可以根据对象的历史数据训练网络，然后将此信息与当前的测量数据进行比较，以确定故障。

人工神经网络具有滤出噪声及在有噪声情况下做出正确结论的能力，可以训练人工神经网络来识别故障信息，使其在噪声环境中有效的工作，这种滤除噪声的能力使得人工神经网络适合在线监测和诊断。

人工神经网络对知识的掌握是通过对样本的学习来实现，通过对大量实例的学习来修正全职，最终掌握输入与输出之间的关系。对水电机组而言，状态监测系统建立的时间还不长，机组实际发生事故的几率也很低，因此获取事故的实例并不丰富，因此，神经网络诊断方法在实际应用中目前还存在一定困难。但基于神经网络的诊断方法其容错除噪和特征提取功能，能保证对机组设备故障诊断的准确性和有效性，在实际应用中方法比较直观、有效，易于进行计算机实现，容易与其他诊断方法结合进行故障诊断。当前，基于规则的专家系统与神经网络诊断方法相结合，充分利用专家系统的组织结构优点和神经网络的学习推理能力，是目前研究和应用的一个趋势。

4 故障诊断技术的发展

现阶段机组状态监测和故障诊断系统并不能完全避免机组的所有故障，但好的水电机组故障诊断系统应该能够提供两个主要功能，一个是在故障未发生时，提供机组运行健康状态和故障预警，避免和预防故障的发生，为实现状态检修提供技术支持，二是在故障即将发生或已经发生时，减轻故障影响和事故后果，并指导后期维修。另外，故障诊断专家系统还可以使水电厂和水电专家常年积累的专业知识，得以系统化的保存、再现和应用。在近几十年，水电机组故障诊断技术取得了较大的进展，主要表现在以下几个方面[3]:

(1)计算机技术的发展使得水电机组状态监测技术日益完善。市场上已经出现较为成熟的水电机组状态监测系统，水电厂积极开展状态监测设备的安装和应用，使得状态检修这种科学的检修制度有了一定的技术基础，并使得实时诊断成为可能。

(2)故障诊断方法不断出现新成果。贝叶斯网络、灰色理论分析、时间序列分析、全息谱分析、故障诊断专家系统、人工神经网络系统等技术在故障诊断中得到了较为广泛的研究和初步应用。这些方法的出现使得水电机组故障诊断水平得到了一定的提高。

本文通过对现阶段自动气象站在农业发展中所起到的作用入手，结合相关防雷措施，对自动气象站的防雷技术进行研究发现，只有通过采取合适的措施，提高自动气象站的防雷效果，才能实现农业的进一步发展。

(3)传感器技术和检测技术的发展，如超声波技术、声发射技术、热成象诊断技术、油样分析技术等技术的应用日趋成熟，扩大了故障诊断技术在水电机组的应用范围。

(4)国内外从事故障诊断的专业人员和专业机构大大增加。近年来,国内外许多高校和研究院就设置了故障诊断方面的研究，开展了大量水电机组故障诊断课题的研究，既培养出一批故障诊断专业人才，也出了一些研究成果，加快了水电机组故障诊断技术学科的发展。

5 故障诊断技术的不足

由于故障诊断需要状态监测系统提供大量的机组状态数据，因此，故障诊断的初级功能，往往是作为状态监测系统中高级功能模块出现，而现阶段国内外应用的水电机组状态监测系统大多不具备故障诊断功能，仅提供机组状态数据供工程人员处理和分析，并由人工判断机组健康状态和潜在故障。整体而言，目前水电行业的故障诊断系统应用情况还存在许多不足，还不能满足水电厂状态检修的实际需要，其主要原因总结如下:

(1)诊断方法和诊断平台的可用性不足。诊断方法在技术研究层面进行的较多，人工神经网络、专家系统、贝叶斯网络、灰色理论等诊断方法在高校和科研院所都已进行了大量的研究，但涉及技术实现和现场应用的较少，缺少足够的电厂实践经验。国内故障诊断软硬件平台一直没有成熟的商业化产品出现，仅作为水电机组状态监测系统报警功能的扩展，不具备独立的智能诊断功能，大多只能给出简单的文本消息提示。故障诊断是一门实践性极强的技术，研究人员必须结合从事现场实际诊断的工程技术人员以及具有丰富领域知识的专家，将具体的案例转换为计算机可以识别的规则，并将推理机制与实际诊断思维方法、诊断信息相结合，才能建立接近人工诊断的推理系统机制。在没有成熟的商业化诊断平台之前，很难进行专家知识的收集和积累工作。

