針對水電站計(jì)算機(jī)監(jiān)控系統(tǒng)常規(guī)限值報(bào)警發(fā)生時,設(shè)備已經(jīng)出現(xiàn)嚴(yán)重故障影響電站安全穩(wěn)定運(yùn)行的問題,以水電站歷史運(yùn)行數(shù)據(jù)為基礎(chǔ),運(yùn)用人工智能與數(shù)據(jù)挖掘技術(shù)自動學(xué)習(xí)運(yùn)行設(shè)備的健康特征,實(shí)現(xiàn)水電站運(yùn)行設(shè)備異常狀態(tài)識別功能,在設(shè)備運(yùn)行參數(shù)尚未到達(dá)故障報(bào)警限值前發(fā)現(xiàn)異常,達(dá)到設(shè)備異常早發(fā)現(xiàn)早排除的目的,并對輔助系統(tǒng)滲漏異常、開停機(jī)流程異常、溫度異常、電壓與頻率異常等關(guān)鍵技術(shù)進(jìn)行了討論。該功能通過水電站生產(chǎn)設(shè)備異常運(yùn)行狀態(tài)的感知與報(bào)警,實(shí)現(xiàn)了安全生產(chǎn)隱患的早期發(fā)現(xiàn),對于保障水電站安全穩(wěn)定運(yùn)行具有重要的意義。 

【文章來源】：西北水電. 2020,(04)

【文章頁數(shù)】：5 頁

【部分圖文】：

向家壩水電站運(yùn)行設(shè)備健康狀態(tài)識別功能架構(gòu)圖

水電站油水氣系統(tǒng)用于水輪機(jī)與發(fā)電機(jī)的散熱、潤滑等功能,一旦輔助系統(tǒng)發(fā)生滲漏就可能導(dǎo)致機(jī)組軸承瓦溫升高甚至緊急停機(jī),影響電站的安全穩(wěn)定生產(chǎn)。向家壩水電站運(yùn)行設(shè)備異常狀態(tài)識別功能建立輔助系統(tǒng)滲漏報(bào)警機(jī)制,通過跟蹤監(jiān)視水泵、油泵與氣機(jī)等輔助設(shè)備的運(yùn)行間隔時間、運(yùn)行時間與液位/壓力變化速率判斷是否存在滲漏情況,見圖2。機(jī)組壓油泵、空壓機(jī)等與機(jī)組運(yùn)行工況相關(guān)設(shè)備的運(yùn)行間隔時間與運(yùn)行時間判斷,從歷史運(yùn)行數(shù)據(jù)中提取穩(wěn)定工況下設(shè)備單次動作的運(yùn)行間隔時間、運(yùn)行時間以及對應(yīng)的機(jī)組出力、轉(zhuǎn)速、水頭為樣本,輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到一組神經(jīng)網(wǎng)絡(luò)參數(shù),建立分析模型。異常分析時將穩(wěn)態(tài)工況下機(jī)組出力、轉(zhuǎn)速、水頭的實(shí)時數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)可以獲得當(dāng)前工況下模型預(yù)測的設(shè)備運(yùn)行間隔時間與運(yùn)行時間。將模型預(yù)測的時間作為模型報(bào)警限值與設(shè)備真實(shí)運(yùn)行參數(shù)進(jìn)行對比,如果設(shè)備真實(shí)運(yùn)行間隔時間、運(yùn)行時間超過模型限值并超過死區(qū),判斷出現(xiàn)疑似異常,若該狀態(tài)保持若干計(jì)算周期,判斷設(shè)備出現(xiàn)異常。

為了提前發(fā)現(xiàn)設(shè)備異常,需要建立溫度監(jiān)視報(bào)警機(jī)制,從歷史數(shù)據(jù)中自動學(xué)習(xí)不同機(jī)組工況下各類設(shè)備運(yùn)行溫度的正常運(yùn)行范圍,跟蹤監(jiān)視軸承、變壓器、勵磁等設(shè)備的溫度變化及時報(bào)警。首先從歷史運(yùn)行數(shù)據(jù)中提取穩(wěn)定工況下設(shè)備溫度、機(jī)組出力、轉(zhuǎn)速、水頭的斷面數(shù)據(jù)為樣本。由于軸承存在多個溫度測點(diǎn),因此針對每個測點(diǎn)進(jìn)行獨(dú)立判斷。原始樣本數(shù)據(jù)需要進(jìn)行清洗,可以采用中值濾波算法,過濾傳感器異常導(dǎo)致的數(shù)據(jù)跳變。樣本數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到一組神經(jīng)網(wǎng)絡(luò)參數(shù),建立分析模型。異常分析時將穩(wěn)態(tài)工況下清洗后的機(jī)組出力、轉(zhuǎn)速、水頭實(shí)時數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò),獲得當(dāng)前工況下模型預(yù)測的設(shè)備溫度。將模型預(yù)測的溫度作為報(bào)警限值與設(shè)備真實(shí)溫度進(jìn)行對比,如果設(shè)備真實(shí)運(yùn)行溫度超過模型限值并超過死區(qū)判斷出現(xiàn)疑似異常,若該狀態(tài)保持若干計(jì)算周期判斷設(shè)備出現(xiàn)異常,見圖3。3.4 電壓與頻率異常分析

【參考文獻(xiàn)】：
期刊論文
[1]廣州蓄能水電廠Eventlog信息智能分析系統(tǒng)研究與應(yīng)用[J]. 邱小波,楊銘軒,馮凌云.  水力發(fā)電. 2014(11)
[2]多重分形消除趨勢分析法在壩體滲漏量監(jiān)測中的應(yīng)用[J]. 周斌,李元芳,王雪,周杰.  水電能源科學(xué). 2014(07)
[3]烏江梯級電站集控系統(tǒng)報(bào)警信息的分類及處理[J]. 簡永明.  水電廠自動化. 2008(04)
[4]向家壩水電站泄洪消能方案構(gòu)思與初步研究[J]. 曾雄輝,程浩,李延農(nóng).  水力發(fā)電. 2004(04)
[5]水電廠綜合自動化報(bào)警系統(tǒng)的開發(fā)與應(yīng)用[J]. 張啟明,朱辰,施沖,汪軍.  水電廠自動化. 2002(04)
[6]BP神經(jīng)網(wǎng)絡(luò)在水輪發(fā)電機(jī)組狀態(tài)監(jiān)測與診斷系統(tǒng)中的應(yīng)用[J]. 符向前,劉光臨,蔣勁.  武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2002(01)
[7]神經(jīng)元網(wǎng)絡(luò)組在發(fā)電機(jī)定子溫度監(jiān)測系統(tǒng)中的應(yīng)用[J]. 蘇鵬聲,汪小明.  電力系統(tǒng)自動化. 2000(15)



本文編號：3146719