水輪發(fā)電機組在運行過程中不可避免的會產生振動,機組異常振動使得機組零部件疲勞受損,機組運行狀態(tài)變差,對機組安全穩(wěn)定運行非常不利。當振動幅值較大時將嚴重影響到機組負荷的分配和電網(wǎng)安全。據(jù)研究顯示,水輪發(fā)電機組80%的故障特征信息能在振動信號中能夠顯示出來,但由于水輪發(fā)電機組運行環(huán)境復雜,在對機組振動數(shù)據(jù)進行采集過程中受到多種因素的影響,導致所采集的數(shù)據(jù)受到噪聲、異常脈沖等因素影響。研究如何將噪聲和異常脈沖等干擾因素去除,準確的提取機組的振動信號特征,判斷機組的運行狀況,確定合適的檢修時間和檢修工作對電站乃至電網(wǎng)的安全穩(wěn)定經濟運行至關重要。首先,對水輪發(fā)電機組的故障特征進行詳細分析,根據(jù)水電站實際機組的變轉速、變勵磁和變負荷試驗所得的試驗數(shù)據(jù),結合振擺數(shù)據(jù)的趨勢曲線特征、頻譜特征、軸心軌跡特征和軸系狀態(tài)特征對機組故障進行綜合分析,找出引起機組振動的原因。通過分析發(fā)現(xiàn)該電站這臺機組在做這三個試驗時,機組的轉動部位較其他部位的振擺值要大;通過分析其趨勢曲線特征、頻譜特征和軸心軌跡特征,發(fā)現(xiàn)其特征和機組轉動部件存在的質量不平衡一樣。再通過分析該機組其他部位振擺數(shù)據(jù)表明,該機組尾水管部位存在中頻壓... 

【文章來源】：華北水利水電大學河南省

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【部分圖文】：

機組振擺數(shù)據(jù)測點布置

2.軸流式水輪發(fā)電機組故障診斷15圖2-1機組振擺數(shù)據(jù)測點布置Figure2-1layoutofmeasurementpointsofunitvibrationandswingdata2.4機組變轉速試驗振擺數(shù)據(jù)分析對水輪發(fā)電機組進行變轉速試驗，根據(jù)變轉速試驗所得的實驗數(shù)據(jù)畫出機組的趨勢圖、頻譜圖、軸心軌跡圖和軸系狀態(tài)如下面圖所示：圖2-2機組各部位振動趨勢圖Figure2-2vibrationtrendofeachpartoftheunit

華北水利水電大學碩士學位論文16圖2-2為機組做變轉速實驗時機組上導（黃色線）、大軸法蘭（藍色線）、水導（紅色線）、機架、頂蓋、蝸殼和尾水管等部位振擺幅值隨機組轉速變化的趨勢圖，觀察圖可以發(fā)現(xiàn)機組各部件隨著機組轉速的變化都大概呈現(xiàn)為隨著轉速的增大而增大的趨勢，并且觀察圖可以發(fā)現(xiàn)大軸法蘭的擺度幅值相對于其它部件來說擺度幅值明顯，且振動幅值隨機組轉速變化較小，說明該機組可能存在質量不平衡或者是軸心不正。下一步通過機組各部件的頻譜分析和軸心軌跡來做進一步的判斷。圖2-3（a）數(shù)據(jù)波形頻譜圖Figure2-3(a)datawaveformspectrum圖2-3（b）數(shù)據(jù)波形頻譜圖Figure2-3(b)spectrumofdatawaveform

【參考文獻】：
期刊論文
[1]基于CEEMD和小波核極限學習機的軸承故障診斷[J]. 鄒劍暉,敖銀輝.  組合機床與自動化加工技術. 2019(11)
[2]基于CEEMD與IMCKD的滾動軸承故障診斷方法[J]. 潘洋洋,何偉,朱丹宸.  機電工程技術. 2019(10)
[3]VMD和奇異差分譜在齒輪早期故障診斷中的應用[J]. 王建國,崔玥,張文興.  機械設計與制造. 2019(09)
[4]基于EMD,EEMD與CEEMD的信號時頻分析技術對比研究[J]. 司友強,咼潤華,施鵬程.  CT理論與應用研究. 2019(04)
[5]基于遺傳算法與ANSYS的結構優(yōu)化方法研究[J]. 耿賀松,陳博文,李明偉,楊璨.  華北水利水電大學學報(自然科學版). 2019(04)
[6]基于CEEMD-Elman耦合模型的年降水量預測[J]. 張先起,胡登奎,劉斐.  華北水利水電大學學報(自然科學版). 2019(04)
[7]奇異值分解和EEMD的非線性振動信號降噪方法[J]. 劉樹聃,陳知行.  探測與控制學報. 2019(03)
[8]水輪機空化聲發(fā)射信號的提升小波改進閾值降噪方法研究[J]. 劉忠,周云貴,鄒淑云,張許陽.  水力發(fā)電. 2019(08)
[9]基于VMD和脈沖因子的水輪機擺度信號特征提取分析[J]. 陳萬濤,李德忠,趙志爐,楊金健,孫志翔.  水利水電技術. 2019(04)
[10]基于樣本熵的改進小波包閾值去噪算法[J]. 向北平,周建,倪磊,艾攀華.  振動.測試與診斷. 2019(02)

博士論文
[1]水輪發(fā)電機組故障診斷及預測與狀態(tài)評估方法研究[D]. 朱文龍.華中科技大學 2016

碩士論文
[1]基于自適應局部迭代濾波的滾動軸承故障診斷研究[D]. 葛紅平.南昌航空大學 2019
[2]基于EMD的水輪機空化聲發(fā)射信號處理方法[D]. 宋嘉城.長沙理工大學 2017
[3]基于EEMD的水輪機擺度信號提純及特征提取分析[D]. 汪泉.華中科技大學 2017
[4]水輪發(fā)電機組振動故障診斷關鍵技術研究與應用[D]. 冉恒.重慶大學 2017
[5]混流式水輪發(fā)電機組振動試驗及故障診斷[D]. 尤莉莎.河北工程大學 2015
[6]電力營銷信息管理系統(tǒng)的設計與實現(xiàn)[D]. 王小野.東北大學 2016
[7]霧霾圖像增強方法研究[D]. 梁笑.重慶大學 2015
[8]小型混流式水輪發(fā)電機組振動試驗與分析[D]. 張松松.河北工程大學 2014
[9]基于時頻流形分析的設備故障診斷方法研究[D]. 汪湘湘.中國科學技術大學 2014
[10]1000MW水輪機小開度工況流動穩(wěn)定性的數(shù)值模擬研究[D]. 姚楊.哈爾濱工業(yè)大學 2012



本文編號：3565601