周 葉,潘羅平,曹登峰

(中國水利水電科學(xué)研究院,北京 100038)

基于概率統(tǒng)計的水電機組狀態(tài)評估數(shù)據(jù)特性研究

周 葉,潘羅平,曹登峰

(中國水利水電科學(xué)研究院,北京 100038)

簡要介紹了基于健康樣本的水電機組狀態(tài)評估方法,提出完整的健康模型分為特征數(shù)據(jù)、影響因素和健康樣本3部分,然后針對特征數(shù)據(jù)的統(tǒng)計特性展開了分析與研究。首先對能反映機組運行狀態(tài)的傳感器和信號參數(shù)進行分類,再根據(jù)參數(shù)關(guān)系的復(fù)雜程度,將其分為基本特征數(shù)據(jù)和組合特征數(shù)據(jù),并分別給出了其計算方法和特征值的選擇。最后,文章通過選取電站長期運行的實際狀態(tài)數(shù)據(jù),對兩種類型的特征數(shù)據(jù)進行統(tǒng)計分析,得到其數(shù)據(jù)特性和影響因素并給出相關(guān)結(jié)論。

水電機組;健康樣本;特征數(shù)據(jù);統(tǒng)計特性;狀態(tài)評估

1 前言

與機組發(fā)生故障時需要及時判別和處理不同,狀態(tài)檢修最終的目標是指導(dǎo)檢修計劃和檢修內(nèi)容,以發(fā)現(xiàn)并消除機組潛在的故障,因此其重點在于收集并積累設(shè)備的狀態(tài)信息,并對其發(fā)展趨勢進行預(yù)測和評估。而當(dāng)前國內(nèi)外診斷技術(shù)的研究大多集中于故障的分析和識別,實際上,由于水電機組故障相對復(fù)雜,很難直接檢測到具體的特定故障。因此,要想提高水電機組狀態(tài)監(jiān)測的實用性,切合水電廠的實際需要,需要了解機組長期運行的狀態(tài)和發(fā)展趨勢,最終指導(dǎo)設(shè)備的檢修計劃及內(nèi)容[1]。

而隨著測試技術(shù)和信息技術(shù)的不斷發(fā)展提高,監(jiān)測設(shè)備越來越成熟,其應(yīng)用越來越廣泛,各電站通過各種狀態(tài)監(jiān)測系統(tǒng)積累了機組長期海量的運行狀態(tài)數(shù)據(jù),使得大數(shù)據(jù)和統(tǒng)計理論在水電機組診斷檢修中的研究和應(yīng)用成為可能。

基于實用性和狀態(tài)檢修的需求,本文從概率統(tǒng)計學(xué)的角度研究機組長期運行的狀態(tài)數(shù)據(jù),建立機組重點或關(guān)鍵部位的評估模型,研究其發(fā)展趨勢和變化規(guī)律,以實現(xiàn)機組的運行狀態(tài)評估。作為基于大數(shù)據(jù)的水電機組狀態(tài)評估方法研究成果,文獻[2]中提出了基于健康樣本的水電機組狀態(tài)評估方法,按照其結(jié)構(gòu)設(shè)計內(nèi)容,研究思路分為數(shù)據(jù)特性、模型特性和評估方法研究3個部分,本文的研究內(nèi)容為第一部分。

文章首先簡單介紹了基于健康樣本的水電機組運行狀態(tài)評估方法,并對能反映機組狀態(tài)的測量參數(shù)進行分類和計算方法分析,然后設(shè)計了兩種不同的特征數(shù)據(jù)模型,最后結(jié)合模型結(jié)構(gòu)通過大量的真實數(shù)據(jù)驗證分析機組運行狀態(tài)特征數(shù)據(jù)的統(tǒng)計特性。

2 基于概率統(tǒng)計的水電機組診斷評估方法

2.1 基于統(tǒng)計學(xué)的新異類檢測定義

新異類檢測方法(Novelty Detection Method)是一種檢測隱藏在大量正常數(shù)據(jù)中的未知或異?，F(xiàn)象的技術(shù),它通過對已知狀態(tài)觀測樣本的學(xué)習(xí),實現(xiàn)對機器學(xué)習(xí)系統(tǒng)在訓(xùn)練時未曾遇到的、新的未知的或異?，F(xiàn)象的識別,屬于數(shù)據(jù)挖掘中的無監(jiān)督學(xué)習(xí)方法[3]。

