基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法和装置制造方法及图纸

本发明专利技术涉及一种基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法和装置，包括获取抽水蓄能水电机组实时运行时轴承摆度的当前稳态数据，根据所述当前稳态数据、云模型和扩展隔离林模型，得到所述抽水蓄能水电机组实时运行的当前异常分数值；利用预设异常分数阈值范围对所述当前异常分数值进行归一化，得到所述抽水蓄能水电机组实时运行的当前健康度；采用所述抽水蓄能水电机组运行的历史健康度和所述当前健康度，对所述抽水蓄能水电机组的当前健康状态进行评估。本发明专利技术实现对抽水蓄能机组运行过程进行健康监测及异常检测，达到提前预警、避免故障发生的技术效果。

【技术实现步骤摘要】
基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法和装置
本专利技术涉及水电机组
，尤其涉及基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法和装置。
技术介绍
风能、太阳能等间歇性可再生能源在电力系统中所占比重将进一步增加。在此背景下为较好消纳不断并网的间歇性新能源，抽水蓄能电站在电网中的调峰调频、削峰填谷等作用进一步突显。繁重的调节任务以及频繁的启停机和工况切换使得抽水蓄能机组运行环境恶劣，部件疲劳损伤加剧一旦出现故障将会造成难以估量的损失，因此有必要对抽水蓄能机组运行状态进行监测以达到提前预警、避免故障发生的目的。针对抽水蓄能机组运行监测与故障检测问题，目前已有的研究大多是基于故障溯源的事后诊断理念，难以应用于运行实际。因此，如何基于海量状态监测数据，尤其是健康运行数据对抽水蓄能机组运行过程进行状态监测及异常检测是本领域技术人员亟待解决的技术问题。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足，提供基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法和装置。本专利技术解决上述技术问题的技术方案如下：一种基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法，所述方法包括：获取抽水蓄能水电机组实时运行时轴承摆度的当前稳态数据；根据所述当前稳态数据、云模型和扩展隔离林模型，得到所述抽水蓄能水电机组实时运行的当前异常分数值；利用预设异常分数阈值范围对所述当前异常分数值进行归一化，得到所述抽水蓄能水电机组实时运行的当前健康度；采用所述抽水蓄能水电机组运行的历史健康度和所述当前健康度，对所述抽水蓄能水电机组的当前健康状态进行评估。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步地，所述根据所述当前稳态数据、云模型、和扩展隔离林模型，得到所述抽水蓄能水电机组实时运行的当前异常分数值，具体包括：抽取所述当前稳态数据中的绝对健康样本；利用云模型对所述绝对健康样本数据进行定性定量双向分析，得到抽水蓄能水电机组健康运行的云模型表达，并根据所述云模型表达，得到增广后的绝对健康样本；根据增广后的绝对健康样本和扩展隔离林模型，得到所述当前异常分数值。进一步地，所述利用云模型，对所述绝对健康样本数据进行定性定量双向分析，得到抽水蓄能水电机组健康运行的云模型表达，据此实现绝对健康样本的增广，具体包括：将所述绝对健康样本数据中的摆度值数据输入云模型的逆向云计算公式，得到所述绝对健康样本数据的期望值Ex、熵值En和超熵值He，其中，所述摆度值数据包括上导轴承X向摆度值数据、上导轴承Y向摆度值数据、下导轴承X向摆度值数据和下导轴承Y向摆度值数据；再根据所述期望值Ex、所述熵值En和所述超熵值He，利用正向云模型，生成增广后的所述绝对健康样本。