水力发电机组技术诊断自动化系统的工作原理

水力发电机组技术诊断自动化系统的工作原理

蔡伟孟宪盛

（贵州中水能源股份有限公司遵义分公司贵州遵义653000）

摘要：文章主要围绕水力发电机组技术诊断自动化系统进行叙述，对智能化的诊断方法进行了详细地分析和介绍，希望相关人员能够增加对自动化诊断系统的了解，减少水力发电机组的故障。

关键词：水力发电机组；技术诊断自动化；工作原理

1.前言

随着我国经济发展水平的不断提高，水力发电事业也取得了重大进展，为了减少发电机组的故障，同时也为了做好发电机组的诊断工作，确保安全、可靠、经济运行，相关人员将自动化诊断系统应用到诊断工作中，希望能够改善工作现状。

2.故障诊断方法分析

2.1智能诊断方法

2.1.1模糊神经网络诊断方法

模糊神经网络是模糊理论同神经网络相结合的产物。模糊逻辑理论和神经网络技术在知识表示、知识存储、推理速度及克服知识窄台阶效应等方面起到了很大的作用，因此将模糊逻辑与神经网络融合起来构造的模糊神经网络，具有模糊逻辑和神经网络各自的优点。近年来，模糊神经网络的理论及应用得到了飞速发展，各种的新的模糊神经网络模型的提出以及与其相适应的学习算法的研究不仅加速了模糊神经网络理论的完善，而且它们在实际中得到了非常广泛的应用[1]。

2.1.2专家系统故障诊断方法

专家故障诊断系统是人们根据长期的实践经验和大量的故障信息知识，设计出的一套智能计算机程序系统，以解决复杂的难以用数学模型来描述的故障诊断问题。其内部具有大量专家水平的某个领域知识与经验，应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。

专家系统在水轮发电机组故障诊断中的典型应用是基于产生式规则的系统，其基本工作原理是：首先把专家知识及其诊断经验用规则表示出来，形成故障诊断专家系统的知识库，进而根据报警信息及其他一些故障征兆对知识库进行推理，得出是否发生故障以及发生什么故障，然后对诊断结果进行评价、决策[2]。

2.1.3模糊诊断方法

是一种基于知识的自动诊断方法，它利用模糊逻辑来描述故障原因与故障现象之间的模糊关系，通过隶属度函数和模糊关系方程解决故障原因与状态识别问题。其基本原理为；设用一个集合Y定义系统中所有可能发生的各种故障原因，由这些故障原因引起的各种症状，如时域特征、频域特征、相关参数变化特征等定义为一个集合X

根据模糊数学原理，可得到Y和X的因果模糊关系为：

Y=XoR

其中，符号“o”为模糊逻辑算子，足为模糊关系矩阵。

2.1.4人工神经网络（ANN）是模拟人脑组织结构和人类认知过程的信息处理系统，自1943年首次提出以来，已迅速发展成为与专家系统并列的人工智能技术的另一个重要分支．人工神经网络具有模拟任何连续非线性函数的能力和从样本学习的能力，非常适合应用于故障诊断系统。应用ANN技术解决故障诊断问题的步骤包括：根据诊断问题组织学习样本、根据问题和样本构造神经网络、选择合适的学习算法和参数[3]。

2.2故障树诊断法

故障树分析法将系统故障形成原因按树枝状逐级细化，把最容易发生的故障状态作为故障树的顶事件，寻找引起顶事件的直接原因，并将其逻辑关系用特定的逻辑符号表示出来，自上而下逐级分解，直到不能分解的底事件，形成故障树。找出系统的薄弱环节，以便采取相应的改进措施。故障树分析是故障诊断系统的基础，也是现有故障诊断技术中最有效、最基本的手段。作为一种传统诊断方法的故障树诊断法在水电机组振动故障诊断中的应用取得了一些成果。洪治等将模糊技术和故障树分析法结合起来，提出一种模糊故障树诊断方法，并将其应用于水轮发电机系统的温度故障诊断，实验研究表明这一方法可行、有效；张国云等

