一种开放型水电机组故障诊断系统技术方案

为解决现有技术存在的问题，本发明专利技术提供了一种开放型水电机组故障诊断系统，包括：机组信息维护模块、诊断模型维护模块、诊断任务维护模块、诊断记录查询模块、人工故障诊断模块。其中：机组信息维护模块包括机组信息维护部分和机组状态维护部分；诊断模型维护模块包括诊断模型维护、模型参数设置、模型样本训练、模型结果使用部分；诊断任务维护模块包括定时任务维护、诊断机组维护、诊断日志查询部分；诊断记录查询模块包括诊断记录查询部分和预测记录查询模块；人工故障诊断模块包括人工故障诊断和人工诊断查询部分。本发明专利技术可以面向不同机组类型、工况、故障诊断算法、样本数据进行故障诊断和预测，能够提高水电机组的安全性和可靠性。

【技术实现步骤摘要】

本专利技术属于设备运行状态监测
，涉及一种开放型水电机组故障诊断系统。
技术介绍
水电作为清洁可再生能源，运行调度灵活，各国都将水电作为优先发展的能源。近年来我国水电装机容量增长迅速，电站主设备急剧增加，检修工作量剧增，检修人员紧缺问题日益突出。同时水电机组故障和事故频出，如转子断裂、推力轴承漏油、导轴承烧瓦、动不平衡过大、水淹厂房等。为了及时了解水电机组运行状况，避免突发故障发生，目前大部分水电站都安装了在线监测装置，可以对水电机组的振动、摆度、温度、电压、电流、有功、无功等工况数据进行实时采集，并对越界的状态量进行报警。这种方式有效地反应了机组的当前状况，并能对越界状态量进行报警，但是缺乏对故障的早期预测和识别，不利于水电机组的预防性维护和检修。
技术实现思路
为了解决以上问题，本专利技术提供了一种开放型水电机组故障诊断系统，包括:机组信息维护模块、诊断模型维护模块、诊断任务维护模块、诊断记录查询模块、人工故障诊断模块。其中:所述机组信息维护模块包括机组信息维护部分和机组状态维护部分。进一步的，所述机组信息维护部分是通过界面实现水电机组信息的录入、修改、删除等操作。优选的，界面泛指系统的功能界面。优选的，界面系统可以采用CS或BS结构，可以通过Java或C#等其它编程语言实现功能界面。进一步的，机组信息包括电站名称、机组编号、机组名称、额定功率、机组型号、投产日期、制造厂家、安装单位等基本信息。进一步的，所述机组状态维护部分是通过界面实现机组状态信息的录入、修改、删除等操作。优选的，机组状态信息包括状态编码、状态名称、是否处理、建议采取措施、发生状态原因。进一步的，状态编码，是故障样本中的目标列值，是数值型数据。进一步的，是否处理，是布尔型数据，表示在故障诊断或预测时是否要将该结果记录下来。如果记录下来，会一并提供建议采取措施和发生状态原因信息。进一步的，机组状态维护中记录的是机组的各种状态，包括机组的正常状态和各种异常状态、故障状态的定义。优选的，对各种异常状态、故障状态，是否处理应该设置为真，并填写发生该状态的原因和应采取的建议措施，以便指导对故障的处理。所述诊断模型维护模块包括诊断模型维护、模型参数设置、模型样本训练、模型结果使用等部分。进一步的，所述诊断模型维护部分是通过界面操作，录入故障诊断模型信息。优选的，故障诊断模型信息包括模型名称、模型类名、训练函数名、预测函数名、模型描述、是否使用。其中模型类名是外部已经编译好的类名或服务名；预测函数名和训练函数名均是外部系统或服务已经编译好的自定义函数名或接口名。优选的，可采用Matlab、Octave、R、Python等软件编译训练算法和预测算法。优选的，服务名可为消息服务或Web Sevice服务的地址。进一步的，所述模型参数设置部分是通过界面设置模型的参数信息，模型参数信息包含所属模型、参数名称、参数值、参数类型、参数描述、参数顺序等内容。优选的，在调用模型训练或模型预测时，可以把所属模型的参数列表封装成json字符串，格式是{参数名称1:参数值1，参数名称2:参数值2，...}，每个参数是个名值对，多个参数之间用英文逗号隔开。进一步的，所述模型样本训练部分通过设置训练文件和相关模型参数，分析诊断模型的准确率实现对诊断模型的选择和校准。进一步的，诊断模型是上述过程中录入的模型信息，训练文件用于选择本地的csv文件，该文件包含水电机组的某个工况下的各运行参数数据，如振动、温度、电压、电流、负荷等各种数据及目标状态。CSV是简单的文本文件，由行列组成，每行的末尾用回车换行符隔开，每列之间由逗号隔开，可以用excel或其它工具打开。