黃一晟

摘 要：水力發(fā)電是我國(guó)電網(wǎng)的重要組成部分，但是在水電機(jī)組運(yùn)行過(guò)程中容易出現(xiàn)機(jī)組振動(dòng)，進(jìn)而引發(fā)機(jī)組故障，影響電網(wǎng)供電的可靠性。本文將對(duì)機(jī)組故障診斷中常用的系統(tǒng)辨識(shí)法進(jìn)行分析，并針對(duì)其中的不足，提出一種模糊聚類故障診斷法，進(jìn)而提高水電機(jī)組故障診斷的準(zhǔn)確性。

關(guān)鍵詞：機(jī)組故障;系統(tǒng)辨識(shí);模糊聚類

DOI：10.16640/j.cnki.37-1222/t.2019.21.146

0 引言

隨著發(fā)電機(jī)組朝著大型化、復(fù)雜化的方向發(fā)展，其安全穩(wěn)定運(yùn)行顯得尤為重要，發(fā)電機(jī)組的故障直接影響電廠的安全經(jīng)濟(jì)運(yùn)行，并威脅到電網(wǎng)的穩(wěn)定與安全。發(fā)電機(jī)組的振動(dòng)是普遍存在的問(wèn)題，引發(fā)發(fā)電機(jī)組振動(dòng)故障的原因很多，且各種因素相互偶聯(lián)，造成了機(jī)組振動(dòng)的復(fù)雜性、振動(dòng)故障與征兆非一一對(duì)應(yīng)性，因此在研究機(jī)組振動(dòng)故障時(shí)學(xué)者們多采用以神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊技術(shù)為代表的智能診斷方法。在機(jī)組故障診斷研究中，有兩個(gè)問(wèn)題值得探討，即基于模型的故障診斷策略和模式識(shí)別方法，為此本文將對(duì)這兩種方法分別進(jìn)行分析。

1 基于系統(tǒng)辨識(shí)的故障診斷方法

基于系統(tǒng)參數(shù)辨識(shí)的故障診斷方法是機(jī)組故障診斷的重要方法之一，這種方法的主要思想是被控制系統(tǒng)的故障可以利用參數(shù)變化的形式來(lái)表示，當(dāng)機(jī)組發(fā)生故障后，相應(yīng)的參數(shù)也會(huì)隨之發(fā)生變化，為此可利用參數(shù)和模型之間的關(guān)系建立機(jī)組的故障模型，進(jìn)而可以通過(guò)辨識(shí)模型的參數(shù)來(lái)識(shí)別機(jī)組的故障。

在系統(tǒng)參數(shù)辨識(shí)的過(guò)程中，首先需要建立系統(tǒng)的動(dòng)態(tài)模型，并根據(jù)系統(tǒng)的可量測(cè)信號(hào)來(lái)辨別系統(tǒng)的特征參數(shù)和狀態(tài)量，由于機(jī)組的特征參數(shù)和狀態(tài)量在正常狀態(tài)下和故障時(shí)參數(shù)存在差異，為此利用辨別出的參數(shù)來(lái)提取相應(yīng)的故障特征，進(jìn)而判斷水電機(jī)組是否產(chǎn)生故障。

2 基于系統(tǒng)辨識(shí)的故障診斷方法的實(shí)現(xiàn)

目前基于系統(tǒng)辨識(shí)的故障診斷方法較多，例如文獻(xiàn)[1]提出了一種盲辨識(shí)的故障診斷方法，在系統(tǒng)輸入量不可觀測(cè)時(shí)，利用這種方法可通過(guò)系統(tǒng)的輸出信號(hào)來(lái)辨識(shí)系統(tǒng)是否發(fā)生故障，這種方法在旋轉(zhuǎn)機(jī)械的故障診斷中使用較多，通過(guò)這種方法可有效辨別轉(zhuǎn)子故障時(shí)，裂紋的位置和深度特性。文獻(xiàn)[2]提出了一種利用級(jí)數(shù)模型來(lái)反映非線性系統(tǒng)的本質(zhì)特征的故障診斷方法，通過(guò)檢測(cè)系統(tǒng)中的狀態(tài)變化來(lái)實(shí)現(xiàn)系統(tǒng)中傳感器的故障診斷。同時(shí)還有其他一些常用的方法，但是這些方法的基本過(guò)程都可以用圖1所示的結(jié)構(gòu)進(jìn)行描述。

