]水輪機調系統(tǒng)故障與傳感信號之間存在顯示或隱式的復雜關系，從眾多的信號中挑選出最能表征故障的信號，能夠降低模型的復雜度，提高模型的預測準確率，并精確定位故障產生的原因。同時，獲得易于被分析研宄人員和使用者理解的數(shù)據(jù)分析結果。
[0089]4、智能模型構建
[0090]由于水輪機調節(jié)系統(tǒng)是水輪機的關鍵控制設備，其發(fā)生故障往往會引起嚴重的安全隱患及經濟損失。而調節(jié)系統(tǒng)的某種故障表征又可能是由多種原因所引起的，每種原因所造成的后果又不盡相同，因此這里采用帶置信度的集成學習方法構建診斷模型，如圖8所示。
[0091]在訓練階段，針對每種故障分別構建一個診斷模型，在測試階段，綜合各種模型的輸出結果，按其置信度的大小，給出一個綜合的預測結果。
[0092]米用后驗概率的支持向量機(Poster1riProbability Support VectorMachines PPSVM)、Bayesian學習、決策樹等方法作為元分類器，利用集成學習的方法構建準確、健壯的預測模型。
[0093]對原因確定的故障診斷則采用故障樹構建模型，以進一步提高故障定位的準確度。如圖9所示，水輪機調節(jié)系統(tǒng)健康狀態(tài)預測故障樹的頂事件為:水輪機調節(jié)系統(tǒng)狀態(tài)健康狀態(tài)預測；然后下面三個分系統(tǒng)分別為:電氣調節(jié)器狀態(tài)預測、電液隨動系統(tǒng)狀態(tài)預測、油壓裝置部分狀態(tài)預測；從而構成了水輪機調節(jié)系統(tǒng)狀態(tài)預測的主故障樹。繼續(xù)進行故障樹深入層次分析，可以得到各自的主故障樹與各自的故障子樹。電氣調節(jié)器狀態(tài)預測主要是對水輪機調速器電氣控制系統(tǒng)的健康狀態(tài)進行預測，電液隨動系統(tǒng)狀態(tài)預測主要是對水輪機調速器機械液壓系統(tǒng)、事故配壓閥、分段關閉、接力器等設備的健康狀態(tài)進行預測，油壓裝置部分狀態(tài)預測主要是對油壓裝置和漏油箱等設備的健康狀態(tài)進行預測。
[0094]根據(jù)所建立的故障樹與故障樹的定性分析，由于系統(tǒng)故障樹底事件、中間事件與頂事件全都是由或門連接，同時底事件相互獨立，所以，每個故障樹的底事件即為水輪機調節(jié)系統(tǒng)的最小割集:N1、N2、N3、…….、NX，(X根據(jù)水輪機調節(jié)系統(tǒng)的具體配置確定)根據(jù)故障樹的等效和簡化原則，可以得到水輪機調節(jié)系統(tǒng)狀態(tài)預測系統(tǒng)的簡化樹如圖10所示。
[0095]5、異常參數(shù)檢測
[0096]通過對監(jiān)測數(shù)據(jù)中的參數(shù)進行異常檢測，能夠迅速發(fā)現(xiàn)參數(shù)的異常值。具體采用如下三種檢測方法:
[0097](I)基于模型的技術:基于已有的數(shù)據(jù)構建一個模型，調節(jié)系統(tǒng)異常時，產生的異常的數(shù)據(jù)通常會在模型中顯得格格不入。
[0098](2)基于接近性的技術:利用現(xiàn)有技術(例如:歐氏距離、余弦相似度、Jacard指數(shù)、皮爾森相關系數(shù)等)定義數(shù)據(jù)之間的接近性或者相似度。異常數(shù)據(jù)會離大多數(shù)數(shù)據(jù)距離較遠。
[0099](3)基于密度的技術:利用上述相似度或者距離，估計所有數(shù)據(jù)點在空間里的密度，那些處于低密度區(qū)域的數(shù)據(jù)點就是所謂的異常數(shù)據(jù)。