在传统支持向量机（C-SVM）的基础上，通过集成模糊聚类技术和支持向量机算法，构造了一种适合于故障诊断的多级二叉树分类器，并首次应用于水轮机调速系统故障诊断，取得了良好效果[4]。故障树诊断方法直观、形象，能够实现快速诊断；知识库很容易进行动态修改，并能保持一致性；率推理可在一定程度上用于选择规则的搜寻通道，提高诊断效率。诊断技术与领域无关，只要相应的故障树给定，就可以实现诊断。该诊断方法的缺点是不能诊断不可预知的故障；诊断结果严重依赖于故障树信息的正确性和完整性。

3.水力发电机组振动故障的原因及处理

水力发电机组产生振动故障的原因主要有以下几个方面：机械振动。这种振动是所有振动故障当中比较常见的一种类型，主要是因为转子的质量没有处在一种平衡的状态，同时机组方面的主线也不够端正，从而导致轴承自身具备严重缺陷，进而产生一系列的摩擦所致。其中，转子的质量平衡性是导致其本身重心同轴线产生偏心距的主要原因，从而直接导致机组产生相应的振动。而机组方面的轴线不正最终将引发振动故障，不过，通常都不严重。水力振动。这种振动故障比较常见，引发振动的主要原因还是水力不平衡、空气腐蚀以及卡门涡流等。电磁振动[5]。

这种振动故障一般都是由于其定转子的间隙不均匀所致，而相应的定转子磁场轴线并没有重合，导致其励磁绕组间出现一系列的短路情况。这种情况的出现将直接引起定、转子之间的间隙磁通量严重不均匀，最终导致机组产生故障。

对于水力发电机组故障处理，主要有以下几点：需要判断其产生振动的具体原因，可以直接从多个方面和角度来进行试验和分析。由于机组当中包含多个导轴系，在其运行一段时间之后，其上导轴的振动情况将变得比较严重，在停机之后会发现其下导轴承的轴固定螺钉呈现断裂趋势，上导轴也将产生裂纹。所以就需要严密检查机组当中的各个零部件，例行检查工作不能懈怠。采取故障检测试验来查找和分析，比如可进行振动试验来找出机组振动情况加剧的主要原因，也可再次进行转速试验来分析转子质量的平衡性。另外，还需配合励磁电流试验、带负荷等试验同时进行[6]。

由于水力发电机组的组成部件繁多，各部件必须在最优工况下运行，才能有效保障水力发电机组的工作效率。而水力发电机组的振动对于其本身的安全运行也起到了较为直接的影响，一旦其无法进行合理有效的控制，必然会引发非常严重的事故发生。因此需要仔细检查机组的装置是否存在相应的稳定性因素，同时对机架做好稳定性检查，严格检查内部的固定性是否牢固，一旦发现存在松动的隐患，应当立即进行加固处理。而针对导轴承则需要进行稳定性监测，定期观察是否存在隐患缺陷。做好转轮的检查工作，观察和其他部件的连接是否正常，连接点一旦存在故障应当立刻进行重新安装连接。另外，也可以采取改变运行条件的方式来尽可能的避免水力发电机组的不稳定情况。比如采用错频的方式就能很好的针对水力发电机组的不稳定情况加以改善。

4.结束语

文章将水力发电机组技术的诊断自动化原理作为叙述的主要内容，希望能够将自动化诊断技术广泛应用于发电机组的故障检测中，及时发现故障，保证水力发电机组可以正常运转。

参考文献

[1]徐世昌，夏松波.大型水轮发电机组状态监测与振动故障诊断技术研究[J].水力发电学报，1992（2）：66-74.

[2]张双全，袁晓辉.水电机组在线监测技术与故障诊断专家系统[J].水力发电，2003，29（7）：43-45.

[3]辛晟，郭磊.水力发电机组振动故障诊断技术综述[J].电机技术，2010（2）：9-12.

[4]水轮发电机组状态监测与故障诊断系统设计与应用[D].西安理工大学，2010.

[5]基于神经网络和证据理论融合的水电机组振动故障诊断研究[D].西安理工大学，2006.

[6]任继顺，何建平.基于自动分析诊断的远程状态监测技术在水电厂的应用[C]//中国水力发电工程学会电力系统自动化专委会年会暨学术交流会.2007.