裴震宇，李德偉，任 巖

（黃河勘測(cè)規(guī)劃設(shè)計(jì)研究院有限公司，河南鄭州 450003）

0 引言

設(shè)備的精準(zhǔn)調(diào)配工作，在水電站的實(shí)際運(yùn)營(yíng)中起著十分重要的作用。對(duì)于不同類型的水電工程項(xiàng)目，如果在建設(shè)運(yùn)營(yíng)的過(guò)程中出現(xiàn)設(shè)備問(wèn)題，不僅影響工程的整體進(jìn)度，還會(huì)造成一定的危險(xiǎn)后果，出現(xiàn)較為嚴(yán)重的問(wèn)題將會(huì)影響水電站設(shè)備運(yùn)行。因此需要對(duì)水電站設(shè)備進(jìn)行詳細(xì)的檢測(cè)與異常診斷。提高對(duì)水電站設(shè)備的實(shí)時(shí)監(jiān)測(cè)水平，及時(shí)獲取運(yùn)行過(guò)程中的重要參數(shù)，對(duì)于異常運(yùn)行狀態(tài)進(jìn)行預(yù)警，能夠減少運(yùn)行過(guò)程中發(fā)生的問(wèn)題，增加安全性[1]，能夠有效監(jiān)測(cè)設(shè)備運(yùn)行狀態(tài)，對(duì)設(shè)備的故障點(diǎn)進(jìn)行精準(zhǔn)識(shí)別，解決設(shè)備運(yùn)行的問(wèn)題，減少成本和人力。這樣不僅滿足人們用電的需求，還能夠?qū)Σ煌娬镜牧饔蚍乐纹鸬街匾饔?。由于機(jī)組設(shè)備組成結(jié)構(gòu)較為復(fù)雜，在狀態(tài)檢測(cè)過(guò)程中信號(hào)復(fù)雜性高，傳統(tǒng)檢測(cè)方法所設(shè)計(jì)的檢測(cè)模型經(jīng)常受到異常信號(hào)干擾，檢測(cè)效果不能達(dá)到預(yù)期目標(biāo)。同時(shí)，水電站設(shè)備的價(jià)格較為昂貴，設(shè)備運(yùn)行數(shù)據(jù)樣本大，數(shù)據(jù)處理能力不高使得檢測(cè)結(jié)果難以符合預(yù)期。因此，為加強(qiáng)對(duì)水電機(jī)組開發(fā)與檢測(cè)水平，以水電站設(shè)備運(yùn)行狀態(tài)檢測(cè)為研究對(duì)象，采取多特征融合方法，結(jié)合實(shí)際情況進(jìn)行研究與分析。

1 水電站設(shè)備運(yùn)行狀態(tài)檢測(cè)

1.1 設(shè)備運(yùn)行狀態(tài)多特征融合建模

通過(guò)構(gòu)建特征矩陣，可以確定設(shè)備運(yùn)行狀態(tài)檢測(cè)模型的影響因素，在水電站設(shè)備運(yùn)行狀態(tài)檢測(cè)過(guò)程中，通過(guò)已知特征集對(duì)傳統(tǒng)方法進(jìn)行修改，通過(guò)對(duì)特征點(diǎn)進(jìn)行特征提取后，根據(jù)狀態(tài)檢測(cè)方式檢測(cè)各種工況下的累積運(yùn)行時(shí)間、發(fā)電總量以及水輪機(jī)效率等數(shù)據(jù)[2]。從而形成多特征融合的特征集S。運(yùn)用Python 的數(shù)據(jù)庫(kù)提取水電站設(shè)備運(yùn)行狀態(tài)特征點(diǎn)，根據(jù)特征點(diǎn)之間的距離判定設(shè)備發(fā)電運(yùn)行狀況和水輪機(jī)工作效能，獲得不同狀態(tài)特征點(diǎn)的運(yùn)行特征值。在檢測(cè)過(guò)程中，閾值設(shè)定是狀態(tài)信號(hào)的重要表示特征參數(shù)。根據(jù)PERCLOS 特征值設(shè)計(jì)運(yùn)行狀態(tài)幀數(shù)比，以閉合幀數(shù)與被測(cè)融合總幀數(shù)作為因素矩陣的第3 列特征值，構(gòu)建判斷矩陣p，并求出p 對(duì)應(yīng)的最大特征值和特征向量。設(shè)定檢測(cè)目標(biāo)為I，產(chǎn)生的影響因素值為ui 和uij。uij 表示對(duì)ui 的uj 相對(duì)重要性程度數(shù)值，通過(guò)不同uij 形成對(duì)應(yīng)的判斷矩陣p。運(yùn)用幾何平均法計(jì)算最大特征值和對(duì)應(yīng)的特征向量，在滿足一致性時(shí)減少計(jì)算量。計(jì)算特征向量對(duì)應(yīng)的最大特征值λ的公式為：

