唐擁軍，倪晉兵，肖業(yè)祥

（1.國網新源控股有限公司抽水蓄能技術經濟研究院，北京市 100761；2.清華大學水沙科學與水利水電工程國家重點實驗室&能源與動力工程系，北京市 100084）

0 引言

抽水蓄能電站啟停靈活、反應迅速，具有調峰、填谷、調頻、調相、緊急事故備用和黑啟動等多種功能。在“雙碳”目標及新能源大規(guī)模增長的背景下，抽水蓄能對于保障電網安全穩(wěn)定運行以及建設新型電力系統(tǒng)具有無可替代的支撐作用，正在迎來前所未有的發(fā)展機遇。國家能源局在2021年9月發(fā)布的《抽水蓄能中長期發(fā)展規(guī)劃（2021～2035年）》中明確，到2025年，抽水蓄能投產總規(guī)模較“十三五”翻一番，達到6200萬kW以上；到2030年，抽水蓄能投產總規(guī)模較“十四五”再翻一番，達到1.2億kW[1]。可見，將有數(shù)量龐大的抽水蓄能機組投入運行。然而，抽水蓄能機組普遍具有水頭高、轉速快、雙向旋轉、過渡過程復雜和運行工況多變等顯著特點，使得抽水蓄能機組比常規(guī)水電機組更易發(fā)生故障[2-4]，機組運行穩(wěn)定性成為關注重點。近年來，抽水蓄能機組大多安裝有在線監(jiān)測裝置來監(jiān)測機組的運行狀態(tài)，并在機組出現(xiàn)異常時發(fā)出報警。不過大多采用的是基于振動擺度閾值報警的方法[5-7]，本文提出一種基于噪聲分析的運行預警方法。

抽水蓄能機組運行過程中主要受機械、電氣與水力三種因素的耦合作用，因此，機組噪聲中匯聚了機械、電氣與水力三方面產生的噪聲信息，例如，水輪發(fā)電機轉動部件旋轉產生的各種機械噪聲、發(fā)電機電磁力產生的電磁噪聲及水輪機流道中各種水流撞擊、脫流、卡門渦、空化等水力產生的噪聲，而這是單純振動擺度或壓力脈動測點不具備的[8]?？梢?，機組噪聲包含豐富的運行狀態(tài)信息，基于噪聲分析的運行預警方法是可行的，本文提出運行預警方法并進行論述。

1 噪聲聲壓級

噪聲是一種聲音，是由物體的機械振動而產生的。振動的物體稱為聲源，它可以是固體、氣體或液體。聲音有強弱之分，并用聲壓p來表示其大小，單位是Pa（帕）。由于聲壓變化的范圍很大，同時考慮人耳對聲音強弱的（對數(shù)）特性，用對數(shù)方法將聲壓分為百十個級，稱為聲壓級。

聲壓級的定義為：聲壓與參考聲壓之比的常用對數(shù)乘以20，單位為dB（分貝）。

式中：p為聲壓（Pa），p0=2×10-5Pa為參考聲壓，它是人耳剛剛可以聽到聲音的聲壓。

因為瞬時聲級的意義不大，人們通常采用時間平均聲級或等效連續(xù)聲級來表示噪聲的大小，常用的是等效連續(xù)A聲級，其定義為[9]：

式中：pA(t)——瞬時A計權聲壓；

p0——參考聲壓；

LA——A聲級的瞬時值，dB；

T——時長。

本文開創(chuàng)性地提出等效連續(xù)L聲級的概念，也即上述等效連續(xù)A聲級定義中的LA替換為Lp（不計權的聲壓級）。

2 噪聲聲級譜

噪聲的主要特點是：具備一定強度，用聲壓表示；具有不同頻率成分，用頻譜表示。為了方便，并根據(jù)人耳對聲音頻率變化的反應，把可聽到的頻率范圍分成數(shù)段，按每段內的聲音強度進行分析，常用的分段方法有倍頻程和1/3倍頻程。其中，倍頻程上限頻率是下限頻率的1倍，1/3倍頻程上限頻率是下限頻率的21/3=1.26倍[9]。受此啟發(fā)，本文提出一種新的噪聲聲級譜的計算方法，具體計算過程如下：

（1）根據(jù)機組轉速、導葉數(shù)、轉輪葉片數(shù)估算噪聲有用信號頻率上限，一般可取為3×導葉數(shù)除以轉輪葉片數(shù)的商取整×轉輪葉片數(shù)×轉頻[10]。例如，某機組轉速為333.3r/min，導葉數(shù)為20，轉輪葉片數(shù)為9，則噪聲有用信號頻率上限為 3×[20/9]×9×（333.3/60）=3×2×9×5.55=300Hz。

對0～頻率上限進行n等分，n根據(jù)頻率上限的大小而定，等分間隔一般可取為5～10Hz（等分間隔取整數(shù)值），頻率上限至采樣頻率的一半作為第n+1個間隔，上述n+1個間隔可表示為 [0，f1），[f1，f2），[f2，f3），…，[fn-1，頻率上限），[頻率上限，fs/2]，其中，fs為采樣頻率。

