亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于大數(shù)據(jù)挖掘技術(shù)的發(fā)電機(jī)故障診斷與預(yù)測(cè)性維護(hù)

        2020-10-29 01:48:20倪先鋒中海石油中國有限公司天津分公司天津300452
        化工管理 2020年29期
        關(guān)鍵詞:數(shù)據(jù)挖掘發(fā)電機(jī)故障診斷

        倪先鋒(中海石油(中國)有限公司天津分公司,天津 300452)

        0 引言

        發(fā)電機(jī)組的安全與穩(wěn)定運(yùn)行是電網(wǎng)能否穩(wěn)定運(yùn)行的先決條件,對(duì)發(fā)電機(jī)組進(jìn)行實(shí)時(shí)狀態(tài)監(jiān)測(cè)與故障診斷可及時(shí)發(fā)現(xiàn)電網(wǎng)的隱患,且對(duì)保證發(fā)電機(jī)組的穩(wěn)定運(yùn)行具有重大意義[1]。發(fā)電機(jī)一般由定子、轉(zhuǎn)子、端蓋、機(jī)座以及軸承等零部件組成,而每個(gè)單獨(dú)的零部件又由很多的零部件構(gòu)成。由于發(fā)電機(jī)的組成元件過于復(fù)雜,因此如何有效設(shè)計(jì)發(fā)電機(jī)組的監(jiān)測(cè)點(diǎn)、有效提取到發(fā)電機(jī)組的狀態(tài)信息就尤為困難。因此,有效地對(duì)發(fā)電機(jī)進(jìn)行狀態(tài)監(jiān)測(cè)與故障診斷具有很高的工程應(yīng)用價(jià)值與實(shí)際意義。其中,文獻(xiàn)[1]提出對(duì)發(fā)電機(jī)的主要零部件進(jìn)行振動(dòng)監(jiān)測(cè),然后對(duì)關(guān)鍵零部件進(jìn)行故障診斷,該論文取得了一定的成果,但是沒有對(duì)發(fā)電機(jī)的整體狀態(tài)進(jìn)行評(píng)估;文獻(xiàn)[2]對(duì)發(fā)電機(jī)組的運(yùn)行狀態(tài)進(jìn)行了狀態(tài)監(jiān)測(cè),但是沒有做故障診斷。

        目前對(duì)海上電網(wǎng)發(fā)電機(jī)組故障診斷難點(diǎn)在于以下幾點(diǎn):

        (1)發(fā)電機(jī)的組成零部件太復(fù)雜,造成干擾源太多,很難提取到發(fā)電機(jī)有效故障特征信息;

        (2)對(duì)海上電網(wǎng)發(fā)電機(jī)的故障診斷研究資料甚少;

        (3)一般的傳統(tǒng)故障診斷技術(shù)不能直接適用于發(fā)電機(jī)。

        鑒于綜上幾點(diǎn),本文提出一種基于大數(shù)據(jù)挖掘技術(shù)的發(fā)電機(jī)故障診斷與預(yù)測(cè)性維護(hù)方法[3-5]。本方法采用大數(shù)據(jù)挖掘技術(shù)與人工智能技術(shù)相互結(jié)合,進(jìn)一步在實(shí)現(xiàn)對(duì)海上電網(wǎng)發(fā)電機(jī)組的狀態(tài)監(jiān)測(cè)的基礎(chǔ)之上,更進(jìn)一步的實(shí)現(xiàn)了對(duì)發(fā)電機(jī)組的故障診斷,然后基于故障診斷的信息提出預(yù)測(cè)性維護(hù)的意見。有效的打破了傳統(tǒng)方法對(duì)發(fā)電機(jī)的故障監(jiān)測(cè)的局限性,并且為后續(xù)發(fā)電機(jī)組的壽命預(yù)測(cè)提供了基礎(chǔ)保證,該方法具有很高的工程應(yīng)用價(jià)值與實(shí)際意義。

        1 傳統(tǒng)的發(fā)電機(jī)故障診斷技術(shù)

        目前對(duì)于電網(wǎng)系統(tǒng)中發(fā)電機(jī)的故障診斷在實(shí)際過程中主要還是依賴于專家系統(tǒng)[6-8],其故障診斷流程圖如圖1所示。其主要技術(shù)方法的關(guān)鍵點(diǎn)在于如何構(gòu)建基于發(fā)電機(jī)組的各種狀態(tài)檢測(cè)量來推算發(fā)電機(jī)的缺陷、以及發(fā)電機(jī)的故障發(fā)生概率(典型的有故障樹)的物理模型或者是數(shù)學(xué)模型。

