水电站故障监测与分析系统研究综述

李晓超 ，谢威威 ，秦 蓉 ，张 浩

（1.华北水利水电大学，郑州 450045；2.中国民航大学，天津 300300；3.河南天池抽水蓄能有限公司，河南 南阳 474664）

随着国家贯彻落实创新、协调、绿色、开放、共享五大发展理念的不断落实，尤其是在“十四五”开局之际，国家对生态环境极为重视，煤、石油、天然气等传统化石能源将逐步被新能源所取代，新能源发电迎来了春天。水力发电行业拥有较为成熟的技术，在我国新能源发电结构中占据核心地位，且我国幅员辽阔，河流众多，是一个水能蕴藏量极为丰富的国家，但实际开采利用量远远没有达到理论蕴藏水平，因此。水力发电将会在未来担当重要任务，在国民经济生活中起到更加重要的作用。

水电站的发电原理是靠流动的水流和水轮机叶片相互作用，从而把水流中蕴含的水能传递给水轮机叶片，带动其旋转，水轮机大轴又和发电机大轴通过用法兰连接，从而水轮机带动发电机旋转发电，产生生活所需的电能。生活中所用的电器对电能有一定的频率、电压、电流等要求，故如何使水电站保质保量的生产出所需要的具有良好的电压、电流等性能的电能是重中之重。由于水力机组大部分是旋转部件，而旋转部件相较于固定部件一般较容易发生故障，且通过机组的水流中含有杂质极容易磨蚀损伤水轮机，降低其工作效率。因此，如何保证水轮机、发电机的工作效率，又是产生合格电能的重要前提。即保证水力机组工作在最优状态下，避免或减少其发生故障，从而提升电站效益，实现经济运行，这就是水电站故障监测与分析系统，该系统是专门针对水电站主辅设备工作状态的检测处理系统，能够及时发现、预测各部件的工作状态及其故障并及时处理故障，以使机组工作在最佳状态下，减少资源不必要的浪费。

1 故障检测与分析系统的组成部分

以前电站运行主要是靠当值的运行人员积累的工作经验，根据现场实际情况如杂音、形变等信号来判断机组部件故障，采用预防性的定期检修，设定相应时间，对机组进行大修、小修等不同级别的检查修补，由于部分部件在一定时间内不需要频繁维修，如果机械地定时按期检修就会浪费人力与物力，且会导致不必要的弃水等情况，影响电站的生产效益。随着社会进步，尤其是近年来计算机技术的迅猛发展，水电站故障分析的数值算法与监测系统也取得了很大进步。机组设备正逐渐向以预防性为主的状态检修过度。水电站故障监测与分析系统主要分为3部分：数据信息的采集、数据信息的诊断处理、数据信息的反馈与预测。

1.1 数据信息的采集

数据信息的收集需要根据不同类型水电站的实际因地制宜，根据水轮机、发电机等设备的不同布置形式采取相对应的采集装置，但总的来说差别不大，不论是主设备还是辅助设备，都是在现场合理布置测量点，通过安装相应的数据传感器获得相关的运行数据并返回数据处理中心进行分析处理。发电机、调速器、推力轴承、剪断销等部件的运行数据，均可以通过在适当的位置布置相应的传感器测得相关数据，数据采集较为简单。但就目前来看，对于水轮机而言，其存在振动、补气装置等故障，转桨式水轮机还会存在桨叶故障，但这些故障相比空化空蚀较容易解决，数据也可通过相关传感器一一测出，如何准确测量和收集空化空蚀数据至今仍是困扰众多学者专家的难题之一。