依據(jù)模型數(shù)據(jù)的統(tǒng)計特性,獲取模型樣本的分布,并判斷測試樣本是否屬于同一分布,這種檢測方法稱為基于統(tǒng)計學(xué)的新異類檢測方法。根據(jù)數(shù)據(jù)和模型的復(fù)雜程度不同,可以采用不同的統(tǒng)計學(xué)方法。

由于不需要先驗故障知識,且主要診斷依據(jù)基于數(shù)據(jù)的統(tǒng)計特性,更適用于已安裝且長期運行狀態(tài)監(jiān)測系統(tǒng)的水電廠。雖然這種方法在沒有先驗故障知識時,無法得到準確的故障分類和判別,但作為異常狀態(tài)識別方法,可以在狀態(tài)識別、趨勢預(yù)估上起到較好的效果,并為故障診斷提供依據(jù)。

2.2 基于健康樣本的水電機組狀態(tài)評估方法

文獻[2]中對基于概率統(tǒng)計的水電機組狀態(tài)評估診斷方法進行了詳細的描述,這里對該方法進行簡單的闡述和補充。

對水電機組的運行狀態(tài)進行評估,需要利用機組的歷史狀態(tài)測量數(shù)據(jù),對不同測點參數(shù)建立數(shù)據(jù)模型,數(shù)據(jù)模型包括基準值和限值兩部分,這里將機組在穩(wěn)定運行狀態(tài)下,由測點基準值和限值組成的特征數(shù)據(jù)模型稱為健康樣本(Health Model)。通過機組當(dāng)前的實時監(jiān)測值與健康樣本的比對分析,得到機組的運行健康狀態(tài)、劣化度和變化趨勢。

在實際分析過程中,由于水電機組的狀態(tài)監(jiān)測參數(shù)大多與其運行條件等有關(guān),如果統(tǒng)計分析時不予以考慮,會導(dǎo)致樣本分散,標準偏差大,不利于健康樣本的確定。因此,在處理樣本數(shù)據(jù)時,需要將樣本按多維影響因素進行劃分(對機組運行工況而言,典型的如有功、水頭、導(dǎo)葉開度等),對不同分區(qū)內(nèi)的數(shù)據(jù)分別建立相應(yīng)的健康樣本,也可大致分為穩(wěn)定區(qū)和非穩(wěn)定區(qū)進行分析,進而評估機組在整個運行條件范圍內(nèi)的健康狀態(tài)。

因此,一個完整的健康樣本模型分為3部分,①該模型的特征數(shù)據(jù),即我們選擇的參數(shù)物理量以及這些物理量的特征值,它由單個或多個測點參數(shù)構(gòu)成,單個參數(shù)的,如某導(dǎo)軸承擺度信號的峰峰值、水輪機頂蓋的水壓脈動主頻值等,多個參數(shù)的,如最大最小瓦溫差等;②影響因素,即生成模型時需要考慮的影響參數(shù)值變化的因素,二維模型指單個影響因素(如機組工作水頭)與特征數(shù)據(jù)的組合,三維模型指兩個影響因素(如機組有功和工作水頭)與特征數(shù)據(jù)的組合;③健康樣本,即該特征數(shù)據(jù)對應(yīng)影響因素的運行基準值和限值。本文主要研究健康樣本模型的第一部分即特征數(shù)據(jù)的結(jié)構(gòu)設(shè)計及其統(tǒng)計特性分析。

以機組有功和水頭作為主要工況限定條件為例,將機組有功、水頭和當(dāng)前健康標準值設(shè)定為三維模型,其閾值初始時由當(dāng)前有功和水頭限定范圍內(nèi)的監(jiān)測數(shù)據(jù)統(tǒng)計值確定,最終建立機組異常狀態(tài)評估模型:

