水电机组智能故障诊断方法与振动趋势预测分析-intelligent fault diagnosis method and vibration trend prediction analysis of hydroelectric generating units.docxVIP

摘要随着我国水电事业的迅猛发展，水电以其在电力行业调峰的重要作用以及巨大的潜在资源，受到了世界各国的高度重视。水电机组的单机容量变得越来越大，并且在电力系统中所占的比例也呈现快速增长的趋势。水电机组一直都被视为水电企业的核心设备，其运行的安全性与机组自身的健康状态与水电企业的安全性与经济效益有着密切的关系，水电机组一旦发生事故，就会造成严重的安全事故并可能导致巨大的经济损失。因此，水电机组的安全性、可靠性和稳定性既是水电企业追求的目标，也是许多学者研究的热点。水电机组故障诊断与状态趋势的预测能为掌握机组的状态提供技术支持，从而有助于降低机组事故率，减少经济损失。本文总结了这一领域的研究现状，以水电机组振动机理为基础，应用模糊积分融合多分类器的方法对水电机组进行了故障诊断，并将智能算法优化后的广义回归神经网络应用于水电机组的状态趋势预测，主要的工作包括以下两个部分：第一部分是基于模糊积分的水电机组故障诊断的研究。应用小波包能量算法提取水电机组的故障特征，提出了一种基于模糊积分融合的多分类器组合诊断模型，采用一种加权方法改进了传统的朴素贝叶斯分类器，并将其与马氏距离分类器、BP神经网络作为子分类器，通过模糊测度表征子分类器相互间的作用，最后使用模糊积分融合三个子分类器的输出结果而得到最终的诊断结果，仿真实验表明基于模糊积分融合的的诊断模型不仅具有较高诊断的准确率，而且相对于单一的诊断方法其泛化性有一定程度的提高。第二部分是关于智能算法优化的广义回归神经网络状态趋势预测的研究。本部分将混沌理论中关于时间序列预测的理论应用到水电机组振动状态趋势预测中，分析了水电机组的振动序列相空间重构中嵌入维数和延时参数选择的问题，应用果蝇优化算法优化选择广义回归神经网络的分布参数（spread），将优化后的广义回归神经网络应用到水电机组的振动状态趋势预测中，在与BP神经网络的预测结果均方误差的对比中可看出，该模型有较高的稳定性与预测精度，对于信号趋势走向的反映相对比较准确。这种模型为预测机组的运行状况提出了一种新的方法，从而为了解机组状态变化的规律提供了强有力的技术支持。关键词：水电机组；故障诊断；模糊积分；趋势预测；果蝇优化算法AbstractWiththerapiddevelopmentofhydropower,hydropowerhasattractedmoreandmoreattentionoftheworldduetoitscharacterofflexibilityoftheoutputadjustmentintheelectricalindustryandenormouspotentialresources.Hydro-generatingunitcapacitybecomelagerandtheproportionofthepowersystemhaveshownatrendofrapidgrowth.Hydro-generatingunithavealwaysbeenregardedasthekeyequipmentinthehydropowerenterprises,thehealthstatusandsafetyoperationoftheunithasacloserelationshipwithhydropowerenterprisesecurityandeconomicbenefits,unexpectedfaultwillcauseserioussecurityaccidentandmayleadtohugeeconomiclosses.Therefore,security,reliabilityandstabilityofhydro-generatingunitsnotonlythegoalsofhydropowerenterprisespursuit,butalsothehotspotofmanyscholarsresearched.Hydro-generatingunitfaultdiagnosisandvibrationtrendpredictioncanprovidetechnicalsupporttograspthestatusoftheunit,andtheyalsocanreducetheaccidentrateandhelpreduceeconomicloss.Onthebasisofthecurrentresearchofthisarea,thispaperbaseontheprincipleofvibration,appliedfuzzyintegralfusionofmultipleclassifiersmethodforhydro-generatingunitsfaultdiagnosisand