一种发电机故障诊断与健康状态评估方法和电子设备技术

本发明专利技术涉及一种发电机故障诊断与健康状态评估方法和电子设备，包括：获取发电机的状态监测数据；对所述状态监测数据进行预处理，获得预处理数据；对所述预处理数据进行聚类处理，获得聚类数据；对所述聚类数据进行异常检测处理，获得预测值；基于所述预测值对发电机进行故障诊断与健康状态评估。本发明专利技术可实现对发电机的故障诊断，以及实现对发电机的健康评估，避免了传统状态检测与故障诊断方法的不足，进一步提高了发电机状态监测与故障诊断效率，提升了核电机组安全性能，提高了实际工程应用价值。应用价值。应用价值。

【技术实现步骤摘要】
一种发电机故障诊断与健康状态评估方法和电子设备


[0001]本专利技术涉及发电机故障诊断的
，更具体地说，涉及一种发电机故障诊断与健康状态评估方法和电子设备。

技术介绍

[0002]发电机的安全与稳定运行是核电机组稳定运行的先决条件，对发电机进行实时状态监测与故障诊断可及时发现潜在异常，对于保证发电机稳定运行具有重大意义。发电机一般由定子、转子、端盖、机座以及轴承等零部件组成，而每个单独的零部件又由很多零部件组成。由于发电机的组成元件过于复杂，因此，如何有效设计发电机的监测点，有效提取到发电机的状态信息就尤为困难。因此，有效地对发电机进行状态监测和故障诊断具有很高的工程应用价值与实际意义。其中，有文献提出对发电机的主要零部件进行振动监测，然后对关键零部件进行故障诊断，但是没有对发电机的整体状态进行评估。有文献对发电机的运行状态进行监测，但没有进行故障诊断。
[0003]目前故障诊断所存在的难点题在于：1)发电机的组成零部件太复杂，造成干扰源较多，很难精准提取到发电机有效故障特征信息；
[0004]2)故障诊断的理论研究与工程应用存在差距，有些故障诊断技术不能直接用于发电机。