精確模型：參數(shù)辨識(shí)對(duì)模型的準(zhǔn)確性依賴程度較高，為此在采用參數(shù)辨識(shí)的故障診斷方法時(shí)，首先要建立準(zhǔn)確的數(shù)學(xué)模型。

參數(shù)辨識(shí)：參數(shù)辨識(shí)是整個(gè)的核心，在系統(tǒng)發(fā)生故障時(shí)，參數(shù)將發(fā)生變化，通過(guò)相應(yīng)的辨識(shí)方法辨識(shí)出模型參數(shù)，進(jìn)而獲知系統(tǒng)的特征。

特征提取：對(duì)系統(tǒng)特征進(jìn)行分析，提取能具有狀態(tài)區(qū)分度的特征。

模式識(shí)別：根據(jù)提取的特征進(jìn)行模式識(shí)別，并利用總結(jié)出的故障種類進(jìn)行對(duì)比，進(jìn)而分析出故障的類別。

故障模式識(shí)別是故障診斷的最后一個(gè)環(huán)節(jié)，關(guān)系到故障診斷的準(zhǔn)確度，在故障診斷研究中占有重要地位，但是系統(tǒng)辨識(shí)對(duì)模型的依賴程度較高，在實(shí)際運(yùn)行中存在偏差，為此本文將提出一種模糊聚類的診斷理論。

3 模糊聚類理論基礎(chǔ)

聚類就是依據(jù)事物的相關(guān)要求和規(guī)律進(jìn)行分類和區(qū)分，根據(jù)事物之間的相似性作為類屬性進(jìn)行劃分準(zhǔn)則，總體來(lái)說(shuō)屬于無(wú)督導(dǎo)的學(xué)習(xí)過(guò)程。而模糊聚類在歸類過(guò)程不嚴(yán)格規(guī)定對(duì)象的類屬性，直接采用模糊的方法來(lái)對(duì)類屬隸屬度進(jìn)行定義，通過(guò)建立描述樣本的不確定性來(lái)客觀的反映事物的本質(zhì)。聚類問(wèn)題可以歸結(jié)為一種帶約束的非線性規(guī)劃問(wèn)題，在模糊聚類中，模糊均值算法的使用最為廣泛，下面將以模糊C均值（FCM算法）為例，來(lái)分析模糊聚類理論與算法。

為了驗(yàn)證FCM的性能，利用IRIS測(cè)試數(shù)據(jù)集作為實(shí)驗(yàn)數(shù)據(jù)，來(lái)測(cè)試FCM方法的聚類效果。用FCM方法對(duì)IRIS數(shù)據(jù)集進(jìn)行模糊聚類，設(shè)置模糊度m為2，聚類數(shù)為3，具體實(shí)驗(yàn)結(jié)果如表1所示，通過(guò)表1可知，錯(cuò)分樣本數(shù)僅為6，錯(cuò)分率為3.2%，總體精確度較高。

通過(guò)上述分析可知，模糊聚類的可靠性較高，為此可以對(duì)水電機(jī)組的故障進(jìn)行診斷，在診斷過(guò)程中，首先建立機(jī)組的不同故障樣本，經(jīng)過(guò)預(yù)處理后，用特征量對(duì)應(yīng)的隸屬度進(jìn)行表示，同時(shí)選取典型的數(shù)據(jù)作為樣本集;其次根據(jù)運(yùn)行情況提取出故障特征，當(dāng)匹配到相應(yīng)的故障樣本集時(shí)，則可以判斷出相應(yīng)的故障。

4 結(jié)論

本文主要對(duì)水電機(jī)組故障影響進(jìn)行了分析，并對(duì)常用的系統(tǒng)辨識(shí)的故障診斷法進(jìn)行了分析，指出這種方法對(duì)于模型的依賴程度較高，為此提出了一種模糊聚類故障診斷法，可有效提供故障診斷的準(zhǔn)確率，為水電機(jī)組的故障診斷提供了依據(jù)，對(duì)實(shí)際工程具有一定的指導(dǎo)意義。

參考文獻(xiàn)：

[1]周葉.基于新異類檢測(cè)和支持向量機(jī)的水電機(jī)組診斷技術(shù)研究[D].中國(guó)水利水電科學(xué)研究院，2015.

[2]盧魏.水電機(jī)組振動(dòng)監(jiān)測(cè)與故障診斷系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].華中科技大學(xué)，2016.

[3]黃戈.基于最小二乘支持向量機(jī)的水輪發(fā)電機(jī)組振動(dòng)故障診斷方法研究[D].西安理工大學(xué)，2009.