侯 凱

（湖南五凌電力科技有限公司，湖南省長沙市 410004）

0 引言

五強(qiáng)溪電廠機(jī)組狀態(tài)在線監(jiān)測系統(tǒng)由傳感器、數(shù)據(jù)采集處理單元、上位機(jī)系統(tǒng)及相關(guān)網(wǎng)絡(luò)設(shè)備、軟件等組成。系統(tǒng)采用分層分布式結(jié)構(gòu)，安裝在機(jī)組現(xiàn)地各部位的傳感器將物理信號轉(zhuǎn)化為電信號，傳送到各狀態(tài)監(jiān)測子系統(tǒng)，經(jīng)過各子系統(tǒng)采集并處理的數(shù)據(jù)統(tǒng)一存儲到狀態(tài)數(shù)據(jù)服務(wù)器，實現(xiàn)了對機(jī)組運(yùn)行狀態(tài)數(shù)據(jù)采集、數(shù)據(jù)存儲以及初步數(shù)據(jù)統(tǒng)計分析的功能。機(jī)組狀態(tài)監(jiān)測系統(tǒng)以對監(jiān)測部位的報警閾值來衡量其機(jī)組的狀態(tài)穩(wěn)定性，而無法對異常故障進(jìn)行早期預(yù)警，更不能對機(jī)組故障進(jìn)行有效地識別與檢修維護(hù)指導(dǎo)，系統(tǒng)的診斷分析功能也只是利用振動信號的頻率成分組成和頻率幅值相結(jié)合進(jìn)行綜合分析，由于水電機(jī)組故障具有復(fù)雜性、隨機(jī)性、耦合性及頻譜結(jié)構(gòu)存在相似性等特點(diǎn)，僅僅依賴振動信號頻譜信息進(jìn)行診斷，常常出現(xiàn)誤診的現(xiàn)象，甚至?xí)斐芍卮蟮膿p失[1]。整個系統(tǒng)存在監(jiān)測點(diǎn)少、功能單一、缺乏系統(tǒng)性和綜合性等問題，妨礙了水電機(jī)組狀態(tài)信息由單一診斷向綜合診斷的轉(zhuǎn)變。

1 預(yù)警系統(tǒng)設(shè)計目的

目前，大多數(shù)水電機(jī)組已安裝了相當(dāng)數(shù)量的在線監(jiān)測系統(tǒng)，但未形成規(guī)范的運(yùn)行、使用和維護(hù)辦法，對在線監(jiān)測系統(tǒng)的應(yīng)用重視程度不夠，采集到的數(shù)據(jù)缺乏專人進(jìn)行深入分析和專業(yè)技術(shù)人員的技術(shù)支持。另外，由于在線監(jiān)測系統(tǒng)生產(chǎn)、安裝調(diào)試廠家較多，系統(tǒng)維護(hù)又以制造廠家為主，服務(wù)及時性和有效性普遍較差，系統(tǒng)運(yùn)行維護(hù)非常困難。水電設(shè)備的劣化、缺陷大多數(shù)都有一定的發(fā)展期，其電氣、水力、化學(xué)、機(jī)械等特性發(fā)生少量漸進(jìn)的變化，出現(xiàn)前期征兆。如果對水電設(shè)備進(jìn)行連續(xù)或隨機(jī)地檢測，及時獲取這些前期征兆信息，并進(jìn)行綜合分析和處理，則可隨時評估設(shè)備的運(yùn)行可靠性，并根據(jù)其健康狀況有計劃地安排停機(jī)檢查和維護(hù)。因此，一種以狀態(tài)檢測和故障診斷預(yù)警為基礎(chǔ)的檢修維護(hù)體系，即狀態(tài)檢修體系正日益得到重視和發(fā)展。在遵循現(xiàn)有的預(yù)防性維修體制下，積極采取狀態(tài)檢測和故障診斷預(yù)警技術(shù)，即可彌補(bǔ)定期預(yù)防性維修的不足，及時發(fā)現(xiàn)運(yùn)行中水電設(shè)備的缺陷，避免故障，提高發(fā)電企業(yè)的安全經(jīng)濟(jì)運(yùn)行能力、電力系統(tǒng)的供電可靠性，同時又可降低預(yù)防性維修的盲目性，通過適當(dāng)延長維修周期來降低生產(chǎn)成本，增加競爭力并獲得更大效益，同時也為將來過渡到預(yù)知性維修奠定基礎(chǔ)[2]。