进一步地，所述根据所述增广后的健康样本集和扩展隔离林模型，得到所述抽水蓄能水电机组实时运行的当前异常分数值，具体包括：使用增广后的所述绝对健康样本遍历所述扩展隔离林模型中的每颗树，得到增广后的所述绝对健康样本在每颗树中经过的路径长度；根据增广后的所述绝对健康样本在每颗树中经过的路径长度计算增广后的所述绝对健康样本在扩展隔离林中的平均路径长度；根据所述平均路径长度，得到所述当前异常分数值。进一步地，所述异常分数阈值范围集包括所述抽水蓄能水电机组在健康状态时的第一预设异常分数阈值范围和所述抽水蓄能水电机组在异常状态时的第二预设异常分数阈值范围，其中，所述第二预设异常分数阈值范围的下限阈值是所述摆度值数据的预警值所对应异常分数值中最低异常分数；所述利用异常分数阈值范围集对所述当前异常分数值进行归一化，得到所述抽水蓄能水电机组实时运行的当前健康度，具体包括：根据增广后的所述绝对健康样本和异常分数统计公式，得到所述第一预设异常分数阈值范围的上限阈值；当所述当前异常分数值低于所述第一异常分数阈值范围的上限阈值时，所述当前健康度为第一预设值；当所述当前异常分数值高于所述第二异常分数阈值范围的下限阈值时，所述当前健康度为第二预设值；当所述当前异常分数值高于所述第一异常分数阈值范围的上限阈值，且低于所述第二异常分数阈值范围的下限阈值时，根据公式得到所述当前健康度h，其中s是所述当前异常分数值，L为所述第一异常分数阈值范围的上限阈值，H为所述第二异常分数阈值范围的下限阈值。进一步地，所述根据增广后的所述绝对健康样本和异常分数统计公式，得到所述第一预设异常分数阈值范围的上限阈值，具体包括：将增广后的所述绝对健康样本输入至异常分数统计公式，得到均值μ＝(s1+s2+…+sn)/n，标准差其中，n为所述增广健康样本的样本总数，si为第i组增广后的所述绝对健康样本的异常分数；根据所述均值μ和所述标准差σ，得到所述第一预设异常分数阈值范围的上限阈值。本方法专利技术的有益效果是：提出了一种基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法，包括获取抽水蓄能水电机组实时运行时轴承摆度的当前稳态数据，根据所述当前稳态数据、云模型和扩展隔离林模型，得到所述抽水蓄能水电机组实时运行的当前异常分数值；利用预设异常分数阈值范围对所述当前异常分数值进行归一化，得到所述抽水蓄能水电机组实时运行的当前健康度；采用所述抽水蓄能水电机组运行的历史健康度和所述当前健康度，对所述抽水蓄能水电机组的当前健康状态进行评估。本专利技术实现对抽水蓄能机组运行过程进行健康监测及异常检测，达到提前预警、避免故障发生的技术效果。本专利技术还解决上述技术问题的另一种技术方案如下：一种基于扩展隔离林和云模型的抽水蓄能水电机组健康评估装置，所述装置包括：获取模块，用于获取抽水蓄能水电机组实时运行时轴承摆度的当前稳态数据；异常分数计算模块，用于根据所述当前稳态数据、云模型和扩展隔离林模型，得到所述抽水蓄能水电机组实时运行的当前异常分数值；健康度计算模块，用于利用预设异常分数阈值范围对所述当前异常分数值进行归一化，得到所述抽水蓄能水电机组实时运行的当前健康度；评估模块，用于采用所述抽水蓄能水电机组运行的历史健康度和所述当前健康度，对所述抽水蓄能水电机组的当前健康状态进行评估。进一步地，所述异常分数计算模块，具体用于抽取所述当前稳态数据中的绝对健康样本；利用云模型对所述绝对健康样本数据进行定性定量双向分析，得到抽水蓄能水电机组健康运行的云模型表达，并根据所述云模型表达，得到增广后的绝对健康样本；根据增广后的绝对健康样本和扩展隔离林模型，得到所述当前异常分数值。进一步地，所述异常分数计算模块，还具体用于将所述绝对健康样本数据中的摆度值数据输入云模型的逆向云计算公式，得到所述绝对健康样本数据的期望值Ex、熵值En和超熵值He，其中，所述摆度值数据包括上导轴承X向摆度值数据、上导轴承Y向摆度值数据、下导轴承X向摆度值数据和下导轴承Y向摆度值数据；再根据所述期望值Ex、所述熵值E本文档来自技高网...

