一、水电厂故障诊断和状态检修的初步探讨(论文文献综述)
李欢欢[1](2021)在《水轮发电机组安全评价及其调节特性对互补发电效益影响研究》文中认为在电力低碳转型大背景下,水轮发电机组(常规水轮发电机组和水泵水轮发电机组)作为稳定灵活性资源将消纳更多风光可再生能源。受电力负荷峰谷差与自身水-机-电耦合特性的双重影响,水轮发电机组将面临更为频繁的过渡过程,顶盖振动、导轴承摆度及尾水压力等指标参数剧烈变化,严重威胁机组安全运行及调能效果。本文以揭示水轮发电机组过渡过程复杂水-机-电耦合关联机制与解析多指标参数复杂波动变化背后潜在风险规律为关键科学问题,构建水轮发电机组动态安全评价新框架,并将水轮发电机组动态调节特性纳入高比例可再生能源入网的现实情景下,进一步优化机组互补性能与互补效益,取得以下三方面研究成果。1.围绕揭示水轮发电机组过渡过程复杂水-机-电耦合关联机制这一关键科学问题,克服传统水轮机调节系统模型、轴系模型或抽蓄电动机模型不能全面描述机组水-机-电耦合特性的缺陷,探究子系统耦合切入点,建立两类机组过渡过程水-机-电耦合模型并深入研究机组动态稳定性。主要包括:(1)针对一管两机常规水轮发电机组,由水轮机力矩推求转轮水力不平衡力,以水力不平衡力为切入点耦连发电机不平衡磁拉力、阻尼力、碰摩力及水导轴承非线性油膜力,使水力系统与机电耦合系统紧密联系,利用特征线法求解引水管-尾水管传递函数、四阶龙格库塔法求解轴系受力方程,建立水轮机调节系统与轴系耦合统一模型,将可靠性验证后的耦合统一模型应用于开机稳定性分析,研究主要运行或结构参数对机组振动特性影响规律,优化主要参数取值,从而使机组能够以最经济、操作最简便的优化方式提高过渡过程稳定性。结果表明:转子振幅与自调节系数关系可用二次方程近似描述,转子振幅与转轮进出口直径比关系可用五次方程近似描述;轴承离心率对开机振动失去响应的临界数量级趋近于1×10-6,转轮进出口直径比最优取值趋近于0.8,自调节系数最优取值趋近于3。(2)针对一管两机水泵水轮发电机组,将其抽水调相运行时水压扰动等异常变化等效为高斯随机型或阶跃型外部激励,以“外部激励影响有功输出,有功输出影响无功特性”为切入点耦连水力系统与机电耦合系统,利用特征线法求解复杂管道传递函数并基于Matlab/Simulink模块耦合励磁装置及抽蓄电动机模型,建立完整水泵水轮发电机组多机调相仿真模型。利用可靠性验证后的仿真模型研究外部激励作用下进相与迟相转化机制及多机间无功流动特性,并结合工程案例提供调相机跳机情景下的风险缓解建议。结果表明:一台机组受到外部激励时,易导致并行机组进相深度减小甚至转迟相运行;阶跃激励比高斯随机激励对进相与迟相转化行为影响更大;阶跃激励较大时,励磁电流辅助调节作用可适当缓解调相不稳定性。2.围绕解析多指标参数复杂波动变化背后潜在风险规律这一关键科学问题,克服子系统耦合复杂性造成风险特征提取和风险表现归类困难问题,提出利用动态风险量化方法深入挖掘两类机组过渡过程指标参数间及与运行风险间关联规律的新思路。(1)为准确界定常规水轮发电机组不推荐运行区、且缓解推荐运行区风险问题,基于理论修正的顶盖振动、导轴承摆度及尾水压力等动平衡实验关键指标参数,利用动态熵改进模糊集评价方法与灰色关联评价方法,提出动态熵-模糊集风险评价方法与灰-熵关联动态风险评价方法深入挖掘不推荐运行区与推荐运行区关键指标参数潜在风险规律,以概率形式量化机组实时风险度,提取高风险指标参数并对危险度排序。结果表明:机组不推荐运行区可从0 MW~121 MW缩减至0 MW~100 MW,将为灵活性调度增加21 MW可调容量。推荐运行区内不同水头下指标参数危险度排序存在明显差异,证明不同运行水头下定位的高风险部件将各有侧重。(2)为缓解水泵水轮发电机组水轮机工况甩负荷过渡过程运行风险,考虑导叶直线关闭和球阀-导叶联动关闭两种方式,利用训练数据和相应风险判别准则改进传统Fisher判别法,提出基于Fisher判别的动态风险评价方法深入挖掘甩负荷过程水轮机流量、转速、尾水压力及蜗壳压力等关键指标参数风险演化特征,量化各工况点下机组运行风险概率。结果表明:导叶直线关闭和球阀-导叶联动关闭方式下机组不稳定运行概率分别为0.23和0.16,说明导叶直线关闭方式下机组甩负荷后会出现包括水锤压力在内的严重稳定性问题,若不优化导叶关闭方式,长期运行将造成部件疲劳损伤;两种关闭方式下机组风险演化特征均呈现双峰特性,其中第1波峰发生于甩负荷初期,而第2波峰发生于甩负荷后期;球阀辅助关闭的加入对机组第1波峰运行风险缓解作用极小,但可显着降低第2波峰风险概率。3.围绕高比例可再生能源入网严重威胁水轮发电机组安全运行及调能效果这一现实情景,克服现有经济目标函数缺乏对灵活性水电机组调节成本量化的缺陷,构建超调量、上升时间、调节时间及响应峰值等水电机组动态调节性能指标以衡量PID控制参数、能源配比及传输线路布置优化对水光互补系统稳定运行优化作用。进一步地,以水风互补系统为研究对象,提取高敏感性超调量指标量化水电机组动态调节成本,综合考虑电能损失成本、投入成本及售电利润等较完备的投入-产出费用因子,提出以成本-利润为目标函数的水风互补发电效益评价方法,研究风速类型、容量配比及市场电价波动对互补发电效益作用机制。结果表明:当风电接入比例超54.5%时,最不利风速条件下风力发电效益将反超水力发电效益;分时电价每天捕获的互补系统总发电效益比固定电价效益要高出1万元左右。
席蓉蓉[2](2020)在《基于极限学习机的水轮发电机组故障分类与状态预测研究》文中研究指明水轮发电机组是水力发电的核心设备,进行水电机组的故障诊断和状态检测对于水电技术的发展,以及维护水电的安全稳定性具有重要意义。本文将围绕水电机组常见故障、特征提取、信号分析、故障诊断、状态预测等问题,以经验模态分解为切入点,结合极限学习机预测方法进行水轮机故障分类及状态预测。首先介绍了水轮发电机组的故障类型与机理,水轮机主要有温度异常、甩油装置故障、并网受阻、转子接地故障、机械故障等基本故障。总结了故障树分析法、模糊聚类、粗糙集理论、神经网络法等故障诊断方法的机理和优劣势,陈述了短时傅里叶变换、小波变换以及经验模态分解等时频信号处理方法。然后采用经验模态分解对水电机组故障信号进行分解,根据分解计算得到的分量特征参数值和对应的故障评价指数,选取敏感程度较高的分量特征参数作为最能反映水电机组运行状态的特征。并提出了一种基于快速独立分量的故障信号分离方法,利用快速独立分量分析对仿真的混合数据作以分离,通过实例仿真验证了其在信号分离方面的可行性。接着通过集合经验模态分解方法对在故障特征进行提取,同时对故障提取过程中可能出现的端点效应和模态混叠制定了相应的抑制方法。将原始数据序列延拓成一环形数据来抑制端点效应,并采用集合经验模态分解抑制模态混叠。通过实例仿真,验证了其在水轮机故障信号特征提取中的有效性。最后结合集合经验模态分解和极限学习机,将其应用于水电机组故障分类与运行状态预测。将部件的故障振动信号分解为五个本征模态分量,选取关键分量并计算对应的特征参数值。通过对相应的特征参数进行分析,对水电机组进行故障分类以及运行状态趋势预测。最后从理论和实际工程应用的角度出发,通过对比仿真分析,验证了极限学习机模型应用在水轮机故障分类和状态预测中的有效性。
