基于在線數據的水輪發電機組定子熱變形的自動評價方法技術

本發明專利技術公開了一種基于在線數據的水輪發電機組定子熱變形的自動評價方法，包括：步驟一、選取定子熱變形量和定子熱變形不均勻度作為水輪發電機組的定子熱變形評價指標，分別建立水輪發電機組定子熱變形量和定子熱變形不均勻度的數學模型；步驟二、在水輪發電機組并網后，以水輪發電機組的在線監測數據為基礎，利用定子熱變形量和/或定子熱變形不均勻度的數學模型，采用參數辨識的方法，從在線監測數據中自動選擇定子熱變形量和/或定子熱變形不均勻度參數，來辨識水輪發電機組是否存在定子熱變形故障。本發明專利技術易于操作，數據選擇、計算、判定過程自動化，分析判斷報告中提供明確的分析診斷結論和可能的檢修建議，省時、省力，且準確度高。

Automatic evaluation method for thermal deformation of stator of hydro generator set based on online data

The invention discloses a turbine stator thermal deformation based on online data automatic evaluation method, which comprises the following steps: A, selecting uneven degree as the evaluation index of stator thermal deformation of turbine generator stator stator deformation of thermal deformation and heat, hydro generator stator are built of thermal deformation and thermal deformation of the stator the uniform mathematical model; step two, the grid of hydro generating unit, with on-line monitoring data of hydro generator as the foundation, using deformation and / or uneven stator thermal deformation mathematical model of stator thermal, using parameter identification method, deformation and / or stator thermal deformation inhomogeneity parameter the heat automatically selected from online monitoring data, to identify the existence of hydrogenerator stator thermal deformation fault. The invention has the advantages of easy operation, automatic selection of data, calculation and judging process, analysis and judgment in the report, providing definite analysis and diagnosis conclusion and possible maintenance proposal, saving time and labor, and high accuracy.

