向家壩電站運行設備異常狀態(tài)識別功能的設計與實現(xiàn)
發(fā)布時間:2021-04-19 03:16
針對水電站計算機監(jiān)控系統(tǒng)常規(guī)限值報警發(fā)生時,設備已經(jīng)出現(xiàn)嚴重故障影響電站安全穩(wěn)定運行的問題,以水電站歷史運行數(shù)據(jù)為基礎,運用人工智能與數(shù)據(jù)挖掘技術自動學習運行設備的健康特征,實現(xiàn)水電站運行設備異常狀態(tài)識別功能,在設備運行參數(shù)尚未到達故障報警限值前發(fā)現(xiàn)異常,達到設備異常早發(fā)現(xiàn)早排除的目的,并對輔助系統(tǒng)滲漏異常、開停機流程異常、溫度異常、電壓與頻率異常等關鍵技術進行了討論。該功能通過水電站生產(chǎn)設備異常運行狀態(tài)的感知與報警,實現(xiàn)了安全生產(chǎn)隱患的早期發(fā)現(xiàn),對于保障水電站安全穩(wěn)定運行具有重要的意義。
【文章來源】:西北水電. 2020,(04)
【文章頁數(shù)】:5 頁
【部分圖文】:
向家壩水電站運行設備健康狀態(tài)識別功能架構圖
水電站油水氣系統(tǒng)用于水輪機與發(fā)電機的散熱、潤滑等功能,一旦輔助系統(tǒng)發(fā)生滲漏就可能導致機組軸承瓦溫升高甚至緊急停機,影響電站的安全穩(wěn)定生產(chǎn)。向家壩水電站運行設備異常狀態(tài)識別功能建立輔助系統(tǒng)滲漏報警機制,通過跟蹤監(jiān)視水泵、油泵與氣機等輔助設備的運行間隔時間、運行時間與液位/壓力變化速率判斷是否存在滲漏情況,見圖2。機組壓油泵、空壓機等與機組運行工況相關設備的運行間隔時間與運行時間判斷,從歷史運行數(shù)據(jù)中提取穩(wěn)定工況下設備單次動作的運行間隔時間、運行時間以及對應的機組出力、轉速、水頭為樣本,輸入神經(jīng)網(wǎng)絡進行訓練,得到一組神經(jīng)網(wǎng)絡參數(shù),建立分析模型。異常分析時將穩(wěn)態(tài)工況下機組出力、轉速、水頭的實時數(shù)據(jù)輸入神經(jīng)網(wǎng)絡可以獲得當前工況下模型預測的設備運行間隔時間與運行時間。將模型預測的時間作為模型報警限值與設備真實運行參數(shù)進行對比,如果設備真實運行間隔時間、運行時間超過模型限值并超過死區(qū),判斷出現(xiàn)疑似異常,若該狀態(tài)保持若干計算周期,判斷設備出現(xiàn)異常。
為了提前發(fā)現(xiàn)設備異常,需要建立溫度監(jiān)視報警機制,從歷史數(shù)據(jù)中自動學習不同機組工況下各類設備運行溫度的正常運行范圍,跟蹤監(jiān)視軸承、變壓器、勵磁等設備的溫度變化及時報警。首先從歷史運行數(shù)據(jù)中提取穩(wěn)定工況下設備溫度、機組出力、轉速、水頭的斷面數(shù)據(jù)為樣本。由于軸承存在多個溫度測點,因此針對每個測點進行獨立判斷。原始樣本數(shù)據(jù)需要進行清洗,可以采用中值濾波算法,過濾傳感器異常導致的數(shù)據(jù)跳變。樣本數(shù)據(jù)輸入神經(jīng)網(wǎng)絡進行訓練,得到一組神經(jīng)網(wǎng)絡參數(shù),建立分析模型。異常分析時將穩(wěn)態(tài)工況下清洗后的機組出力、轉速、水頭實時數(shù)據(jù)輸入神經(jīng)網(wǎng)絡,獲得當前工況下模型預測的設備溫度。將模型預測的溫度作為報警限值與設備真實溫度進行對比,如果設備真實運行溫度超過模型限值并超過死區(qū)判斷出現(xiàn)疑似異常,若該狀態(tài)保持若干計算周期判斷設備出現(xiàn)異常,見圖3。3.4 電壓與頻率異常分析
【參考文獻】:
期刊論文
[1]廣州蓄能水電廠Eventlog信息智能分析系統(tǒng)研究與應用[J]. 邱小波,楊銘軒,馮凌云. 水力發(fā)電. 2014(11)
[2]多重分形消除趨勢分析法在壩體滲漏量監(jiān)測中的應用[J]. 周斌,李元芳,王雪,周杰. 水電能源科學. 2014(07)
[3]烏江梯級電站集控系統(tǒng)報警信息的分類及處理[J]. 簡永明. 水電廠自動化. 2008(04)
[4]向家壩水電站泄洪消能方案構思與初步研究[J]. 曾雄輝,程浩,李延農(nóng). 水力發(fā)電. 2004(04)
[5]水電廠綜合自動化報警系統(tǒng)的開發(fā)與應用[J]. 張啟明,朱辰,施沖,汪軍. 水電廠自動化. 2002(04)
