基于数据挖掘的水电机组振动区精细划分方法

发布时间：2021-12-09 03:30

　　水电机组在长期运行过程中累积了海量的稳定性状态监测数据,但其价值尚未得到充分利用。针对水电机组状态监测数据挖掘及运行工况识别,设计并搭建了用于水电机组振动区精细划分的工况样本数据库,提出了基于数据挖掘的水电机组振动区划分方法,实现对机组已运行工况稳定性分析及健康工况识别,达成振动区精细划分。实际应用表明,基于数据挖掘的振动区划分结果比经典振动区划分更加精确,对机组安全稳定运行具有重要的指导意义。 

【文章来源】：浙江电力. 2020,39(09)

【文章页数】：6 页

【部分图文】：

数据库框架

选取机组大修后在2年以内稳定负荷运行过程中稳定性参数及工况参数等数据作为健康样本，针对健康样本中各稳定性参数测点峰峰值，选定3σ准则中上限值μ+3σ作为其阈值。将机组大修后除健康样本外累积稳定运行的数据作为分区数据，确定各测点峰峰值越限工况区。综合考虑各测点越限工况区，取交集部分作为强烈振动区（即禁止运行区），其他越限工况区作为过渡运行区（即限制运行区），非越限区作为稳定运行区，如图2所示。2 振动区全水头划分案例

本文搭建的工况样本数据库，实现了包括稳定性试验数据在内的在线状态监测数据中运行水头、有功功率等工况参数和振动、摆度、压力脉动等21个稳定性参数峰峰值分类存储，数据覆盖机组运行工况区间如图3所示。由目前数据库存储的机组稳定运行工况和运行时间可知，2018年12月—2019年1月水头从低水头到高水头变化，2019年2—10月水头在高水头到低水头之间多次变化，其变化范围为63～82 m，且主要运行水头范围为68～80 m，在该水头区间内运行负荷为0～52 MW,80 m以上水头区间内运行负荷为50～56 MW,67 m以下水头区间内机组运行数据较少。数据库已累计存储该机组稳定运行数据共1 450 798条，不同水头下机组运行数据累积数目如图4所示。图4 全水头数据累积数目

【参考文献】：
期刊论文
[1]计算机数据挖掘技术的开发及其应用[J]. 金巨波,葛雷,徐秀丽.  浙江水利水电学院学报. 2019(06)
[2]基于Python的Web数据挖掘应用[J]. 韦建国,王建勇.  浙江水利水电学院学报. 2019(04)
[3]水电机组振动故障诊断方法综述[J]. 陈珊珊,杨耿杰.  电气技术. 2019(06)
[4]一种抑制超低频振荡的水电机组调速器参数协调优化方法研究[J]. 王渝红,陈阳,曾琦,王媛,李建,王彪,韩连山.  四川电力技术. 2019(02)
[5]某250MW水电机组振动区划分及AGC避振方法应用[J]. 乔亮亮,李晨坤,付亮,唐卫平.  水电能源科学. 2018(09)
[6]基于在线监测数据的水轮机运行区精细划分[J]. 娄强,王卫玉,陈启卷,郭定宇,程晓宜.  水力发电学报. 2018(10)
[7]基于振动区域检测的小机组低水头运行稳定性分析[J]. 钟堰辉.  现代工业经济和信息化. 2017(19)
[8]基于莱以特准则和数据融合的温湿度检测系统[J]. 吴勇灵,杨娜,潘晓慧,王文江.  科技通报. 2017(03)
[9]大数据时代基于所有工况的机组稳定性分析[J]. 严耀亮,孙伟.  水电厂自动化. 2017 (01)
[10]水电站全厂振动区及最优动力特性曲线研究[J]. 李文武,孙刚,游文霞,陈博.  水电能源科学. 2016(11)

博士论文
[1]基于健康评估和劣化趋势预测的水电机组故障诊断系统研究[D]. 潘罗平.中国水利水电科学研究院 2013

硕士论文
[1]龙滩水电站700MW巨型水轮发电机组振动特性的研究[D]. 吴祖平.广西大学 2017
[2]基于动态振动区条件下水电机组负荷分配策略研究[D]. 陈国青.华北电力大学 2017



本文编号：3529830