王罗[3](2020)在《水轮发电机励磁绕组匝间短路故障特征分析与故障识别》文中进行了进一步梳理近年来我国可再生能源发展迅速,水力发电由于具有管理运行灵活和技术成熟等优势在可再生能源中占有重要地位,水轮发电机的装机容量和发电量逐年增加。大型水轮发电机结构复杂,且兼顾发电及电网调峰任务,运行负担较重,机组故障率呈上升态势。水轮发电机的励磁绕组长期伴随转子高速旋转,容易发生匝间短路故障。励磁绕组匝间短路初期故障特征不明显,如不及时处理故障可能会引发转子接地等更严重的故障,影响水轮发电机安全稳定运行。对于水轮发电机励磁绕组匝间短路故障目前缺少有效的在线监测方法,因此深入研究励磁绕组匝间短路的故障特征,提出准确性高的识别方法,对水轮发电机组具有重要意义。本文对水轮发电机励磁绕组匝间短路故障的励磁电流、温度场、热应力等特征进行详细研究,结合电气量分析研究水轮发电机匝间短路辨识,在多特征研究的基础上提出信息融合诊断方法,在水轮发电机匝间短路故障在线诊断的基础上提高励磁绕组短路故障的识别准确性。主要工作和取得的成果如下:水轮发电机绕组匝间短路转子电流及标准电流的计算分析。分析了励磁绕组发生匝间短路后水轮发电机励磁电流的情况,基于电机原理建立了电压,有功无功等的电气参数的数学模型,推导水轮发电机运行监测量与励磁电动势的关系式。提出了励磁电流计算的空载曲线反向计算法,通过反向计算空载特性曲线,得到水轮发电机励磁绕组正常条件下某特定运行状态的励磁电流计算标准值,通过匝间短路判据与实测励磁电流对比,结果可以反映发电机匝间短路故障及故障程度。绕组匝间短路故障转子磁极温度等热特性的研究。建立水轮发电机转子磁极的三维有限元模型,根据水轮发电机情况提出相关的假设条件,计算了励磁绕组匝间短路故障发生前后的转子磁极温度场及热应力,并总结故障时磁极温度场和热应力的变化规律。改变模型的相关参数,建立不同短路程度和不同短路位置的模型,进一步计算分析了励磁绕组匝间短路程度和位置不同对水轮发电机磁极温度场及热应力的影响规律。提出一种基于Volterra核辨识的水轮发电机励磁绕组匝间短路诊断方法。建立水轮发电机励磁绕组匝间短路故障非线性系统,分析定子分支电压和分支电流作为输入输出识别匝间短路的可行性,引入Volterra级数模型描述系统特征,通过辨识励磁绕组正常和故障状态下非线性系统传递关系的Volterra核函数的不同,来诊断励磁绕组匝间短路故障,并通过发电机的匝间短路故障实验验证了该方法正确性和有效性。提出的诊断方法具有较高的诊断精度,通过三阶核辨识实现水轮发电机励磁绕组匝间短路故障的识别。提出基于多源信息融合的水轮发电机励磁绕组匝间短路识别方法。将多源信息融合理论应用到水轮发电机励磁绕组匝间短路故障识别中,根据水轮发电机特点及传感器情况,选择短路故障特征量作为证据体,将水轮发电机匝间短路的多组故障特征证据体依据证据理论进行融合,降低传感器不确定性影响,提高匝间短路故障识别结论的置信度。进行发电机励磁绕组匝间短路故障实验,对比多特征量与单一特征量置信度,验证了多源信息融合在发电机励磁绕组匝间故障识别中的有效性。结果表明,基于多源信息融合的水轮发电机励磁绕组匝间短路故障识别方法减少了单一传感器所带来不确定性的影响,提升故障识别准确性。
李佰霖[4](2020)在《面向水电站设备检修的虚拟仿真及自动规划方法研究与实践》文中指出检修在维持水电站设备安全、稳定、高效运行中起到了重要的作用。设备检修质量依赖于检修工程师对检修任务的处理能力。设备检修数字化是提高检修人员设备检修综合能力的基础,为检修人员的知识学习、检修操作训练和现场检修辅助的支持提供更加便捷的途径。水电站设备检修是三维空间中进行的拆解零部件和处理的一系列过程性活动,进行标准化的可视化表达难度大;同时,由于人检修操作的不确定性,导致在虚拟环境中构建物理设备和系统的可视化仿真模型困难;且水电站设备零部件多,增加了计算机自动计算设备检修拆解序列的复杂度,限制了对设备检修自动支持的能力。因此,研究水电站设备检修数字化的关键技术、理论和方法,构建设备虚拟检修系统,对提升水电站设备维护水平具有重要工程应用价值。在水电站设备检修数字化中,传统的二维动画或者三维过程模拟方法,缺乏人机互动,制约了用户的主动参与,为此本文深入研究了交互检修仿真环境的构建方法;同时,为了提高检修自动支持能力,进一步开展了设备检修拆解序列自动规划问题研究,探索更优的拆解序列求解方法;另外,为了全面掌握设备及其组成系统的运行过程,开展了设备系统的多工况运行过程的可视化仿真研究。最后,在水电站设备检修数字化技术的基础上,开展了虚拟检修应用实践。论文的主要工作及创新性成果如下:(1)研究了设备虚拟检修的数字化方法。首先,针对水电站设备虚拟检修的要求,提出并建立了水电站设备虚拟检修的三维数字化框架,为水电站设备检修学习、培训、支持中的三维数字化确定了基本技术路线。其次,提出了从几何结构、约束关系、检修知识、检修任务、检修过程、检修记录等方面构建水电站设备检修数字信息化的方法。然后,提出了基于层次分析法和模糊综合评价方法,对人员的检修综合素质进行评价,从基础知识、操作熟练度和操作完成度三个方面建立了评价指标体系。最后,研究了设备虚拟检修数据管理方法,为开展设备检修的自动规划、三维可视化仿真和数字化服务奠定了基础。(2)针对检修人员主动参与学习的需求,在设备检修数字化的基础上,开展了交互式检修训练仿真环境的构建方法研究。首先,建立了实际检修操作中人、工具、零部件之间的作用关系模型,制定了从零部件逐步组建设备环境的策略。其次,提出了交互式虚拟元件的概念和构建方法,较好解决了包含复杂作用关系和操作过程的设备检修交互仿真环境的构建。该方法避免了复杂的分析,提高了仿真零部件的重复利用率。应用实例可知,只需要通过对13类零部件仿真即可实现对水轮机导轴承设备全部197个零部件交互仿真,验证了该方法的有效性。(3)为了实现水电站设备检修作业指导自动化,开展了水电站设备检修拆解序列规划问题研究。首先,根据设备的实际拆解过程,制定了分组规划的策略以降低规划计算复杂度。其次,明确目标拆解序列,在拆解序列评价的目标函数中引入空间移动代价。然后,提出了TBGA方法求解拆解序列,引入多团队竞争和更新机制到遗传算法中,提高全局寻优能力;采用优先保护交叉、多点启发变异和往返优化算子相结合的方式,强化局部寻优能力和速度,同时抑制算法陷入局部最优序列。试验结果表明提出的TBGA在拆解序列规划中,用了不到其它算法25%的时间得到了更优的拆解方案。(4)研究了典型设备系统的多运行工况的可视化仿真方法。提出了基于设备系统动态仿真模型和基于有限状态机模型驱动的水电站设备系统的多工况运行三维可视化仿真方法。研究了通用的动态仿真模型结构,实现了正常运行、任务执行、人为操作、设备故障等多种工况的综合。通过进水阀控制油系统的实例建模,在虚拟环境中实现了系统的正常运行、开关进水阀、人工启停设备、有泵效率下降和油路外漏等故障的可视化动态仿真,验证了提出的可视化仿真方法的有效性。(5)开展了服务于水电站的设备虚拟检修应用实践。对水电站设备虚拟检修系统结构、功能和数据组织进行了设计,并通过设备检修基础知识学习、检修技能交互训练、三维可视化的检修作业指导以及人员检修知识的考核,验证了本课题研究的可行性和实用性。
