基于故障参数辨识的水轮发电机组综合状态监测系统研究

2017-05-06庄明

水电站机电技术 2017年4期

关键词：摆度水轮水口

庄明

（福建水口发电集团有限公司，福建福州350004）

基于故障参数辨识的水轮发电机组综合状态监测系统研究

庄明

（福建水口发电集团有限公司，福建福州350004）

随着智能化电站建设和无人值守管理的需求，以智能化诊断为特征的综合状态监测系统越来越得到国内外的关注和应用。福建水口发电集团开发和实施了基于故障参数辨识的水轮发电机组综合状态监测系统，该系统实现了对多站多设备一体化集中状态监测，同时建立了对水电站主要关键设备主要故障的自动化智能诊断，为实现水轮发电机组和电力系统的安全运行取得了显著效果。

状态监测；自动化辨识；模型特征；参数指标；判定标准

1 项目背景

福建水口发电集团有限公司是华东地区最大常规水电发电企业,下辖水口水力发电站、嵩滩埔水力发电站、水东水力发电站、雍口水力发电站、街面水力发电站5座水电站，共安装有17台水力发电机组，总装机总容量1 866 WM。随着水口发电集团装机容量的扩大、总容量的提高以及在电力系统中调峰调频的作用越来越大，其机组的安全运行重要性越来越突出。福建水口发电集团有限公司在福建电网乃至华东电网具有举足轻重的作用，为保障海峡西岸经济和社会可持续发展发挥了积极作用。

为满足电站智能化管理，无人值守的需求，福建水口发电集团有限公司在福州开发建立了远程综合分析诊断系统，实现了对多站多设备一体化集中状态监测和水电站主要关键设备（发电机组、主变、高压开关、辅机等）主要故障的自动化诊断、水轮发电机组常规试验的全自动化在线数据采集和全自动化在线智能分析评价。本文就该系统关键环节的设计和应用作简要介绍。

2 系统总体结构设计

2.1 系统拓扑结构

系统拓扑结构见图1。

（1）在水口、嵩滩埔、水东、街面、雍口各水电站厂站侧，安装在机组各部位的传感器将各种物理信号转化为电信号，传送到各信号采集装置，采集装置将这些信号采集和处理，得到反映机组运行状态的各种特征参数、曲线、图表等，统一存储到电厂厂站侧状态数据服务器。电厂厂站侧的通讯服务器负责向综合状态监测系统的数据服务器传送实时数据和历史数据，发布数据服务器中的数据、分析结果、诊断结果，包括与本地或者远程的监测、分析、诊断、维护工作站的交互。

图1 系统网络拓扑图

（2）综合状态监测系统设立若干状态监测数据存储管理服务器、若干应用服务器、状态辨识及实时分析诊断服务器，其中状态数据存储管理服务器接收由厂站侧传送来的实时数据和历史数据，并完成存储状态数据、压缩、分发等操作，对状态数据实现管理。而应用服务则负责发布数据服务器中的数据、分析结果、诊断结果，包括与本地或者远程的监测、分析、诊断、维护工作站的交互。

（3）状态辨识及实时分析诊断服务器是本系统中关键的计算机系统之一。它在后台自动接收厂站侧传送来的实时数据，并对“基本状态”参数进行越限报警检查、调用恰当的历史数据进行趋势状态辨识，同时计算“深层状态”参数，并对计算后的各“深层状态”参数进行趋势状态辨识。

（4）连入综合状态监测系统的每一台计算机，既可以通过电厂状态数据服务器中的数据进行分析诊断，也可以直接访问综合状态监测系统服务器的数据进行分析和诊断。

2.2 系统软件框架结构

系统从软件逻辑结构上分为3层：

第1层为数据获取层和压缩及格式转换与传输层，主要是从水口、嵩滩埔、水东、街面、雍口电站厂站侧的在线监测系统获取实时数据和历史数据。包括振动摆度数据、压力脉动数据、机组温度数据、工况参数、主变状态数据、高压设备状态数据、辅机设备状态等。