(2)知识库缺乏水电故障诊断知识的支持。诊断知识库缺乏足够的水电机组诊断知识支持。电厂机组常年的运行和大小修，可以得到许多机组的故障案例和宝贵的运行维修经验，但大多数电厂只是以纸质或电子档案的形式保存案例，并不具备系统化的利用价值。

(3)部分水电故障机理尚不明。水力机械的振动故障复杂，除了考虑机械方面的原因外，还需考虑流体、动力以及发电机电磁力的影响，且某些故障的产生机理及表现形式还没有研究透彻，一定程度上增加了故障诊断的难度。

6 故障诊断技术的展望

我国水电机组故障诊断系统的研究开发工作尚处于不断创新和发展的阶段，尤其是故障诊断技术在电站应用较少，还未形成一套完善、可逐渐改善的系统结构模式，作为对建立“无人值班、少人职守”和“厂网分开、竞价上网”等符合市场经济规律的现代化管理模式的强有力的技术支持，水电机组故障诊断系统的应用前景将是十分广阔。个人认为，在今后的研究和应用中还有许多工作需要开展，尤其是故障诊断理论的研究和现场应用实践两方面都要同步进行。

具体需要研究并总结机组主要设备常见故障和特殊故障的表现特征及危害程度；研究并挖掘机组主要设备隐含故障的表现特征及发展趋势；研究并总结机组主要设备运行健康状态下的特征参数，建立机组运行健康状态的评估标准；

(2)需要进一步加强诊断平台的研究和建设。目前国内还没有具有较高易用性和实用性的水电机组故障诊断系统商业化平台，因此水电站的故障诊断工作很难开展，高校和科研院所的诊断方法研究也很难集成体现在诊断平台中，在水电厂现场得到实际应用和发展。

(3)进行多种方法联合诊断的研究。目前故障诊断技术的研究和应用趋势是多方法多参数联合诊断，能够有效克服某种方法的局限性，充分发挥一些技术方法在针对特定类型故障的诊断优点[4]。

如GEBently公司的System1平台就采用基于规则的推理方法为主，人工神经网络诊断方法为辅的诊断策略，对于机理清楚、征兆明显的机组运行情况，可以通过基于规则的推理方法，直接得到故障诊断的结果，并给出相关处理建议和意见。如果系统得到的征兆并不能满足当前诊断规则，或者推理条件不足时，可以采取人工神经网络诊断方法，将得到的信号征兆输入到已经预先训练好的神经网络中，进行权值计算，最终得到可能的机组故障诊断结果。

(4)进一步进行水电机组故障机理研究。由于大型水电机组的结构复杂，对机组振动的影响原因很多，其故障是机械、电磁和水力等因素联合作用的结果，对深层次故障机理的研究还很缺乏，为了提高故障诊断准确率，有必要对深层次的故障机理进行广泛研究。如对水电机组水力振动与稳定性、空化空蚀、关键部件应力与裂纹以及发电机绝缘等故障状态进行重点研究，并总结其故障类型、故障原因和处理办法，建立一个较为完善、方便使用的故障知识检索系统。

随着我国电力工业的迅速发展和我国多年来从事的故障诊断工作研究,水电站设备故障诊断技术及故障诊断系统日益引起制造厂、电厂和科研院所的认识和重视。通过对国内外水电站故障诊断技术及应用情况的了解，认识故障诊断系统存在的不足,积极开展故障诊断系统的研究工作,将会更快地推动我国水电机组故障诊断技术的发展。

[1]潘罗平,周叶，等.水轮发电机组状态监测技术的现状及展望[J].水电站机电技术,2008，12

[2]孙竹梅,张丽香.人工智能技术在国内电厂中的应用研究[J].电力学报,2005，2.

[3]罗一新.机械故障诊断技术趋向分析[J].机床与液压,2002，2.

[4]陆春月,王俊元.机械故障诊断的现状与发展趋势[J].机械管理开发，2004，12.