张炜博[5](2019)在《基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研究》文中认为随着我国能源结构的不断调整,水电能源已成为构建现代多功能互补、供需协调智慧能源系统中的重要一环。大力开发水电能源对于推动我国能源绿色低碳发展,提高能源供应能力和优化能源布局起着重大战略意义。作为水电站能源转换核心设备,水电机组正向巨型化、复杂化、智能化方向发展,且机组结构日趋复杂,集成化程度越来越高,机组的安全问题日益凸显。同时,水电机组作为一类复杂非线性动力学系统,其运行过程受到水机电复杂耦合因素影响,机组振动信号通常呈现强非平稳、非线性特性,传统水电机组状态分析与故障诊断方法在准确表征故障与征兆间复杂映射关系,实现机组状态准确评估和故障精准诊断方面存在一定的理论和工程技术难点。因此,亟需探究新的状态分析与故障诊断方法,以提高故障诊断的可靠性和状态趋势预测的准确性,为事后维修决策和事前预知维护提供合理的指导意见。针对上述问题,本文围绕水电机组在非平稳信号分析与特征提取、故障检测与故障分类、以及状态趋势预测等工程应用中存在的关键问题,引入先进信号处理方法、非线性动力学理论以及智能故障诊断方法,以经验模态分解、多尺度非线性熵、基于互信息的最大相关最小冗余特征约简、极限学习机和随机森林等作为理论分析手段,探究并改进现有方法中存在的理论和应用不足,设计了水电机组非平稳振动信号分析的改进方法,提出了基于特征空间重构与多尺度排列熵的水电机组非线性特征提取方法,发展了故障检测、故障分类的两阶段综合故障诊断方法,构建了基于散布熵判别与极限学习机的水电机组状态趋势分段预测模型,为水电机组智能故障诊断和状态趋势预测领域的方法创新拓展了思路,并具有一定的工程应用价值。论文的主要研究内容及创新性成果如下:(1)针对经验模态分解中存在的端点效应问题,深入分析了端点效应产生的原因及对信号分解结果的影响,提出了基于极限学习机与镜像延拓的经验模态分解端点效应抑制方法。该方法有效融合了极限学习机延拓和镜像延拓两种单一延拓方法在抑制端点效应上的优势,在每一次筛选本征模态函数的过程中,完成信号极值点两阶段延拓。在第一阶段,利用极限学习机在数据预测上的良好性能,在信号极值点序列两端进行初步延拓;在第二阶段,利用镜像延拓方法对初步延拓后的极值点序列两端进行延拓,以避免在分解过程中极值点序列不足而导致包络线拟合失真的缺陷。最后,在仿真信号实验中,通过定性和定量对比分析,验证了所提方法的有效性。并将其应用于水轮机尾水管压力脉动信号分析,验证了其具有一定的工程应用价值。(2)考虑到强背景噪声干扰、多振源激励耦合作用下水电机组故障与征兆之间映射关系难以准确表征的问题,提出了一种基于特征空间重构与多尺度排列熵的水电机组非线性特征提取方法。该方法首先针对机组故障信号呈现的非平稳特性,且易发生模态混叠、能量泄露等现象,设计了基于集合经验模态分解的特征空间重构方法。该方法以能量为衡量标准,将与故障信息高度敏感的本征模态分量重构,实现故障特征的初步提取;同时结合多尺度排列熵在不同尺度检测信号动力学突变行为的优势,进一步对初步提取的重构特征空间进行多尺度排列熵分析,完成对机组故障特征的充分表征,通过国际标准故障诊断案例验证了所提特征提取方法的有效性和先进性。最终将所提方法成功应用于水电机组空化信号特征提取,表明了其工程实用性。(3)针对水电机组实际运行中多类故障的不同衍生和发展规律,深入考虑故障初步检测与不同故障类型、不同故障程度精准识别的实际诊断需求,提出了基于精细复合多尺度散布熵与快速集合经验模态分解的故障检测与分类的两阶段综合故障诊断策略。在故障检测阶段,考虑机组存在“正常”或“故障”状态的判别需要,探究了故障信号与正常信号对精细复合多尺度散布熵尺度因子具有不同敏感性的变化规律,提出了基于精细复合多尺度散布熵判据的故障检测方法,实现了对机组健康状况的快速判断。进一步,如果检测到故障,考虑到单一散布熵对不同故障种类和故障程度表征的不足,综合快速集合经验模态分解对复杂非线性信号高效处理性能以及精细复合多尺度散布熵在多个尺度度量信号不确定性或不规则性的优势,提出了一种基于快速集合经验模态分解与精细复合多尺度散布熵的广义多尺度特征提取方法,实现对故障特征的多维广域提取;考虑到所提取特征存在的高维、冗余特性,建立了基于互信息的最大相关最小冗余的最优特征选择和随机森林分类器的故障分类机制,实现了对不同故障种类、故障程度的准确分类。故障诊断实例表明,所提综合故障诊断策略能有效的实现对故障的检测与分类,为解决工程实际中的故障诊断问题提供了一种有效思路。(4)随着运行时间的不断积累,水电机组不可避免的存在性能下降、设备失效问题,结合机组运行状态特性,提出了一种基于散布熵判别与极限学习机的分段预测模型,实现对机组状态趋势的有效预测,以便及早捕捉异常征兆。该模型考虑极限学习机对不同波动趋势信号预测精度的不同,通过集合经验模态分解将表征运行状态的复杂信号序列的不同尺度波动或趋势逐级分解为不同本征模态函数分量,建立以散布熵为信号复杂度的衡量标准,对具有相近复杂度的本征模态函数分量整合预测,提高了预测精度,并降低了预测的复杂度,最后将各分段预测结果累加完成原始状态信号的预测。将所提预测模型成功应用于水电机组振动状态趋势预测,验证了其有效性。
刘涵[6](2019)在《水电机组多源信息故障诊断及状态趋势预测方法研究》文中进行了进一步梳理随着我国绿色清洁能源的逐步开发,风能、太阳能、潮汐能等新能源稳定发展,常规水电机组与抽水蓄能机组装机容量也随之快速增长。与此同时,水电能源在电力系统中将承担更多的调峰调频任务从而减少新能源并网时带来的冲击。在此背景下,为了切实保障电网的安全稳定运行,对水电站可靠运行与健康管理提出了更高的要求。水轮发电机组作为水电站水能转换的核心设备,其构成部件相互耦合,呈现出复杂化、高度集成化的发展趋势,传统的机组故障诊断方法已无法满足工程实际需求。因此,为确保水电机组的安全稳定运行,本文针对水轮发电机组故障诊断与趋势预测中的若干科学问题,分析了现有理论与研究方法的局限性,以水电机组多源信息融合为切入点,提出了水电机组运行参数关联分析方法;以参数关联关系为基础,结合机器学习与对抗学习等先进技术手段,构建了完备的水电机组故障诊断体系;进一步引入信号处理与深度学习理论,搭建了水电机组多步非线性趋势预测模型,大幅提高了机组状态趋势预测步长,准确预测了水电机组的状态变化趋势。论文的主要研究工作与创新成果如下:(1)为有效利用水电机组运行监测海量数据,挖掘机组多源信息间的关联关系,结合数据离散方法与数据挖掘算法,提出了水电机组运行参数关联分析方法。首先分析了机组运行参数在故障状态下存在少量异常点的特点,采用K-Mediods聚类方法对机组运行参数进行离散处理,对比分析不同聚类结果的轮廓系数,优化聚类个数,并给出了聚类后每个区间对应的实际物理含义。