【主權項】
1.一種能實現(xiàn)健康狀態(tài)預測的水輪機調節(jié)系統(tǒng)，包括水輪機調速器電氣控制系統(tǒng)和水輪機調速器機械液壓系統(tǒng)，其特征在于:還包括用于檢測所述水輪機調速器機械液壓系統(tǒng)的第一漏油傳感器，所述第一漏油傳感器與所述水輪機調速器電氣控制系統(tǒng)連接；所述水輪機調速器電氣控制系統(tǒng)根據(jù)第一漏油傳感器檢測的信號通過多源信息融合技術實現(xiàn)水輪機調節(jié)系統(tǒng)的智能診斷和健康狀態(tài)預測，并將診斷和預測數(shù)據(jù)傳輸?shù)竭h程監(jiān)控系統(tǒng)。
2.根據(jù)權利要求1所述能實現(xiàn)健康狀態(tài)預測的水輪機調節(jié)系統(tǒng)，其特征在于:還包括用于檢測油壓裝置狀態(tài)信號的第一油泵輸出流量傳感器、第一油壓傳感器、壓力罐液位傳感器、回油箱液位傳感器、第一油質傳感器，以及檢測油壓裝置控制柜中油泵電機的第一檢測裝置；所述第一油泵輸出流量傳感器、第一油壓傳感器、壓力罐液位傳感器、回油箱液位傳感器、油質傳感器和第一檢測裝置分別與所述水輪機調速器電氣控制系統(tǒng)連接。
3.根據(jù)權利要求2所述能實現(xiàn)健康狀態(tài)預測的水輪機調節(jié)系統(tǒng)，其特征在于:還包括用于檢測漏油箱狀態(tài)信號的液位傳感器、第二油質傳感器和第二油泵輸出流量傳感器，以及檢測漏油箱控制柜中油泵電機的第二檢測裝置，所述液位傳感器、第二油質傳感器、第二油泵輸出流量傳感器和第二檢測裝置分別與所述水輪機調速器電氣控制系統(tǒng)連接。
4.根據(jù)權利要求3所述能實現(xiàn)健康狀態(tài)預測的水輪機調節(jié)系統(tǒng)，其特征在于:還包括用于檢測事故配壓閥的第三漏油傳感器和檢測閥芯動作的第二油壓傳感器，所述第三漏油傳感器和第二油壓傳感器分別與所述水輪機調速器電氣控制系統(tǒng)連接。
5.根據(jù)權利要求4所述能實現(xiàn)健康狀態(tài)預測的水輪機調節(jié)系統(tǒng)，其特征在于:還包括用于檢測分段關閉裝置的第四漏油傳感器和用于檢測分段關閉裝置動作信號的第三油壓傳感器，所述第四漏油傳感器和第三油壓傳感器分別與所述水輪機調速器電氣控制系統(tǒng)連接。
6.根據(jù)權利要求5所述能實現(xiàn)健康狀態(tài)預測的水輪機調節(jié)系統(tǒng)，其特征在于:還包括用于檢測接力器的開、關腔壓力傳感器和接力器位移傳感器，所述開、關腔壓力傳感器和接力器位移傳感器分別與所述水輪機調速器電氣控制系統(tǒng)連接。
7.根據(jù)權利要求6所述能實現(xiàn)健康狀態(tài)預測的水輪機調節(jié)系統(tǒng)，其特征在于:還包括用于檢測水輪發(fā)電機組的功率變送器、機組PT、機組轉速探頭和蝸殼壓力傳感器，所述功率變送器、機組PT、機組轉速探頭和蝸殼壓力傳感器分別與所述水輪機調速器電氣控制系統(tǒng)連接。
8.根據(jù)權利要求7所述能實現(xiàn)健康狀態(tài)預測的水輪機調節(jié)系統(tǒng)，其特征在于:所述水輪機調速器機械液壓系統(tǒng)還設有第二漏油傳感器，所述第二、第三和第四漏油傳感器與漏油箱連接。
