袁靜 靳帥

摘 要：水電站技術(shù)供水系統(tǒng)是確保大型水輪發(fā)電機(jī)組四部軸承安全穩(wěn)定運(yùn)行和空氣冷卻器冷卻水持續(xù)穩(wěn)定供應(yīng)的重要設(shè)備。針對(duì)徑流式水電站汛期河道雜物多和供水管路易堵塞影響機(jī)組運(yùn)行的問(wèn)題，本文運(yùn)用多源關(guān)聯(lián)因素的大數(shù)據(jù)分析方法，建立了水電站技術(shù)供水系統(tǒng)故障預(yù)警預(yù)測(cè)模型，以實(shí)現(xiàn)技術(shù)供水系統(tǒng)故障的預(yù)警預(yù)測(cè)和故障的自動(dòng)處置或自動(dòng)推送處置方案。文章重點(diǎn)對(duì)技術(shù)供水系統(tǒng)故障產(chǎn)生的原因、解決方案、模型構(gòu)建以及應(yīng)用進(jìn)行分析，以解決電力生產(chǎn)中的實(shí)際問(wèn)題，也為行業(yè)內(nèi)類(lèi)似問(wèn)題的解決提供參考經(jīng)驗(yàn)。

關(guān)鍵詞：技術(shù)供水系統(tǒng);預(yù)警預(yù)測(cè);大數(shù)據(jù)分析

中圖分類(lèi)號(hào)：TV734 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2021）14-0037-03

Abstract： Technical water supply system is an important equipment to ensure the continuous and stable supply of cooling water for four bearings and air cooler of large hydro-generator set， which plays a vital role in the safe and stable operation of the unit..In view of the typical runoff power station in flood season river debris， water supply pipe is clogged， affecting the operation of units，by using? multi-source correlation factors of the big data analysis method ， technical water supply system of hydropower station is established the fault early warning and prediction model of， so as to realize the technical water supply system fault early prediction and automatic fault disposal or automatic push of the disposal scheme， so as to provide guarantee for the intelligent and independent operation of Water turbine generator set.This paper focuses on the causes of the problems， solutions， model construction and application of the analysis， to solve the practical problems in power production to find a feasible method， but also for the industry to solve similar problems， provide reference.

Keywords： technical water supply system;early warning and prediction;big data analysis

1 水電站概況

枕頭壩一級(jí)水電站位于四川省樂(lè)山市金口河區(qū)，為大渡河干流水電梯級(jí)規(guī)劃的第19級(jí)。它采用堤壩式開(kāi)發(fā)，安裝有4臺(tái)180 MW的軸流轉(zhuǎn)槳式水輪發(fā)電機(jī)組，總裝機(jī)容量720 MW，水頭范圍為17.98～36.49 m。水電站內(nèi)的機(jī)組和主變技術(shù)供水系統(tǒng)采用單元自流供水方式或單元自流加壓供水方式。每臺(tái)機(jī)組設(shè)蝸殼取水和壩前取水兩路水源，且互為備用。運(yùn)行方式以蝸殼取水為主，壩前取水為輔。供水對(duì)象主要有上導(dǎo)軸承油冷卻器、推力軸承油冷卻器、空氣冷卻器、下導(dǎo)軸承油冷卻器、水導(dǎo)軸承油冷卻器、主軸密封潤(rùn)滑水的備用水源以及主變壓器冷卻器等[1]，如圖1所示。