（2）對一定時長的噪聲時域信號作傅里葉變換，保留[0，f1）頻率成分，其他頻率成分置為0，再進行傅里葉逆變換，得到[0，f1）頻率范圍的時域信號，求取該時域信號的平均L聲級，記作Lp1。其他頻率范圍間隔依次類似處理，可得到各個頻率間隔時域波形的平均L聲級，記作Lp2，Lp3，…，Lpn，Lpn+1。每個頻率間隔用其中間值來表示，則[f1/2，（f1+f2）/2，…，（fn-1+頻率上限）/2，（頻率上限 + fs/2）/2]和 [Lp1，Lp2，…，Lpn，Lpn+1]兩個數(shù)組稱為該一定時長噪聲信號的聲級譜。某噪聲信號的聲級譜如圖1所示（頻率上限為300Hz，間隔為30）。

圖1 某噪聲信號聲級譜Figure 1 Sound level spectrum of a noise signal

3 機組典型工況健康聲級譜

以有功功率P、水頭H、冷卻水進口溫度T作為工況確定參數(shù)，選擇機組健康狀態(tài)下一段時間內（一般為半年以上）某一典型工況穩(wěn)態(tài)運行下的多組一定時長（通?？扇?6個旋轉周期）的噪聲時域波形信號。依據(jù)上述方法可得到某一典型工況所有選定時長噪聲信號的聲級譜，記作：

選擇上述m個聲級譜中對應分量組成n+1個m維數(shù)組，即：

計算出每個數(shù)組的概率密度分布圖，例如某一分量的概率密度分布圖如圖2所示，取概率密度最大值作為該分量的健康狀態(tài)基準值，則可得出該典型工況健康狀態(tài)下的基準聲級譜。

圖2 聲級譜某一分量概率密度分布圖Figure 2 Probability density distribution of a component of sound level spectrum

4 運行預警

在機組后續(xù)運行過程中，選取機組穩(wěn)態(tài)工況運行時同樣時長的噪聲信號，求出噪聲信號的聲級譜，并與該工況健康狀態(tài)基準聲級譜作比較，若聲級譜某一分量相較于健康狀態(tài)基準聲級譜對應分量的增量大于預設值，則認為機組運行狀態(tài)出現(xiàn)了異常，并可根據(jù)該分量對應的頻率范圍分析引發(fā)機組出現(xiàn)異常的原因，這可縮小原因分析范圍，提高分析效率；此外，若聲級譜某一分量出現(xiàn)趨勢性增大現(xiàn)象（聲級譜分量與時間線性擬合的斜率大于預設值），則也發(fā)出異常預警，下面結合一實例對本方法進行說明。

某機組某一典型工況健康狀態(tài)下基準聲級譜如圖3所示（頻率上限300Hz，等分間隔30），該工況某實時聲級譜如圖4所示。實時聲級譜與健康基準聲級譜的對比統(tǒng)計如表1所示，聲級譜各分量增量百分比如圖5所示。由圖5可知，實時聲級譜相較于健康基準聲級譜發(fā)生了顯著增大現(xiàn)象，機組出現(xiàn)了異常，聲級譜分量顯著增大的頻率范圍為50～60Hz（增量百分比為24.8%）、100～110Hz（增量百分比為22.1）、70～80Hz（增量百分比為20.5%），因此，引發(fā)機組異常的頻率主要處在上述三個范圍。為便于準確分析產生異常的原因，可對噪聲進行頻域幅值譜或功率譜分析，再根據(jù)機械、電磁和水力產生的典型振動頻率成分進行故障定位。該實時噪聲信號頻域幅值譜如圖6所示，幅值譜前三階與聲級譜分量顯著增大的頻域范圍一致。為提高異常原因分析的準確度，可將頻率間隔分得窄一些，不過聲級譜分量的波動可能會加大，影響運行預警的可靠性，因此，在實際應用中頻率間隔可綜合考慮機組的轉速、導葉數(shù)、葉片數(shù)等而設定（見表1）。

表1 基準聲級譜與實時聲級譜數(shù)據(jù)統(tǒng)計（頻率范圍用中間值表示）Table 1 Statistics of reference sound level spectrum and real-time sound level spectrum data（each frequency range is represented by the middle value）

圖3 某工況健康基準聲級譜圖Figure 3 Health reference sound level spectrum of a operating condition

圖4 某工況實時聲級譜圖Figure 4 Real-time sound level spectrum of a operating condition

圖5 聲級譜分量增量與頻率范圍中心關系曲線Figure 5 Relationship curve between component increment of sound level spectral and frequency range center

圖6 實時噪聲信號幅值譜Figure 6 Amplitude spectrum of real-time noise signal

5 結論

（1）本文開創(chuàng)性地提出了聲級譜的求取方法。通過構建機組健康狀態(tài)下基準聲級譜、求取實時聲級譜以及對兩者進行比較，可用來檢測機組的異常狀態(tài)和異常原因。

（2）抽水蓄能機組噪聲測點具有安裝方便、捕捉信息全面的特點，此外，抽水蓄能機組故障大多具有漸變的特性，因此，在機組狀態(tài)監(jiān)測系統(tǒng)中增加噪聲測點，并對噪聲數(shù)據(jù)進行挖掘分析，是實現(xiàn)機組運行預警和故障診斷的有效手段之一，這可提高機組的安全穩(wěn)定運行水平，從而產生顯著的經濟效益。