第2层为数据管理层，主要完成实时数据的融合、存储、管理与发布，以及对历史数据的按需存储、发布。在数据获取层获得实时数据和历史数据，自动提取能反映设备运行状态和故障状态的关键特征参数，并对这些特征参数进行判定、趋势辨识，实现对运行状态的监视、保护和趋势预测；并为外部后台的分析诊断、管理等应用程序提供标准统一的数据访问接口。

第3层为后台交互式监测、分析、诊断决策应用，本系统的后端监测分析、综合分析诊断决策等模块具备数据挖掘功能，包括大量的监测分析诊断模块。分析诊断模块包括两个软件模块，一个是基于C/S模式的综合分析诊断模块，包括了完整的监测、分析诊断功能，另一个是基于B/S模式的监测和趋势分析模块。

系统的构架示意图如图2所示。

3 基于故障参数辨识的智能分析诊断系统的研究

分析诊断的智能化长期以来一直是水轮发电机组故障诊断的瓶颈，因此本系统着重在这方面进行了研究和设计。此次建设的远程分析诊断系统针对水轮发电机组常见的几种主要故障建立明确的故障辨识模型，针对每一种故障提出可量化的故障指标集，参照机组历史数据和国家标准确立故障指标的判定标准，利用在线监测系统实时采集的数据，由计算机在线自主进行故障特征提取，并与故障指标的判定标准进行比较，实现机组故障的在线自主分析诊断。

图2 系统构架示意图

图3 系统诊断模式

本系统研究的重点在于故障诊断模型建立、故障特征指标集确立、故障判定标准等多个方面。

3.1 系统支持的故障诊断模型简述

系统在总结和分析水电机组常见故障机理的基础上，结合水口集团机组结构特点，确立故障辨识模型（表1）。

3.2 故障特征指标集及判定标准

在建立了故障的数学模型,确立故障特征集之后,判定标准体系的建立成了自主分析诊断系统能否实用化的关键。在本系统设计实施过程中，故障判定标准体系的建立存在以下困难：

（1）没有可以直接参照的国家标准、行业标准

正常来说，如果有相关可借鉴的国家标准、国际通用标准或行业标准，那么首先应该采用上述标准。然而在本项目中，诊断系统提出的故障特征指标集很多都是本项目首次提出，并不是常规意义上的机组摆度、振动参数，因此根本无法依据国家标准或行业标准。只有部分参数可参照国家标准及行业标准。

表1

（2）依据真机测试数据难以建立全面的故障判定标准

建立标准的另外一个技术路线是采用真机测试数据。但是对于故障诊断标准而言，这将是一个不可能实现的过程。

1）对于某一台机组而言，不可能出现那么多实际的故障，当然不可能获得那么多的测试数据；

2）真机模拟故障试验困难，很多故障对机组的可靠性和健康程度有巨大的损伤，因此通过模拟故障的方式在真机上进行数据测试也是不可能的。

因此，在本项目中，故障指标集的判定标准建立过程来源于多种技术途径，详细说明如下：

（1）直接参考采用国家标准、行业标准:DL/T 507《水轮发电机组启动试验规程》、GB/T 8564-2003《水轮发电机组安装技术规范》等；

（2）根据真机目前测试获得的实际特征参数值统计数据,按照一定安全裕度确定参数判定标准；

（3）根据其他相近结构机组发生故障时候测试得到的数据确定参数判定标准。

本系统在水口集团各电站机组上建立并应用的故障特征指标集及部分故障判定标准见表2（仅以水口及水东电站为例）。

4 应用情况

远程综合分析诊断系统的投入为水口集团快速全面掌握关键设备运行健康状态提供了重要保障，大大提高了机组的安全稳定运行，且为掌握机组运行特性，指导机组运行以及设备检修积累了大量宝贵数据，同时利用系统提供的综合分析诊断工具，目前系统中的核心技术，如一体化状态监测、机器自主故障诊断、机组试验自动化分析评价技术，已在全国其他多家水电站进行了有效推广，在设备故障定位和缺陷分析中发挥了显著作用，特别是对于水轮发电机组主要故障中冲击信号故障的诊断识别方法得到首次应用，基于Hilbert变换的数字包络检测技术对水轮发电机冲击信号故障进行诊断识别功能已在水口集团各机组上得到了实际的验证。