2 基于振擺在線監(jiān)測數(shù)據(jù)分析的健康指標(biāo)

基于大數(shù)據(jù)挖掘技術(shù)的人工智能診斷主要針對尚未有明確診斷模式的故障（或尚且很少存在診斷經(jīng)驗的故障），開發(fā)機(jī)器自學(xué)習(xí)功能，以海量歷史數(shù)據(jù)為基礎(chǔ)，以大數(shù)據(jù)分析方法與模型為核心，在專家知識庫[3]的指導(dǎo)下組態(tài)數(shù)據(jù)及設(shè)備運(yùn)行工況，通過大數(shù)據(jù)挖掘總結(jié)設(shè)備正常運(yùn)行時的參數(shù)區(qū)間形成健康樣本，當(dāng)參數(shù)偏離正常運(yùn)行區(qū)間、出現(xiàn)突變或長時間單向變化時即實現(xiàn)設(shè)備故障智能診斷。水電機(jī)組是一個復(fù)雜的水機(jī)電系統(tǒng)，其與振動相關(guān)的故障模式相當(dāng)復(fù)雜。本文通過關(guān)聯(lián)工況構(gòu)建基于大數(shù)據(jù)診斷模型，對于振動密切相關(guān)的機(jī)組工況基礎(chǔ)數(shù)據(jù)進(jìn)行網(wǎng)格劃分，采用自學(xué)習(xí)策略，用三維曲面模型方式繪制機(jī)組在正常運(yùn)行時機(jī)組振動擺度測點(diǎn)通頻值及各頻率成分的運(yùn)行區(qū)間，或統(tǒng)計計算機(jī)組振動擺度測點(diǎn)通頻值及各頻率成分的隨機(jī)分布規(guī)律，當(dāng)機(jī)組運(yùn)行的（一個或多個）振動擺度測點(diǎn)值在某單一或一系列特定的網(wǎng)格下偏離該三維曲面模型，或出現(xiàn)單方向持續(xù)變化，或偏離先前統(tǒng)計的隨機(jī)分布時，給出預(yù)警信息，根據(jù)預(yù)警測點(diǎn)位置初步定位故障位置。

五強(qiáng)溪電廠水電機(jī)組振擺數(shù)據(jù)健康指標(biāo)建設(shè)主要開發(fā)了關(guān)于主機(jī)健康狀態(tài)的故障指標(biāo)及趨勢預(yù)警指標(biāo)，能夠比較全面地反映主機(jī)系統(tǒng)的健康狀況，根據(jù)健康指標(biāo)及趨勢預(yù)警的具體情況，可以指導(dǎo)電站運(yùn)行維護(hù)人員及時發(fā)現(xiàn)機(jī)組隱患，協(xié)助檢修專家對機(jī)組進(jìn)行定向檢修。特以發(fā)電機(jī)軸心指標(biāo)為典型示例，具體如下：

此指標(biāo)為發(fā)電機(jī)轉(zhuǎn)子中心線的實際回轉(zhuǎn)半徑。指標(biāo)測值過大會造成上導(dǎo)擺度超標(biāo)，在軸瓦溫度不超標(biāo)的前提下，通過減小軸瓦間隙或?qū)D(zhuǎn)子進(jìn)行配重，可以使該指標(biāo)達(dá)到合適值，減小上導(dǎo)擺度。此指標(biāo)計算需要用到上導(dǎo)X向擺度、上導(dǎo)Y向擺度、推力X向擺度、推力Y向擺度、水導(dǎo)X向擺度、水導(dǎo)Y向擺度測點(diǎn)的波形數(shù)據(jù)，將計算的發(fā)電機(jī)軸心指標(biāo)值與設(shè)置的報警閾值進(jìn)行比較，判斷機(jī)組健康狀態(tài)。

該指標(biāo)具體計算過程如下：

（1）在中間量算法中，使用空間軸線算法（以三部導(dǎo)軸承處擺度及振動波形數(shù)據(jù)建立的立式機(jī)組空間模型）模板，計算出上導(dǎo)軸承處的擺度影響量。

