基于数据自驱动的水电机组振动区获取方法

王卫玉，李崇仕，胡勇胜，刘 禹，魏加达

（1.国家电力投资集团水电产业创新中心，湖南 长沙 410004；2.湖南省水电智慧化工程技术研究中心，湖南 长沙 410004）

0 引言

水电机组在实际运行中会出现振动，当振动在合理范围内时，机组可以安全稳定运行。当机组运行工况偏离设计值时，尾水管内会出现水力不稳定现象，导致振动加剧。水电机组在电网中承担调峰调频的功能，机组潜在运行的负荷范围较广，在分配水电机组出力时必须考虑水轮机的振动，避免其在振动区工作，这就需要对其振动区间的掌握[1,2]。传统的水电机组振动区划分方法基于稳定性试验，由于年调节或多年调节水电站水头变化较少，稳定性试验不能够经常开展，且试验开展的时间和时长需要经过调度部门审批，因此常规振动区划分仅能够考虑有限水头和机组在部分负荷下的稳定性表现数据，存在数据无法覆盖全部运行工况以及数据量不够精细等问题，所划分振动区往往与真实情况存在较大误差[3,4]。

常规水电机组振动区划分方法存在以下不足：（1）常规水电机组振动区划分方法需要开展稳定性试验，试验需要耗费额外的人力物力，成本较高；（2）常规水电机组稳定性试验需要调度部门允许，且只能够在有限水头下进行，无法完整覆盖机组运行的全工况范围；（3）常规的水电机组振动区划分方法在某一水头下进行试验时只能选取部分负荷点（10%、20%、30%...90%、100%）进行测试，无法覆盖所有机组运行负荷范围；（4）常规的水电机组振动区划分结果较为粗略，并且无法根据机组长期实际表现进行精细化，可能存在偏离机组实际状态情况[5,6]。

基于以上背景，提出一种基于数据自驱动的水电机组振动区获取方法[7]。首先介绍了方法实现的技术路线，包括数据来源、数据清洗策略、测点阈值配置策略以及数据驱动的振动区获取方法；其次基于实测数据对该方法的实际效果进行了验证，并介绍了一项实时振动区获取结果指导优化运行案例；最后为本文结论。

1 基于数据自驱动的水电机组振动区获取方法

首先基于水电工业互联网大数据平台获取的水电机组状态监测海量历史数据，将根据国家标准及规程设定的水电机组振动阈值表以及包含机组工况参数及稳定性参数在内的多维数据输入振动区获取算法，通过算法判断每个稳定性测点数据正常、一级报警、二级报警和通道失效等4种状态，并将相应工况量参数及标识参数字段信息输出；其次，基于输出结果，以负荷为横坐标，以水头为纵坐标，绘制振动区分析图，将机组报警数据对应的水头及最大负荷和最小负荷绘制于图中，利用积累的海量数据驱动模型，获得水电机组振动区结果；最后，基于水电机组状态监测实时数据驱动算法，实现振动区分析范围及精度的数据自驱动优化。

图1 基于数据自驱动的水电机组振动区自动获取技术路线

1.1 数据来源

涉及数据来源于水电机组稳定性状态监测系统数据，主要分为稳定性参数测点、工况参数测点及开关量参数测点数据。

1.2 数据清洗

由于线路干扰和传感器松动等原因，数据中存在无效数据，故需要对数据进行清洗，数据清洗的流程为：

（1）依据机组稳定性参数对数据记录进行清洗：根据各稳定性测点的数据记录中，数值的分布情况，删除每个测点数据记录中的离群数值。数据清洗的流程为：①计算每个样本中每个稳定性参数数据的平均值及标准差；②筛选出稳定性参数数据中与平均值相差超过3倍标准差的数据；③将②中筛选出的数据进行滤除。

（2）依据机组的工况参数对数据记录进行清洗：根据机组的基本状况，确定各工况参数的清洗判断条件，即其最大、最小值，以该判断条件进行清洗。

根据水电机组的基本运行参数及其实际运行表现规律，将数据的清洗判断逻辑设置为：保留存储的所有数据中机组水头H数值位于最小水头Hmin和机组最大水头Hmax之间的数据记录；删除有功功率Ρ数值大于水电机组额定功率Ρr或小于0的数据记录。数据清洗过程的数学表达如下：

式中，H为该条被清洗数据对应的水头值，Hmin为最小水头，Hmax为最大水头，Ρ为该条数据记录的有功功率数值，Ρr为机组额定功率。

1.3 测点阈值配置

根据国家标准及规程对每个稳定性参数测点设置报警阈值。报警阈值条件包括且不限于：介于、大于、等于、小于、不等于、小于等于、大于等于、不介于，具体条件根据国家标准及规程设定；报警阈值类型分为一级报警阈值（alarm_level1）和二级报警阈值（alarm_level2）两种。对应报警阈值函数如下式所示。