表2

图4和图5为水口6号机组实际测得的水导摆度冲击信号波形，从图4可以看出，机组在摆度160μm时，水导摆度波形中并不存在冲击信号波形，随着摆度的增加，由于机组水导轴承处轴瓦间隙是固定的，不会增加，当摆度增大到一定程度后，轴瓦间就会出现轻微的摩擦，此时就会产生冲击信号波形，当机组运行过程中水导摆度达到800μm时，水导摆度波形中出现了明显的冲击信号波形。此现象在现场也得到了验证，6号机组在检修时，对水导瓦进行了全面检查，发现水导瓦表面有轻微的磨损迹象，说明采用基于Hilbert变换的数字包络检测技术对水轮发电机冲击信号故障进行诊断识别的理论模型和计算原理是可行的。

图4 水导摆度160μm时冲击信号波形

图5 水导摆度800μm时冲击信号波形

5 结论

水口集团建立的综合分析诊断系统，为快速全面掌握关键设备运行健康状态提供了重要保障，大大提高了机组的安全稳定运行，也为实现状态检修奠定了坚实的技术基础。但是，虽然系统实现了机组的若干种常见故障的自动化诊断，对于转轮水下部分（比如汽蚀空化等）等部位的故障研究较少，因此应进一步研究机组其他故障的诊断模型、故障特征参数的辨识方法和判定标准。

另外，目前建立的故障模型是根据已知的故障机理和实际发生的故障不断总结而来，应该说其实用性在工程实际中已经得到了一定的验证。但理论模型总是实际系统的理想简化，与工程实际还是有一定的差别，还需要根据实际的测试数据不断的完善。因此，根据实际测试数据和机组的劣化过程进一步精确化故障诊断模型、完善评价标准是本项目进一步的研究工作。

[1]李宏国.水洛河流域集控中心建设与运行管理模式探讨[J].四川水力发电,2013（S1）.

[2]邓鹏程,毛琦.浅谈清水江流域集控中心自动化系统方案设计[J].水电站机电技术,2008（03）.

[3]申建.水轮发电机组的振动摆度测量及在线诊断探讨[J].四川水力发电,2002（2）.

[4]潘罗平.基于健康评估和劣化趋势预测的水电机组故障诊断系统研究[D].北京：中国水利水电科学研究院，2013.

[5]孔飞.水电机组故障诊断中的信号处理技术及应用研究[D].武汉：华中科技大学，2007.

[6]范春学.水轮发电机组故障机理研究及专家系统[D].武汉：华中科技大学，2003.

[7]刘金凤.水轮发电机组振动在线监测与分析系统研究[D].西安：西安理工大学，2008.

[8]毛玉静.水轮发电机组振动摆度的在线监测[J].水电厂自动化，2001（3）.

[9]朱敏.水轮发电机故障机理及诊断方法研究[D].哈尔滨：哈尔滨工业大学，2001.

[10]钱冰，邹磊，马越.设备故障早期预警系统在水电机组检修中的应用[J].人民长江，2014(17)：48-53.

[11]路瑶.基于二元树复小波变换的水轮发电机组故障诊断研究[D].西安：西安理工大学，2012.

[12]郭宙，杨剑锋.基于EMD的AR模型在滚动轴承故障模式识别中的应用[J].科技信息，2009（35）839-841.