技术实现思路

[0005]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种发电机故障诊断与健康状态评估方法和电子设备。
[0006]本专利技术解决其技术问题所采用的技术方案是：构造一种发电机故障诊断与健康状态评估方法，包括：
[0007]获取发电机的状态监测数据；
[0008]对所述状态监测数据进行预处理，获得预处理数据；
[0009]对所述预处理数据进行聚类处理，获得聚类数据；
[0010]对所述聚类数据进行异常检测处理，获得预测值；
[0011]基于所述预测值对发电机进行故障诊断与健康状态评估。
[0012]其中，所述对所述状态监测数据进行预处理，获得预处理数据包括：
[0013]对所述状态监测数据进行数据清洗，获取所述预处理数据。
[0014]其中，所述对所述状态监测数据进行数据清洗，获取所述预处理数据包括：
[0015]对所述状态监测数据进行去重处理、去空处理、以及对缺失值的数据进行补全处理，获得所述预处理数据。
[0016]其中，所述对所述预处理数据进行聚类处理，获得聚类数据包括：
[0017]对所述预处理数据进行降维处理，获得经过降维后的数据；
[0018]对所述经过降维后的数据进行归一化处理，获得归一化后的数据；
[0019]采用密度聚类法对所述归一化后的数据进行聚类，获得所述聚类数据。
[0020]其中，所述采用密度聚类法对所述归一化后的数据进行聚类，获得所述聚类数据包括：
[0021]获取所述归一化后的数据中每个数据点的δ邻域；
[0022]根据所述每个数据点的δ邻域进行簇搜索；
[0023]判断簇内的每一个数据点是否满足聚类条件，若是，则对该簇进行拓展，否则，将该数据点为噪声点；
[0024]重复执行聚类条件判断，直至没有新的数据点添加至任意一个簇时，迭代结束，获得所述聚类数据。
[0025]其中，所述方法还包括：
[0026]判断所述每个数据点中的任意一个数据点的δ邻域包含的数量；
[0027]若所述任意一个数据点的δ邻域包含的数量大于给定点数，则创建一个以该数据点为核心对象的簇。
[0028]其中，所述对所述聚类数据进行异常检测处理，获得预测值包括：
[0029]对所述聚类数据采用SOM异常检测法进行异常检测处理，获得所述预测值。
[0030]其中，所述对所述聚类数据采用SOM异常检测法进行异常检测处理，获得所述预测值包括：
[0031]对所述聚类数据进行归一化处理，获得归一化后的聚类数据；
[0032]对所述归一化后的聚类数据反复训练SOM；
[0033]根据反复训练结果，确定最佳匹配单元；
[0034]基于所述最佳匹配单元，获得所述预测值。
[0035]其中，所述对所述归一化后的聚类数据反复训练SOM包括：
[0036]每训练一步，计算SOM权值与归一化后的聚类数据之间的欧式距离；
[0037]选取最短的欧式距离；
[0038]根据所述最短欧式距离确定所述最佳匹配单元；
[0039]所述最佳匹配单元为与所述最短欧式距离对应的神经元。
[0040]其中，所述基于所述最佳匹配单元，获得所述预测值包括：
[0041]根据所述最佳匹配单元，获得所述最佳匹配单元对应的权值矢量；
[0042]计算所述最佳匹配单元对应的权值矢量与输入特征矢量之间的距离；
[0043]所述最佳匹配单元对应的权值矢量与输入特征矢量之间的距离为所述预测值。
[0044]实施本专利技术的发电机故障诊断与健康状态评估方法，具有以下有益效果：包括：获取发电机的状态监测数据；对所述状态监测数据进行预处理，获得预处理数据；对所述预处理数据进行聚类处理，获得聚类数据；对所述聚类数据进行异常检测处理，获得预测值；基于所述预测值对发电机进行故障诊断与健康状态评估。本专利技术可实现对发电机的故障诊断，以及实现对发电机的健康评估，避免了传统状态检测与故障诊断方法的不足，进一步提高了发电机状态监测与故障诊断效率，提升了核电机组安全性能，提高了实际工程应用价值。
附图说明
[0045]下面将结合附图及实施例对本专利技术作进一步说明，附图中：
[0046]图1是本专利技术实施例提供的发电机故障诊断与健康状态评估方法的流程示意图；
[0047]图2是采用本专利技术实施例提供的发电机故障诊断与健康状态评估方法诊断示意图。
具体实施方式
[0048]为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。
[0049]本专利技术提供了一种发电机故障诊断与健康状态评估方法，该方法采用数据挖掘技术与人工智能技术相结合，在实现发电机状态监测的基础上，更一步实时了对发电机的故障诊断，并基于故障诊断分析结果提出发电机健康状态评估意见，有效打破了传统方法对发电机故障监测诊断的局限性，并且为后续发电机的剩余使用寿命预测提供了基础保证，具有很高的工程应用价值与实际意义。
[0050]具体的，参考图1，图1为本专利技术实施例提供的发电机故障诊断与健康状态评估方法的流程示意图。
[0051]如图1所示，该发电机故障诊断与健康状态评估方法包括：
[0052]步骤S101、获取发电机的状态监测数据。
[0053]一些实施例中，发电机的状态监测数据包括：发电机的电参数和发电机的设备参数。其中，发电机的电参数包括但不限于发电机的电压、发电机的电流、发电机的有功功率等。发电机的设备参数包括但不限于发电机的压力、发电机的温度、发电机的转速、发电机的加速度、发电要的位移、发电机的速度等。可选的发电机的状态监测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发电机故障诊断与健康状态评估方法，其特征在于，包括：获取发电机的状态监测数据；对所述状态监测数据进行预处理，获得预处理数据；对所述预处理数据进行聚类处理，获得聚类数据；对所述聚类数据进行异常检测处理，获得预测值；基于所述预测值对发电机进行故障诊断与健康状态评估。2.根据权利要求1所述的发电机故障诊断与健康状态评估方法，其特征在于，所述对所述状态监测数据进行预处理，获得预处理数据包括：对所述状态监测数据进行数据清洗，获取所述预处理数据。3.根据权利要求2所述的发电机故障诊断与健康状态评估方法，其特征在于，所述对所述状态监测数据进行数据清洗，获取所述预处理数据包括：对所述状态监测数据进行去重处理、去空处理、以及对缺失值的数据进行补全处理，获得所述预处理数据。4.根据权利要求1所述的发电机故障诊断与健康状态评估方法，其特征在于，所述对所述预处理数据进行聚类处理，获得聚类数据包括：对所述预处理数据进行降维处理，获得经过降维后的数据；对所述经过降维后的数据进行归一化处理，获得归一化后的数据；采用密度聚类法对所述归一化后的数据进行聚类，获得所述聚类数据。5.根据权利要求4所述的发电机故障诊断与健康状态评估方法，其特征在于，所述采用密度聚类法对所述归一化后的数据进行聚类，获得所述聚类数据包括：获取所述归一化后的数据中每个数据点的δ邻域；根据所述每个数据点的δ邻域进行簇搜索；判断簇内的每一个数据点是否满足聚类条件，若是，则对该簇进行拓展，否则，将该数据点为噪声点；重复执行聚类条件判断，直至没有新的数据点添加至任意一个簇时，迭代结束，获得所述聚类数...

【专利技术属性】
技术研发人员：崔妍，陈世均，王晓，黄立军，夏玉秋，
申请(专利权)人：苏州热工研究院有限公司中国广核集团有限公司中国广核电力股份有限公司，
类型：发明
国别省市：