基于概率统计水电机组状态评估模型特性研究.PDFVIP

中国水利水电科学研究院 第13届青年学术交流会论文 文章编号： 基于概率统计的水电机组状态评估模型特性研究 1 1 1 周叶，潘罗平，曹登峰 (1. 中国水利水电科学研究院，北京 100038) 摘要：本文结合水电站机组长期运行的真实状态特性数据，对基于健康样本的水电机组状态评估方法进行研究，在了 解机组状态数据统计特性的基础上，设计了基于健康样本的机组运行状态模型，利用概率统计原理，用水头和有功的 单影响因素对二维模型进行统计结果分析，以及三维模型网格划分后特征数据分布情况分析，得到运行条件因素的不 同及模型维数高低对模型特性的影响，最终得到运行状态评估模型的统计特性，为实现机组健康状态评估提供模型基 础和依据。 关键词：水轮发电机组；概率统计；健康样本；模型特性；状态评估 中图分类号：TV148 文献标识码：A 1 研究背景 在水电机组长期运行过程中，机组监控及状态监测系统通过其安装的各种类型传感器，积累了大量的 运行状态数据，而水电机组作为低速旋转机械，其恶性故障并不常见，且实时故障通常由监控及保护系统 来处理。因此，通常我们认为水电机组运行状态是个相对稳定的渐变过程，为了了解机组运行状态的变化 趋势，以及评价机组当前的健康状态，我们需要从海量的监测数据中提取相对稳定的状态特征，利用概率 统计方法建立模型，再将实时状态与健康模型比对，最终得到当前机组运行状态的劣化度和健康评估结果， [1] 这就是基于健康样本的水电机组状态评估方法 。 与基于知识和规则的故障诊断分析技术不同，这种评估方法立足于机组相对稳定的运行状态特征，重 点在于了解机组长期运行状态和发展趋势，最终目的是指导设备的检修计划及内容，而非简单的发现某种 [2] 信号越限和报警故障 。 基于这种状态评估思路，本文首先简要介绍了基于健康样本的水电机组状态评估方法，将该方法的深 入研究过程分解成三步，分别是机组状态评估的数据特性研究、模型特性研究和评价方法研究，第一步主 要研究基础状态数据的特征分类、数据提取方法和数据统计特性，总结数据提取方法和数据特征结构对其 统计特性的影响。本文的主要研究内容为第二步—模型特性研究，即设计基于健康样本的机组运行状态模 型，并利用概率统计原理，对条件因素的不同及模型维数的高低对模型特性的影响进行分析，得到状态评 估模型的统计特性，最终为第三步状态评价方法的设计与实施以及实现机组健康状态评估提供模型基础和 依据。 2 基于健康样本的水电机组状态评估方法 [1] 文献 对基于概率统计的水电机组状态评估诊断方法进行了详细的描述，这里进行简单的阐述。 收稿日期：2016-10-17 论文已未公开发表过。 基金项目：中国水科院科研专项（HM0145B222016） 作者简介：周叶（1980-），男，湖北麻城人，博士，高级工程师，主要从事水电机组状态监测及诊断研究。E_mail:zhouye@ 水电机组运行故障的表现可能多种多样，但其正常状态却是有限的，其正常运行的状态样本也易于收集和 健全。通常来说，机组运行状态数据的随机误差是由多种相互独立的因素所引起的微小误差的总和，包括 运行条件的波动、监测仪器的灵敏度、数据通讯状态以及随机干扰等[3] [4] 。随机误差具有明显的统计分布 特征，服从正态分布规律。因此，可根据3 准则（莱以特准则）确定机组状态特征数据的评价值，即将 63 评价界限设定为：X X 3 。式中： 为标准偏差，X 为均值。 c 由于3 准则适用于大样本的统计分析，因此对任何一个监测量或一组监测特征，利用前期机组正常 运行条件下足够大容量的监测样本，根据其统计分析结果建立基准值和评价界限值，即可认为其为该特征 量的健康样本。在大样本条件下，如果设备未发生异常，那么其特征参数值的分布在(X 3,X 3) 数 值范围内的概率为 99.73%。 但要想实现完整的机组运行状态