优选的，可以要求上传的csv文件的第一行必须是水电机组的各运行参数名称和机组状态，且机组状态必须放在第一列或最后一列，从第二行起的所有其它行必须都是数值型数据。优选的，系统采用开放的数据模型，只要认为对机组状态有影响的运行参数，都可以输入到模型数据中来，机组状态值即机组状态编码值，被定义在机组状态信息中。机组状态信息包含状态编码、状态名称、是否处理、建议采取措施、发生状态原因。机组状态一般包括机组工况下的所有状态，即包含机组的各种故障、缺陷、告警等状态，也包括机组的正常状态。优选的，预测比例可以固化为0.5、0.6、0.7、0.8、0.9、1，水电机组即系统中存在的各水电机组名称，机组工况一般分为发电、抽水、抽水调相、发电调相等，归一化最大值可以固化为 1、10、50、100、500、1000，默认值 100。进一步的，模型训练会调用模型所在的外部训练函数，并把相关参数传入函数参数中。优选的，模型训练可采用自动训练模式:系统首先会根据训练文件包含的运行参数选择相应的训练模型并把相关参数分别输入各训练模型的函数中；各训练模型执行完毕后输出训练结果，包括:准确率、样本数量、预测数量；然后保存准确率98%以上的训练模型，同时通过调整模型参数或进行归一化处理或调整模型样本训练数据进行再次模拟，保存准确率接近或等于100%的训练模型；如各训练模型准确率低于98%时，系统首先通过调整模型参数或进行归一化处理或调整模型样本训练数据进行再次模拟，保存准确率接近或等于100%的训练模型；如再次模拟准确率依然低于98%，则系统会选择其它训练模型重复上述模拟过程，保存其中准确率接近或等于100%的训练模型。优选的，模型训练可采用主动训练模式:用户选择诊断模型和训练文件，并设置预测比例、预测标签、水电机组、机组状态、是否归一化等相关训练参数进行训练，训练模型执行完毕后输出训练结果，包括:准确率、样本数量、预测数量；然后保存准确率98%以上的训练模型，同时通过调整模型参数或进行归一化处理或调整模型样本训练数据进行再次模拟，确保准确率能接近或等于100%的训练模型并保存训练结果；如果通过调整模型参数、归一化处理等设置，不能让模型训练准确率达到98%时，则提示用户更换另外一个诊断模型或调整模型算法实现或调整训练样本数据，确保模型训练准确率接近或等于100%。进一步的，所述模型使用部分是通过前面模型训练过程中保存的模型训练结果信息，选择一个准确率最高的水电机组在特定的工况下使用的故障诊断模型，用该诊断模型进行故障诊断和预测。优选的，模型结果信息包含模型名称、模型文件，即为模型训练中上传的模型训练文件、样本数量、预测数量、准确率、机组名称、机组工况、是否归一化、归一化最大值、机组状态列，即为故障诊断和预测的目标列、预测比例、是否使用模型。除了是否使用模型外，所有信息均来自模型训练结果和模型信息。是否使用模型结果值如果是真，说明该水电机组在该工况下使用该模型进行故障诊断和预测，同一个水电机组、机组工况、训练样本文件决定了一个使用诊断模型。所述诊断任务维护模块包括定时任务维护、诊断机组维护、诊断日志查询等部分。进一步的，所述定时任务维护部分包括定时故障诊断任务和定时故障预测任务；所述定时任务会根据预设时间间隔定时运行前面选择的诊断模型，并通过诊断任务关联的诊断机组，获取该水电机组的当前运行状态参数，对水电机组进行故障诊断和预测分析。进一步的，定时任务彳g息包括任务名称、任务描述、执行程序名称、执行周期、是否使用、运行状态等内容。优选本文档来自技高网...

【技术保护点】
一种开放型水电机组故障诊断系统，其特征在于，包括：机组信息维护模块、诊断模型维护模块、诊断任务维护模块、诊断记录查询模块、人工故障诊断模块；所述机组信息维护模块包括机组信息维护部分和机组状态维护部分；所述诊断模型维护模块包括诊断模型维护、模型参数设置、模型样本训练、模型结果使用部分；所述诊断任务维护模块包括定时任务维护、诊断机组维护、诊断日志查询部分；所述诊断记录查询模块包括诊断记录查询部分和预测记录查询模块；所述人工故障诊断模块包括人工故障诊断和人工诊断查询部分。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈清水，刘红超，张健，李海，张学深，
申请(专利权)人：国家电网公司，北京许继电气有限公司，
类型：发明
国别省市：北京;11