基于状态特征标识的水电机组运行数据诊断分析

侯纪坤,张 雷,王勇劲

(中国电建集团西北勘测设计研究院有限公司，西安 710065;2.西安电力高等专科学校,西安 710032；3.华电电力科学研究院有限公司，杭州 310030)

0 前 言

水电机组实际运行中，机组状态特征为机组健康稳定运行提供了数据支撑。随着日、月、年监测数据日积月累，形成了海量数据存储库，阻碍了机组健康状态评估的实时性，无法及时形成有效特征数据并诊断机组实际运行状态[1]。本文对流域电站海量监测数据进行状态特征标定，对日、月、年度数据进行趋势对比，引入模糊聚类对数据大值进行标识，获得机组规律性特征；采用故障树诊断方法，结合大值数据位置分布，对机组运行状态进行故障诊断，提出故障原因及检修建议，为流域电站机组智能诊断，提升机组自动化运行水平，降低故障发生率提供借鉴[2]。

1 水电机组状态特征标识诊断方法

流域水电场运行特征数据包括传感器检测到的机组振动、摆度、瓦温油温、定转子气隙、磁场强度特征。由此建立机组运行特征数据库[3]；按状态标识将运行特征数据进行标定，应用聚类方法形成机组大值样本及位置分布；获得运行特征数据库、状态数据库；开展特征参数数据分析获得特征参数评估及诊断，提出故障匹配及检修建议。智能诊断诊断流程如图1所示[4-5]。

图1 智能诊断流程图

2 机组故障特征及状态标识

机组运行特征数据库的数据包含振动和摆度异常特征数据、振动和摆度月度趋势数据、振动和摆度季度负荷数据、与上季度趋势和异常对比数据、振动和摆度年度负荷数据以及与上年度趋势和异常对比数据[6]。机组运行特征数据值包含上限值、下限值、内限值和外限值；机组状态包括正常状态、异常状态和故障状态。所述的正常状态指机组的整体或局部没有缺陷，或虽有缺陷但其性能仍在允许的范围内；所述的异常状态指缺陷已有一定程度的扩展，机组的状态信号发生变化，机组运行性能已劣化，但仍可运行；所述的故障状态指机组性能指标已有大的下降，机组不能维持正常工作[7]。对海量机组监测数据以日、月、年进行区分，采用贴标签的方式进行数据筛选，利用各种分析、诊断策略和算法进行数据分析及故障诊断，实时掌握机组健康状态，为安全运行、优化调度和检修指导提供技术支持。数据状态特征值标识如图2所示。机组各测点振动摆度故障特征如表1所示[8-9]。

图2 水电机组故障特征及状态特征值标识图

表1 水电机组各测点振动、摆度故障特征表

其中，若V≤Va，则判定机组为正常状态；若Va≤V≤10%Va，则判定机组为异常状态；若V≥10%Va，则判定机组为异常状态故障状态；V为水电机组整体或局部实测振动值，Va为国标要求振动允许值(即为振动允许值)。

3 模糊聚类标识数据智能分类及故障诊断

本次试验选取流域电站A、B、C 3个水电厂2017、2018年数据，采用模糊C均值( fuzzy c-means， FCM) 聚类算法进行大值分类。选用将故障特征计入表格的方式进行分析诊断，将数值超出标准要求的振动值、摆度值视为故障，引入故障树的诊断思路，寻找故障原因及故障位置。分析水机运行的劣化趋势，定位了故障部位、故障原因和故障程度，给出了专家建议，评价机组的运行状况，故障匹配及检修建议。试验中使用的数据如表 2，振动、摆度数据采集中最大值的测点进行对比如表3，水电机组大值样本模糊聚类标识如图3。

表2 试验中使用的数据列表

表3 水电机组振动、摆度最大值对比

图3 水电机组大值样本模糊聚类标识图

水轮发电机组运行过程中的状态特征是判断机组运行状态和故障的重要依据[10-11]。常见的状态有转动部件不平衡或大轴轴线不直引起的摆度过大；尾水管涡带；油膜涡动；不对中等。针对以上水轮发电机组状态特点,引入了故障树的诊断思路，寻找故障原因及故障位置[12-13]。

选取A电站水电机组2018年数据采集中最大值的测点振动、摆度大值历史分布如图3，得出故障位置，从而获得检修位置。

通过水电机组状态特征标识，获得较大振动、摆度位置次数，发现1 a内累计月度采集周期内落点次数超过6次，则定义为该位置出现故障，得出故障位置。A水电站机组故障位置分布于上导、下导、水导、顶盖、上机架、下机架位置，上导、下导的X向、Y向摆度变化不大；在不稳定负荷区水导摆度值较大，超出规程规定的允许范围。B水电站在整个运行时间段内，上机架、下机架振动的振动值在规程规定允许范围内；顶盖Y向水平振动在规程规定允许范围内，顶盖X向水平振动在负荷区52～55 MW 超出规程规定允许范围，顶盖垂直振动在不稳定负荷区超出规程规定允许范围。C水电站在整个采集时间段内，蜗壳进口压力脉动、导叶出口压力脉动变化不大，个别突变值由负荷变化引起；顶盖下、尾水肘管压力脉动、导叶出口压力脉动异常，需检查相应传感器的安装方式及采集通道是否完好。水电机组趋势特征见表4，水电机组故障诊断见表5。

表4 水电机组趋势特征表

表5 水电机组故障诊断表

4 结 语

本文分析状态特征标识，对电站机组运行状态实时进行体检式项目检查，分析比较不同机组运行特性与规律，充分发挥领域专家分析诊断的作用，形成了水电机组状态特征有效评估方法，有效解决了无法有效利用状态监测数据机组故障诊断的问题，促进了机组的优化运行。本方法应用于流域水电站机组中，有效利用了水电机组各特征值，提升了水电机组运行诊断分析水平，为机组状态检修提供了技术支持和保障。