摘要

随着水力资源的不断开发,水电在电力能源结构中所占比重逐渐增大,作为水电生产过程核心设备的水电机组的结构日趋复杂,集成化程度越来越高,不同部件之间动力学行为相互影响、相互作用,机组振动问题円益突出,对电网的安全稳定运行造成的影响也日益凸显。因此,常规的水电机组振动故障诊断方法已经不能很好的适应于当前的工程实际,迫切需要采用一些有效的智能故障诊断方法对机组振动故障进行诊断,以提高机组故障诊断的准确性、智能性及鲁棒性。

本文针对水轮发电机组故障诊断和工程应用中的关键科学问题,运用支持向量机理论进行水电机组振动故障诊断,深入研究了支持向量机的理论及工程应用,将先进信号处理技术与智能方法和支持向量机进行融合,使支持向量机与其它智能方法取长补短、优势互补,提出了若干融合支持向量机的水电机组混合智能故障诊断方法。论文的主要研究内容和创新性成果如下:

(1) 充分研究了支持向量机的模型参数对其性能的影响,提出采用特征空间中的类均值距离作为衡量所选核函数参数优劣的准则,并在此基础上确定出多类支持向量机核参数的小而有效的搜索区间;在新的核参数搜索区间和惩罚因子的搜索区间上,利用一种具有自适应搜索因子的差分进化算法进行支持向量机参数组合寻优。工程应用结果表明所提出的方法能够有效诊断出机组的典型故障,具有一定的可行性和有效性。

(2) 提出采用集合经验模态分解及基于集合经验模态分解的Hilbert谱与Hilbert边际谱对水电机组尾水管压力脉动信号进行分析;重点研究了基于集合经验模态分解的本征模态函数能量熵与奇异值分解特征提取方法,利用本征模态函数能量熵判断机组是否运行于故障状态;如果机组运行于故障状态,将本征模态函数奇异值特征输入前述经参数优化的支持向量机进行故障类型诊断;工程应用表明所提方法能够识别出设备的多种运行工况,所提方法已被成功应用在松江河发电厂故障诊断系统中。

(3) 釆用模糊支持向量机进行水电机组故障诊断,模糊支持向量机在训练阶段对故障样本区别对待,能够有效消除孤立点和野点子对诊断结果的影响;在模糊支持向量机中采用一种模糊sigmoid核函数,对这种核函数的形式及优势进行了阐述;针对模糊支持向量机实际应用中隶属度函数难以确定的问题,提出一种反《近邻方法与类均值距离结合的隶属度函数确定方法;深入分析了一对一多类支持向量机,指出采用一对一方法将二类支持向量机推广到多类时,在训练阶段并不是所有的类别对形成的支持向量机对最终的决策分类都有贡献,即存在着计算冗余;在此基础上,提出一种改进的一对一方法以删除其中不必要的支持向量机的训练。将所提方法应用于水电机组振动故障诊断取得满意的诊断结果。

(4)针对传统故障诊断分类器不能诊断出机组的不确定信息的不足,提出一种新的支持向量机与粗糙集结合的故障诊断方法。所提方法充分考虑了支持向量机和粗糙集各自的优缺点,将二者有机融合,优势互补,利用粗糙集来描述支持向量机的分类间隔,采用粗糙集上下近似的概念描述故障的不确定信息,充分利用了支持向量机强大的泛化能力和粗糙集对不确定数据的较强建模能力。将所提方法应用在某水电机组的故障诊断中能够诊断出机组的耦合故障,或亚健康状态。对二滩水电站#3号机组上导摆度偏大问题进行了综合分析,分析结论为二滩水电站管理运行人员提供了有益指导,同时进一歩说明对水电机组耦合故障进行诊断的必要性。

关键词:水力发电机组,混合智能故障诊断方法,支持向量机,特征空间类间距,自适应差分进化算法,集合经验模态分解,Hilbert-Huang变换,模糊支持向量机,粗糙集

目录

1绪论

1.1课题研究的背景和意义 (1)

1.2水电机组的振动故障 (4)

1.3水电机组智能故障诊断研究 (7)

