水电机组状态评估及智能诊断方法研究分析-research and analysis on state evaluation and intelligent diagnosis methods of hydroelectric generating units.docx

ADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofDoctorofSciencePerformanceDegradationEvaluationandIntelligentFaultDiagnosisforHydropowerGeneratorUnitPh.D.Candidate：XiaoJianMajor：HydraulicandHydropowerEngineeringSupervisor：Prof.ZHOUJianzhongProf.DAIHuichaoHuazhongUniversityofScienceTechnologyWuhan430074,P.R.ChinaJune,2014独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到，本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日本论文的研究工作获得以下基金或项目的资助，在此鸣谢：1.国家自然科学基金“水力发电机组复杂非线性动力学建模与诊断方法”（项目编号；2.国家自然科学基金“基于空间曲面的水泵水轮机全特性及过渡过程的研究”（项目编号；3.国家自然科学基金重点项目“长江上游水库群复杂多维广义耦合系统调度理论与方法”（项目编号4.水利部公益性行业科研专项“大东湖水网调度关键技术研究及应用”（项目编号：201001080）5.国家自然科学基金项目“基于模糊辨识与多模型描述的抽水蓄能机组控制系统故障诊断方法研究”（项目编号；摘要随着我国电力事业的不断发展，水电能源已进入了大机组、特高压输送、智能化控制与管理的新时代。一方面，水力发电在我国发电供应段中所占结构比例逐渐增多，且更多的承担调峰、调频任务；另一方面，由于特高压直流输电线路的不断兴建和投运，大型水电厂作为工业用电直接供电端的方式也日趋增多。而作为水电厂关键发电设备的水力发电机组也朝着大容量、高比转速、高负载等方向不断发展，其部件结构及布置形式复杂程度越来越高，而水力、机械、电气等振源之间的耦合作用日益凸显，从而导致了水电设备故障的非计划停运和突发冲击性故障的日趋增多，并直接影响了对电网的安全稳定。因此，传统基于稳态波形和离线性能试验的水电机组状态评估与故障诊断方法无法满足当前水电厂对于故障快速定位和及时处理的工程实际需求。如何在准确获知水电厂实际运行数据的基础上，构建水电设备在线健康状态高精度评估模型，精确识别故障类型及其严重程度、变化趋势，提供高效合理的机组检修方案，为机组突发故障提供相应的决策建议，是当前我国水电生产急需解决的重大工程实际问题。为此，本文针对水电机组状态评估及故障诊断在理论突破及工程应用中存在的若干关键问题，以水电机组振动故障的暂态征兆提取和最优选择为切入点，引入熵值理论和非线性信号辨识方法，深入探究不同征兆在分类超平面中的贡献因子，构建基于暂态开机过程数据的水电机组在线评估方法，为揭示水电机组性能退化程度提供合理科学的依据，同时建立基于两阶段极限学习机的智能混合故障诊断方法，实现的故障分类器结构参数一体化自学习策略，实现具有自学习功能的多故障、高精度诊断模型。论文的主要研究内容和创新性成果如下：（1）由于水电机组故障信号往往呈现非平衡、非线性的特征，针对故障振动信号中的非平稳部分，特别由机组起、停机等引起的系统冲击响应信号会出现能量泄露、模态混叠等现象，研究工作结合排列熵对信号变化的高度敏感性和集成经验模态分解的多尺度信号分解能力，提出了针对水电机组非平稳信号特征提取的固有模态排列熵特征方法。该方法能够充分辨识故障作用下的机组信号混沌特性变化，实现对机组故障信息的充分表征。同时针对水电机组故障诊断特征向量维数较高，且不同特征维数对故障分类器的贡献度不一的问题，本文提出最优模型参数和特征子集一体化选择策略。在充分考虑不同模型参数和特征子集之间的关联性基础上，本文对模型参数和特征子集采用连续-离散的混