水電機組在長期運行過程中累積了海量的穩(wěn)定性狀態(tài)監(jiān)測數據,但其價值尚未得到充分利用。針對水電機組狀態(tài)監(jiān)測數據挖掘及運行工況識別,設計并搭建了用于水電機組振動區(qū)精細劃分的工況樣本數據庫,提出了基于數據挖掘的水電機組振動區(qū)劃分方法,實現對機組已運行工況穩(wěn)定性分析及健康工況識別,達成振動區(qū)精細劃分。實際應用表明,基于數據挖掘的振動區(qū)劃分結果比經典振動區(qū)劃分更加精確,對機組安全穩(wěn)定運行具有重要的指導意義。 

【文章來源】：浙江電力. 2020,39(09)

【文章頁數】：6 頁

【部分圖文】：

數據庫框架

選取機組大修后在2年以內穩(wěn)定負荷運行過程中穩(wěn)定性參數及工況參數等數據作為健康樣本，針對健康樣本中各穩(wěn)定性參數測點峰峰值，選定3σ準則中上限值μ+3σ作為其閾值。將機組大修后除健康樣本外累積穩(wěn)定運行的數據作為分區(qū)數據，確定各測點峰峰值越限工況區(qū)。綜合考慮各測點越限工況區(qū)，取交集部分作為強烈振動區(qū)（即禁止運行區(qū)），其他越限工況區(qū)作為過渡運行區(qū)（即限制運行區(qū)），非越限區(qū)作為穩(wěn)定運行區(qū)，如圖2所示。2 振動區(qū)全水頭劃分案例

本文搭建的工況樣本數據庫，實現了包括穩(wěn)定性試驗數據在內的在線狀態(tài)監(jiān)測數據中運行水頭、有功功率等工況參數和振動、擺度、壓力脈動等21個穩(wěn)定性參數峰峰值分類存儲，數據覆蓋機組運行工況區(qū)間如圖3所示。由目前數據庫存儲的機組穩(wěn)定運行工況和運行時間可知，2018年12月—2019年1月水頭從低水頭到高水頭變化，2019年2—10月水頭在高水頭到低水頭之間多次變化，其變化范圍為63～82 m，且主要運行水頭范圍為68～80 m，在該水頭區(qū)間內運行負荷為0～52 MW,80 m以上水頭區(qū)間內運行負荷為50～56 MW,67 m以下水頭區(qū)間內機組運行數據較少。數據庫已累計存儲該機組穩(wěn)定運行數據共1 450 798條，不同水頭下機組運行數據累積數目如圖4所示。圖4 全水頭數據累積數目

【參考文獻】：
期刊論文
[1]計算機數據挖掘技術的開發(fā)及其應用[J]. 金巨波,葛雷,徐秀麗.  浙江水利水電學院學報. 2019(06)
[2]基于Python的Web數據挖掘應用[J]. 韋建國,王建勇.  浙江水利水電學院學報. 2019(04)
[3]水電機組振動故障診斷方法綜述[J]. 陳珊珊,楊耿杰.  電氣技術. 2019(06)
[4]一種抑制超低頻振蕩的水電機組調速器參數協調優(yōu)化方法研究[J]. 王渝紅,陳陽,曾琦,王媛,李建,王彪,韓連山.  四川電力技術. 2019(02)
[5]某250MW水電機組振動區(qū)劃分及AGC避振方法應用[J]. 喬亮亮,李晨坤,付亮,唐衛(wèi)平.  水電能源科學. 2018(09)
[6]基于在線監(jiān)測數據的水輪機運行區(qū)精細劃分[J]. 婁強,王衛(wèi)玉,陳啟卷,郭定宇,程曉宜.  水力發(fā)電學報. 2018(10)
[7]基于振動區(qū)域檢測的小機組低水頭運行穩(wěn)定性分析[J]. 鐘堰輝.  現代工業(yè)經濟和信息化. 2017(19)
[8]基于萊以特準則和數據融合的溫濕度檢測系統[J]. 吳勇靈,楊娜,潘曉慧,王文江.  科技通報. 2017(03)
[9]大數據時代基于所有工況的機組穩(wěn)定性分析[J]. 嚴耀亮,孫偉.  水電廠自動化. 2017 (01)
[10]水電站全廠振動區(qū)及最優(yōu)動力特性曲線研究[J]. 李文武,孫剛,游文霞,陳博.  水電能源科學. 2016(11)

博士論文
[1]基于健康評估和劣化趨勢預測的水電機組故障診斷系統研究[D]. 潘羅平.中國水利水電科學研究院 2013

碩士論文
[1]龍灘水電站700MW巨型水輪發(fā)電機組振動特性的研究[D]. 吳祖平.廣西大學 2017
[2]基于動態(tài)振動區(qū)條件下水電機組負荷分配策略研究[D]. 陳國青.華北電力大學 2017



本文編號：3529830