9.一種水輪機調節(jié)系統(tǒng)健康狀態(tài)預測的方法，其特征在于，包括: I)數(shù)據(jù)預處理 (1)數(shù)據(jù)集成 將水輪機調速器電氣控制系統(tǒng)獲得的所有數(shù)據(jù)都集成到MySQL數(shù)據(jù)庫中，利用MySQL建立數(shù)據(jù)倉庫； (2)數(shù)據(jù)轉換 將所述數(shù)據(jù)倉庫中與某一部件相關的所有參數(shù)信息整合成一條記錄； (3)數(shù)據(jù)清理 通過填寫空缺值、平滑噪聲數(shù)據(jù)、識別、刪除孤立點，進行清理數(shù)據(jù)； 2)多源數(shù)據(jù)融合 采用基于不同層次的數(shù)據(jù)融合方法，將多源、異構傳感器信息進行融合，提高診斷精確度及穩(wěn)定性； 對傳感器測得的壓力、流量信號直接進行標準化與歸一化，對于振動信號采用小波包變換、傅里葉變換方法將時間序列信息轉換為頻域信息，再進行標準化； 對上述各類信號從數(shù)據(jù)層、特征層、決策層等多個層次進行融合； 3)故障特征選擇 水輪機調系統(tǒng)故障與傳感器測得的信號之間存在顯示或隱式的復雜關系，從眾多的信號中挑選出最能表征故障的信號； 4)智能模型構建 通過帶置信度的集成學習方法構建診斷模型，在訓練階段，針對每種故障分別構建一個診斷模型，在測試階段，綜合各種模型的輸出結果，按其置信度的大小，給出一個綜合的預測結果；采用后驗概率的支持向量機、Bayesian學習、決策樹的方法作為元分類器，利用集成學習的方法構建準確、健壯的預測模型；對原因確定的故障診斷則采用故障樹構建模型，以進一步提尚故障定位的準確度； 5)異常參數(shù)檢測 通過對監(jiān)測數(shù)據(jù)中的參數(shù)進行異常檢測，迅速發(fā)現(xiàn)參數(shù)的異常值。
10.根據(jù)權利要求9所述水輪機調節(jié)系統(tǒng)健康狀態(tài)預測的方法，其特征在于，所述異常參數(shù)檢測包括: (1)基于模型的技術:基于已有的數(shù)據(jù)構建一個模型，調節(jié)系統(tǒng)異常時，在模型中顯得格格不入的為異常數(shù)據(jù)； (2)基于接近性的技術:利用現(xiàn)有技術定義數(shù)據(jù)之間的接近性或者相似度，離大多數(shù)數(shù)據(jù)距離較遠的為異常數(shù)據(jù)； (3)基于密度的技術:利用上述相似度或者距離，估計所有數(shù)據(jù)點在空間里的密度，那些處于低密度區(qū)域的數(shù)據(jù)點就是所謂的異常數(shù)據(jù)。
【專利摘要】本發(fā)明涉及一種能實現(xiàn)健康狀態(tài)預測的水輪機調節(jié)系統(tǒng)及方法，該系統(tǒng)包括水輪機調速器電氣控制系統(tǒng)和水輪機調速器機械液壓系統(tǒng)，其特征在于：還包括用于檢測所述水輪機調速器機械液壓系統(tǒng)的第一漏油傳感器，所述第一漏油傳感器與所述水輪機調速器電氣控制系統(tǒng)連接；所述水輪機調速器電氣控制系統(tǒng)根據(jù)第一漏油傳感器檢測的信號通過多源信息融合技術實現(xiàn)水輪機調節(jié)系統(tǒng)的智能診斷和健康狀態(tài)預測，并將診斷和預測數(shù)據(jù)傳輸?shù)竭h程監(jiān)控系統(tǒng)。本發(fā)明能夠通過各種傳感器和檢測設備，利用多源信息融合技術實現(xiàn)水輪機調節(jié)系統(tǒng)的智能診斷和健康狀態(tài)預測。
【IPC分類】F03B15-00
【公開號】CN104791187
【申請?zhí)枴緾N201510163620
【發(fā)明人】陳啟明, 陳瑞興, 楊炳良, 張強, 劉躍川, 曹春蘭, 林秉良, 湯啟建, 呂在生, 王華軍, 丁偉
【申請人】武漢四創(chuàng)自動控制技術有限責任公司
【公開日】2015年7月22日
【申請日】2015年4月8日