（2）將第一步計算出來的擺度影響量作為三維的Z軸，用水頭和導(dǎo)葉開度作為X、Y軸，進(jìn)入三維模型算法中進(jìn)行收斂計算。

（3）將三維模型中收斂出來的擺度影響量進(jìn)行圈點(diǎn)，選擇額定水頭附近、開度60%以上的特征信號進(jìn)行提取，作為特征值輸出。

（4）對從三維模型中提取出來的特征信號進(jìn)行報警判定后形成指標(biāo)[4]。

此指標(biāo)值超過報警值對應(yīng)的故障缺陷有三種可能：上導(dǎo)軸承瓦間隙過大；轉(zhuǎn)子質(zhì)量不平衡；轉(zhuǎn)子磁拉力不平衡。

3 基于振擺在線監(jiān)測數(shù)據(jù)分析的健康指標(biāo)算法

3.1 總體概況

算法服務(wù)器可對各種監(jiān)測信號進(jìn)行分析處理，算法引擎協(xié)助數(shù)據(jù)平臺完成數(shù)據(jù)的加工和處理，是數(shù)據(jù)平臺的“協(xié)助處理器”，用于在線加工計算各種特征量和指標(biāo)量，是實現(xiàn)數(shù)據(jù)挖掘的核心部件[5]。

3.2 算法功能

算法平臺采用開放式平臺結(jié)構(gòu)，用戶可自行對故障特征量組態(tài)，無需修改軟件源代碼，可用圖形或公式化邏輯語言，對信號進(jìn)行各種計算，如加、減、乘、除、最大值、最小值、傅里葉變換等，形成用戶自己獨(dú)特的故障診斷指標(biāo)。軟件采用模塊化式的設(shè)計，形成積木式可拼裝組態(tài)式的結(jié)構(gòu)，同時有第三方友好鏈接，能與其他系統(tǒng)進(jìn)行友好銜接，系統(tǒng)的可持續(xù)發(fā)展得到保證。用戶可根據(jù)實際需要，新增典型故障診斷指標(biāo)模型，錄入知識庫，無需軟件的二次開發(fā)。主要功能如下：

（1）提供狀態(tài)在線預(yù)警算法，開發(fā)專業(yè)軟件平臺實現(xiàn)對振擺數(shù)據(jù)進(jìn)行實時在線的趨勢分析及狀態(tài)評價，當(dāng)設(shè)備狀態(tài)在線檢測參數(shù)發(fā)生顯著異常變化或超過預(yù)、報警閥值時，系統(tǒng)收集相應(yīng)數(shù)據(jù)，發(fā)出預(yù)、報警信號信息到監(jiān)控系統(tǒng)，及時提醒生產(chǎn)調(diào)度及集控值班員。

（2）設(shè)備狀態(tài)評價算法：能提供多種分析方法和手段，可進(jìn)行歷史趨勢分析、橫向縱向?qū)Ρ确治?、異常情況分析等，從多角度觀察數(shù)據(jù)發(fā)現(xiàn)影響數(shù)據(jù)的關(guān)鍵因素。有多種數(shù)據(jù)表現(xiàn)形式，可采用數(shù)據(jù)表格和圖形（曲線圖、柱狀圖等）相結(jié)合的表現(xiàn)形式，達(dá)到生動直觀的效果?？蛇M(jìn)行水電設(shè)備運(yùn)行狀況分析、設(shè)備缺陷分析等，實時分析相應(yīng)檢測數(shù)據(jù)，并對水電設(shè)備異常狀態(tài)進(jìn)行及時預(yù)警。合理組態(tài)已有振動、擺度及壓力測點(diǎn)的時、頻波形數(shù)據(jù)，計算診斷指標(biāo)，且診斷指標(biāo)與對應(yīng)故障的關(guān)聯(lián)度要求定量化，典型故障的確定性亦通過診斷指標(biāo)應(yīng)量化。融合離線試驗數(shù)據(jù)，如金屬探傷、六件檢查結(jié)果，對故障模型進(jìn)行修正。能及時、準(zhǔn)確地對各種異常狀態(tài)或故障做出診斷，預(yù)防或消除故障，對設(shè)備運(yùn)行進(jìn)行指導(dǎo)，提高設(shè)備可靠性、安全性和有效性，保證設(shè)備運(yùn)行在最佳狀態(tài)。

