向家坝电站运行设备异常状态识别功能的设计与实现

发布时间：2021-04-19 03:16

　　针对水电站计算机监控系统常规限值报警发生时,设备已经出现严重故障影响电站安全稳定运行的问题,以水电站历史运行数据为基础,运用人工智能与数据挖掘技术自动学习运行设备的健康特征,实现水电站运行设备异常状态识别功能,在设备运行参数尚未到达故障报警限值前发现异常,达到设备异常早发现早排除的目的,并对辅助系统渗漏异常、开停机流程异常、温度异常、电压与频率异常等关键技术进行了讨论。该功能通过水电站生产设备异常运行状态的感知与报警,实现了安全生产隐患的早期发现,对于保障水电站安全稳定运行具有重要的意义。 

【文章来源】：西北水电. 2020,(04)

【文章页数】：5 页

【部分图文】：

向家坝水电站运行设备健康状态识别功能架构图

水电站油水气系统用于水轮机与发电机的散热、润滑等功能,一旦辅助系统发生渗漏就可能导致机组轴承瓦温升高甚至紧急停机,影响电站的安全稳定生产。向家坝水电站运行设备异常状态识别功能建立辅助系统渗漏报警机制,通过跟踪监视水泵、油泵与气机等辅助设备的运行间隔时间、运行时间与液位/压力变化速率判断是否存在渗漏情况,见图2。机组压油泵、空压机等与机组运行工况相关设备的运行间隔时间与运行时间判断,从历史运行数据中提取稳定工况下设备单次动作的运行间隔时间、运行时间以及对应的机组出力、转速、水头为样本,输入神经网络进行训练,得到一组神经网络参数,建立分析模型。异常分析时将稳态工况下机组出力、转速、水头的实时数据输入神经网络可以获得当前工况下模型预测的设备运行间隔时间与运行时间。将模型预测的时间作为模型报警限值与设备真实运行参数进行对比,如果设备真实运行间隔时间、运行时间超过模型限值并超过死区,判断出现疑似异常,若该状态保持若干计算周期,判断设备出现异常。

为了提前发现设备异常,需要建立温度监视报警机制,从历史数据中自动学习不同机组工况下各类设备运行温度的正常运行范围,跟踪监视轴承、变压器、励磁等设备的温度变化及时报警。首先从历史运行数据中提取稳定工况下设备温度、机组出力、转速、水头的断面数据为样本。由于轴承存在多个温度测点,因此针对每个测点进行独立判断。原始样本数据需要进行清洗,可以采用中值滤波算法,过滤传感器异常导致的数据跳变。样本数据输入神经网络进行训练,得到一组神经网络参数,建立分析模型。异常分析时将稳态工况下清洗后的机组出力、转速、水头实时数据输入神经网络,获得当前工况下模型预测的设备温度。将模型预测的温度作为报警限值与设备真实温度进行对比,如果设备真实运行温度超过模型限值并超过死区判断出现疑似异常,若该状态保持若干计算周期判断设备出现异常,见图3。3.4 电压与频率异常分析

【参考文献】：
期刊论文
[1]广州蓄能水电厂Eventlog信息智能分析系统研究与应用[J]. 邱小波,杨铭轩,冯凌云.  水力发电. 2014(11)
[2]多重分形消除趋势分析法在坝体渗漏量监测中的应用[J]. 周斌,李元芳,王雪,周杰.  水电能源科学. 2014(07)
[3]乌江梯级电站集控系统报警信息的分类及处理[J]. 简永明.  水电厂自动化. 2008(04)
[4]向家坝水电站泄洪消能方案构思与初步研究[J]. 曾雄辉,程浩,李延农.  水力发电. 2004(04)
[5]水电厂综合自动化报警系统的开发与应用[J]. 张启明,朱辰,施冲,汪军.  水电厂自动化. 2002(04)
[6]BP神经网络在水轮发电机组状态监测与诊断系统中的应用[J]. 符向前,刘光临,蒋劲.  武汉大学学报(工学版). 2002(01)
[7]神经元网络组在发电机定子温度监测系统中的应用[J]. 苏鹏声,汪小明.  电力系统自动化. 2000(15)



本文编号：3146719