其中，p 為最大特征值對(duì)應(yīng)的判斷矩陣；v 為矩陣的特征向量。對(duì)矩陣的列向量進(jìn)行歸一化處理，并將轉(zhuǎn)換得到后的矩陣進(jìn)行求和[3]。對(duì)判斷矩陣的合理性進(jìn)行檢驗(yàn)，通過(guò)一致性檢驗(yàn)?zāi)軌虻玫骄仃嚨姆峙涑潭群侠硇?。?dāng)CR 小于0.1 時(shí)，認(rèn)定矩陣通過(guò)一致性檢驗(yàn)。通過(guò)一致性檢驗(yàn)后，運(yùn)用層次分析法對(duì)權(quán)重進(jìn)行賦值，計(jì)算不同評(píng)價(jià)因素的重要性后對(duì)其進(jìn)行排序，得到對(duì)應(yīng)的權(quán)重分配值，構(gòu)建水電站設(shè)備運(yùn)行狀態(tài)檢測(cè)模型。

1.2 設(shè)備運(yùn)行故障狀態(tài)檢測(cè)

對(duì)于融合后水輪機(jī)流量檢測(cè)過(guò)程中的問(wèn)題，運(yùn)用檢測(cè)模型進(jìn)行故障點(diǎn)位置檢測(cè)。由于水輪發(fā)電機(jī)的氣隙會(huì)隨著機(jī)組的運(yùn)行時(shí)產(chǎn)生的多種影響因素而發(fā)生變化，這樣使得水輪機(jī)的發(fā)電機(jī)運(yùn)行過(guò)程中形成不穩(wěn)定狀態(tài)，對(duì)水電站設(shè)備的穩(wěn)定性造成一定的影響[4]。采集電氣設(shè)備的運(yùn)行數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)，由于不同設(shè)備參數(shù)與觀測(cè)量單位不同，為了得到較為統(tǒng)一的數(shù)據(jù)，對(duì)采集到的數(shù)據(jù)進(jìn)行歸一化處理。歸一化處理的計(jì)算式為：

其中，g為設(shè)備運(yùn)行的樣式數(shù)據(jù)；gmin為檢測(cè)樣本的最小值；gmax為檢測(cè)樣本的最大值。通過(guò)對(duì)數(shù)據(jù)進(jìn)行歸一化處理，將得到的數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)映射，形成三維空間內(nèi)的數(shù)據(jù)集，將采集到的參數(shù)進(jìn)行聚類分析，并得到對(duì)應(yīng)的輸入向量。根據(jù)輸入向量的計(jì)算結(jié)果獲得對(duì)應(yīng)的神經(jīng)元，并確定不同節(jié)點(diǎn)的加權(quán)向量。將不同維度數(shù)據(jù)之間進(jìn)行比較，獲得最后的輸出結(jié)果，并對(duì)采集的結(jié)果進(jìn)行處理，得到設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)的數(shù)據(jù)[5]。在實(shí)際應(yīng)用中，為了獲取到殘差統(tǒng)計(jì)特性的變化規(guī)律，設(shè)計(jì)滑動(dòng)窗口寬度為n（其中n=5），計(jì)算每個(gè)窗口的殘差均值：