通过收集整理电站机组故障下的运行参数数据,构建了离散后的机组故障样本事务集,采用FP-Grwoth算法挖掘其中频繁项集,并提取重要关联关系,为电站运维人员提供了实际检修指导建议。(2)机组运行参数关联分析结果指明了不同参数间蕴含了潜在的故障特征,在此基础上,结合循环神经网络,提出了基于GRU-NP-DAE的水电机组多源信息故障诊断方法。传统故障诊断方法在构建故障样本时忽略了机组振动信号本身的时序关系,且无法有效提取不同振源间的关联特征。所提方法通过循环神经网络有效存储机组振动信号时序信息,将多源振动信号共同作为输入构建不同故障状态下的振动模式,对比分析输入数据在不同振动模式下的重构误差,确定当前故障状态,提高了模型诊断的精确度。同时,通过采用降噪自编码器、变步长输入等技术手段,加强了诊断模型的泛化能力。将所提模型应用至滚动轴承故障数据与水电机组实测数据中,结果表明所提体方法不仅能够具备高精度的诊断结果,同时在复杂噪声环境与变工况条件下仍能保持较高准确性。(3)在故障诊断方法实际运用中,数据样本常常缺乏相应的故障标签导致无法进行有监督模式下的模型训练。为了突破有监督故障诊断模式对故障标签的依赖,本文提出了多分类对抗式自编码器模型对水电机组运行样本数据进行无监督故障聚类。首先通过自编码器将高维的机组运行特征数据降维至低维的特征空间,结合对抗训练方法使低维特征空间中的样本点符合先验高斯混合分布。在此基础上,研究了无监督下的多分类器输出损失函数,构建了基于多分类对抗式自编码器的无监督故障聚类架构。通过滚动轴承多故障数据应用表明,该模型能将高维的输入样本有效的降维至服从高斯混合分布的低维空间,同一类别的样本被成功聚至同一簇中,不同的簇中心间距明显,具备优异的聚类效果。最后结合水电机组实际运行故障数据,所提方法达到了100%的聚类准确率与召回率,验证了其工程应用价值。(4)单纯的水电机组故障诊断方法无法满足机组预先维护的策略,需结合机组状态变化过程详尽分析故障演化机理,而现有的趋势预测方法多为单步预测体系,虽然在单步预测下拟合效果均较为理想,但无法长期精确预测机组状态变化趋势,缺少工程实际应用价值。为真正实现机组状态检修,发现机组早期故障征兆,本文针对水电机组运行数据趋势分析,提出了基于变分模态分解和卷积神经网络的多步非线性趋势预测方法。该方法通过先进的信号分解技术将强非平稳、非线性的水电机组振动信号分解为中心频率集中的本质模态分量,将各个本征模态分量视为卷积神经网络输入中的各个通道,结合卷积核操作提取不同模态分量间的关系与各个模态的局部特征,构建了多步输出的卷积网络预测模型。将所提模型运用至水电机组顶盖振动实测数据上,预测结果表明所提模型具有较低的拟合误差与较高的相关系数,实现了精确的机组振动信号多步预测。(5)基于上述理论研究成果,设计开发了一种面向服务的水电机组多源信息挖掘与故障诊断系统。通过融合水电机组多源异构数据,构建了统一的大数据水电机组知识管理平台,可依据电站运行数据和巡检报告等及时更新或补充先验知识,实现了机组关联分析、故障诊断、故障预警、趋势预测与状态评估等功能模块。该系统目前已成功应用至湖北白莲河抽水蓄能电站,为电站运维人员提供检修指导与决策建议。
周佳[7](2019)在《水电厂状态检修分析管理系统设计与实现》文中研究表明水电厂一直在积极探索设备状态检修,通过“体检、诊断性”C修及设备运行趋势分析等手段评估设备状态,开展机组检修工作。但是由于设备的孤立,数据信息分散,缺乏可靠的分析手段,运维人员往往采取计划性检修,根据电网调度安排或水情运行情况,进行普遍性、无针对性的检修。这样就不能在设备故障前发现潜在的缺陷隐患,导致对设备的实时状态无法及时掌握,不能及时有效的开展诊断分析与维护,反而会出现设备过修或欠修,降低设备的有效利用率,影响设备的有效使用周期,为水电厂的安全稳定运行带来极大的负面影响。伺服电机作为水电厂主要传动元件和执行元件,在现在的生产生活中扮演者越来越重要的角色。但随着其故障发生的频率以及类型方式越来越多,需要通过在线监测水电厂伺服电机的电流、电压、转速等各种参数,掌握设备发生故障之前的异常征兆与劣化信息,分析水电厂伺服电机运行的状态,将事故消灭在萌芽状态,从而降低水电厂伺服电机故障停机时间,提高其运行的可靠性,延长其运行寿命。本项目对水电厂状态检修分析管理系统进行了详细的设计与实现,从背景概况、相关技术及工具、需求分析、总体设计、系统实现、系统调试等方面详细说明了系统的开发设计过程,形成了以参数设置、数据传递、状态监测、故障诊断、健康评估与决策支持、健康档案管理六个功能模块为核心的水电厂状态检修分析管理系统。系统开发中的软件采用Qt Creator设计界面结合C++面向对象编程语言来开发,同时使用到MySQL数据库。本项目设计的水电厂状态检修分析管理系统具有界面可视化、用户操作简单实用方便等优点,为用户及时发现异常状态,以便事先采取针对性措施,控制和防止事故的发生提供帮助。
王芳芳[8](2019)在《超声波测流的误差控制及其LabVIEW应用》文中研究指明水轮机的效率是水电经济运营的重要指标,其数值即使0.1%的提升,也能大幅提高经济效益。对水轮机进行效率测试试验除了能掌握机组运行情况,还便于及时对运行做出调整,以尽可能保证其在高效率区域工作。而流量测量是效率试验中的重点内容,也是最难进行的项目,其准确性对效率试验测试结果有着决定性的作用,且测量精度及误差构成尚无有效的校验方法。本文以水力机组效率试验基本原理及方法入手,重点针对其中的流量测量进行了分析,最终选取时差法超声波测流方式来进行研究。通过推导该方法下的流量公式发现其误差与管道内径D、声路角θ、超声波在水中的速度c及流量系数K有关,因此根据影响因素建立了测流误差描述模型,提出了一种基于流量测量理想系统来进行误差分析的量化方法,分析了各项参数测量误差对系统综合误差的影响,针对影响较大的主导因素提出了相关控制方法,并对系统综合误差的控制进行了分析。在明确整个机组效率试验过程的基础上,采用测试系统与计算机计算相结合的虚拟器来为水力机组的效率测试提供平台。在此基础上借助LabVIEW相关平台建立一套基于超声波测流法的水轮机效率测试系统。最后,根据效率试验结果对提出的超声波测流方法的误差控制进行了验证,并初步证明其可行性,为后期超声波流量计的研究和设计提供了一定的指导作用。而效率测试的开发和运用对于水利资源的利用、水电厂经济效益的提升和实现发电机组及电网更好地运行都有很好的参考价值。
