【技术实现步骤摘要】
一种基于决策树模型的水电机组多维振动区精细划分方法
本专利技术涉及水电机组
，尤其是涉及一种基于决策树模型的水电机组多维振动区精细划分方法。
技术介绍
水电机组的振动由水力因素、机械因素、电气因素共同影响，具有耦合性及复杂性。水电机组在电网中多承担调峰调频的角色，机组可能运行的负荷范围较广，在分配水电机组出力时必须考虑水轮机的振动，避免其在振动区工作。当振动在合理范围内时，机组可以安全稳定运行，如果振动过于剧烈，则会劣化电厂的经济效益及缩短机组的使用寿命，甚至易使得零件疲劳断裂，造成严重的事故。现有的振动区划分方法多基于稳定性试验，仅考虑了有限水头和部分负荷时的数据，数据量不足，数据覆盖面不够，所划分振动区往往与真实情况易存在较大误差。可基于机组海量在线监测数据，建立大数据挖掘算法模型，实现振动区更精细化的划分，使其贴近机组实际情况。大数据挖掘模型面临两大挑战：数据量、数据多样性，因此数据清洗工作具有较大必要性。数据清洗工作主要包括对空值数据、不同类型数据以及明显有误的数据进行处理，保证数据的有效性及格式一致，便于后续...
【技术保护点】
1.一种基于决策树模型的水电机组多维振动区精细划分方法，其特征是，包括以下步骤：/nS1、获取机组状态监测系统工况参数和稳定性参数，并进行数据清洗；/nS2、确定机组稳定性参数阈值；/nS3、构建判断矩阵并划分训练集和测试集；/nS4、以训练集建立决策树模型；/nS5、以测试集完成精度测试，并代入决策树模型，预测新工况是否属于振动区。/n
【技术特征摘要】
1.一种基于决策树模型的水电机组多维振动区精细划分方法，其特征是，包括以下步骤：
S1、获取机组状态监测系统工况参数和稳定性参数，并进行数据清洗；
S2、确定机组稳定性参数阈值；
S3、构建判断矩阵并划分训练集和测试集；
S4、以训练集建立决策树模型；
S5、以测试集完成精度测试，并代入决策树模型，预测新工况是否属于振动区。
2.根据权利要求1所述的一种基于决策树模型的水电机组多维振动区精细划分方法，其特征是，所述步骤S1中工况参数包括有功功率、水头、导叶开度、上游水位、下游水位、无功功率、励磁电流和励磁电压；所述稳定性参数包括上导X向摆度、上导Y向摆度、下导X向摆度、下导Y向摆度、水导X向摆度、水导Y向摆度、上机架X向振动、上机架Y向振动、上机架Z向振动、下机架X向振动、下机架Y向振动、下机架Z向振动、定子机架X向振动、定子机架Y向振动、定子机架Z向振动、顶盖X向振动、顶盖Y向振动、顶盖Z向振动、尾水管进口1处压力脉动、尾水管进口2处压力脉动、尾水管进口处压力脉动、尾水管出口处压力脉动和导叶出口处压力脉动。
3.根据权利要求2所述的一种基于决策树模型的水电机组多维振动区精细划分方法，其特征是，所述数据清洗具体包括以下步骤：
S101、删除所有记录中水头数值小于0以及大于最大水头的整条数据；
S102、删除所有记录中有功功率数值小于0以及大于允许输出的最大有功功率的整条数据；
S103、删除所有记录中各稳定性参数数值处于异常区间的整条数据。
4.根据权利要求1所述的一种基于决策树模型的水电机组多维振动区精细划分方法，其特征是，所述步骤S2具体包括：
S201、查找相关规程中规定的各个测点的阈值；
S202、根据规程中提出的计算方法，结合该电站机组各项参数计算阈值；
S203、将规定的各个测点的阈值、计算阈值和机组整定单阈值进行比较，在三者中取小值作为机组稳定性参数阈值。
5.根据权利要求4所述的一种基于决策树模型的水电机组多维振动区精细划分方法，其特征是，所述规程包括《水轮发电机基本技术条件》GB/T7894-2009、《水轮发电机组安装技术规范》GB/T8564-2003、《水轮机基本技术条件》GB/T15468-2006及《旋转机械转轴水平振动的测量和评定》GB/T11348.5...
【专利技术属性】
技术研发人员：张长伟，陈启卷，刘宛莹，王卫玉，李德红，段文华，雷怡俊，陈志雄，
申请(专利权)人：国网浙江省电力有限公司紧水滩水力发电厂，武汉大学，
类型：发明
国别省市：浙江;33
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。