1.4 振动区提取算法

振动幅值越限值是机组重要的故障征兆指标，算法实现对各稳定性参数测点数据和一级报警阈值以及二级报警阈值对比计算，返回振动幅值越限值情况，包括通道正常、一级报警、二级报警和通道失效等4种。算法将存在通道异常状态征兆的信息实时输出，并自动存储机组稳定性参数振动幅值越限值异常状态征兆信息。最终筛选某台机组一定时间内所有报警记录（包括一级报警及二级报警2类），绘制到振动区分析图中，以此类推，将该测点所有报警记录以上述方式绘制到振动区间分析图中，得到该测点该时间段内振动区间分析结果，基于此得到该机组此段时间内运行水头下该测点振动负荷区间分析结果。算法逻辑如图2所示。

图2 基于大数据驱动的水电机组振动区自动获取算法逻辑

2 实测数据验证

国家电力投资集团水电产业创新中心基于本文的专利方法自主研发了水电机组振动区自动获取+报警分析系统，包含了振动区间分析、幅值报警统计、振摆高负荷幅值报警统计、除振摆外幅值报警统计、报警专项分析和通道失效统计等11项功能应用。目前该系统已推广应用至五凌电力有限公司12座、53台不同型式水电机组。系统主要功能界面如图3所示。

图3 水电机组振动区自动获取+报警分析系统

下面以某电站混流式水电机组为例进行效果验证及实例介绍。

2.1 机组基本参数

电站安装有5台250 MW混流式机组，总装机容量1 250 MW，设计多年平均发电量53.7亿kW·h，采用坝后式厂房。机组安装有PSTA2100型机组测振测摆监测分析系统，实现对机组振动、摆度和压力脉动等状态监测数据采集。机组基本参数如表1所示。

表1 机组基本参数

2.2 振动区获取效果验证

以电站4号机组为对象，基于机组稳定性状态监测系统实测数据，对振动区获取效果进行验证。2021年11月～12月机组水头变化趋势如图4所示，机组平均水头从47.72 m上升到57.23 m，水头变化接近10 m。

图4 机组水头及电站上下游水位变化趋势

基于数据自驱动的水电机组振动区获取方法获取的2021年11月～12月稳定性测点报警统计情况如表2所示。实现对机组每个测点的振动报警次数、报警幅值范围和报警发生负荷区间等情况的量化记录，实现对每个稳定性测点稳定性表现的量化掌握。

表2 4号机组2021年11月～12月测点报警信息自动记录情况

此段时间内整体振动区获取效果如图5所示。从图5中可以看出随着水头增加机组振动区负荷上限有增大表现，振动区获取效果与水电机组稳定性机理一致。

图5 振动区分析结果

顶盖X向振动在此时间段内振动区间表现如图6所示，从图中看出测点在56 m以下低水头时在低部分负荷时存在报警，在56 m水头附近振动报警负荷区间上限增加到200 MW附近，在230 MW高负荷附近出现1次报警记录。说明机组运行水头偏离设计水头越大，顶盖振动稳定性越差，可能与水头较高，导叶开度较低，导致的水力稳定性较差有关。

图6 振动区分析结果——顶盖X向振动单测点

2.3 指导机组优化运行实例

2022年6月份，电站来水较好，机组连续带高负荷运行。2号机组1～5月份整体振动区表现如图7（1）所示，从图中可以看出振动区表现正常，在靠近设计水头时振动区负荷上限较低，在靠近最大水头的高水头时振动区负荷上限较高。6月份振动区整体表现如图7（2）所示，从图中可以看出机组运行水头位于设计水头以下，顶盖Y向振动测点在高部分负荷存在特殊的振动区间。

图7 振动区分析结果——顶盖X向振动单测点

通知电厂运行人员将负荷调整后（升高至240 MW以上），振动值恢复正常水平，保障了机组安全稳定运行，具体趋势表现如图8所示。

图8 负荷调整前后顶盖Y向振动幅值趋势表现

3 结论

本文提出了基于数据自驱动的水电机组振动区获取方法，实现了基于海量历史数据驱动的水电机组振动区的获取，数据实时驱动的水电机组振动区实时跟踪更新和细化。

结合某电厂机组稳定性状态监测实测数据进行了实际应用，分析结果表明该方法可以有效地获取水电机组振动区表现，在量化不同水头负荷下水电机组稳定性表现方面具有良好的效果和实用性，实现了对机组异常振动的实时跟踪记录及情况掌握，保障了机组的安全稳定性，并可指导机组优化运行。