空化空蚀在水轮机运行中经常发生，且对机组运行危害极大，导致判断机组是否发生空化空蚀及其发生程度一直是重中之重，而目前国内还没有任何一家公司企业可以进行空化空蚀商业监测。一方面是由于空化空蚀机理复杂，尚待进一步揭晓真相，且其涉及多相、微观、高速、瞬态流动等技术，以目前技术水平，不易捕捉；另一方面是由于空化空蚀多发生在转轮室内，不同的安装位置对检测信号的精确性影响尤为重要，要获得准确的空化空蚀数据，必须使测点布置科学合理。而该区域因其工况复杂多变，传感器测点的安装位置往往受限。但尽管如此，针对空化空蚀的特性研究，仍取得了一定进展。水轮机空化目前的主要研究方法有能量法、高速摄影法、闪频观察法、声学法和振动法，但适合连续监测的只有声学法、振动测试法、能量判别法，其中声学法又分噪声法和超声波法，近年来在水轮机空化监测应用较多的是超声波法和振动测试法。其主要原理是针对水轮机空化空蚀所产生的特定频率进行识别监测。超声波法适合监测水轮机空化空蚀诱发的高频信号，尤其是空化初生的信号，而振动测试法一般用来测量空化空蚀的低频信号［1］。目前针对空化空蚀的监测数值模拟技术也在不断地发展完善，已有学者基于LabVIEW平台设计出了空化空蚀的监测程序并结合实际证明了其可行性，但离具体的应用还需不断地完善和改进［2-3］。此外，王辉斌、吴长利、邹桂丽［4］还研究了一种基于声发射信号的水轮机故障诊断系统，根据不同的脉冲重复率、声强烈度、波形贴进度的特征来区分判断水轮机的空化、碰磨、裂纹状态，并结合东江水电厂实际机组的运行验证了其有效性和合理性，进一步拓宽了水电机组状态监测及诊断的手段和理论。

1.2 数据的诊断处理

当系统传感器采集到所需要的信号之后，会将其传输给处理中心，首先要过滤掉信号中的无用信号，得到有用信号后才能分析研判实时的监测机组设备运行情况，并对机组设备故障进行处理和记录，形成数据库，以备系统算法的针对性改进和学习。

传统的故障诊断方法是利用各种物理和化学原理等手段，通过对故障现象和已有故障档案记录的现象作比较，观察其特征，来判别故障类型，该方法对于已知故障的判别快速高效，但判别故障的种类十分受限，很多小故障特征往往不够明显。因此，带动了数学故障诊断方法的发展。这种方法是基于数学方法，利用计算机来实现物理信号的数据采集、特征计算、特征选择与提取及分类器设计等步骤，通过较复杂的线性或非线性的数学运算来实现设备的状态分类和故障判别。设备故障诊断技术作为一门学科，尚处在形成和发展之中，必须广泛利用各学科的最新科技成果，特别要借助各种有效的数学工具，如基于模式识别诊断方法，基于概率统计的诊断方法，灰色系统诊断法，基于模糊数学的诊断方法等［5］，才能够显示出其更强大的生命力。

设备故障的智能诊断方法是在传统诊断方法的基础上，将人工智能的理论和方法应用于故障诊断。目前大多数电站均采用故障智能诊断方法。主要有专家系统诊断法、智能网络诊断法等处理方法。其中，专家系统诊断法需要有一个或多个专家所提供的经验知识，进行识别判断故障类型，适合于没有精准数学模型或很难建立数学模型的复杂环境。而对于智能网络诊断法又有所区别，人工神经网络诊断方法类似人的神经传输和处理信息，其具有联想记忆能力、自学习、自适应能力，适合具有大量的样本数据来分析处理故障，针对从未出现在样本里的故障是无法自动诊断的。而贝叶斯网络法则很好地结合了数学当中的概率统计相关知识，在复杂环境中也能建立良好的系统模型，能较好地在大量不确定因素的系统中进行推理研判。近年来也有不少专家学者进行不同方法之间的结合，以求长短互补，也取得了一定进展［6］。

1.3 数据反馈预测

数据的反馈主要是在数据处理诊断完成之后，根据其判断的类别执行相应的方法。而预测则是根据机组自身情况，在故障积累过程中，根据工作情况利用数学模型分析预测各个部件的损伤程度和寿命。目前由于故障监测与分析系统应用较少，积累的相关记录不多，故对故障的预测还有待进一步完善发展。

2 系统应用

陈锡洲［7］就某电站，结合其振动测试数据，分析了该机组振动的4条原因，通过具体的7条处理举措，机组在之后的运行过程中一直处于良好状态。

蒋梅莉［8］就广西里定水电厂转轮室出现异常声响、该机组各部件振动增大的故障情况做了详细介绍，将水轮机分解检查，找到了事故的主要原因，原来是桨叶连杆连接螺栓锁定装置中的六角柱、锁定块脱焊导致的，后经修补和更换相关设备，机组恢复正常。

刘小云、张小东［9］就贵州三板溪水电厂介绍了水轮机运行过程中发生的补气装置故障。对其工作原理和故障原因进行深入分析后，对补气装置进行了改进，经实际运行，效果显著。