何洋洋[9](2016)在《基于随机共振和多维度排列熵的水轮发电机组振动故障诊断研究》文中指出随着我国水电事业的蓬勃发展,水力发电的比重以及机组的容量都在不断增大,机组一旦发生事故,不仅影响水电站或水电厂自身的安全,而且也会对电网的稳定运行造成重大影响。在水轮发电机组中,大约80%的故障在振动信号中都有所反映,因此,开展水轮发电机组振动故障诊断研究具有十分重要的意义。为此,本文将随机共振和多维度排列熵的理论引入水轮发电机组的振动故障诊断中,提出了基于随机共振和多维度排列熵的水轮发电机组振动故障诊断方法,为水轮发电机组的振动故障诊断提供了一种新的思路和手段。本文首先论述了水轮发电机组振动故障诊断研究的背景、意义及目的,介绍了水轮发电机组振动故障诊断的国内外研究现状、发展趋势及现存问题。其次,针对传统去噪方法容易破坏信号有用成分的缺陷,引入了随机共振理论,提出了基于随机共振的去噪方法,仿真结果表明了该方法的优越性,另外,着重研究了影响随机共振输出的主要因素,这是达到最佳去噪效果的关键。再次,在阐述排列熵原理的基础上,介绍了排列熵中两个重要参数的确定方法,并对该方法进行了数值验证;针对排列熵提取信号特征能力的局限性,提出了基于多维度排列熵的特征提取方法,仿真结果表明了该方法的优越性。然后,针对粒子群算法的早熟问题,对其做了改进,利用改进后的粒子群算法来优化支持向量机的参数,建立基于改进粒子群优化支持向量机的故障诊断模型;同时将该模型与遗传算法优化支持向量机模型进行对比,实例仿真结果显示,前者的诊断效果优于后者。最后,应用上述诊断方法对水电站机组的故障数据进行分析,其仿真结果表明,该方法能够较为准确的诊断出机组的故障类型,与实际故障情况相符,具有较高的诊断精度。
赵启旸[10](2015)在《三门峡水电厂主变压器状态评估系统研制》文中研究表明目前,电力系统已广泛开展电气设备状态检修,但由于发电企业自身的特点,其设备状态检修还处于起步阶段,基本上还是采用计划检修模式,三门峡水电厂也是如此。计划检修存在过度维修、维修费用高、故障漏报、误报等不足,在电力企业高可靠性和经济性的迫切要求下,建立基于运行状态的维修策略及预知性维修方式,已成为电力变压器等主要设备维修方式的必然发展趋势。实践表明,随着变压器状态检修技术日趋完善,执行状态检修可提高设备利用率,节约维修费用并延长设备寿命,取得明显的技术经济效益。本文针对三门峡水电厂主变压器运行维护的实际情况,开展现场调研。在现有变压器的故障模式分析的基础上,结合三门峡电厂主变压器的具体运行情况及试验巡检条件,提出三门峡电厂变压器状态评估模型,并采用灰色关联技术完善油色谱数据的故障诊断功能。针对变压器故障复杂多样,各种故障检测方法的准确性、可靠性及灵敏度不一样,采用层次分析法对故障模式的检测方法进行优选,即对故障模式的多种检测手段按优劣进行排序,确定各类故障模式的优先检测方法,从而确定相应的故障模式状态量。在确定变压器状态评估状态量的基础上,再采用主成分分析方法,确定各状态量的权重值,从而建立起适合三门峡电厂变压器状态评估模型。在变压器状态评估模型基础上,结合国家电网公司《输变电设备状态评价导则》及《输变电设备状态评价试验规程》,收集变压器的基本数据,包括历史故障及维修信息、在线与离线试验数据、巡检数据等,建立主变压器运行试验数据库,并建立相对完备的变压器状态评价指标体系。采用Myeclipse软件开发平台及Java语言,研发三门峡水电厂变压器状态评估系统,解决了变压器状态评估系统的数据格式和数据库结构设计,状态信息编码结构处理,评估模块算法设计等问题。该系统具有变压器试验数据查询、录入、变压器故障诊断、状态评估、综合分析等功能,为实现三门峡电厂主变压器的状态检修提供了可靠的技术支撑,对三门峡电厂主设备的安全经济运行具有重要意义。
二、水电厂故障诊断和状态检修的初步探讨(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、水电厂故障诊断和状态检修的初步探讨(论文提纲范文)
(1)水轮发电机组安全评价及其调节特性对互补发电效益影响研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 水电在我国能源结构中的战略地位 |
1.3 水轮发电机组安全评价综述 |
1.3.1 常规水轮发电机组过渡过程模型与稳定性分析 |
1.3.2 水泵水轮发电机组过渡过程模型与稳定性分析 |
1.3.3 两类水轮发电机组过渡过程风险分析 |
1.4 水风光多能互补性优化及经济效益评估综述 |
1.4.1 多能互补性优化 |
1.4.2 多能互补经济效益评价 |
1.5 研究内容与技术路线 |
1.5.1 研究内容 |
1.5.2 技术路线 |
第二章 常规水轮发电机组开机过渡过程建模与稳定性分析 |
2.1 引言 |
2.2 开机特性 |
2.3 水轮发电机组基本模型 |
2.3.1 水轮机调节系统模型 |
2.3.2 轴系模型 |
2.4 水轮机调节系统与轴系耦合统一新模型 |
2.4.1 水轮机调节系统与轴系耦合模型的建立 |
2.4.2 参数设置 |
2.4.3 模型验证 |
2.5 常规水轮发电机组开机稳定性分析 |
2.6 本章小结 |
第三章 水泵水轮发电机组抽水调相建模与稳定性分析 |
3.1 引言 |
3.2 抽水调相工况特性 |
3.3 抽水调相运行理论 |
3.3.1 抽水调相运行迟相与进相基本理论 |
3.3.2 多机进相运行稳定性理论 |
3.4 水泵水轮发电机组仿真模型 |
3.4.1 多机系统抽水调相模型的建立 |
3.4.2 模型验证 |
3.5 水泵水轮发电机组抽水调相运行稳定性分析 |
3.5.1 励磁电流作用下多机调相运行稳定性分析 |
3.5.2 外部激励作用下迟相与进相运行转化机制分析 |
3.6 抽水调相风险情景下的运行建议 |
3.7 本章小结 |
第四章 水轮发电机组典型过渡过程运行风险分析 |
4.1 引言 |
4.2 常规水轮发电机组不推荐运行区动态风险分析 |
4.2.1 试验机组参数设置与运行区初步界定 |
4.2.2 动平衡实验与初步分析 |
4.2.3 动态熵-模糊集风险评价方法 |
4.2.4 不推荐运行区优化与动态风险分析 |
4.3 常规水轮发电机组推荐运行区动态风险分析 |
4.3.1 试验机组概况与运行水头设置 |
4.3.2 动平衡实验与初步分析 |
4.3.3 灰-熵关联动态风险评价方法 |
4.3.4 推荐运行区动态风险分析 |
4.4 水泵水轮发电机组水轮机工况甩负荷过渡过程风险分析 |
4.4.1 甩负荷过渡过程导叶及球阀-导叶联动关闭规律 |
4.4.2 数据来源 |
4.4.3 基于Fisher判别的动态风险评价方法 |
4.4.4 考虑导叶-球阀联动关闭的水泵水轮发电机组风险分析 |
4.5 本章小结 |
第五章 水风光混合系统互补性能与发电效益优化研究 |
5.1 引言 |
5.2 水光混合系统互补性能优化研究 |
5.2.1 动态调节性能指标 |
5.2.2 水光互补发电模型 |
5.2.3 算例分析 |
5.3 水风混合系统互补发电效益优化研究 |
5.3.1 基于成本-利润的互补发电效益评价方法 |
5.3.2 水风互补发电仿真模型 |
5.3.3 互补性验证 |
5.3.4 算例分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
附录 A 其他指标隶属度函数 |
附录 B 参数表 |
致谢 |
个人简历 |
(2)基于极限学习机的水轮发电机组故障分类与状态预测研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 主要研究内容 |
第2章 水轮发电机组故障体系 |
2.1 水电机组常见故障 |
2.2 水电机组故障诊断方法 |
2.3 水电机组振动信号的基本处理方法 |