2 背景介紹

技術(shù)供水系統(tǒng)是確保大型水輪發(fā)電機(jī)組四部軸承安全穩(wěn)定運(yùn)行與空氣冷卻器冷卻水持續(xù)穩(wěn)定供應(yīng)的重要設(shè)備。枕頭壩一級(jí)水電站地處大渡河中游，是典型的徑流式水電站。由于汛期來(lái)水量大，加之受上游山洪和泥石流的影響，河道內(nèi)雜木和漂浮物較多，導(dǎo)致技術(shù)供水系統(tǒng)的取水口、濾水器及冷卻器經(jīng)常堵塞，同時(shí)四部軸承冷卻水水流量過(guò)低報(bào)警的問(wèn)題頻繁發(fā)生，給水電站的安全運(yùn)行埋下了極大隱患。如果技術(shù)供水系統(tǒng)發(fā)生故障不能滿(mǎn)足冷卻要求，軸承瓦溫將會(huì)升高，從而導(dǎo)致燒瓦或事故停機(jī)等嚴(yán)重后果[2]。目前，上述問(wèn)題的出現(xiàn)均為事后報(bào)警，需憑借人工經(jīng)驗(yàn)現(xiàn)場(chǎng)手動(dòng)操作處理，在汛期搶發(fā)電的黃金時(shí)節(jié)嚴(yán)重增加了汛期保電壓力，降低了故障處置效率。

為減輕一線(xiàn)職工的勞動(dòng)強(qiáng)度，提前預(yù)警預(yù)測(cè)技術(shù)供水系統(tǒng)故障，確保機(jī)組冷卻水的穩(wěn)定供應(yīng)，急需一種科學(xué)合理的技術(shù)供水系統(tǒng)故障預(yù)警預(yù)測(cè)模型，以避免發(fā)生機(jī)組非停事件。

3 解決方案

基于大數(shù)據(jù)的故障預(yù)警預(yù)測(cè)分析是利用已有的海量數(shù)據(jù)，借助各種推理技術(shù)，預(yù)測(cè)設(shè)備的健康狀態(tài)。其主要的故障預(yù)測(cè)算法有3種，包括基于模型的故障預(yù)測(cè)技術(shù)、基于概率統(tǒng)計(jì)的故障預(yù)測(cè)技術(shù)及基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)技術(shù)[3]。針對(duì)水電站技術(shù)供水系統(tǒng)的取水口、濾水器及冷卻器經(jīng)常堵塞的問(wèn)題，采用基于模型的故障預(yù)測(cè)技術(shù)，同時(shí)結(jié)合水電站技術(shù)供水系統(tǒng)運(yùn)行機(jī)理，運(yùn)用多源關(guān)聯(lián)因素的大數(shù)據(jù)分析方法，建立技術(shù)供水系統(tǒng)趨勢(shì)預(yù)測(cè)模型，并利用知識(shí)圖譜將人工經(jīng)驗(yàn)融入模型中，構(gòu)建技術(shù)供水系統(tǒng)故障預(yù)警預(yù)測(cè)模型，以實(shí)現(xiàn)技術(shù)供水系統(tǒng)故障的預(yù)警預(yù)測(cè)和故障的自動(dòng)處置或自動(dòng)推送處置方案，如圖2所示。

4 數(shù)據(jù)建模

4.1 數(shù)據(jù)采集

本文建模數(shù)據(jù)來(lái)源于枕頭壩一級(jí)水電站2019年汛期（5—10月）和2020年1—8月的秒級(jí)歷史數(shù)據(jù)。數(shù)據(jù)包括技術(shù)供水系統(tǒng)總管流量、四部軸承冷卻水總管流量、空氣冷卻器冷卻水總管流量、機(jī)組負(fù)荷、濾水器前后壓差、蝸殼取水口總管壓力以及壩前取水口總管壓力等數(shù)據(jù)，共3 000萬(wàn)條，約10 GB數(shù)據(jù)。

4.2 數(shù)據(jù)處理

由于采集的數(shù)據(jù)單位和量綱不同，某些較大的數(shù)值特征和較小的數(shù)值特征對(duì)目標(biāo)變量可能產(chǎn)生不同的影響，所以需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。本文采用Z-score標(biāo)準(zhǔn)化處理，即標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化，對(duì)序列[x1，x2，…，xn]進(jìn)行變換：

4.3 數(shù)據(jù)準(zhǔn)備和特征工程

多變量影響因素對(duì)于目標(biāo)變量的影響往往具有滯后性，即當(dāng)前時(shí)間影響因素的數(shù)據(jù)不僅會(huì)影響當(dāng)前時(shí)間的目標(biāo)變量，而且會(huì)對(duì)當(dāng)前時(shí)間滯后數(shù)個(gè)時(shí)間間隔的目標(biāo)變量產(chǎn)生影響。本文采用平移和滯后的處理方式，得到多特征影響因素的平移特征和滯后特征。