        圖1 傳統(tǒng)的發(fā)電機(jī)故障診斷流程圖

        用于發(fā)電機(jī)故障診斷的狀態(tài)監(jiān)測(cè)量有很多,并且實(shí)際運(yùn)用過程中每個(gè)狀態(tài)特征量代的作用也不一致,通常需要給每個(gè)特征狀態(tài)量給予不同權(quán)重。目前給予不同特征狀態(tài)量權(quán)重的方法主要有主觀權(quán)重法與客觀權(quán)重法兩種方式,主觀權(quán)重法的主要依據(jù)就是根據(jù)專家的意見進(jìn)行特征監(jiān)測(cè)量權(quán)重的分配,因此該方法的結(jié)果很容易受到專家主觀性的影響,客觀權(quán)重法是根據(jù)各特征狀態(tài)量之間的客觀規(guī)律,然后依靠數(shù)學(xué)方法來確定其權(quán)重。通過數(shù)學(xué)方法確定客觀權(quán)重的方法主要包括模糊理論、可拓理論、灰色理論、證據(jù)理論等。

        2 基于大數(shù)據(jù)分析的發(fā)電機(jī)故障診斷技術(shù)

        2.1 基于大數(shù)據(jù)技術(shù)故障診斷原理簡(jiǎn)述

        大數(shù)據(jù)技術(shù)的興起,為海上電網(wǎng)發(fā)電機(jī)組的故障診斷提供了新的技術(shù),并且對(duì)發(fā)電機(jī)的狀態(tài)監(jiān)測(cè)提出了更高要求。大數(shù)據(jù)挖掘技術(shù)引入了更高深的數(shù)理統(tǒng)計(jì)、模式識(shí)別等方面的理論技術(shù)與工具。在海量數(shù)據(jù)的前提下,重點(diǎn)挖掘出不確定模型與監(jiān)測(cè)狀態(tài)量、以及故障狀態(tài)之間的內(nèi)在聯(lián)系?;诖髷?shù)據(jù)挖掘技術(shù)的發(fā)電機(jī)故障診斷技術(shù)主要是依靠歷史數(shù)據(jù),然后根據(jù)歷史數(shù)據(jù)的特征預(yù)測(cè)未來的發(fā)展趨勢(shì),進(jìn)一步實(shí)現(xiàn)故障診斷監(jiān)測(cè)[9,10]。

        2.2 基于大數(shù)據(jù)技術(shù)發(fā)電機(jī)故障診斷

        2.2.1 聚類算法

        基于大數(shù)據(jù)挖掘技術(shù)的設(shè)備故障診斷方法是通過故障異常狀態(tài)參量的聚類分析來挖掘設(shè)備異常的故障模式。在本文中主要通過DBSCAN[12,13](Density-Based Spatial Clustering of Applications with Noise),基于密度的聚類算法)。DBSCAN 是一種常見的聚類算法,其用于聚類的基本思想可以簡(jiǎn)述如下:

        (1) DBSCAN 通過檢查數(shù)據(jù)集中每個(gè)點(diǎn)的δ 鄰域(該鄰域的大小由算法給定)來搜索簇,如果任意一點(diǎn)的δ 鄰域包含多于給定點(diǎn)數(shù),則創(chuàng)建一個(gè)以該點(diǎn)為核心對(duì)象的簇;

        (2)接步驟(1),如果簇內(nèi)的每一個(gè)點(diǎn)均滿足聚類條件則對(duì)簇進(jìn)行拓展,否則計(jì)該點(diǎn)為噪聲點(diǎn);

        (3)重復(fù)步驟(2),當(dāng)沒有新點(diǎn)添加到任何簇時(shí),迭代過程結(jié)束。最終可以得出聚類的類別與數(shù)目。

        2.2.2 異常檢測(cè)

        大數(shù)據(jù)挖掘技術(shù)主要通過異常檢測(cè)的方式來實(shí)現(xiàn)對(duì)故障的監(jiān)測(cè)。異常檢測(cè)的方法有很多,例如隔離森林、局部異常因子監(jiān)測(cè)、自組織映射神經(jīng)網(wǎng)絡(luò)(self-organized maps,SOM)[11]等。其中本文采用的基于SOM 異常檢測(cè)方法,SOM 的學(xué)習(xí)過程不同一般的神經(jīng)網(wǎng)絡(luò),其可以不用提前給定任何目標(biāo)輸出。其基本思想上可以簡(jiǎn)述為:當(dāng)輸入矢量輸入到網(wǎng)絡(luò)后,網(wǎng)絡(luò)利用隨機(jī)選取的權(quán)值進(jìn)行計(jì)算,尋找到最優(yōu)的神經(jīng)元,然后調(diào)整權(quán)值,用收縮鄰域與學(xué)習(xí)因子(隨時(shí)間而收縮)的辦法,最終使取值形成一組能映射輸入的數(shù)據(jù),當(dāng)網(wǎng)絡(luò)自組織形成時(shí),訓(xùn)練即結(jié)束。