（3）劣化趨勢分析算法：積累歷史監(jiān)測的在線和離線數(shù)據(jù)，提取劣化診斷指標(biāo)，剔除噪聲干擾，并建立合適的故障樣本庫，組態(tài)分析機(jī)組振動、擺度、壓力脈動信號的頻域特征和時域特征作為診斷指標(biāo)量，建立診斷指標(biāo)量與故障類型的映射關(guān)系，通過動態(tài)的趨勢變化來診斷故障嚴(yán)重程度。

本研究存在的不足：（1）相關(guān)指標(biāo)的最優(yōu)截點(diǎn)值得選取不一，本研究采用ROC曲線兼顧敏感性和特異性來取截點(diǎn)值，其他方法獲取的截點(diǎn)值可能會對結(jié)果產(chǎn)生影響。（2）本研究屬于單中心回顧性研究，統(tǒng)計結(jié)果可能會出現(xiàn)選擇偏倚，故需多中心的前瞻性隨機(jī)對照研究進(jìn)一步證實這些炎性指標(biāo)在預(yù)測胃癌患者生存預(yù)后中的重要價值。

（4）故障診斷與分析決策算法：除依靠數(shù)據(jù)分析平臺上提供的信息及模型，系統(tǒng)還可以提供遠(yuǎn)程專業(yè)團(tuán)隊及專家團(tuán)隊依靠信息化手段，發(fā)揮自身作用，為設(shè)備狀態(tài)掌控、生產(chǎn)管理提供支撐。

該平臺可將現(xiàn)有生產(chǎn)類信息系統(tǒng)中可提取的信息、在線監(jiān)測數(shù)據(jù)、建立的模型分析結(jié)果提供給專家，并依靠專家的經(jīng)驗及知識，對設(shè)備狀態(tài)進(jìn)行分析評價，得到分析結(jié)論、提出應(yīng)對策略，為生產(chǎn)管理提供支持。當(dāng)設(shè)備發(fā)生復(fù)雜故障或在線自動診斷結(jié)果不能滿足設(shè)備診斷要求時，系統(tǒng)應(yīng)提供人機(jī)交互診斷接口，通過廣域網(wǎng)發(fā)布診斷信息，為遠(yuǎn)程的水電專家提供翔實的設(shè)備狀態(tài)數(shù)據(jù)和分析診斷報告，遠(yuǎn)程專家可根據(jù)這些設(shè)備狀態(tài)數(shù)據(jù)并利用診斷知識庫中的知識與規(guī)則，與系統(tǒng)進(jìn)行交互式診斷，做到充分結(jié)合水電設(shè)備管理領(lǐng)域?qū)＜业闹R和經(jīng)驗，實現(xiàn)遠(yuǎn)程專家會診，得到更準(zhǔn)確的診斷結(jié)果。

算法引擎基于windows系統(tǒng)部署，算法管理平臺同樣具備三級權(quán)限，最高權(quán)限具備算法增加、刪除、修改、啟動、停止等功能，二級權(quán)限具備修改、啟動、停止等功能，三級權(quán)限僅具有對算法的啟動、停止功能。用戶權(quán)限使用用戶名與密碼進(jìn)行區(qū)分登陸。各種算法模塊對集成的各種監(jiān)測參數(shù)進(jìn)行在線算法加工和處理，形成各種中間計算量，故障指標(biāo)、性能曲線或曲面等供應(yīng)用程序展示和交互。

3.3 算法平臺搭建及使用

算法平臺分為四大部分，具體如下：

（1）中間量算法。中間量算法為作為最終指標(biāo)量的第一步算法，可對點(diǎn)值數(shù)據(jù)進(jìn)行整合及有效范圍篩選。

在算法服務(wù)器中Google瀏覽器地址欄輸入“l(fā)ocalhost：9443”登錄中間量算法配置界面，在該界面上點(diǎn)擊算法管理“算法模板”，即可看到已經(jīng)開發(fā)完成的算法模板，用戶只需點(diǎn)擊改模板后選擇新建算法即可，無需二次開發(fā)。

（3）指標(biāo)算法為通過三維曲面提取出來的Z軸特征信號，包括特征值、偏差值及緩變率。

（4）指標(biāo)報警。報警算法為可對該系統(tǒng)內(nèi)任意值進(jìn)行報警閾值設(shè)定，報警閾值來自國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)及電廠運(yùn)行規(guī)程中的定值。