2.3.1 短时傅里叶变换 |
2.3.2 Wigner-Ville分布 |
2.3.3 小波变换 |
2.4 基于FICA的振动故障信号分离 |
2.4.1 独立分量分析(ICA) |
2.4.2 快速独立分量分析(FICA) |
2.5 本章小结 |
第3章 基于集合经验模态分解的信号分析 |
3.1 用于信号处理的经验模态分解理论 |
3.1.1 经验模态分解 |
3.1.2 经验模态分解的特性 |
3.1.3 端点效应 |
3.2 用于特征提取的集合经验模态分解法 |
3.2.1 模态混叠现象 |
3.2.2 集合经验模态分解法 |
3.2.3 基于EEMD的特征提取 |
3.3 实例验证 |
3.4 本章小结 |
第4章 基于极限学习机的故障分类与状态趋势预测 |
4.1 极限学习机概述 |
4.2 评估故障分类及状态预测模型的相关指标 |
4.3 基于集合经验模态分解-极限学习机的故障分类及状态预测模型 |
4.4 故障分类实例分析 |
4.4.1 故障状态判断及特征参数阈值求取 |
4.4.2 故障工况分类及运用集合经验模态分解进行数据预处理 |
4.4.3 极限学习机故障分类实例仿真 |
4.5 状态运行趋势预测实例分析 |
4.5.1 运用集合经验模态分解进行数据预处理 |
4.5.2 极限学习机状态趋势预测实例仿真 |
4.5.3 不同经验模态分解-极限学习机预测模型对比 |
4.6 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
(3)水轮发电机励磁绕组匝间短路故障特征分析与故障识别(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及意义 |
1.2 国内外研究现状 |
1.2.1 水轮发电机励磁匝间短路概述与分析 |
1.2.2 水轮发电机励磁绕组匝间短路故障特征研究现状 |
1.2.3 水轮发电机励磁绕组匝间短路故障诊断方法分析 |
1.3 本文研究内容 |
第2章 励磁绕组匝间短路故障励磁电流分析 |
2.1 励磁电流理论分析 |
2.1.1 水轮发电机匝间短路故障励磁电流 |
2.1.2 励磁电流反向计算理论 |
2.2 水轮发电机磁动势计算 |
2.2.1 气隙磁动势 |
2.2.2 定子齿部磁动势 |
2.2.3 定子磁轭磁动势 |
2.2.4 磁极磁动势 |
2.3 水轮发电机励磁电流计算 |
2.3.1 励磁电动势 |
2.3.2 水轮发电机饱和参数修正 |
2.3.3 水轮发电机标准励磁电流计算 |
2.3.4 水轮发电机工况验证 |
2.4 本章小结 |
第3章 励磁绕组匝间短路故障热稳态分析 |
3.1 同步发电机热特征计算方法 |
3.2 水轮发电机转子磁极三维模型 |
3.2.1 传热学数学模型 |
3.2.2 转子热应力模型 |
3.2.3 转子磁极物理模型 |
3.2.4 边界条件及相关参数确定 |
3.3 水轮发电机转子磁极温度场 |
3.3.1 正常情况下的转子温度场 |
3.3.2 匝间短路时的转子温度场 |
3.3.3 温度场在匝间短路故障诊断中应用 |
3.4 水轮发电机转子热应力 |
3.4.1 正常转子热应力 |
3.4.2 匝间短路转子热应力 |
3.5 本章小结 |
第4章 基于Volterra核辨识匝间短路故障识别 |
4.1 Volterra级数核辨识算法 |
4.1.1 Volterra级数基本理论 |
4.1.2 Volterra级数核辨识 |
4.2 定子分支电流谐波 |
4.3 Volterra核辨识匝间短路诊断方法 |
4.3.1 匝间短路实验 |
4.3.2 Volterra三阶核辨识 |
4.3.3 核辨识精度 |
4.3.4 核函数绝对平均值 |
4.4 本章小结 |
第5章 基于多源信息融合的励磁绕组匝间短路故障识别 |
5.1 信息融合分析 |
5.1.1 水轮发电机不确定分析 |
5.1.2 故障特征信息融合 |
5.2 D-S证据理论 |
5.2.1 D-S证据理论信息融合分析 |
5.2.2 证据理论的基本框架 |
5.2.3 多源信息融合 |
5.3 励磁绕组匝间短路信息融合分析 |
5.3.1 水轮发电机匝间短路证据体 |
5.3.2 匝间短路多源信息融合分析 |
5.3.3 信息融合实验验证 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(4)面向水电站设备检修的虚拟仿真及自动规划方法研究与实践(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题研究的背景与意义 |
1.2 三维数字化技术研究现状 |
1.3 设备虚拟检修研究现状 |
1.4 设备拆解序列规划研究现状 |
1.5 本文的研究内容及章节安排 |
2 面向水电站设备虚拟检修的数字化方法 |
2.1 引言 |
2.2 面向虚拟检修的数字化框架 |
2.3 设备结构数字化 |
2.4 设备检修数字化 |
2.5 检修能力评价方法 |
2.6 设备虚拟检修数据管理 |
2.7 本章小结 |
3 水电站设备检修交互式训练仿真方法 |
3.1 引言 |
3.2 水电站设备检修交互操作仿真要求 |
3.3 交互式元件建模与仿真方法 |
3.4 交互式设备建模与仿真方法 |
3.5 水电站设备交互训练环境构建实例 |
3.6 本章小结 |
4 水电站设备检修拆解序列规划问题及群智能优化求解 |
4.1 引言 |
4.2 水电站设备拆解序列规划问题 |
4.3 团队遗传算法 |
4.4 基于TBGA的拆解序列求解 |
4.5 实例应用与算法性能测试 |
4.6 本章小结 |
5 水电站典型系统多工况运行可视化仿真 |
5.1 引言 |
5.2 设备系统运行仿真建模方法 |
5.3 进水阀控制油系统建模实例 |
5.4 多工况虚拟运行联合仿真 |
5.5 本章小结 |
6 水电站设备虚拟检修实践 |
6.1 引言 |
6.2 系统结构 |
6.3 系统功能设计 |
6.4 实例应用 |
6.5 本章小结 |
7 总结与展望 |
7.1 全文总结 |
7.2 研究展望 |
致谢 |
参考文献 |
附录1 攻读博士学位期间发表的论文 |
附录2 攻读博士学位期间完成和参与的项目 |
附录3 论文附图 |
附录4 论文附表 |
附录5 层次分析法与模糊综合评价 |
(5)基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究的背景和意义 |
1.2 水电机组振动机理 |
1.3 振动信号的时频分析方法概述 |
1.4 振动信号的特征提取和高维特征约简 |
1.5 水电机组智能故障诊断方法综述 |
1.6 水电机组状态趋势预测方法概述 |
1.7 本文主要研究内容与结构 |
2 基于极限学习机与镜像延拓的EMD端点效应抑制方法及其应用 |
2.1 引言 |
2.2 经验模态分解与端点效应问题 |
2.3 基于极限学习机与镜像延拓的EMD端点效应抑制方法 |
2.4 实例分析 |
2.5 本章小结 |