【技術實現步驟摘要】
基于在線數據的水輪發電機組定子熱變形的自動評價方法
本專利技術屬于電子
，涉及一種基于在線數據的水輪發電機組定子熱變形的自動評價方法。
技術介紹
水電機組運行狀態的實時診斷直接關系到水電站的安全穩定運行、電力質量和電力生產成本等重要的經濟效益指標，其社會效益巨大。隨著電站規模和監測輔助系統的不斷擴大，機組的控制和監測數據信息量越來越大，運行操作人員對機組運行狀態的實時有效監控、對設備故障做出迅速而準確地判斷變得越來越困難，因此，研究開發智能水電機組故障診斷系統是非常必要的。水電機組在運行過程中難免發生各種各樣的異常情況，同一異常現象可能有不同的產生原因，并且出現的故障具有隨機性，其中許多事電站工作人員無法預先、直接檢測到的，一般要根據工作人員的個人經驗和對監測數據的分析來查找故障發生的原因及部位，因而有一定的主觀性和局限性。因此，為保障水電機組的正常安全運行，對其運行狀態進行檢測，及時發現故障征兆，做到“預測性檢修”防患于未然是工程界夢寐以求的理想，也是大型電站機組檢修的發展方向。水輪發電機組故障診斷是近幾年興起的一門識別機組運行狀態的科學，是一個復雜的綜合系統，涉及的專業范圍廣。及時準確地診斷出水電機組的狀態和故障，對提高水電機組工作穩定性、安全可靠性具有重大意義。傳統水輪發電機組的故障診斷主要有以下4種方法1、基于信號處理的診斷方法基于信號處理的診斷方法是各種診斷方法的基礎和前提，作為一種傳統的故障診斷方法，根據系統可測信號的特征值，如幅值、相位、頻率、方差等，以及信號之間的相關性，與故障源之間存在的某種關系，通過信號處理和特征提取，找出其與故障源之間的映射關系來進行運行設備的故障診斷。目前常用的信號處理方法包括時域分析法、頻域分析法、時頻域分析法等。2、基于解析模型的診斷方法基于解析模型的診斷方法是以控制理論為基礎的診斷方法。把設備看成一個具有一定輸入、輸出關系的動態系統，根據系統的輸入，輸出關系建立數學表達或解析表達模型，利用觀測器、濾波器、等價空間方程、參數模型估計與辨識等方法產生殘差，根據模型的殘差來判斷發生故障的可能性。水電機組是一個復雜的非線性時變系統，建立比較準備的數學模型往往很難得到，這也限制了基于解析模型的診斷方法在水電機組故障診斷的應用。目前常用的解析模型方法包括參數估計方法、狀態估計方法、等價空間方法等。3、基于經驗知識的診斷方法涉及研究領域的知識表達、處理和應用的方法，統稱為基于知識的診斷方法，如故障征兆樹方法、專家系統方法等，他們的特點是將專業知識通過語義和框架的方式進行表達，故障的診斷則采用推理和推理過程進行，如產生式規則推理、邏輯推理、模糊知識推理等。目前常用的經驗知識的診斷方法包括符號有向圖分析方法、故障樹分析方法、專家系統診斷法等。4、基于數據驅動的診斷方法基于數據驅動的故障診斷方法就是利用設備長期積累的在線或離線的狀態數據，而不需要精確的數學解析模型，應用統計分析模式進行識別，神經網絡技術或支持向量機模型分類等方法，通過數據學習和建模，將設備狀態進行識別和分類，最終得到系統可能存在的故障。目前常用的數據驅動方法包括神經網絡診斷方法、支持向量機診斷方法、統計分析診斷方法、模糊診斷方法等。國內在故障診斷技術方面的研究起步較晚，二十世紀70年代末開始研究和嘗試應用診斷技術，二十世紀90年代開始進行智能化故障診斷的研究工作，研究方法集中在模糊邏輯法、故障樹分析法、專家系統技術、人工神經網絡技術等，其中專家系統技術和神經網絡技術是應用的熱點。許多監測診斷系統也開始投入使用，但大都集中在汽輪機以及其他旋轉機械設備的監測與故障診斷，針對水電機組的應用很少。這主要由于水電機組轉速低，對機組的安全運行沒有給予足夠的重視，使得水電機組在線監測和故障診斷技術的研究落后于其他(大型)旋轉機械。近年來，國內在水電機組故障診斷領域的研究取得了一些進展，但主要還處于理論研究階段，還沒有成功應用的工程系統，國內現已配備的智能診斷系統應用的效果并不理想，其中較好的具有可靠的數據存儲管理和分析功能，沒有到達在線自動診斷的功能目標，不能向運行人員和生產管理人員提供有效的診斷結果。遠不能滿足水電廠狀態檢修的實際需要，其主要原因如下：(1)缺乏來自故障機理的深層次的理論和技術支持；水力機械的振動故障復雜，除了考慮機械方面的原因外，尚需考慮流體、動壓力以及發電機電磁力的影響，且某些故障機理及特征表現形式還沒有很好地被研究透徹，在一定程度上增加了故障診斷的難度。(2)缺乏將大量寶貴的現場實際診斷經驗有效地融入診斷的推理系統；故障診斷是一實踐性極強的技術，研究人員必須結合從事現場實際診斷工程技術人員以及具有豐富領域知識的專家來建立盡可能接近實際的規則，并將推理機制與實際診斷思維方法、診斷信息相結合，才能建立接近人工診斷的推理系統機制。但多數研究人員缺乏對現場實際診斷過程和特點的了解。(3)人工智能與專家系統知識獲取和應用上還存在一定的問題人工智能與專家系統在工程應用方面還未達到人們期望的水平，其中問題的癥結仍是知識獲取和知識應用問題，即如何很好地結合領域知識、如何推理以及如何提高自學習能力，因此，應加強專家系統的實現方法和規則研究。水輪發電機組的分析診斷，需要通過對在線實時數據進行監測分析，通過人工選取幾個特征參數，手動繪制出特征參數的趨勢圖、相關趨勢圖等特性曲線，人工對量化參數進行計算，并手動添加報告等。這種診斷方式既沒有數學模型的支持，也沒有算法的精確，不但浪費人力、時間，同時在數據選取的客觀性和數據的準確性上均存在一定的缺陷，對系統的分析診斷結果也存在一定的誤差。
技術實現思路
本專利技術的一個目的是解決至少上述問題和/或缺陷，并提供至少后面將說明的優點。本專利技術還有一個目的是提供一種基于在線數據的水輪發電機組定子熱變形的自動評價方法。為此，本專利技術提供的技術方案為：一種基于在線數據的水輪發電機組定子熱變形的自動評價方法，包括如下步驟：步驟一、選取定子熱變形量和定子熱變形不均勻度作為水輪發電機組的定子熱變形評價指標，并分別建立水輪發電機組定子熱變形量的數學模型和定子熱變形不均勻度的數學模型；步驟二、在水輪發電機組并網后，以水輪發電機組的在線監測數據為基礎，利用所述定子熱變形量的數學模型和/或定子熱變形不均勻度的數學模型，采用參數辨識的方法，從所述在線監測數據中自動選擇所述定子熱變形量參數和/或定子熱變形不均勻度參數數據，通過計算來辨識水輪發電機組是否存在定子熱變形故障。優選的是，所述的基于在線數據的水輪發電機組定子熱變形的自動評價方法中，所述步驟一中，所述定子熱變形量的計算公式如下：其中，A為各發電機組上測點實時測量到的氣隙值，n為測點安裝數目，t1為發電機組開機并網后達到熱平衡的時刻，t0為發電機組開機并網后的初始時刻，ΔAS為定子熱變形量。優選的是，所述的基于在線數據的水輪發電機組定子熱變形的自動評價方法中，其特征在于，所述步驟一中，所述定子熱變形不均勻度的計算公式為：其中，A為各發電機組上測點實時測量到的氣隙值，n為測點安裝數目，t1為發電機組開機并網后達到熱平衡的時刻，t0為發電機組開機并網后的初始時刻，為定子熱變形量不均勻度。優選的是，所述的基于在線數據的水輪發電機組定子熱變形的自動評價方本文檔來自技高網...