        一般而言SOM 的神經(jīng)元是一個(gè)二維規(guī)則的單元格(一般有六邊形、矩形),其中每一個(gè)神經(jīng)元均可以由一組向量表達(dá)鄰近神經(jīng)元,且神經(jīng)元之間是根據(jù)一定的拓?fù)潢P(guān)系進(jìn)行關(guān)聯(lián)。

        其中SOM 的實(shí)現(xiàn)步驟可以簡(jiǎn)述為,將輸入特征向量進(jìn)行歸一化后,反復(fù)訓(xùn)練SOM。每訓(xùn)練一步,計(jì)算SOM 權(quán)值與特征向量之間的“歐式距離”,最終選取最短距離的神經(jīng)元為最佳匹配單元(Best matching unit, BMU),BMU 的本質(zhì)就是權(quán)值矢量與輸入向量之間最為接近的單元。當(dāng)BMU 確定后,更新權(quán)值矢量與拓?fù)潢P(guān)系。其更新權(quán)值公式(1)為:

        式中:Wi為權(quán)值矢量;h(·)為鄰域函數(shù);a(t)為學(xué)習(xí)率,在(0,1)區(qū)間內(nèi)遞減;X為輸入特征矢量。

        在工業(yè)現(xiàn)場(chǎng)中,故障數(shù)據(jù)往往很難被采集到,然而設(shè)備正常數(shù)據(jù)可以輕易的獲取,因此可以利用偏離正常狀態(tài)的特征空間來探測(cè)設(shè)備健康狀態(tài)。因此可以結(jié)合SOM 中的BMU 與輸入特征向量之間的距離來衡量設(shè)備是否偏離了正常運(yùn)行狀態(tài),即運(yùn)用最小量化誤差MQE(Minimum Quadratuer Error)值來衡量設(shè)備的健康狀態(tài)。

        定義最小量化誤差MQE 如下:

        式中:MMQE為MQE 值;X為輸入特征矢量;BMU 為BMU對(duì)應(yīng)的權(quán)值矢量。

        通過MQE 值即可實(shí)現(xiàn)對(duì)設(shè)備的故障監(jiān)測(cè)與預(yù)測(cè)性維護(hù)。基于大數(shù)據(jù)挖掘技術(shù)的發(fā)電機(jī)的故障診斷流程圖如圖2所示。

        圖2 基于大數(shù)據(jù)挖掘技術(shù)的發(fā)電機(jī)的故障診斷流程圖

        (1)狀態(tài)監(jiān)測(cè)。利用傳感器獲取發(fā)電機(jī)的測(cè)量值,其中有發(fā)電機(jī)的電參數(shù)(電壓、電流、有功功率等)、設(shè)備參數(shù)(關(guān)鍵設(shè)備的壓力、溫度、轉(zhuǎn)速、加速度、位移、速度)等。

        (2)數(shù)據(jù)清洗。在步驟(1)的過程中,采集到的數(shù)據(jù)由于采集硬件設(shè)備的原因或者是網(wǎng)絡(luò)通訊的原因,會(huì)導(dǎo)致一些數(shù)據(jù)存在丟失。因此要將數(shù)據(jù)進(jìn)行去重、去空及對(duì)缺失值進(jìn)行補(bǔ)全等操作。

        (3) DBSCAN。接步驟(2),對(duì)原始監(jiān)測(cè)數(shù)據(jù)進(jìn)行降維、歸一化,然后運(yùn)用密度聚類方法對(duì)其進(jìn)行聚類,劃分原始數(shù)據(jù)的類別。

        (4) SOM-MQE。再步驟(3)的基礎(chǔ)上,對(duì)聚類后的數(shù)據(jù)進(jìn)行異常檢測(cè),判斷輸入的點(diǎn)是否為異常點(diǎn),即此時(shí)發(fā)電機(jī)的狀態(tài)是否出現(xiàn)了異常。

        (5)狀態(tài)評(píng)估。根據(jù)步驟(4)的MQE 值來判斷設(shè)備的健康狀態(tài),如果設(shè)備正常,MQE 值會(huì)在一定范圍內(nèi)波動(dòng);如果MQE值突然變化很大,則說明設(shè)備出現(xiàn)異常。

        3 實(shí)例驗(yàn)證

        為了驗(yàn)證本文所提方法的有效性,選取一個(gè)海上電網(wǎng)發(fā)電機(jī)組的實(shí)際數(shù)據(jù)進(jìn)行試驗(yàn)驗(yàn)證。選取22個(gè)特征指標(biāo)對(duì)發(fā)電機(jī)組進(jìn)行狀態(tài)評(píng)估。由于采集的特征參數(shù)的具體數(shù)值不在同一量級(jí)上,因此對(duì)其進(jìn)行歸一化處理,然后進(jìn)行特征降維分析。其中算法的相關(guān)設(shè)置參數(shù)如下:DBSCAN 中,鄰域半徑的大小設(shè)為0.35,最小采樣點(diǎn)數(shù)為10;SOM 算法的參數(shù)設(shè)置如下:構(gòu)建二維平面為5×5的六邊形結(jié)構(gòu)拼接而成,領(lǐng)域半徑為0.5,學(xué)習(xí)率0.1,近鄰函數(shù)選用高斯函數(shù)。最終基于SOM-MQE 方法發(fā)電機(jī)的故障診斷結(jié)果如圖3所示。