1.4支持向量机与混合智能故障诊断研究综述 (13)

1.5论文主要研究内容 (16)

2支持向量机基本理论及研究现状

2.1引言 (19)2.2支持向量机的理论基础 (19)

2.3支持向量机分类的基本原理 (22)

2.4多类支持向量机 (30)

2.5支持向量机的研究现状 (34)

2.6本章小结 (36)

3类间距与自适应差分迸化算法优化SVM模型参数

3.1引言 (37)

3.2支持向量机的模型参数选择 (38)

3.3基于类间距离与自适应差分进化算法的支持向量机参数优选......(41)

3.4数值实验与诊断实例 (47)

3.5本章小结 (56)

4 EEMD分解与支持向量机混合振动故障诊断方法

4.1引言 (57)

4.2经验模态分解 (58)

4.3集合经验模态分解 (61)

4.4基于集合经验模态分解的Hilbert谱和边际谱 (63)

4.5水轮机尾水管压力脉动的Hilbert谱和Hilbert边际谱分析 (64)

4.6基于本征模态函数能量熵与奇异值分解的特征提取方法 (67)

4.7基于本征模态函数能量熵与奇异值分解的故障诊断 (69)

4.8本章小结 (77)

5模糊多类支持向量机在水电机组故障诊断中的应用

5.1引言 (79)

5.2模糊sigmoid核 (80)

5.3模糊多类支持向量机 (81)

5.4数值实验与工程应用 (90)

5.5本章小结 (93)

6水电机组的粗糙集和多类支持向量机混合故障诊断方法

6.1引言 (95)

6.2粗糙集理论 (96)

6.3粗糙支持向量机 (97)

6.4基于改进粗糙多类支持向量机的水电机组振动故障诊断 (106)

6.5 二滩水电站3#机组上导摆度偏大分析 (108)

6.6本章小结 (118)

7全文总结与展望

7.1全文工作总结 (119)

7.2进一步研究展望 (121)

                                 1绪论

1.1课题研究的背景和意义

水电能源是一种可重复利用的清洁能源,也是目前幵发技术最成熟、综合成本较低的一种能源形态。与其它形式的能源不同,水电能源的做功媒介一水,是可以再生的,用水电能源替代煤电等化石能源可以有效改善能源结构,减排温室气体,并促进经济社会可持续发展[']。中国地势高差极大,地形复杂多样。西南部的青藏高原是世界上地势最高的地区,其延伸出许多高山峡谷,在广袤的国土上河流众多。据最新统计,仅大陆地区的水力资源技术可开发量就有5.42亿千瓦,居世界第一。建国后尤其是施行改革开放以来,我国的水电事业得到快速发展。截止2008年年底,我国水电装机容量已位居世界第一,达到1.72亿千瓦[2]。当前和未来相当长的一段时期内,中国经济正处在高速发展的阶段,对电力的需求将保持持续增长的态势。目前,中国水能资源开发程度仅为31.5%,预计到2020年,水电在我国能源结构中的比例将达到43.3%,还远远低于世界发达国家86%的平均水平,还有巨大的发展潜力,由此可见,未来若干年中我国水电建设的任务依然十分繁重[1]。

水轮发电机组是水电能源生产过程中的最关键的主设备,其通过同轴相连的水轮机和发电机将水能转换成旋转机械能,并最终转化为电能,其间交织着复杂的物质流和能量流映射关系。水轮发电机组的运行健康状况不仅关系到水电厂的安全还直接关系到水电厂能否向电网安全、经济地提供可靠的电力[3]。现代水力机组的结构闩趋复杂,单机容量越来越大,集成化程度越来越高,不同部件之间的相互作用、相互影响、相互親合关系越来越密切,这无疑增加了机组状态监测与故障诊断的难度。此外,作为一种特殊的旋转机械,水力发电机组的工作介质为水,引起水力机组振动的因素是水机电稱合作用的结果,比普通动力机械复杂得多[4—6】。因此,为确保水力发电机组在生命周期内安全、可靠、稳定运行,发挥最大发电效益,必须对运行中的水力发电机组进行有效的监测、维护和诊断[7]。