【技術保護點】
一種基于在線數據的水輪發電機組定子熱變形的自動評價方法，其特征在于，包括如下步驟：步驟一、選取定子熱變形量和定子熱變形不均勻度作為水輪發電機組的定子熱變形評價指標，并分別建立水輪發電機組定子熱變形量的數學模型和定子熱變形不均勻度的數學模型；步驟二、在水輪發電機組并網后，以水輪發電機組的在線監測數據為基礎，利用所述定子熱變形量的數學模型和/或定子熱變形不均勻度的數學模型，采用參數辨識的方法，從所述在線監測數據中自動選擇所述定子熱變形量參數和/或定子熱變形不均勻度參數數據，通過計算來辨識水輪發電機組是否存在定子熱變形故障。

【技術特征摘要】
1.一種基于在線數據的水輪發電機組定子熱變形的自動評價方法，其特征在于，包括如下步驟：步驟一、選取定子熱變形量和定子熱變形不均勻度作為水輪發電機組的定子熱變形評價指標，并分別建立水輪發電機組定子熱變形量的數學模型和定子熱變形不均勻度的數學模型；步驟二、在水輪發電機組并網后，以水輪發電機組的在線監測數據為基礎，利用所述定子熱變形量的數學模型和/或定子熱變形不均勻度的數學模型，采用參數辨識的方法，從所述在線監測數據中自動選擇所述定子熱變形量參數和/或定子熱變形不均勻度參數數據，通過計算來辨識水輪發電機組是否存在定子熱變形故障。2.如權利要求1所述的基于在線數據的水輪發電機組定子熱變形的自動評價方法，其特征在于，所述步驟一中，所述定子熱變形量的計算公式如下：其中，A為各發電機組上測點實時測量到的氣隙值，n為測點安裝數目，t1為發電機組開機并網后達到熱平衡的時刻，t0為發電機組開機并網后的初始時刻，ΔAS為定子熱變形量。3.如權利要求1所述的基于在線數據的水輪發電機組定子熱變形的自動評價方法，其特征在于，所述步驟一中，所述定子熱變形不均勻度的計算公式為：其中，A為各發電機組上測點實時測量到的氣隙值，n為測點安裝數目，t1為發電機組開機并網后達到熱平衡的時刻，t0為發電機組開機并網后的初始時刻，為定子熱變形量不均勻度。4.如權利要求2所述的基于在線數據的水輪發電機組定子熱變形的自動評價方法，其特征在于，所述各發電機組上...

【專利技術屬性】
技術研發人員：鄭杰，莊明，張毅，周璇，蘇疆東，
申請(專利權)人：國網福建省電力有限公司，國家電網公司，福建水口發電集團有限公司，北京中元瑞訊科技有限公司，
類型：發明
國別省市：福建,35