        圖3 基于SOM-MQE的發(fā)電機(jī)故障診斷

        在正常情況下,發(fā)電機(jī)的MQE 值處于一個(gè)正常的波動(dòng)狀態(tài),當(dāng)發(fā)電機(jī)出現(xiàn)異常時(shí),其MQE 值波動(dòng)范圍較大,如圖3中紅色圓圈中的點(diǎn)。根據(jù)此時(shí)發(fā)電機(jī)的狀態(tài),最終反查至發(fā)電機(jī)此時(shí)的監(jiān)測(cè)值,進(jìn)行故障的根因分析,有利于進(jìn)一步提高發(fā)電機(jī)的故障診斷。進(jìn)一步,根據(jù)發(fā)電機(jī)的MQE 值作為發(fā)電機(jī)狀態(tài)的特征指標(biāo),然后對(duì)發(fā)電機(jī)進(jìn)行預(yù)測(cè)性維護(hù)。

        4 結(jié)語

        文章所提的基于大數(shù)據(jù)挖掘技術(shù)的發(fā)電機(jī)故障診斷與預(yù)測(cè)性維護(hù)技術(shù),在一定程度實(shí)現(xiàn)了發(fā)電機(jī)的故障診斷。在此基礎(chǔ)之上實(shí)現(xiàn)了對(duì)發(fā)電機(jī)的預(yù)測(cè)性維護(hù),該方法避免了傳統(tǒng)狀態(tài)監(jiān)測(cè)與故障診斷方法的不足,進(jìn)一步提高了發(fā)電機(jī)的狀態(tài)監(jiān)測(cè)與故障診斷效率。進(jìn)一步提升了海上電網(wǎng)的安全性能,提高了實(shí)際工程應(yīng)用價(jià)值。

        猜你喜歡
        數(shù)據(jù)挖掘發(fā)電機(jī)故障診斷
        探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢(shì)
        大型發(fā)電機(jī)勵(lì)磁用旋轉(zhuǎn)變換器的開發(fā)和應(yīng)用
        基于并行計(jì)算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用
        電力與能源(2017年6期)2017-05-14 06:19:37
        隨身攜帶的小發(fā)電機(jī)
        軍事文摘(2016年16期)2016-09-13 06:15:49
        因果圖定性分析法及其在故障診斷中的應(yīng)用
        一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用
        基于PCS-985B的發(fā)電機(jī)定子接地保護(hù)應(yīng)用及整定
        基于LCD和排列熵的滾動(dòng)軸承故障診斷
        基于WPD-HHT的滾動(dòng)軸承故障診斷
        高速泵的故障診斷
        河南科技(2014年3期)2014-02-27 14:05:48
        chinese国产乱在线观看| 日本xxxx色视频在线观看| 蜜桃日本免费看mv免费版| 国产亚洲av人片在线观看| 国产成人香蕉久久久久| 亚洲免费精品一区二区| 无码乱肉视频免费大全合集| 国产情侣久久久久aⅴ免费| 亚洲人成人一区二区三区| 美女把内衣内裤脱了给男人舔| 蜜桃视频免费进入观看 | 国产一区白浆在线观看| 国产精品女人呻吟在线观看| 久久AV老司机精品网站导航| 亚洲高清在线观看免费视频 | 国产精品女同一区二区久| 国产一区二区三区天堂| 亚洲av无码国产精品色软件下戴| 色婷婷综合激情| 亚洲国产丝袜美女在线| 中文字幕 亚洲精品 第1页| 日本边添边摸边做边爱的网站| av少妇偷窃癖在线观看| 日本黄网色三级三级三级| 99无码熟妇丰满人妻啪啪| 亚洲熟妇色xxxxx欧美老妇y| 久久精品国产亚洲av麻豆四虎 | 少妇被猛烈进入到喷白浆| 波多野结衣av手机在线观看| 久久亚洲第一视频黄色| 一本色道久久综合亚洲精品不| 久久人人爽爽爽人久久久| 五十路熟女一区二区三区| 精品国产一区二区三区久久狼| 午夜少妇高潮在线观看| 中文字幕人妻熟女人妻洋洋| 日本久久精品免费播放| 最新69国产精品视频| 7m精品福利视频导航| 亚洲成人观看| 国产精品久久三级精品|