4 界面展示

該分析系統(tǒng)界面分為四大模塊及專業(yè)工具。由于篇幅有限，僅展示部分圖片。

4.1 主界面

在主界面上，可以一覽電站所有機(jī)組的整體健康狀況，若某項指標(biāo)達(dá)到報警閾值，則可直觀的在界面的相應(yīng)模塊上反應(yīng)，如圖1所示。

4.2 運(yùn)行監(jiān)視界面

在運(yùn)行監(jiān)視模塊中，可以查看到機(jī)組的實時運(yùn)行狀況。進(jìn)入該模塊后，可看到機(jī)組的實時狀況。若要查看某項監(jiān)測量的詳細(xì)信息，可點(diǎn)擊該監(jiān)測量名稱，即進(jìn)入到其詳細(xì)信息界面。若水導(dǎo)擺度監(jiān)測量，該量集成了水導(dǎo)X向擺度和水導(dǎo)Y向擺度，若其中一只擺度值報警，則該水導(dǎo)擺度量同樣也會發(fā)出報警信息。

4.3 健康指標(biāo)界面

在健康指標(biāo)模塊中，可以從大數(shù)據(jù)角度分析機(jī)組各個部件的健康狀況。將主機(jī)分為軸系、轉(zhuǎn)子、定子、上導(dǎo)軸承、推力軸承、水導(dǎo)軸承及過流部件等7個部件，每個部件提取能夠反映其健康狀況的特征信號，通過該部件指標(biāo)，可一目了然地看到該部件的狀況。在該界面上可進(jìn)入某一項指標(biāo)的詳細(xì)信息界面，可查看該指標(biāo)的歷史趨勢，分析其歷史狀況，檢查其狀況是否發(fā)生變化。

圖1 主界面Figure 1 main interface

4.4 趨勢預(yù)警界面

在趨勢預(yù)警模塊中，算法根據(jù)積累的歷史檢測數(shù)據(jù)，提取劣化診斷指標(biāo)，提出噪聲干擾后建立合適的故障樣本庫，并根據(jù)歷史數(shù)據(jù)進(jìn)行狀態(tài)預(yù)警。在該界面上可進(jìn)入某一項指標(biāo)的詳細(xì)信息界面，可查看該預(yù)警指標(biāo)的變化趨勢，分析故障是否存在擴(kuò)大趨勢。

4.5 運(yùn)轉(zhuǎn)特性界面

在運(yùn)轉(zhuǎn)特性模塊中，可選擇查看某一特定運(yùn)轉(zhuǎn)特性。在運(yùn)轉(zhuǎn)特性主界面上，列出了機(jī)組功率特性、定子繞組溫度特性、水導(dǎo)擺度特性、定子鐵芯溫度特性，如圖2所示。在左上角可選擇查看其余特性模型。在此特性模型上，可分析在不同工況條件下機(jī)組的振擺趨勢。

5 結(jié)束語

本文在深入分析水輪發(fā)電機(jī)組故障類型的基礎(chǔ)上，在數(shù)據(jù)平臺的基礎(chǔ)上開發(fā)算法平臺，針對五強(qiáng)溪電廠機(jī)組運(yùn)行特點(diǎn)，利用大數(shù)據(jù)算法工具，通過理論分析建立故障的機(jī)理模型，對水輪機(jī)組振擺在線監(jiān)測的大量歷史數(shù)據(jù)進(jìn)行頻譜分析，挖掘出有價值的特征“指標(biāo)”，將提取到的特征信號值與相同水頭及負(fù)荷工況下的歷史值或預(yù)測值進(jìn)行偏差計算，根據(jù)偏差值的變化趨勢，提前發(fā)現(xiàn)潛在故障，指導(dǎo)機(jī)組安全穩(wěn)定運(yùn)行。此研究項目實施后，在背景量采集、軟件系統(tǒng)的分析功能、系統(tǒng)的穩(wěn)定性上仍存在少許不足。但隨著對機(jī)組數(shù)據(jù)的持續(xù)分析，系統(tǒng)的不斷完善，管理制度的約束等，功能會越來越強(qiáng)大，對于水電設(shè)備的檢修方式也會上一個新的高度。

圖2 運(yùn)轉(zhuǎn)特性界面Figure 2 Operating characteristics interface