国内外由于水力发电机组运行中发生的故障造成了许多不良后果,有的甚至是触目惊心的。如江西省奉新县仰山三级水电站自1986年10月投运后,发生迷宫上部的严重磨损事故,机组振动严重,座环及尾水管弯管处噪音很大,机组不能正常运行,造成一定的经济损失;葛洲坝二江水电厂曾经发生过机组水导摆度偏大故障,有时甚至超过调整间隙,造成较为不良的后果;五强溪水电站水压脉动和机组轴线不直诱发振动;紧水滩水电站4号机组尾水管低频涡带脉动和频繁启停机导致了较为强烈的机组振动;安康水力发电站1号机组转子质量不平衡和尾水管压力脉动引发的机组振动等。上述一些故障或振动问题是发生在国内的一些事故,其损失尚不是很大。令世人触目惊心的是,2009年8月17 R俄罗斯当地时间8时13分发生的萨扬一舒申斯克水电站事故,该次事故造成75人死亡,电站10台机组受到不同程度破坏,厂房被摧毁;在萨扬和哈卡斯铝冶炼厂的熔炉完全与电网电源切断,事故造成该地区25%的电力缺口; 40吨变压器油溢出,造成400吨养殖鲑鱼死亡;直接经济损失达130亿美元,修复至少需要400亿卢布、5年时间。该次事故使得人们进一歩认识到水电机组的安全、稳定运行的重要性。由以上发生的事故可以看到,即便是在科技高度发达的今天,水力发电机组的振动问题仍然十分严重,由故障而引起的严重事故仍在发生。尽管当前人们对水电机组的振动问题及故障给予了足够的重视并加强了机组模型与原型振动试验和振动预测与控制的相关研究,但仍难以确保不出故障。这就为水力发电机组的运行监测与诊断研究提出了更为迫切的需求。

长期以来,国内水电行业贯彻"安全第一、预防为主"的方针,采取"出事故后维修"与"按计划检修"相结合的检修模式。这种检修模式显然存在很大的弊端。"出事故后维修"即是当机组出现突发性故障或事故后进行事后检修和抢修,其危害是不言而喻的,事后检修会使得检修工作十分仓促,尤其是会对电网的安全、稳定运行造成巨大危害。此外,按照某一固定周期所进行的"按计划检修"会使得某些部件超出其实际使用寿命但却得不到及时维修,而有些部件没有检修的必要却进行了检修,这样会降低部件的可用率和机组设备的安全性,还浪费了人力、物力、财力,直接增加了企业的生产成本[8]。因此,为了满足当前形势的需要,应对以往旧的检修模式进行改进,提高经济效益,实现水电机组的状态检修。

状态检修是一种复合型优化检修模式。开展状态检修的目的是便于有针对性地依据检修内容进行机组检修,在机组需要检修的时候开展检修,以避免过度检修,和检修不足,实现检修工作的优化组合以降低机组检修及运行维护成本,充分延长设备使用寿命,提高设备可利用时长,进而增加发电量。状态监测和故障诊断是状态检修所包括的两种具有不同目的和方法的技术。机组状态监测的目的是判断机组运行状态是否正常,一旦出现异常可以报警或跳闸停机。故障诊断的目的是,判断机组运行过程中内部隐含的故障,识别主导故障以及主导故障的发展和转移,并对机组的当前状态做出评估和预报[9】。一般来讲,故障诊断的实质是设备状态的模式识别[10]。对水电机组振动故障诊断的最终目的是搭建一个有效、可靠、快速的机组故障自动识别系统。在这一系统中有两个关键:其一是准确的获取机组运行中的故障信号,并采用先进的信号处理方法对故障信号提取出最能够反映设备运行状况的特征;其二是探寻出一种泛化能力强,能够解决水电机组的故障样本稀缺问题的故障诊断方法。