宋曦［10］结合巴基斯坦内中国建设的高摩·赞水电站，介绍了该电站一号机组试运行期间发生的两次工作密封故障。第一次试运行期间经流量计数值反映，发现不正常运行状况；第二次试运行期间在水轮机室现场，工作人员发现有白烟冒出并伴有刺鼻橡胶燃烧气味。经工作人员研究分析，他们结合该电站的实际水流状况对工作密封装置做出了符合当地需求的改进，改造后该电站机组平稳运行至今。

刘文章、刘斌、杜楠等［11］介绍了青峰岭电厂3台混流式水轮发电机组的接力器故障和油泵频繁启动故障，通过理论分析和所得参数发现问题关键所在，并给出了处理方案，经运行验证了处理方法的合理性。

以上案例所在电站可能没有机组故障监测与分析系统，或不够完善、不够可靠等。但是如能科学地应用该系统，可以大大降低机组在运行过程中出现的故障风险，避免小故障引起连锁反应造成大事故，减少电站损失。在长江流域某大型水电站，就成功地通过机组故障监测系统发现并解决了一起安全隐患。该机组监控系统的监测记录如图1。

图1 上导轴承摆度监测记录

发现该机组通过A级检修并进行上导轴承改造后，自开机起，机组上导X、Y向摆度平均值为244um（169～319um），随着机组的运行又增加了75～319um（259～378um），大于双边间隙320um，且有进一步增大趋势。为消除该安全隐患，在机组停机期间对该机组上导轴瓦间隙重新调整，及时对该机组上导轴承进行了维修。维修后通过监控系统对机组的监测记录分析，上导X、Y向摆度平均值为140um （136～144um），相比修前降低179um。机组恢复正常。刘香建、杨秀峰［12］指出状态检修是未来的检修方式，在线监测系统不仅节省电厂的检修成本，还能提高机组运行的安全性和稳定性。结合实际电站发生的故障情况，充分利用在线监测系统，快速准确地确定了故障位置，为快速排除机组故障创造了条件。周伍、谭滔宇、王涛［13］也是基于在线监测系统，通过对历史数据进行分析，确定了近几年时有发生的调速器故障，并实现了快速、准确、有效地解决，再次验证了故障监测与分析系统的优越性。

目前，电站的故障监测与分析系统大同小异，主要是由系统数据采集站、状态数据服务器、Web服务器3部分组成。系统数据采集站主要负责各种信号的采集、存储和数据处理，并进行实时监测和分析，同时对相关数据进行特征信号提取，完成水电机组故障的预警和报警，并将数据通过网络传至状态数据服务器，供系统分析和诊断。状态数据服务器则用于存储和管理从各数据采集箱传送过来的水电机组实时数据、历史数据及特征信号。Web服务器则负责状态监测系统与MIS系统的通信。通过Web服务器，状态监测系统可从MIS系统中进行数据浏览和查询［5］。

但各水电站由于其地理环境不同、机组结构及其布置形式不同、机组运行工况和时长不同，因此在应用系统时，要独立自主地开发适合本电站的水轮机组故障检测与分析系统，结合实际走出一条符合自身实际的特色道路。

3 存在问题及建议对策

由于该系统目前应用不多或已应用电站对其重视度不够，许多问题尚待探索，但随着该系统的应用，不可避免地暴露出更多问题，这就要求不断地更正改进。在加强机组实时状态监测的同时，要时刻注意提高机组自动化元件的可靠程度，不断地改革创新、优化升级，不断地提高故障处理效率并提供更加准确真实、科学合理的数据信息，使该系统更加可靠，有利于推广应用［14］。目前存在的主要问题还是在故障监测与分析系统的智能诊断方法上，由于诊断方法涉及交叉的多学科相关专业，综合了水力、电气、机械、计算机、人工智能、数学等多个学科的知识，导致诊断方法理论还不够完善、不够智能灵活。以后应注意培养综合性交叉学科人才，才能使诊断方法更加完善，才能早日实现无人值班、少人值守的目标。

4 结语

水电站机组的故障监测和分析系统是逐步实现状态检修的重要支撑，对水电站的安全生产具有重要意义，但开展该系统涉及多学科知识的交叉应用和密切配合。需要具备技术理论的研究人员与实际生产运行中拥有丰富经验的专家们共同努力，才能付诸实施［15］。如果水电站能科学地应用水轮机组故障监测与分析系统，除了能带来巨大的经济效益外，还会大大加快水电站自动化程度，这也符合未来智能化发展的方向和趋势。