[6]BP神經(jīng)網(wǎng)絡在水輪發(fā)電機組狀態(tài)監(jiān)測與診斷系統(tǒng)中的應用[J]. 符向前,劉光臨,蔣勁. 武漢大學學報(工學版). 2002(01)
[7]神經(jīng)元網(wǎng)絡組在發(fā)電機定子溫度監(jiān)測系統(tǒng)中的應用[J]. 蘇鵬聲,汪小明. 電力系統(tǒng)自動化. 2000(15)
本文編號:3146719
【文章來源】:西北水電. 2020,(04)
【文章頁數(shù)】:5 頁
【部分圖文】:
向家壩水電站運行設備健康狀態(tài)識別功能架構圖
水電站油水氣系統(tǒng)用于水輪機與發(fā)電機的散熱、潤滑等功能,一旦輔助系統(tǒng)發(fā)生滲漏就可能導致機組軸承瓦溫升高甚至緊急停機,影響電站的安全穩(wěn)定生產(chǎn)。向家壩水電站運行設備異常狀態(tài)識別功能建立輔助系統(tǒng)滲漏報警機制,通過跟蹤監(jiān)視水泵、油泵與氣機等輔助設備的運行間隔時間、運行時間與液位/壓力變化速率判斷是否存在滲漏情況,見圖2。機組壓油泵、空壓機等與機組運行工況相關設備的運行間隔時間與運行時間判斷,從歷史運行數(shù)據(jù)中提取穩(wěn)定工況下設備單次動作的運行間隔時間、運行時間以及對應的機組出力、轉速、水頭為樣本,輸入神經(jīng)網(wǎng)絡進行訓練,得到一組神經(jīng)網(wǎng)絡參數(shù),建立分析模型。異常分析時將穩(wěn)態(tài)工況下機組出力、轉速、水頭的實時數(shù)據(jù)輸入神經(jīng)網(wǎng)絡可以獲得當前工況下模型預測的設備運行間隔時間與運行時間。將模型預測的時間作為模型報警限值與設備真實運行參數(shù)進行對比,如果設備真實運行間隔時間、運行時間超過模型限值并超過死區(qū),判斷出現(xiàn)疑似異常,若該狀態(tài)保持若干計算周期,判斷設備出現(xiàn)異常。
為了提前發(fā)現(xiàn)設備異常,需要建立溫度監(jiān)視報警機制,從歷史數(shù)據(jù)中自動學習不同機組工況下各類設備運行溫度的正常運行范圍,跟蹤監(jiān)視軸承、變壓器、勵磁等設備的溫度變化及時報警。首先從歷史運行數(shù)據(jù)中提取穩(wěn)定工況下設備溫度、機組出力、轉速、水頭的斷面數(shù)據(jù)為樣本。由于軸承存在多個溫度測點,因此針對每個測點進行獨立判斷。原始樣本數(shù)據(jù)需要進行清洗,可以采用中值濾波算法,過濾傳感器異常導致的數(shù)據(jù)跳變。樣本數(shù)據(jù)輸入神經(jīng)網(wǎng)絡進行訓練,得到一組神經(jīng)網(wǎng)絡參數(shù),建立分析模型。異常分析時將穩(wěn)態(tài)工況下清洗后的機組出力、轉速、水頭實時數(shù)據(jù)輸入神經(jīng)網(wǎng)絡,獲得當前工況下模型預測的設備溫度。將模型預測的溫度作為報警限值與設備真實溫度進行對比,如果設備真實運行溫度超過模型限值并超過死區(qū)判斷出現(xiàn)疑似異常,若該狀態(tài)保持若干計算周期判斷設備出現(xiàn)異常,見圖3。3.4 電壓與頻率異常分析
【參考文獻】:
期刊論文
[1]廣州蓄能水電廠Eventlog信息智能分析系統(tǒng)研究與應用[J]. 邱小波,楊銘軒,馮凌云. 水力發(fā)電. 2014(11)
[2]多重分形消除趨勢分析法在壩體滲漏量監(jiān)測中的應用[J]. 周斌,李元芳,王雪,周杰. 水電能源科學. 2014(07)
[3]烏江梯級電站集控系統(tǒng)報警信息的分類及處理[J]. 簡永明. 水電廠自動化. 2008(04)
[4]向家壩水電站泄洪消能方案構思與初步研究[J]. 曾雄輝,程浩,李延農(nóng). 水力發(fā)電. 2004(04)
[5]水電廠綜合自動化報警系統(tǒng)的開發(fā)與應用[J]. 張啟明,朱辰,施沖,汪軍. 水電廠自動化. 2002(04)
[6]BP神經(jīng)網(wǎng)絡在水輪發(fā)電機組狀態(tài)監(jiān)測與診斷系統(tǒng)中的應用[J]. 符向前,劉光臨,蔣勁. 武漢大學學報(工學版). 2002(01)
[7]神經(jīng)元網(wǎng)絡組在發(fā)電機定子溫度監(jiān)測系統(tǒng)中的應用[J]. 蘇鵬聲,汪小明. 電力系統(tǒng)自動化. 2000(15)
本文編號:3146719
本文鏈接:http://sikaile.net/kejilunwen/shuiwenshuili/3146719.html
最近更新
教材專著