其中，n為窗口寬度；r 為運(yùn)行狀態(tài)向量；εi 為狀態(tài)參數(shù)。設(shè)定T 為故障偏離閾值，R 為狀態(tài)檢測(cè)模型殘差最大值，當(dāng)運(yùn)行狀態(tài)發(fā)生異常時(shí)T=±pR。為了避免估計(jì)向量和實(shí)際結(jié)果對(duì)比時(shí)出現(xiàn)較大的誤差，需要選取適當(dāng)?shù)姆椒▉?lái)消除誤差，選取合適的誤差值來(lái)進(jìn)行異常運(yùn)行狀態(tài)的判斷。根據(jù)正常狀態(tài)下的運(yùn)行向量r 與預(yù)估向量r 之間進(jìn)行比較，如果之間的差值較小，說(shuō)明實(shí)際結(jié)果與計(jì)算值較為接近，殘差較小[6]；如果計(jì)算值與實(shí)際值之間的差值較大，則說(shuō)明無(wú)法進(jìn)行較為準(zhǔn)確的檢測(cè)。通過(guò)比較兩個(gè)值的大小來(lái)判斷設(shè)備是否為異常的運(yùn)行狀態(tài)。

2 實(shí)驗(yàn)測(cè)試與分析

為了檢驗(yàn)水電站設(shè)備運(yùn)行狀態(tài)，運(yùn)用本文方法對(duì)水電站設(shè)備運(yùn)行故障點(diǎn)進(jìn)行檢測(cè)。設(shè)置水電站設(shè)備故障發(fā)生點(diǎn)頻率為500～600 Hz，同時(shí)進(jìn)行3 次實(shí)驗(yàn)，分別對(duì)水電站設(shè)備故障點(diǎn)進(jìn)行檢測(cè)，獲取故障發(fā)生的頻段信息，驗(yàn)證本文檢測(cè)方法的有效性。

2.1 實(shí)驗(yàn)方法

選取正在工作中但是發(fā)生故障的變壓器進(jìn)行實(shí)驗(yàn)。變壓器的型號(hào)為F6-11FE-12E，為3 相油侵入式電力變壓器。變壓器其中一相電路出現(xiàn)短路故障，在使用過(guò)程中沒(méi)有更換新的繞組。變壓器的設(shè)備參數(shù)見(jiàn)表1。

表1 F6-11FE-12E 型變壓器參數(shù)

對(duì)實(shí)驗(yàn)獲得的數(shù)據(jù)進(jìn)行分析。主機(jī)的操作系統(tǒng)為Windows11，內(nèi)存8 GB。集成開發(fā)環(huán)境（IDE）運(yùn)用Eclipse 進(jìn)行，運(yùn)用Spyder使得數(shù)據(jù)變量可視化。對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，初始化權(quán)值，通過(guò)前向傳輸?shù)妮斎霐?shù)據(jù)獲得測(cè)試值。運(yùn)用FD85 壓力傳感器得到變壓器的振動(dòng)信號(hào)，將信號(hào)進(jìn)行數(shù)字模擬轉(zhuǎn)換，形成對(duì)應(yīng)的電荷量。通過(guò)擴(kuò)大器將電壓數(shù)值進(jìn)行提升，使用CAN 通信方式傳輸電信號(hào)數(shù)據(jù)，使得上位機(jī)中能夠顯示電信號(hào)。運(yùn)用本文方法提取故障參數(shù)特征后，對(duì)其進(jìn)行賦值。根據(jù)最大權(quán)值作為故障訓(xùn)練樣本進(jìn)行訓(xùn)練，并按照對(duì)應(yīng)的關(guān)聯(lián)規(guī)則對(duì)故障樣本集進(jìn)行支持度相關(guān)計(jì)算，獲得變壓器的故障與狀態(tài)量之間的關(guān)聯(lián)，綜合得到水電站設(shè)備的運(yùn)行狀態(tài)量的置信度，完成對(duì)設(shè)備運(yùn)行狀態(tài)檢查實(shí)驗(yàn)。