3 基于特征空间重构与多尺度排列熵的水电机组非线性特征提取 |
3.1 引言 |
3.2 基于EEMD的特征空间重构方法 |
3.3 排列熵与多尺度排列熵 |
3.4 基于特征空间重构与多尺度排列熵的非线性特征提取 |
3.5 工程实例 |
3.6 本章小结 |
4 基于精细复合多尺度散布熵与FEEMD的综合故障诊断策略 |
4.1 引言 |
4.2 基于精细复合多尺度散布熵的故障检测 |
4.3 基于FEEMD与精细复合多尺度散布熵的故障分类 |
4.4 综合故障诊断策略 |
4.5 诊断实例 |
4.6 本章小结 |
5 基于散布熵判别与极限学习机的水电机组状态趋势预测 |
5.1 引言 |
5.2 水电机组运行状态特性 |
5.3 基于散布熵判别与极限学习机的分段预测模型 |
5.4 水电机组运行状态趋势预测实例分析 |
5.5 本章小结 |
6 全文总结与展望 |
6.1 全文工作总结 |
6.2 进一步研究展望 |
致谢 |
参考文献 |
附录1:攻读硕士期间发表的论文 |
附录2:攻读硕士期间完成和参与的科研项目 |
(6)水电机组多源信息故障诊断及状态趋势预测方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 论文研究的背景和意义 |
1.2 水电机组振动故障机理概述 |
1.3 水电机组振动信号处理方法概述 |
1.4 水电机组智能故障诊断研究方法概述 |
1.5 水电机组状态趋势预测研究现状 |
1.6 本文主要研究内容与结构 |
2 水电机组运行数据关联关系挖掘 |
2.1 引言 |
2.2 关联规则相关概念及挖掘算法 |
2.3 数据离散化方法 |
2.4 基于K-Mediods的水电机组运行数据离散化研究 |
2.5 水电机组关联关系挖掘算法研究 |
2.6 水电机组运行数据实例分析 |
2.7 本章小结 |
3 水电机组多源信息融合故障诊断方法研究 |
3.1 引言 |
3.2 循环降噪自编码器原理 |
3.3 基于GRU-NP-DAE的水电机组多源故障诊断方法 |
3.4 工程实例验证 |
3.5 本章小结 |
4 水电机组无监督故障聚类方法研究 |
4.1 引言 |
4.2 生成式对抗网络相关原理介绍 |
4.3 基于分类对抗自编码器的水电机组无监督故障聚类 |
4.4 工程实例验证 |
4.5 本章小结 |
5 水电机组振动信号多步非线性趋势预测 |
5.1 引言 |
5.2 变分模态分解相关原理 |
5.3 卷积神经网络相关原理介绍 |
5.4 基于VMD与CNN的水电机组非线性振动趋势预测模型 |
5.5 水轮机振动数据多步预测结果分析 |
5.6 本章小结 |
6 水电机组多源信息挖掘与故障诊断系统设计 |
6.1 引言 |
6.2 水电机组多源信息挖掘与故障诊断系统架构设计 |
6.3 水电机组多源信息挖掘与故障诊断系统在白莲河抽水蓄能电站中的应用 |
6.4 本章小结 |
7 结论与展望 |
7.1 全文工作总结 |
7.2 进一步研究展望 |
致谢 |
参考文献 |
附录1 :攻读博士期间发表的论文 |
附录2 :攻读博士期间完成和参与的科研项目 |
(7)水电厂状态检修分析管理系统设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题背景 |
1.2 系统研究的目的和意义 |
1.3 国内外研究现状分析 |
1.4 主要工作 |
1.5 组织结构 |
第二章 系统开发的相关知识 |
2.1 开发工具简介 |
2.1.1 Qt Creator集成开发环境 |
2.1.2 MySQl数据库 |
2.2 开发语言简介 |
2.2.1 C++ |
2.2.2 SQL语言 |
2.3 TCP/IP |
2.4 状态检修分析管理技术 |
2.5 综合评价概述 |
2.5.1 专家评价法 |
2.5.2 层次分析法 |
2.5.3 模糊评价法 |
2.5.4 熵权法 |
2.6 综合评价方法的对比分析 |
2.7 综合评价状态操作验证 |
2.7.1 基于反熵权法的客观权重确定 |
2.7.2 基于模糊层次分析法的主观权重确定 |
2.7.3 基于矩估计理论的组合权重确定 |
2.7.4 评价结果分析 |
2.8 本章小结 |
第三章 系统需求分析 |
3.1 需求概述 |
3.2 功能需求分析 |
3.2.1 登录界面 |
3.2.2 参数设置 |
3.2.3 数据采集传输 |
3.2.4 状态监测 |
3.2.5 故障诊断 |
3.2.6 评估与决策 |
3.2.7 健康档案管理 |
3.3 非功能需求分析 |
3.4 本章小结 |
第四章 系统设计 |
4.1 设计思想与原则 |
4.2 系统可行性分析 |
4.3 系统总体结构设计 |
4.4 系统总体功能设计 |
4.5 系统各功能设计 |
4.5.1 登录界面的设计 |
4.5.2 主菜单的设计 |
4.5.3 参数设置的设计 |
4.5.4 数据采集传输的设计 |
4.5.5 状态监测的设计 |
4.5.6 故障诊断的设计 |
4.5.7 健康评估与决策支持的设计 |
4.5.8 健康档案管理的设计 |
4.6 本章小结 |
第五章 系统实现 |
5.1 系统的主程序 |
5.2 登录界面的实现 |
5.3 主菜单的实现 |
5.4 参数设置的实现 |
5.5 数据采集传输的实现 |
5.6 状态监测的实现 |
5.7 故障诊断的实现 |
5.8 健康评估与决策支持的实现 |
5.9 健康档案管理的实现 |
5.10 扩展功能的实现 |
5.10.1 主题功能的实现 |
5.10.2 输出功能的实现 |
5.11 本章小结 |
第六章 系统测试 |
6.1 测试环境 |
6.2 功能测试 |
6.3 性能测试 |
6.4 测试结论 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
致谢 |
参考文献 |
(8)超声波测流的误差控制及其LabVIEW应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题来源 |
1.2 引言 |
1.3 本研究背景和目的 |
1.4 国内外发展现状 |
1.4.1 国内现状 |
1.4.2 国外现状 |
1.5 本文主要内容 |
第二章 试验研究的基本原理及参数 |
2.1 引言 |
2.2 水轮机效率测量的原理 |
2.3 发电机有功功率的测量 |
2.3.1 发电机有功功率的测定方法 |
2.3.2 发电机有功功率测定的遵循条件 |
2.4 水轮机水头的测量 |
2.5 水轮机流量的测量 |
2.5.1 流量测量方法 |
2.5.2 本系统测量方法—超声波法 |
2.6 本章小结 |
第三章 超声波法流量测量介绍及其误差控制 |
3.1 引言 |
3.2 时差法超声波流量计工作原理 |
3.3 理想系统的提出 |
3.4 单因素误差分析 |
3.4.1 管径误差 |
3.4.2 声路角误差 |
3.4.3 声速误差 |
3.4.4 流量系数K造成的误差 |
3.5 主导因素修正 |
3.5.1 声路角误差修正 |
