基于人工神经网络的水轮发电机组振动预测研究.pdfVIP

第42卷 第 13期 人 民 长 江 Vo1．42，No．13 2011年 7月 Yangtze River July， 2011 文章编号 ：lO01—4179(2011)13—0048一O3 基于人工神经网络的水轮发电机组振动预测研究 张 飞，潘 罗 平 (中国水利水 电科学研究院 水力机 电研究所 ，北京 100038) 摘要 ：为了解决 目前水轮发 电机组状态监测过程 中振动报警数值设置单一，不能满足实际运行的问题 ，根据三 峡 电站升水位试验数据 ，提 出了基于 BP算法的水轮发 电机组监测部件振动人工神经 网络预测模型 ，并给 出 了具体算法。研究表明，由于建立在翔实的数据基础之上，该模型能够有效预测水轮发电机组监测部件的振 动，通过设置合理的报警阈值空间，能够有效地减少机组误报警，提高报警的有效性。 关 键 词 ：人工神经网络 ；振动预测；水轮发 电机组 中图法分类号 ：TV734．21 文献标志码 ：A 2008年和2010年，通过追踪三峡水电站安装的5 1 研究背景 种机型上游水位的试验，获得 了机组稳定性各个测点 随着水电机组单机容量的提高以及在电力系统中 的数据 ，这些数据值可以作为机组在线监测的引用数 的比重越来越大 ，其安全性和稳定性状况也显得 日益 据 。建立在实测数据基础上的振动数据对于长期在线 严峻 ，对电力系统的影响也 日益突出。由于很多电站 监测具有非常重要的参考意义 ，如何有效地利用这些 的水头变幅较大 ，运行工况较为复杂 ，使水电机组在运 数据 ，本文给出了一种思路。 行中的不稳定现象增 多。同时 ，随着我 国电力工业现 将神经网络用于设备的故障诊断是近十几年来发 代化的发展 ，高电压、大容量 、高参数 、高 自动化的设备 展起来的一个新的研究领域 ，人工神经网络由大量 简 日益增多，对我国水电企业的管理也提 出了更高的要 单 的原件互连而成为复杂的网络 ，可以进行复杂逻辑 求。在提高水电企业的生产效率、降低生产成本的同 操作和非线性关系的运算。目前很多学者提出了基于 时，应确保水电机组运行设备能够安全可靠地运行 ，提 人工神经网络对水轮发电机组 的故障进行诊断的理 高设备的可利用性、减少突发性事故 ，延长设备的使用 念 。]。大多数学者的研究 内容是针对故障模式以及 寿命，这些都促使对水轮发电机组状态 的监测技术与 故障分类方面，鲜有论文是针对状态监测方面神经网 故障诊断技术必须 日趋完善。在机组状态监测 中，对 络的运用来进行细致地研究 。本文拟将神经网络技术 机组振动水平的监测是重中之重 ，水电机组的各种故 引入水轮发电机组的状态监测中，并给出具体算例。 障都会在振动监测 中有所表现。通常，在线监测 时会 2 BP算法神经网络基本原理 引用 GB8564—2003… 中水轮发 电机组各部位振动允 许值作为报警上限，该数据是机组启动试验过程中的 人工神经网络方法，特别是多层神经网络技术的 允许数据 ，但是在机组的实际运行过程中，由于设备状 发展 ，给各种不同预测物理模型的研究提供 了新 的方 况、运行工况等参数 的变化 ，如果采用恒定的报警值来 法。多层神经网络能够不断地学习新的知识并能处理 处理所有不同类型的机组和工况 ，而未能考虑机组 的 复杂的非线性映射 ，其 中BP模型是一种使用最为成 不同与工况差别