其中Pm為有功區(qū)間,Hn為水頭區(qū)間,μi為基準值,δi為均方差/標準差,Z1i為健康下限,Z2i為健康上限,對單個特征量的健康樣本而言,i為有功區(qū)間劃分數(shù)和水頭區(qū)間劃分數(shù)之積。

3 機組運行狀態(tài)特征數(shù)據(jù)

3.1 狀態(tài)參數(shù)分類

要開展機組運行狀態(tài)評估,首先要確定能反映機組運行特征的參數(shù),這里按照水電機組的結(jié)構(gòu)組成、運行特性和常見故障類別,將機組可能發(fā)生故障的部分劃分為水輪機、發(fā)電機、軸承系統(tǒng)、主變壓器、GIS開關(guān)(含高壓斷路器)、調(diào)速器及輔機系統(tǒng)等幾個部分,首先選取每個部分里有代表性的參數(shù)構(gòu)造健康樣本,如部分容易反映出故障特性的特征值,再隨著關(guān)注度和數(shù)據(jù)特征趨勢的發(fā)展,逐步擴展到更多的參數(shù),構(gòu)造更多的狀態(tài)模型。這樣既利于提高診斷的效率和準確性,也能夠促使故障診斷研究工作分模塊、分階段開展和實施。

與故障診斷專家系統(tǒng)的知識分類不同,專家系統(tǒng)的故障分類,重點是分析具體的故障內(nèi)容,并找到對應(yīng)的參數(shù),而這里的運行狀態(tài)參數(shù)分類,則是將機組的大量監(jiān)測參數(shù)按照重要程度和關(guān)注度的不同進行分類,并通過挑選或組合不同的狀態(tài)參數(shù),形成機組健康模型,并不依賴于專家知識庫的推理。

3.2 特征數(shù)據(jù)設(shè)計

要研究水電機組運行狀態(tài)的健康指標,首先需要根據(jù)特征參數(shù)劃分和組合的不同,進行特征數(shù)據(jù)的統(tǒng)計特性分析,確定其是否體現(xiàn)了機組運行狀態(tài)。這里根據(jù)選取參數(shù)的復(fù)雜程度,將特征數(shù)據(jù)分為基本特征數(shù)據(jù)和組合特征數(shù)據(jù)兩類。

(1)基本特征數(shù)據(jù)

單一信號參數(shù)的特征數(shù)據(jù)稱為基本特征數(shù)據(jù),雖然包含是單一參數(shù),但對該參數(shù)的特征值計算,依據(jù)其測量和存儲方法的不同,仍然有不同的選擇依據(jù)。

對于慢變量,通常只需觀察其計量值的變化范圍是否在控制界限以內(nèi),就可以基本判定其運行狀態(tài)是否正常,如來自機組DCS以模擬量為主的監(jiān)測量,包括導(dǎo)軸承瓦溫、油泵油壓油位等數(shù)據(jù)。其他如主變壓器油中氣體含量、發(fā)電機氣隙監(jiān)測值等,根據(jù)采樣時間的不同,通常還存有波形趨勢數(shù)據(jù),對這種慢變量參數(shù),主要采用幅域統(tǒng)計法選取其特征,即選用一段時間內(nèi)的最大值、最小值、平均值和方差等。

對穩(wěn)態(tài)工況下機組測點的特征值,概率密度函數(shù)是慢變量重要的特征值指標,主要為均值μ和方差δ2。如果數(shù)據(jù)集服從正態(tài)分布N(μ,σ2),可以采用區(qū)間(μ-3σ,μ+3σ)作為判斷此次觀測值是否超限的依據(jù)[4]。

對于快變量,如振動、壓力脈動等參數(shù)的高采樣率波形數(shù)據(jù),除了需要觀察其計量值(通常為時域幅值)變化情況外,還需要觀察其頻譜以及無量綱幅域參數(shù)的變化,才能比較準確的判斷機組的運行狀態(tài)[5]。

因此,快變量還需要采用波形特征數(shù)據(jù)進行統(tǒng)計分析,包括波形指標、峰值指標、脈沖指標、裕度指標和峰態(tài)指標等;對頻譜成分特性,除了基本的轉(zhuǎn)頻、倍頻諧波的幅值、頻率指標外,還可采用功率譜密度函數(shù)、頻率重心、均方頻率、均方根頻率、頻率方差和頻率標準差等作為統(tǒng)計分析對象。