为确保水力发电机组安全、可靠、稳定运行,发挥最大发电效益,通过采集并利用故障信号对水电机组运行状态进行判断一直是机组故障诊断的热点研究问题。当机组动态特性复杂、解析模型未知或难以精确描述与表达,但系统的一些状态或者输出信号可以测量时,传统方法无法准确有效地进行诊断,而信号处理技术为解决此类问题提供了一种有效途径。事实上,机组不同的故障类型总是对应着不同的振动信号频率、幅值及相位,故障信号处理在提高诊断结果的准确性和可靠性方面具有非常重要的地位。完整的故障信号处理包括信号检测和特征提取,其中信号检测是故障诊断的前提,而特征提取是故障诊断成功与否的关键环节【'1】。基于统计学习理论发展起来的支持向量机理论['2】在解决小样本、非线性、高维模式识别问题中表现出色。在国际权威学术组织"The IEEE International Conference on Data Mining(ICDM)", 2006年评选出的十大经典数据挖掘技术中SVM位居第三。水力发电机组属于大型低速旋转机械,其故障的发生、发展及演化较慢,在运行中故障样本的获取较为困难,因此水电机组故障模式分类属于典型的小样本模式识别问题。另外,水电机组的故障机理较为复杂,获取的故障样本多为高维非线性的。因此,支持向量机特别适合于水电机组的故障诊断。目前不少研究者将支持向量机应用于旋转机械的故障诊断【'3—'5】,水电机组作为一种特殊的旋转机械,支持向量机在其故障诊断方面也取得了较好的诊断结果【16—'9]。

因此,针对水电机组故障特点,采用先进的信号处理方法提取振动信号中的有用信息,将支持向量机引入到水电机组的故障诊断中,结合现有智能故障诊断技术对标准支持向量机进行融合改进,提出复合模型的混合智能诊断策略,扩展支持向量机的应用,丰富混合智能诊断方法的内涵,实现水电机组的最优诊断,进一歩推动水电机组的状态维护的实施与发展具有一定的科学意义和工程应用价值。

1.2水电机组的振动故障

水力发电机组最常见、最主要的故障是振动故障[2a],正确认识和把握机组振动故障的特点和主要振源对于水电机组的故障诊断至关重要。

1.2.1水电机组振动故障特点

水力发电机组是由水轮机和发电机组成的复杂的机电大系统,其工作介质是水。旋转系统通过轴承支承于机架和钢筋混泥土结构;流体和电磁场是水体势能和动能转化为电能的做功媒体,大型轴承均是由流体油膜润滑的,其间充斥着流场和电磁场的复杂交织以及流体与固体的親联振动[21],因此与其它旋转机械相比水力发电机组的振动故障具有自身的特点[9]。

渐变性:水力发电机组的转频一般只有几赫兹,比其他旋转机械低,其故障的发展缓慢,多为耗损性故障,少有突发恶性事故。比如水轮机部件因空化或泥沙磨损等原因导致的振动即是一种损耗性故障,这种故障是日积月累而形成的。这正是水力机组振动故障的一个主要特点。

复杂多样性:水力发电机组的振动由水力、机械和电磁三者引起,机组的故障在水力、机械和电磁等方面均有体现。此外,水力、机械、电磁三种因素之间还相互稱合,例如水流不平衡流动会引起机组转动部分振动,而转动部分的振动又会引起转子与定子间气隙不对称变化,这个不对称变化将引起不平衡磁拉力,反过来加剧或减弱转动部分的振动。因此,水力机组的振动机理复杂,振动征兆和振源之间缺乏一一对应的显明关系,故障类型具有复杂多样性,难以用直观判断和简单的测试手段找到主导性故障原因。

不规则性:每个水电站都具备自身独有的地理位置、地质状况、水文气候特性、现场安装状况及电网特性等,并且每个水电站的技术经济条件也不尽一致,这就决定了不同电站之间的振动情况有较大差别,甚至是同一电站不同机组之间的振动情况也不尽相同。因此,水电机组振动故障具有不规则性,鲜有类似的案例可以借鉴。

