一种长期服役抽水蓄能机组性能异常预警方法技术

本发明专利技术属于水电机组运行维护工程技术领域，具体公开了一种长期服役抽水蓄能机组性能异常预警方法，该方法包括以下步骤：获取并分析抽水蓄能机组运行初期不同工况下的状态监测数据，确定机组的标准健康状态；根据机组的标准健康状态，选取有功功率和工作水头作为反映机组运行状态的敏感特征参数，建立并验证基于分箱最近邻法的回归健康模型，获得机组标准健康模型；获取机组实时在线监测数据中的运行工况数据，将其输入机组标准健康模型，计算当前工况下的健康值；将健康值和实测值比较，获得偏差，并进行阈值校验，若发生超限，则生成对应报警事件。实际预测结果表明，该方法能获得很好的计算精度，具有很好的应用前景。具有很好的应用前景。具有很好的应用前景。

【技术实现步骤摘要】
一种长期服役抽水蓄能机组性能异常预警方法


[0001]本专利技术属于水电机组运行维护
，具体涉及一种长期服役抽水蓄能机组性能异常预警方法。

技术介绍

[0002]抽水蓄能机组各设备随着累积运行时间的增加，不断劣化。如何有效地确定机组的真实状态，以便及时发现机组异常，合理安排检修，是抽水蓄能机组由计划检修向状态检修转变的重要课题。
[0003]目前抽水蓄能机组故障诊断技术还不能满足现场需求，其主要原因就是抽水蓄能机组故障的复杂性和故障样本的匮乏。随着电站状态监测系统不断完善，机组运行正常时的状态数据越来越多。如何充分利用现有状态监测数据，挖掘出机组可用的信息至关重要。为及早发现机组异常，需对机组劣化趋势进行提前预警，尽可能减少事故发生的机率。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术的目的在于提供一种长期服役抽水蓄能机组性能异常预警方法。该方法可以有效地应用于抽水蓄能机组异常状态预警，为机组状态分析提供了一种新的方法。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0006]提供一种长期服役抽水蓄能机组性能异常预警方法，该方法包括以下步骤：
[0007]S1、获取并分析抽水蓄能机组运行初期不同工况下的状态监测数据，确定机组的标准健康状态；
[0008]S2、根据机组的标准健康状态，选取有功功率和工作水头作为反映机组运行状态的敏感特征参数，建立基于分箱最近邻法的回归模型，获得机组标准健康模型；
[0009]S3、获取机组实时在线监测数据中的运行工况数据，将其输入机组标准健康模型，计算当前工况下的健康值；
[0010]S4、将健康值和实测值比较，获得偏差，并进行阈值校验，若发生超限，则生成对应报警事件。
[0011]进一步地，步骤S2中，建立分箱最近邻法的回归模型包括以下步骤：
[0012]S2
‑
1、根据公式：
[0013][0014]获取两个对象之间的相似性S
st
；其中：d
st
是对象s和t之间的马氏距离，x
s
和x
t
是对象s和t的特征向量，S
‑1是训练集协方差矩阵的逆矩阵；
[0015]S2
‑
2、根据公式：
[0016][0017]获取预测响应y
s
；其中：y
t
和w
t
分别是第t个邻居的响应和权重，总和超过k个邻居；S
st
是对象s和t之间的相似性，并且总和再次运行在k个最近的邻居上；
[0018]S2
‑
3、根据公式：
[0019][0020]获取bin宽度其中：m＝1，2，
…
，10，α为bin阈值；用于定义bin阈值的最佳指数α在[0.1，2]范围内采用圆形搜索算法进行搜索。
[0021]进一步地，圆形搜索算法具体包括以下步骤：
[0022]S1、将搜索代理在搜索空间的上限值(UB)和下限值(LB)之间初始化，如下式所示：
[0023]X
t
＝LB+r
×
(UB
‑
LB)
[0024]式中：X
t
为搜索个体，另有N个；B和LB分别为变量的上、下限值；r为0到1之间均匀分布的随机数；
[0025]S2、计算所有搜索个体的适应度函数f(X
t
)：
[0026]将分别输入到分箱最近邻法模型，根据公式：
[0027][0028]获取每个位置的代价函数值J
i
；其中：m为采集数据的个数；y
i
为实际输出的第i个真实值；为分箱最近邻法模型输出的第i个回归值；
[0029]S3、令f(X
c
)＝minf(X
t
)，X
c
＝X
t
；
