基于模型水力发电机组复合故障诊断方法研究.docVIP

基于模型水力发电机组复合故障诊断方法研究.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于模型水力发电机组复合故障诊断方法研究

基于模型水力发电机组复合故障诊断方法研究   摘 要:随着水利事业的快速发展,对水力发电机组的应用提出更高的要求。尤其现行水力发电机组在实际应用过程中存在较多故障问题,不利于系统的安全稳定运行,难以实现水力发电经济效益与社会效益的进一步提高。在此背景下通过实践研究发现,以模型为基础的复合故障诊断对故障的有效识别、定位可起到突出的作用。对此,本文将对有限状态机理论下的水力发电机组运行概述、复合诊断方法在水力发电机组中的实践应用以及相关案例验证进行探析。   关键词:水力发电机组;复合故障诊断;模型诊断   前言:作为现行以多状态运行方式为主的水力系统,发电机组实际运行中往往需不断切换状态,而不同状态中发电机组整个系统模型也表现出一定的差异,易在切换过程中产生故障问题。尽管以往实践中多引入神经网络或专家系统等进行判断,但其主要以事后诊断形式为主,难以实现故障问题的有效控制。这就要求引入现代TCG图、BOND图、复合系统理论以及有效状态机等诊断方式,可通过在线诊断识别与定位机组故障。因此,对复合故障诊断的研究具有十分重要的意义。   一、基于有限状态机理论的机组运行分析   关于有限状态机,其主要将水利发电机组运行状态、事件以及变迁等考虑其中。其中在运行状态方面,通常故障分析中往往需从运行状态着手,其原因在于状态不同所得到的测量值也存在一定差异,如并网运行状态下当机组频率超出55Hz,可判断故障问题存在与某部件,但加入运行状态以甩100%负荷为主,此时频率即使超出55Hz也可说明运行正常。当前关于机组运行状态,大致可总结为并网运行、空载态、空转态、开机与停机过程态以及检修状态等。实际进行故障诊断过程中应注意结合机组运行状态。而在机组事件方面,其又可细化为自动与控制两方面事件。其中机组自动事件主要体现在状态的自主切换、水迹保护动作的执行以及励磁故障等事件。机组控制事件则表现在控制信号的输出以及对机组负荷的控制等内容。另外,在状态变迁方面,由于涉及变化量较多,要求在分析中选取其中较为明显的变迁进行说明,如对于处于停机的机组,事件将以主动控制事件为主,而状态则向机组开机状态方面进行迁移。现阶段对于水利发电机组故障问题的诊断分析,除利用有限状态机外,还需将其他如TCG图、BOND图等引入其中。关于TCG图,其侧重于对机组系统流变量、势变量二者关系进行描述,而BOND图多由相应的阻性、容性与惯性元件以及其他回转器、转换器等构成,结合能量守恒定律对发电机组运行进行分析[1]。   二、复合诊断方法在水力发电机组中的具体应用   (一)复合诊断框架的构建   复合诊断方法方法应用中首先需做好诊断框架的构建。一般在故障定位的目标在于使机组行为偏差得以有效分析,其中任何偏差参数的存在都可能导致整个系统中元件出现故障。而在故障识别方面,其要求做好参数偏差幅度的分析。框架构建中可分别对的定位与识别引入定性、定量的方式。在定性方法下要求通过机组TCG模型推出故障元件的集合,在此基础上筛选其中能够识别信息,这样可使机组模型的构建更为精确。需注意通常定性方法下,隔离后的故障元件在数量上可能较多,要求二次判断故障元件。结合实际故障判断要求,定位与识别具体可细化为三个步骤,包括:第一,构建故障元件集合。针对某个运行状态,在参数监测过程中可利用机组TCG图,采取反向查找方式,这样对于所有诱发故障问题的结构参数都可划定在元件集合内。第二,提炼故障元件过程。该过程则需以正向查找方式为主,可根据产生的故障元件集合将其中与定性符号对应的元件进行提炼。第三,识别故障大小过程。实践中需引入相应的参数估算方式进行故障结构参数的确定,在此基础上将其与故障前参数对比,以此实现识别故障大小的目标[2]。   (二)故障元件的综合判断   故障元件综合判断中可发现,机组故障出现后相应的元件参数都将发生一定改变,对此需通过机组TCG图进行顶点符号的获取,在此基础上一反向搜索形式得出故障元件集合。而且机组异常情况下,整体运行将处于异常状态,如典型的保护动作,此时运行状态将由带电负荷向空载态进行切换,而空载态又将且切换至空转态、停机态等。切换中单元机组结构便会发生改变,如其中励磁调节器元件可能停止运行。因此,针对不同机组故障问题应做好元件综合判断与集合构建过程,通过最终汇总使发电机组所有故障得以有效判断[3]。   (三)故障元件的有效筛选   在筛选方面,主要根已构建的故障元件集合,对定性测量中故障元件的标识进行预测。根据机组TCG边,使故障参数偏离量正向传播,传播过程中应注意利用相应的标识符号对各参数进行表示。假定TCG边为积分环节,传播中参数对应的微分会受到不同程度影响,此时若每个故障元件都进行故障标识的分配便可出现多个故障表示,形成标识集合。在此基础上便可进行

文档评论(0)

317960162 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档