在時(shí)間特征同樣是重要影響因素的條件下，提取時(shí)間數(shù)據(jù)中的年、月、日、小時(shí)、分、秒等數(shù)據(jù)單獨(dú)成列，形成時(shí)間特征組。對(duì)于一些需要統(tǒng)計(jì)的特征，計(jì)算并提取其平均值、最值、方差以及標(biāo)準(zhǔn)差等數(shù)據(jù)，形成統(tǒng)計(jì)特征，以豐富特征維度。

4.4 構(gòu)建技術(shù)供水系統(tǒng)故障趨勢(shì)預(yù)測(cè)模型

影響取水口堵塞、濾水器堵塞及冷卻器堵塞的因素具有多樣性。本文采用多維度多層級(jí)的機(jī)器學(xué)習(xí)算法，對(duì)多特征因素進(jìn)行相關(guān)性分析，結(jié)合Pearson相關(guān)系數(shù)，提取顯著特征進(jìn)行訓(xùn)練和學(xué)習(xí)。算法上選取基于線(xiàn)性回歸懲罰系數(shù)的Lasso回歸算法和可擴(kuò)展梯度提升樹(shù)正則化算法XGBoost。

取水口堵塞通過(guò)預(yù)測(cè)取水口壓力的變化趨勢(shì)進(jìn)行判定。關(guān)聯(lián)數(shù)據(jù)包括但不限于蝸殼總管壓力、壩前總管壓力、技術(shù)供水總管壓力、技術(shù)供水總管流量及水庫(kù)水位等。

濾水器堵塞通過(guò)預(yù)測(cè)濾水器前后壓差變化趨勢(shì)進(jìn)行判定。關(guān)聯(lián)數(shù)據(jù)包括但不限于濾水器前后壓差、技術(shù)供水總管流量、技術(shù)供水總管壓力、取水口總管壓力及水庫(kù)水位等。

冷卻器堵塞通過(guò)預(yù)測(cè)冷卻器冷卻水流量變化趨勢(shì)進(jìn)行判定。關(guān)聯(lián)數(shù)據(jù)包括但不限于四部軸承及空氣冷卻器冷卻水流量、技術(shù)供水總管流量、技術(shù)供水總管壓力、水庫(kù)水位、機(jī)組有功功率、取水口總管壓力及濾水器前后壓差等。

4.5 建立知識(shí)圖譜并融入人工經(jīng)驗(yàn)

知識(shí)圖譜（Knowledge Graph）的概念是Google于2012年率先提出的，初衷是用以增強(qiáng)自家搜索引擎功能和提高搜索結(jié)果質(zhì)量，是百度“知心”和搜狗的“知立方”的效仿對(duì)象。它由一些相互連接的實(shí)體及其屬性構(gòu)成。換句話(huà)說(shuō)，知識(shí)圖譜由多條知識(shí)組成，每條知識(shí)表示為一個(gè)三元組[4]。

本文借助知識(shí)圖譜技術(shù)構(gòu)建了技術(shù)供水系統(tǒng)取水口堵塞、濾水器堵塞及冷卻器堵塞的歷史文檔知識(shí)圖譜，詳細(xì)描述了相關(guān)的實(shí)體、關(guān)系及其屬性。根據(jù)技術(shù)供水系統(tǒng)故障樹(shù)和故障處置規(guī)則構(gòu)建了知識(shí)圖譜本體，并對(duì)故障案例文檔和故障處置記錄文本等數(shù)據(jù)源進(jìn)行數(shù)據(jù)融合，構(gòu)建了設(shè)備故障知識(shí)圖譜（包含設(shè)備、故障類(lèi)別、故障原因以及故障處置措施）。

