The invention provides a more accurate fault diagnosis method for hydraulic turbine operation based on probabilistic neural network, which belongs to the field of hydraulic turbine pressure fluctuation monitoring and diagnosis. The invention includes: fusing the main relevant working condition parameters of the turbine with the pressure fluctuation signal to form a fusion feature vector, as the input of the probabilistic neural network, taking the running state of the turbine as the output of the probabilistic neural network, and constructing the fault diagnosis model of the probabilistic neural network; S2, real-time monitoring the running state of the turbine by using the built fault diagnosis model. State, fault diagnosis. The method identifies the operation condition and pressure fluctuation signal of a hydraulic turbine as characteristics, calculates mutual information from historical data, and obtains the importance of the influence of various operating conditions parameters of a hydraulic turbine on the pressure fluctuation signal based on the mutual information of calculation, and then obtains the main relevant operating conditions parameters of a hydraulic turbine.
【技术实现步骤摘要】
基于概率神经网络的水轮机运行故障诊断方法
本专利技术涉及一种水轮机运行状态识别方法,特别涉及一种基于概率神经网络的水轮机运行故障诊断方法,属于水轮机压力脉动监测与诊断领域。
技术介绍
水轮机压力脉动是水电机组运行过程中不可避免的现象,它会引起水电机组的振动噪声、出力摆动和叶片裂纹等故障,是影响机组安全稳定运行的主要因素之一。因此,为了提高水电机组的安全稳定运行,对水轮机压力脉动进行状态监测与诊断具有重要意义。现有的水轮发电机组故障诊断方是依赖压力脉动信号进行故障模式识别。本领域技术人员对水泵水轮机泵工况进行研究,确定了各个流道位置的压力脉动的频率和幅值变化规律;本领域技术人员采取了在泄水锥处射水的方式来减弱尾水管内的低频压力脉动;本领域技术人员则通过改变泄水锥中心补气孔长度得到存在一个补气孔长度可以有效的减小涡带的运动规模,从而降低压力脉动幅值;本领域技术人员利用分离涡(DES)湍流模型着重分析了反水泵工况下的压力脉动特性;本领域技术人员通过对导叶叶栅进行几种不同布置下的数值模拟,得出槽道流动和真实流动下导叶近壁区域流体绕过导叶的绕流特性与真实的叶道绕流的相似性;本领域技术人员采用真机试验和数值计算的方法,研究了水轮机无叶区的动静干涉及蜗壳水力激振频率。随着人工智能在各领域的广泛应用,神经网络分析方法也已经被应用到图像识别、语音识别、文本识别中,并取得了一定成效。神经网络特有的非线性适应性信息处理能力,可以学习到数据深层次的抽象特征表达,具有更强更复杂的数据表达能力,其在故障诊断领域的应用潜能被广泛重视并引发很多学者研究。本领域技术人员利用自动编码器模型( ...
【技术保护点】
1.基于概率神经网络的水轮机运行故障诊断方法,其特征在于,所述方法包括:S1、将水轮机的主要相关工况参数与压力脉动信号进行特征融合形成融合特征向量,作为概率神经网络的输入,将水轮机的运行状态作为所述概率神经网络的输出,构建概率神经网络的故障诊断模型;S2、利用构建的故障诊断模型实时监测水轮机的运行状态,进行故障诊断。
【技术特征摘要】
1.基于概率神经网络的水轮机运行故障诊断方法,其特征在于,所述方法包括:S1、将水轮机的主要相关工况参数与压力脉动信号进行特征融合形成融合特征向量,作为概率神经网络的输入,将水轮机的运行状态作为所述概率神经网络的输出,构建概率神经网络的故障诊断模型;S2、利用构建的故障诊断模型实时监测水轮机的运行状态,进行故障诊断。2.根据权利要求1所述的基于概率神经网络的水轮机运行故障诊断方法,其特征在于,所述S1中,水轮机的主要相关工况参数的获取方法,包括:将水轮机运行工况和压力脉动信号一同作为特征进行识别,通过对历史数据进行互信息计算,并根据计算的互信息,求得水轮机各种工况参数对压力脉动信号影响的重要程度,进而求得水轮机的主要相关工况参数。3.根据权利要求2所述的基于概率神经网络的水轮机运行故障诊断方法,其特征在于,将每个压力脉动信号与所有工况参数之间的平均影响程度进行降序排序...
【专利技术属性】
技术研发人员:兰朝凤,李水静,刘岩,赵宏运,刘春东,
申请(专利权)人:哈尔滨理工大学,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。