3.5.2 K值的修正 |
3.6 系统误差控制 |
3.7 本章小结 |
第四章 LabVIEW综合测试系统 |
4.1 虚拟仪器的概述 |
4.2 测试系统构成 |
4.3 测试系统硬件设计 |
4.3.1 硬件构成、性能及特点 |
4.3.2 硬件系统要求 |
4.3.3 数据采集器 |
4.4 数据采集系统与上位机软件的USB口通信 |
4.5 测试系统测试应用 |
4.5.1 本系统试验流程和主界面 |
4.5.2 实验应用 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录 |
附录A 硕士阶段发表论文情况 |
附录B 硕士阶段参与项目情况 |
(9)基于随机共振和多维度排列熵的水轮发电机组振动故障诊断研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景、意义及目的 |
1.1.1 背景 |
1.1.2 意义 |
1.1.3 目的 |
1.2 国内外研究现状 |
1.2.1 国外相关技术及理论研究现状 |
1.2.2 国内相关技术及理论研究现状 |
1.3 存在问题及发展趋势 |
1.3.1 存在问题 |
1.3.2 发展趋势 |
1.4 主要研究内容 |
1.4.1 主要内容 |
1.4.2 技术路线 |
2 基于随机共振的信号去噪 |
2.1 随机共振的基本原理 |
2.1.1 朗之万方程 |
2.1.2 福克-普朗克方程 |
2.1.3 绝热近似理论 |
2.1.4 数值求解方法 |
2.2 随机共振的分类与评价指标 |
2.2.1 随机共振的分类 |
2.2.2 随机共振的评价指标 |
2.3 仿真分析 |
2.3.1 小参数条件下的仿真分析 |
2.3.2 大参数条件下的仿真分析 |
2.3.3 随机共振的影响因素 |
2.4 本章小结 |
3 基于多维度排列熵的特征提取 |
3.1 排列熵算法原理 |
3.2 排列熵算法的有效性验证 |
3.2.1 Logistic模型 |
3.2.2 仿真信号分析 |
3.3 排列熵参数的确定 |
3.3.1 互信息函数法确定延迟时间 |
3.3.2 CAO方法确定最佳嵌入维数 |
3.3.3 数值验证 |
3.4 多维度排列熵 |
3.5 基于轴承故障的实例仿真 |
3.5.1 轴承外圈故障 |
3.5.2 轴承内圈故障 |
3.5.3 轴承滚动体故障 |
3.6 本章小结 |
4 基于IPSO-SVM的故障诊断 |
4.1 支持向量机理论 |
4.1.1 支持向量机的概念 |
4.1.2 支持向量机的求解 |
4.1.3 核函数 |
4.1.4 参数优化方法的选择 |
4.2 粒子群算法 |
4.2.1 粒子群算法概述 |
4.2.2 粒子群算法原理 |
4.2.3 粒子群算法的参数选择 |
4.2.4 粒子群算法的优缺点 |
4.3 改进粒子群算法 |
4.3.1 对惯性权重的调整 |
4.3.2 对学习因子的改进 |
4.4 IPSO-SVM模型的建立 |
4.5 IPSO-SVM模型的测试 |
4.5.1 诊断测试一 |
4.5.2 诊断测试二 |
4.6 本章小结 |
5 实例分析 |
5.1 基于压力脉动信号的故障诊断 |
5.1.1 信号去噪 |
5.1.2 特征向量提取 |
5.1.3 故障诊断 |
5.2 基于水导轴承摆度信号的故障诊断 |
5.3 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
A.作者在攻读硕士学位期间参与的项目 |
B.作者在攻读硕士学位期间的科研成果 |
(10)三门峡水电厂主变压器状态评估系统研制(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 变压器状态评估现状 |
1.2.1 电力变压器状态评估现状 |
1.2.2 存在的问题 |
1.3 本文主要工作 |
第二章 电力变压器故障和缺陷分析 |
2.1 变压器绝缘受潮 |
2.2 变压器的铁心故障 |
2.3 变压器绕组类故障 |
2.4 局部放电 |
2.5 油流放电 |
2.6 绝缘老化 |
2.7 绝缘油劣化 |
2.8 变压器电气试验项目分析 |
2.8.1 直流电阻分析 |
2.8.2 绕组介质损耗角正切值tanδ |
2.8.3 绝缘电阻、吸收比和极化指数分析 |
2.8.4 泄漏电流分析 |
2.8.5 铁心接地电流分析 |
2.8.6 油色谱分析 |
2.9 变压器油化试验项目分析 |
2.10 变压器附件信息分析 |
2.11 基于变压器绝缘油分析的故障诊断 |
2.12 本章小结 |
第三章: 电力变压器状态评价状态量 |
3.1 故障模式严重度及发生度 |
3.2 故障模式检测方法 |
3.3 变压器故障模式检测方法优选 |
3.4 变压器状态评价状态量 |
3.5 基于主成分分析法的变压器状态量权重计算 |
3.6 本章小结 |
第四章 变压器状态评估系统数据库设计 |
4.1 变压器评估系统开发软件 |
4.2 变压器数据库结构设计 |
4.3 数据库表的设计 |
4.4 信息编码设计 |
4.4.1 编码原则 |
4.4.2 编码方法 |
4.5 本章小结 |
第五章 变压器状态评估系统及应用 |
5.1 状态评估系统的结构 |
5.2 状态评估系统的功能 |
5.2.1 数据录入功能 |
5.2.2 数据查询界面 |
5.2.3 状态评估功能 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
附录A 攻读硕士学位期间发表的论文目录 |
附录B (攻读学位期间负责项目) |
四、水电厂故障诊断和状态检修的初步探讨(论文参考文献)
- [1]水轮发电机组安全评价及其调节特性对互补发电效益影响研究[D]. 李欢欢. 西北农林科技大学, 2021
- [2]基于极限学习机的水轮发电机组故障分类与状态预测研究[D]. 席蓉蓉. 西安理工大学, 2020(01)
- [3]水轮发电机励磁绕组匝间短路故障特征分析与故障识别[D]. 王罗. 华北电力大学(北京), 2020(06)
- [4]面向水电站设备检修的虚拟仿真及自动规划方法研究与实践[D]. 李佰霖. 华中科技大学, 2020(01)
- [5]基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研究[D]. 张炜博. 华中科技大学, 2019
- [6]水电机组多源信息故障诊断及状态趋势预测方法研究[D]. 刘涵. 华中科技大学, 2019
- [7]水电厂状态检修分析管理系统设计与实现[D]. 周佳. 电子科技大学, 2019(01)
- [8]超声波测流的误差控制及其LabVIEW应用[D]. 王芳芳. 昆明理工大学, 2019(04)
- [9]基于随机共振和多维度排列熵的水轮发电机组振动故障诊断研究[D]. 何洋洋. 西安理工大学, 2016(01)
- [10]三门峡水电厂主变压器状态评估系统研制[D]. 赵启旸. 长沙理工大学, 2015(05)