4.6 模型訓(xùn)練驗(yàn)證

為提高模型預(yù)測(cè)的精準(zhǔn)度，本文將2020年8月前的數(shù)據(jù)樣本作為模型的訓(xùn)練集、測(cè)試集及驗(yàn)證集，訓(xùn)練和評(píng)估模型的泛化效果，驗(yàn)證模型故障預(yù)測(cè)能力。使用機(jī)器學(xué)習(xí)算法將訓(xùn)練集代入不同的算法進(jìn)行模型訓(xùn)練，將測(cè)試集代入訓(xùn)練模型，評(píng)估模型的泛化能力，訓(xùn)練模型預(yù)測(cè)的精準(zhǔn)度。

4.7 應(yīng)用成效

4.7.1 實(shí)現(xiàn)取水口堵塞趨勢(shì)預(yù)測(cè)與自動(dòng)處置。當(dāng)取水口總管壓力的變化趨勢(shì)低于閾值時(shí)，在堵塞故障發(fā)生前1 h推送取水口吹掃信息，并自動(dòng)處理堵塞故障，提高機(jī)組冷卻水供應(yīng)的可靠性，以保障機(jī)組安全穩(wěn)定運(yùn)行。

4.7.2 實(shí)現(xiàn)濾水器堵塞趨勢(shì)預(yù)測(cè)與處理方案的自動(dòng)推送。取水口攔污柵前經(jīng)常會(huì)匯集大量來(lái)自上游的漂浮雜物，導(dǎo)致下游水電站機(jī)組技術(shù)供水系統(tǒng)濾水器頻繁堵塞[5]。當(dāng)濾水器前后壓差的變化趨勢(shì)達(dá)到堵塞閾值時(shí)，在堵塞故障發(fā)生前1 h推送告警信息，提醒值班人員清理濾水器內(nèi)的垃圾，以保證技術(shù)供水系統(tǒng)濾水器的正常運(yùn)行。

4.7.3 實(shí)現(xiàn)冷卻器堵塞趨勢(shì)預(yù)測(cè)與處理方案的自動(dòng)推送。當(dāng)四部軸承冷卻水流量的變化趨勢(shì)低于閾值時(shí)，在堵塞發(fā)生前1 h推送告警信息，并開(kāi)啟四通閥正反向倒水，沖走四部軸承冷卻器內(nèi)的雜質(zhì)，以保證技術(shù)供水系統(tǒng)冷卻器的正常運(yùn)行。

5 結(jié)語(yǔ)

本文建立的枕頭壩一級(jí)水電站技術(shù)供水系統(tǒng)故障預(yù)警預(yù)測(cè)模型，將技術(shù)供水系統(tǒng)故障處置模式由事后處置變?yōu)槭虑邦A(yù)警預(yù)測(cè)，提高了設(shè)備故障應(yīng)急處置效率，降低了水電站汛期值班人員的保電壓力和誤操作風(fēng)險(xiǎn)，為實(shí)現(xiàn)水電站技術(shù)供水系統(tǒng)的智能自主運(yùn)行奠定了基礎(chǔ)。同時(shí)，該模型的建設(shè)思路可推廣至水電站相關(guān)油、水、氣等輔助設(shè)備系統(tǒng)，為實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)水電站設(shè)備的運(yùn)行管理提供了參考經(jīng)驗(yàn)。

參考文獻(xiàn)：

[1]蔣巍巍，唐義超，朱昌興.枕頭壩一級(jí)水電站技術(shù)供水系統(tǒng)壓力異常分析與改進(jìn)措施[J].水電與新能源，2020（6）：70-74.

[2]唐增輝.巖灘水電站技術(shù)供水系統(tǒng)故障分析及處理[J].廣西電業(yè)，2020（3）：67-71.

[3]王建民.工業(yè)大數(shù)據(jù)技術(shù)綜述[J].大數(shù)據(jù)，2017（6）：3-14.

[4]趙玉鵬.基于知識(shí)圖譜的機(jī)器學(xué)習(xí)研究前沿探析[J].情報(bào)雜志，2012（4）：28-31.

[5]文習(xí)波.蝸殼取水供水系統(tǒng)在水電站的應(yīng)用[J].水電自動(dòng)化與大壩監(jiān)測(cè)，2015（2）：12-15.