2.2 結(jié)果分析

根據(jù)檢測(cè)結(jié)果，繪制振動(dòng)信號(hào)波形，并得到振動(dòng)信號(hào)頻譜（圖1～圖3）。

圖1 小組1 變壓器振動(dòng)信號(hào)頻譜

圖2 小組2 變壓器振動(dòng)信號(hào)頻譜

圖3 小組3 變壓器振動(dòng)信號(hào)頻譜

由實(shí)驗(yàn)結(jié)果可知，運(yùn)用本文方法對(duì)變壓器故障進(jìn)行檢測(cè)，得到的振動(dòng)信號(hào)幅度值相同，且3 個(gè)小組均在500～600 Hz 區(qū)間存在較大振動(dòng)信號(hào)幅度，因?yàn)檎駝?dòng)波形不規(guī)律，運(yùn)行中發(fā)生卡頓，波動(dòng)值較大，出現(xiàn)噪聲影響。由于存在少量噪聲，使得中間產(chǎn)生波動(dòng)，存在細(xì)小誤差，所以該區(qū)間中存在故障。在550 Hz 時(shí)運(yùn)用收集信號(hào)數(shù)據(jù)進(jìn)行分析，得出單相繞組內(nèi)存在故障的結(jié)論。對(duì)繞組進(jìn)行分析檢測(cè)，觀察到波動(dòng)幅值明顯增強(qiáng)，幅值在0.25～0.85 可獲得故障位置，符合預(yù)期檢測(cè)目標(biāo)。

綜上所述，運(yùn)用本文算法在檢測(cè)水電設(shè)備運(yùn)行時(shí)，因?yàn)樽儔浩鞯恼駝?dòng)信號(hào)復(fù)雜，在檢測(cè)中需要對(duì)故障位置進(jìn)行精準(zhǔn)檢測(cè)，能夠準(zhǔn)確得到故障的位置、明確故障發(fā)生的程度，得到在水電站設(shè)備運(yùn)行狀態(tài)檢測(cè)的明顯效果，以此確定局部故障范圍。運(yùn)用采集信號(hào)作為檢測(cè)樣本，分析設(shè)備故障位置，減少運(yùn)行過(guò)程中造成的損失。本文方法的良好運(yùn)用，提升了檢測(cè)的準(zhǔn)確率，運(yùn)用檢測(cè)模型能夠較為精準(zhǔn)地對(duì)故障進(jìn)行識(shí)別，在訓(xùn)練過(guò)程中運(yùn)用大量的數(shù)據(jù)作為訓(xùn)練樣本，對(duì)訓(xùn)練的時(shí)間做出了相對(duì)具體的要求。通過(guò)對(duì)樣本運(yùn)用更好的收斂，減少了訓(xùn)練過(guò)程中的過(guò)擬合現(xiàn)象。在水電站設(shè)備運(yùn)行中能夠精準(zhǔn)檢測(cè)、分析得到局部故障信息，使得檢測(cè)效果符合預(yù)期目標(biāo)。

3 結(jié)束語(yǔ)

本文從水電站設(shè)備運(yùn)行狀態(tài)入手，通過(guò)多特征融合方法，探究基于多特征融合的水電站設(shè)備運(yùn)行狀態(tài)檢測(cè)，使得水電站設(shè)備運(yùn)行狀態(tài)的檢測(cè)更加智能化、實(shí)時(shí)化，提高了整體的檢測(cè)水平，為水電站安全運(yùn)營(yíng)與發(fā)展提供保障。同時(shí)，提出針對(duì)不同環(huán)境因素干擾的抑制方法，并促進(jìn)檢測(cè)方法的應(yīng)用與實(shí)現(xiàn)。通過(guò)多特征融合數(shù)據(jù)，實(shí)現(xiàn)對(duì)水電站設(shè)備運(yùn)行狀態(tài)檢測(cè)的研究。但是該方法還存在著不足，如算法的更新問(wèn)題、數(shù)據(jù)檢測(cè)的耗時(shí)性問(wèn)題、整體轉(zhuǎn)化性問(wèn)題等，今后應(yīng)更加完善計(jì)算、優(yōu)化數(shù)據(jù)采集與狀態(tài)檢測(cè)過(guò)程。