(2)組合特征數(shù)據(jù)

組合特征數(shù)據(jù)是建立在基本特征數(shù)據(jù)基礎(chǔ)上的一種數(shù)據(jù)類型,由于機組的運行特性常常由多個測點聯(lián)合作用共同體現(xiàn),故單一測點的統(tǒng)計特性往往很難有針對性的反映設(shè)備的健康狀態(tài)。同時,為了抵消或排除影響因素對數(shù)據(jù)的干擾,可按實際情況建立相關(guān)不同測點的組合特征量,對組合特征量的特征值進行分析和評估。

若X1,X2,…為選取的相關(guān)測點參數(shù),可建立如下不同特征量

其中,f1,f2,…為預(yù)先設(shè)定的函數(shù)關(guān)系,通過對組合特征量Y1,Y2,…的分析來評估設(shè)備狀態(tài)。

以擺度信號為例,如果監(jiān)測系統(tǒng)存儲了其主頻幅值和相位,就可以將振幅和相位隨轉(zhuǎn)速變化的關(guān)系比例,作為轉(zhuǎn)子動平衡模型的特征參數(shù)。同樣,對機組的導(dǎo)軸承瓦溫、冷卻水進出口溫度等參數(shù),可以通過比較和數(shù)學(xué)處理,得到一段時間的最大溫差等特征值,即:△Tmax=tmax-tmin,以抵消環(huán)境溫度對其數(shù)值的影響。

4 機組運行狀態(tài)數(shù)據(jù)統(tǒng)計特性

4.1 基本特征數(shù)據(jù)的統(tǒng)計特性分析

(1)長期基本特征數(shù)據(jù)的分布特性

為研究長期監(jiān)測數(shù)據(jù)的統(tǒng)計特性與分布規(guī)律,這里選取某電站15F機組2011年8月18日～2014年8月18日期間的監(jiān)測數(shù)據(jù),包括機組有功、上導(dǎo)Y向擺度峰峰值、上機架Y向水平振動峰峰值3個測點信號。按每2 min取特征值的均值,得到3年時間區(qū)間內(nèi)的樣本數(shù)據(jù)。

考慮到運行工況的影響,選取各測點在機組穩(wěn)態(tài)運行時的歷史數(shù)據(jù)做頻率分布統(tǒng)計,在95%置信水平下,用Matlab的Jbtest函數(shù)進行正態(tài)分布檢驗,得到檢驗結(jié)果見表1。

表1 正態(tài)分布檢驗結(jié)果(2011.8.18～2014.8.18)

其數(shù)據(jù)分布直方圖見圖1。

圖1 上導(dǎo)擺度和上機架振動的數(shù)據(jù)分布直方圖

通過JBTest函數(shù)計算結(jié)果和數(shù)據(jù)分布直方圖可以看出,兩個測點數(shù)據(jù)均無法通過正態(tài)分布檢驗,其檢驗量Jbstat遠遠超過臨界值CV。究其原因,由于選取了3年時長的機組運行數(shù)據(jù),期間機組檢修的影響和機組狀態(tài)的變化較大,因此很難把3年時間的機組運行數(shù)據(jù)統(tǒng)一為一個標準的穩(wěn)態(tài)數(shù)據(jù)模型。

(2)不同時間長度對統(tǒng)計特性的影響

分別以半年、3個月、1個月、1周為時間段,選取4個時間區(qū)間內(nèi)的上機架Y向水平振動峰峰值數(shù)據(jù)進行正態(tài)分布檢驗,其概率值檢驗圖如圖2、圖3所示。

圖2 15F機組上機架Y向水平振動概率值檢驗圖(左圖:半年;右圖:3個月)

圖3 15F機組上機架Y向水平振動概率值檢驗圖(左圖:1個月;右圖:1周)

從圖2、圖3可以看出,隨著數(shù)據(jù)時長的改變,上機架Y向水平振動峰峰值的分布特性雖然無法通過正態(tài)分布檢驗,但已經(jīng)在逐步趨向標準正態(tài)分布。

