水轮发电机组状态监测与故障诊断方法探讨

开篇：润墨网以专业的文秘视角，为您筛选了一篇水轮发电机组状态监测与故障诊断方法探讨范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘要】水轮发电机组是水电厂最为重要的能量转换装置，其安全可靠性直接关系着水电厂的稳定运行。通过分析对我国水轮机组的状态监测与故障诊断技术的现状，提出了当前技术存在的问题，并对技术的应用和发展进行了简要的概述。

【关键词】水轮发电机组；状态监测；故障诊断

随着我国经济的飞速发展，电力工业已进入了大电网、大机组、高电压、高自动化的发展阶段，水电厂在大型电网的调峰、调频、调相及保证电网稳定运行中起到了十分关键的作用。水轮发电机组是大型机电能量转换装置，其可靠性对水电厂的安全稳定运行至关重要。随着水电机组的容量越来越大，对供电可靠性的要求也越来越高，因此，对水轮发电机组实施状态检测与故障诊断技术，以便及时发现设备的异常与隐患，最大程度上降低故障损失。

1、当前水电机组状态监测与故障诊断的现状

水轮机发电机组的容量不断增大是当前经济与市场的驱动，也是将来发展的趋势，但同时对发电机组的可靠性及功能稳定性提出了更高的要求。水轮发电机组是水电厂中的重要装置，一旦出现故障，不但会引起发电机组的损坏，甚至可能造成电网的安全和稳定运行。因此，发电机组的状态监测显得尤为重要，及时对重要参量进行分析，对有关性能指标进行评估，对机组故障进行预测预报、分析原因，对于大中型水轮发电机组具有重要的意义。

近些年来，随着各种先进技术的引进，我国的水电机组状态监测技术获得了不错的成绩。由于水轮发电机组的结构复杂，影响因素众多，要想深一层次地提高设备的故障诊断准确率，需要对水轮机组的故障机理进行全面地研究，但目前的研究成果尚没有完整的故障机理分析，现有的故障诊断方法和手段仍有待进一步深入和创新。由于水轮发电机组故障具有复杂性、随机性、祸合性及频谱结构存在相似性等特点，仅仅依赖振动信号频谱信息进行诊断，诊断类型不明确，常常出现误诊的现象，甚至会造成重大的损失。因此，针对设备的故障机理分析，结合其它机械或电气故障出现时的特征，建立基于数据的诊断系统，是改善故当前故障诊断技术窘境的有效措施。

2、水轮发电机组状态监测与故障诊断技术

水轮机组的状态监测与故障诊断是采用相应的检测、分析及判别方法来实时了解和掌握设备运行状态，并对设备运行状态进行评估，判断其处于正常或非正常状态，同时将设备的运行状态进行显示和记录，对异常状态提示报警，以便运行人员及时加以处理，为设备的故障分析、性能评估、安全运行提供信息和准备基础数据。

2.1状态监测技术

水轮发电机组的状态监测技术就是利用各种传感器和测量手段对反映设备运行状态的物理、化学量进行检测。通过状态监测就可以实时地反映出设备的运行状态，其工作原理主要是通过对设备的组成部件的生命周期特征记录，应用传感器技术和具有测量用途的检测设备来实时监测机组的生命状态，并根据监测的数据和系统软件分析来预测设备的状态发展情况。状态监测一般分为两种情况，一种是保护性监测，通过对常规运行参数的监测，来了解设备的工况，即在故障敏感部件处设置一些专用的监测器，以便及时反映设备状态，避免严重事故发生；维护性检测通过状态或离线检查和试验，发现缺陷，避免严重事故发生。

2.2故障诊断技术

随着计算机、通信和传感技术的进步，故障诊断技术也有了很大发展。在故障诊断技术中，模糊诊断法、神经网络诊断法、专家系统诊断法在当前机电设备故障智能诊断中应用较为广泛。

2.2.1模糊诊断法

模糊理论主要模仿人脑的逻辑思维，具有较强的知识表达能力，能将不确定性知识或定性知识转化为定量表示。在故障诊断中，故障与征兆之间的关系往往是模糊的，这种模糊性既来自故障与征兆之间关系的不确定性，又来自故障与征兆在概念描述上的非精确性，因而诊断结果也必然是模糊的。解决模糊诊断问题的传统方法，主要是根据专家经验在故障征兆空间与故障原因空间之间建立模糊关系矩阵，再将各条模糊推理规则产生的模糊关系矩阵进行组合。近些年来，模糊理论被进一步发展和完善，并逐步地应用到故障诊断技术中。除了单独应用模糊理论来进行故障的分析诊断外，还有部分研究者将其与专家系统和神经网络技术联合应用，或构造模糊评价模型，以评分的方式反映故障的危害性。其中，与其它分析诊断方法相结合的形式取得了较好的试验效果，这也是模糊诊断技术的研究和发展趋势。

2.2.2专家系统诊断法

专家系统（ES）是人工智能应用研究最活跃和最广泛的课题之一，它是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。诊断专家系统的任务就是根据观察到的情况（数据）来推断出某个对象机能失常（即故障）的原因。专家系统诊断技术一般有五个部分组成：知识库，数据库，解释机制，推理机和人机接口。其中知识库中总结了各方专家的经验，并在系统的使用中不断更新、完善。在设备出现异常时，系统立刻调用知识库中的内容来对故障现象作出判断，可以有效模拟故障诊断专家完成故障诊断的过程。但在实际应用中ES仍存在着一定的缺陷：知识库对知识的获取度始终有限，对一些故障诊断中的不确定因素不能有效识别，也使得这种方法对故障诊断的准确性大大降低。

2.2.3人工神经网络技术

人工神经网络是模拟人脑组织结构和人类认知过程的信息处理系统，具有强大的自学能力和数据处理功能，能映射高度非线性的输入、输出关系。人工智能诊断自一开始被提出，就在很多领域迅速地成长起来，应用人工神经网络（ANN）技术是智能故障诊断技术中的重要分支，在当前的故障诊断研究中被广泛应用。该方法主要是通过现场大量的标准样本学习与训练，不断调整ANN中的连接权和阀值，使获取的知识隐式分布在整个网络上，并实现ANN的模式记忆。因此ANN具有强大的知识获取能力，并能有效的处理含噪声数据，弥补了ES方法的不足。

3、结束语

当前大型水轮发电机组的状态监测与故障诊断技术的研究仍远低于人们对设备可靠性的要求，因此，针对水轮机组的可靠性研究仍需要进一步深入。随着各种先进技术的应用及现场实用经验的不断积累，对水轮机组的状态监测势必呈现智能化和实用化的发展趋势。相信在不久的未来，对设备状态发展的预知性、故障识别的及时性都能够实现，并能够为多数厂家技术人员轻松地运用。

参考文献

[1]杨英丽.电力系统的状态监测与故障诊断技术探讨[J].科技资讯，2009，（24）.

[2]韦洪波，郭磊.水力发电机组振动故障诊断技术综述[J].水利科技，2009，（02）.

[3]王海.水轮发电机组状态检修技术[M].北京：中国电力出版社，2004

[4]宋通林.西流水水电站水轮发电机组状态监测与故障诊断系统设计与应用[D].西安理工大学，2010