1.2.2水电机组振动故障的主要振源水力发电机组的振动是水机电磁親合作用的结果,其振源很多,但大致可以分为水力、机械和电磁三大类[2G]。

1.2.2.1水力振动

(1)尾水管内低频涡带尾水管低频祸带是引起混流式和轴流定桨式水轮机振动的主要因素之一。水轮机转轮出口水流的一定的圆周分速度是产生低频祸带的直接原因。超过一定阈值的圆周分速度在离开泄水锥时会开始形成螺旋状祸带,在进入尾水管后形成低频涡带脉动。祸带脉动的频率一般为1/6~1/3倍频。

(2 )水轮机水封间隙不等产生的水力不平衡力引起的振动当水轮机本身制造上存在瑕疵,或安装出现问题时可能使得其转轮跟固定部件不能严格的在一条轴线上。此外,当水封零部件加工或安装出现差错,转轮存在动、静不平衡时会引起水封间隙不均。这样的一些因素会引起水力不平衡,进而产生振动。

(3)导水机构水流不均匀引起的振动一般来讲,蜗壳中的水流并不像理论分析中的那样均匀,在蜗壳的齿部常常产生撞击进口水流,从而对转轮引起振动。其振动频率/为转频《与转轮叶片数Z的乘积[21】,艮P:/ = — (Hz) (1-1)60导叶出口的流速也不像理论假设的那么均匀,这种不均匀的流速对对低比转速水轮机意义比较大,这是因为比转速越低转轮和导叶出水边的间歇越小,在这么小的间隙里水流流速难以调整的均匀。由于导叶后水流不均匀作用在转轮上的水流扰动频率为:/ = ^ (1-2)J 60其中《为转频,Z。为导叶数。近年来,随着水轮发电机组的容量和尺寸不断增大,机组刚度相对降低,轴流式水轮机的叶片振动问题已引起广泛的重视。由于进入叶片水流的干扰力,协联状态遭到破坏,叶片表面脱流或空化等,都将引起叶片振动,甚至引起破坏性事故。此外,叶片出口的卡门祸列也是引起水轮机叶片和导叶振动的振源之一。卡门祸的脉动频率为:f = C^ (1-3)D其中C为与雷诺数Re有关的系数,一般取0.2; W,为叶片出口边缘的相对流速;D为叶片出口边缘的厚度。

(4)其他一些偶然因素引起的水力共振水电站机组JH常运行时,其压力管道两端为开口,水体的自振频率为:/ = , (1-4)其中,a为管道中水的波速(m/s),m为管道中水体的自振频率阶数(m = l,2,3,--)/为管道长度(m)。由于一些偶然因素,过流部件中的水流压力脉动可能与管道中水体的自振频率产生共振,这会引起机组的强烈振动。

1.2.2.2机械振动由于制造或安装不当,会使得机械上存在缺陷,主要有:大轴不直;转子和转轮的动静不平衡;导轴承和推力轴承有缺陷;转动部件和固定部件不同心等。另外,在运行中也会出现某些机械缺陷和故障,如转轮水封止水片脱落、导轴承螺丝松动使轴承间隙不等、转子磁轭固定不牢等。

(1) 大轴不直大轴不直将产生某种弹性力,当该弹性力传递给导轴承和支撑结构时,会反过来引起机组振动。此外,当发电机大轴与励磁机的轴存在倾斜时,会引起推力轴承的激扰力。

(2) 发电机转子和水轮机转轮质量不平衡发电机转子、励磁机和水轮机转轮的质量不平衡,均将产生与大轴垂直的径向离心力。离心力大小为F = ~m^e-10-' = —(―] ?1.12x10-*-eGw' (1-5)式中,G为转子质量(kg); g为重力加速度(m/s2), w为角频率(rad/s); e为质量偏心距(mm)。

(3)机组转动部件和固定部件的摩擦若机组在运行中动静部件不在同一直线上,或局部有突起,或流过水轮机转轮的水流不对称,均会产生摩擦。大轴在旋转过程中如果触及固定部件,则大轴将进入一种剧烈的弓状回旋振动。机械因素引起的振动,是水轮发电机组常见的稳定性故障。这是因为水力因素引起的振动,主要是由水轮机的设计所决定,在机组投入运行之后振动大小基本已经固定,而机械因素引起的振动却很容易在机组安装、运行中产生,使机组振动超过设计值。如喜河水电厂三台水轮发电机组在投入运行之后全部振动过大,通过稳定性试验得出结论,振动原因分别是动不平衡和轴线及水平调整不良,均为机械因素。