【技术保护点】
1.一种基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法，其特征在于，所述方法包括：/n获取抽水蓄能水电机组实时运行时轴承摆度的当前稳态数据；/n根据所述当前稳态数据、云模型和扩展隔离林模型，得到所述抽水蓄能水电机组实时运行的当前异常分数值；/n利用异常分数阈值范围集对所述当前异常分数值进行归一化，得到所述抽水蓄能水电机组实时运行的当前健康度；/n采用所述抽水蓄能水电机组运行的历史健康度和所述当前健康度，对所述抽水蓄能水电机组的当前健康状态进行评估。/n

【技术特征摘要】
1.一种基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法，其特征在于，所述方法包括：
获取抽水蓄能水电机组实时运行时轴承摆度的当前稳态数据；
根据所述当前稳态数据、云模型和扩展隔离林模型，得到所述抽水蓄能水电机组实时运行的当前异常分数值；
利用异常分数阈值范围集对所述当前异常分数值进行归一化，得到所述抽水蓄能水电机组实时运行的当前健康度；
采用所述抽水蓄能水电机组运行的历史健康度和所述当前健康度，对所述抽水蓄能水电机组的当前健康状态进行评估。


2.根据权利要求1所述的基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法，其特征在于，所述根据所述当前稳态数据、云模型和扩展隔离林模型，得到所述抽水蓄能水电机组实时运行的当前异常分数值，具体包括：
抽取所述当前稳态数据中的绝对健康样本；
利用云模型对所述绝对健康样本数据进行定性定量双向分析，得到抽水蓄能水电机组健康运行的云模型表达，并根据所述云模型表达，得到增广后的绝对健康样本；
根据增广后的绝对健康样本和扩展隔离林模型，得到所述当前异常分数值。


3.根据权利要求2所述的基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法，其特征在于，所述利用云模型对所述绝对健康样本数据进行定性定量双向分析，得到抽水蓄能水电机组健康运行的云模型表达，并根据所述云模型表达，得到增广后的绝对健康样本，具体包括：
将所述绝对健康样本数据中的摆度值数据输入云模型的逆向云计算公式，得到所述绝对健康样本数据的期望值Ex、熵值En和超熵值He，其中，所述摆度值数据包括上导轴承X向摆度值数据、上导轴承Y向摆度值数据、下导轴承X向摆度值数据和下导轴承Y向摆度值数据；
再根据所述期望值Ex、所述熵值En和所述超熵值He，利用正向云模型，生成增广后的所述绝对健康样本。


4.根据权利要求2所述的基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法，其特征在于，所述根据增广后的绝对健康样本和扩展隔离林模型，得到所述当前异常分数值，具体包括：
使用增广后的所述绝对健康样本遍历所述扩展隔离林模型中的每颗树，得到增广后的所述绝对健康样本在每颗树中经过的路径长度；
根据增广后的所述绝对健康样本在每颗树中经过的路径长度计算增广后的所述绝对健康样本在扩展隔离林中的平均路径长度；
根据所述平均路径长度，得到所述当前异常分数值。


5.根据权利要求2所述的基于扩展隔离林和云模型的抽水蓄能水电机组健康评估方法，其特征在于，
所述异常分数阈值范围集包括所述抽水蓄能水电机组在健康状态时的第一预设异常分数阈值范围和所述抽水蓄能水电机组在异常状态时的第二预设异常分数阈值范围，其中，所述第二预设异常分数阈值范围的下限阈值是所述摆度值数据的预警值所对应异常分数值中最低异常分数；
所述利用异常分数阈值范围集对所述当前异常分数值进行归一化，得到所述抽水蓄能水电机组实时运行的当前健康度，具体包括：
根据增广后的所述绝对健康样本和异常分数统计公式，得到所述第一预设异常分数阈值范围的上限阈值；
当所述当前异常分数值低于所述第一异常分数阈值范围的上限阈值时，所述当前健康度为第一预设值；

【专利技术属性】
技术研发人员：张孝远，张金浩，李超顺，蒋亚俊，陈鹏，赵宇杰，杨立新，张金鹏，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：河南;41