[0030]S4、输入常数值c(c∈[0，1])，令Iter＝0，Maxiter＝500；
[0031]S5、如果Iter小于Maxiter，进入S6；否则，进入S9；
[0032]S6、更新搜索位置；
[0033]根据以下公式分别计算w、a、p：
[0034]w＝w
×
rand
‑
w
[0035][0036][0037]式中：rand是介于0和1之间的随机数，Iter代表迭代计数器，Maxiter代表最大迭代次数，随着迭代次数的增加，变量w从
‑
π变为0；变量a从π变为0；变量p从1变为0；
[0038]根据以下公式计算θ：
[0039][0040]式中：角度θ从
‑
π到0之间变化；c是介于0和1之间的常数，代表最大迭代次数的百
分比；
[0041]根据评估的最佳位置X
c
更新搜索X
t
的位置，如下式所示：
[0042]X
t
＝X
c
+(X
c
‑
X
t
)
×
tan(θ)
[0043]如果更新的搜索位置超出边界，则设置搜索位置等于边界；
[0044]S7、计算f(X
t
)：
[0045]如果f(X
t
)<f(X
c
)，令f(X
c
)＝f(X
t
)，X
c
＝X
t
，进入S8；否则，直接进入S8；
[0046]S8、Iter＝Iter+1，进入S5；
[0047]S9、输出f(X
c
)和X
c
。
[0048]本专利技术的有益效果为：
[0049]本专利技术提出了基于分箱最近邻法和圆形搜索法的长期服役抽水蓄能机组性能异常预警方法，引入圆形搜索法的寻优功能对分箱最近邻法的参数进行优化，使模型具有一定的有效性和泛化性，并以某抽蓄机组运行数据为例，对不同负荷、不同水头下机组振动进行了分析，并通过振动实测值与模型预测目标值对比，实现对机组运行状态的评估，为机组运行优化及故障预警提供了参考依据。实际预测结果表明，该方法能获得很好的计算精度，具有很好的应用前景。
附图说明
[0050]图1为本专利技术实施例提供的机组运行功率数据示意图；
[0051]图2为本专利技术实施例提供的机组运行工作水头数据示意图；
[0052]图3为本专利技术实施例提供的机组上机架X向水平振动示意图；
[0053]图4为本专利技术实施例提供的抽水蓄能机组振动
‑
功率
‑
水头三维曲面图；
[0054]图5为本专利技术实施例提供的测试样本的计算结果示意图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种长期服役抽水蓄能机组性能异常预警方法，其特征在于，包括以下步骤：S1、获取并分析抽水蓄能机组运行初期不同工况下的状态监测数据，确定机组的标准健康状态；S2、根据机组的标准健康状态，选取有功功率和工作水头作为反映机组运行状态的敏感特征参数，建立基于分箱最近邻法的回归模型，获得机组标准健康模型；S3、获取机组实时在线监测数据中的运行工况数据，将其输入机组标准健康模型，计算当前工况下的健康值；S4、将健康值和实测值比较，获得偏差，并进行阈值校验，若发生超限，则生成对应报警事件。2.根据权利要求1所述的长期服役抽水蓄能机组性能异常预警方法，其特征在于，步骤S2中，建立分箱最近邻法的回归模型包括以下步骤：S2
‑
1、根据公式：获取两个对象之间的相似性S
st
；其中：d
st
是对象s和t之间的马氏距离，x
s
和x
t
是对象s和t的特征向量，S
‑1是训练集协方差矩阵的逆矩阵；S2
‑
2、根据公式：获取预测响应y
s
；其中：y
t
和w
t
分别是第t个邻居的响应和权重，总和超过k个邻居；S
st
是对象s和t之间的相似性，并且总和再次运行在k个最近的邻居上；S2
‑
3、根据公式：获取bin宽度其中：m＝1，2，
…
，10，α为bin阈值；用于定义bin阈值的最佳指数α在[0.1，2]范围内采用圆形搜索算法进行搜索。3.根据权利要求2所述的长期服役抽水蓄能机组性能异常预警方法，其特征在于，所述圆形搜索算法具体包括以下步骤：S1、将搜索代理在搜索空间的上限值(UB)和下限值(LB)之间初始化，如下式所示：X
t
＝LB+r
×
(UB
‑
LB)式中：X
t
为搜索个体，另有N个；B和LB分别为变量的上、下限值；r为0到1之间均匀分布的随机数；S2、计算...

【专利技术属性】
技术研发人员：马聖恒，李刚，孔令杰，霍献东，吴小锋，贾瑞卿，王啸，蔡元飞，
申请(专利权)人：河南国网宝泉抽水蓄能有限公司，
类型：发明
国别省市：