1.2.2.3电磁振动水轮机组

电磁振动可分为两类,一类是转频振动,其频率为转频或转频的整数倍,即/=— (k = \,2,3...) (1-6)60 \     , ,另一类为极频振动,其频率为/=髮yt = 50;t (k = 1,2,3...) (1-7)60 V     , , 7

1.3水电机组智能故障诊断研究

由1.2节的内容可知,水力发电机组的故障机理复杂,故障种类繁多,故障耦合因素多,与其它旋转机械相比,其故障具有自己独特的特点,这给机组的诊断工作带来较大的困难。目前基于经验和个人知识的现场诊断仍然在水电机组振动故障诊断中占据主流,这种传统的故障检测与诊断方法主要依靠专业技术人员和诊断专家来推理诊断。该方法由于过分依赖于使用者的经验和专业技术知识,其弊端是显而易见的。水电机组运行中的一个故障的形成往往是众多因素共同作用的结果,且这些因素之间互相影响、相互联系,采用简单的推理方法很难准确找出引起振动的所有因素,尤其是对各个因素对振动的贡献大小的确定难度较大。另外,由于机组结构的高度复杂、自动化程度的提高,从监控系统获取的数据量十分巨大,单纯依靠专业技术人员和诊断专家来分析这么巨大的数据显然是不现实的,因此必须提高设备故障诊断的自动化和智能化程度,实现对设备的高效、可靠的智能诊断[22—25】。近年来,伴随科学技术发展和多学科相互交叉与渗透,尤其是信号处理技术和现代智能算法的发展,研究者提出了众多有效的智能故障诊断方法,并在实践中取得了显著的成效【1°'26—33]。这些方法主要有:专家系统、神经网络、故障树、模糊理论、粗糙集等。

1.3.1专家系统

专家系统可以认为是一种具有专门知识与经验的智能程序系统,它能运用专家多年积累的经验和专门知识,模拟专家的思维过程,解决该领域中需要专家才能解决的复杂问题[34]。故障诊断专家系统就是运用专家系统来解决故障诊断问题,不少学者在这一领域幵展了大量研究。

Doherty和Kochhar[35】在其论文中提出一种基于模型推理的专家系统用于水电机组的故障诊断;余涛,王晶等[36]对水电机组故障诊断的知识获取与推理机制的建立进行了阐述,并基于此提出了一种适合于水电机组故障诊断的分布式故障诊断集成专家系统[37];邓正鹏,韦彩新等[38]对水电机组故障诊断专家系统中知识库的设计进行了讨论;文献[39]提出一种专家系统与神经网络集成的水电站信息管理系统,该系统集成了一个专家系统和两个神经网络模块,对发电机组的噪声以及不同工况下的运行参数和状态实现了较好的监测和识别,并能预知故障的发生;Song和0111[40]提出了一种基于Web的集成专家系统对水电机组故障进行诊断,该系统建立在三层架构上,采用启发式规则来进行水电机组故障诊断;在文献[41, 42]中作者提出一种最优维护系统来对水电站主设备进行监控、诊断和维护,其将维护自动化的理念引入到水力发电系统中,得到了较好的工程实际应用。此外,针对不同的研究对象,研究者提出了大量的故障诊断专家系统[43—5"]。这些故障诊断专家系统的优势各异,但每一个专家系统都少不了如下基本模块:数据库、知识库、人机接口、推理机、结果解释。

专家系统故障诊断方法在解决没有精确数学模型或者模型难以建立的复杂系统问题上具有优势,但仍存在着一定的局限,主要体现在作为专家系统的核心的知识库和推理机制的建立上。专家系统的应用依赖于专家知识的获取,这是专家系统研发中的一个瓶颈问题;此外,专家系统的推理机制较大程度地决定了系统的自适应能力、学习能力以及实时性,而针对特定问题的有效推理机制的建立尚存在困难。