4.2 組合特征的統(tǒng)計特性分析

為了消除基本特征數(shù)據(jù)受到工況和壞境因素的影響,采用組合特征的方式來進行統(tǒng)計分析,這里選取某電廠18F機組2014年8月31日12:00～2014年09月14日00:00:00期間的水導(dǎo)瓦溫監(jiān)測數(shù)據(jù),期間機組滿負荷運行,包括3號、4號兩塊水導(dǎo)軸瓦的瓦溫數(shù)據(jù)。計算其平均值和最大瓦溫差的統(tǒng)計特性,即在95%置信水平下,用Matlab的Jbtest函數(shù)進行正態(tài)分布檢驗。檢驗結(jié)果見表2。

表2 水導(dǎo)瓦溫組合特征量正態(tài)分布檢驗結(jié)果

檢驗結(jié)果表明,3號水導(dǎo)瓦和4號水導(dǎo)瓦該段數(shù)據(jù)均無法通過正態(tài)分布檢驗,但組合測點最大瓦溫差該段數(shù)據(jù)可以通過正態(tài)分布檢驗,認為其服從正態(tài)分布。

頻率分布直方圖與概率值檢驗圖如圖4所示。

圖4 18F機組水導(dǎo)瓦溫-最大瓦溫差頻率分布直方圖和概率密度檢驗圖

5 結(jié)論

通過對實際數(shù)據(jù)的分析和檢驗,可以得出如下結(jié)論:

(1)數(shù)據(jù)長度不宜選擇過長。雖然概率統(tǒng)計方法希望取得的數(shù)據(jù)樣本數(shù)越大越好,但實際驗證分析證明,影響機組運行狀態(tài)變化的因素很多,想要確定機組的健康樣本,需要機組運行狀態(tài)相對穩(wěn)定,因此建議在采用率盡可能高的情況下,選取適當(dāng)時長的數(shù)據(jù)進行統(tǒng)計分析。

(2)組合特征量相比單個特征量更容易反映機組運行特性。本文僅給出了簡單的瓦溫差作為示例,其他如機組發(fā)電機能量損耗、動不平衡時機架振動主頻分量與轉(zhuǎn)速平方比值等其他與機組運行特性緊密相關(guān)的組合特征,都可以用來進行統(tǒng)計分析,也容易起到較好的評估效果。

(3)通過概率統(tǒng)計分析可以得到機組的穩(wěn)定運行狀態(tài)和樣本,能夠作為后期機組異常狀態(tài)評估和趨勢預(yù)估的標準。當(dāng)然,可以根據(jù)參數(shù)值的數(shù)學(xué)特性,選用其他的分布函數(shù)進行驗證和分析。要想得到理想的機組健康樣本,還需要考慮其基本的影響因素即工況參數(shù)的影響,可以通過網(wǎng)格劃分得到多維特征數(shù)據(jù),以更好的獲取其統(tǒng)計特性。

[1]陳國慶,程 建,李友平,等.水電機組狀態(tài)檢修技術(shù)的幾點認識[J].水電自動化與大壩監(jiān)測,2012,36(4):31-33.

[2]周 葉,潘羅平,曹登峰.基于新異類檢測的水電機組診斷評估方法研究 [C]//水電設(shè)備的研究與實踐—第20次中國水電設(shè)備學(xué)術(shù)討論會論文集.北京:中國水利水電出版社,2015:344-351.

[3]Markou M,Singh S,Novelty Detection:A Review–Part 1: Statistical Approaches[J].Signd Processing,2003(12).

[4]Manson G,Pierce G,Worden K,et al.Long-term Stability of Normal Condition Data for Novelty Detection[C]//Proceedingsofthe 7th International Symposium on Smart Structures and Materials,California,USA,2000.

[5]梁武科,張彥寧,羅 興.水電機組故障診斷系統(tǒng)信號特征的提取[J].大電機技術(shù),2003,35(4):53-56.

TV738

A

1672-5387(2017)07-0022-04

10.13599/j.cnki.11-5130.2017.07.006

2017-04-27

周 葉(1980-),男,高級工程師,從事水電機組狀態(tài)監(jiān)測與故障診斷研究工作。