一种水电机组故障预警方法、装置及终端制造方法及图纸

本发明专利技术公开一种水电机组故障预警方法、装置及终端，获取水电机组正常状态下的正常振动信号样本集，根据所述振动信号样本集提取振动信号特征；根据所述正常振动信号特征训练稀疏自编码器，将训练好的稀疏自编码器作为机组健康模型；根据所述水电机组正常状态下的正常振动信号样本集和所述机组健康模型确定所述水电机组的故障预警阈值；接收待预警的水电机组的振动信号样本，将所述振动信号样本输入所述机组健康模型，确定对应的特征量，根据所述特征量与所述故障预警阈值确定所述待预警的水电机组的工作状态；以水电机组正常状态振动信号特征为切入点，挖掘机组早期故障征兆，并在故障萌发阶段及时预警，能够提高水电机组故障预警的准确度。预警的准确度。预警的准确度。

【技术实现步骤摘要】
一种水电机组故障预警方法、装置及终端


[0001]本专利技术涉及水电机组故障预警领域，尤其涉及一种水电机组故障预警方法、装置及终端。

技术介绍

[0002]水电对保障电网安全稳定运行将发挥更加重要的作用。水电机组是水电能源转换的关键设备，其运行状态直接关系到水电能源转换效率。水电站的安全性和电网稳定性，掌握水电机组实时运行状态，及时发现故障征兆，并对设备故障做出快速精准的判断具有重要意义。
[0003]近年来，我国水电机组呈现向大型化、高集成化和智能化方向发展的趋势，机组部件结构日趋复杂，状态监测内容不断增多，状态维护工作更加繁重。目前，水电机组状态监测技术成熟，应用广泛，数据平台积累了海量机组运行数据，但这些数据缺乏科学有效的分析和利用，未能充分发挥其重要价值。随着水电站智能化建设不断推进，水电机组故障预警和诊断相关工作受到重视，为实现高效经济的预警和诊断，迫切需要提高数据利用率，挖掘数据中隐含的机组状态信息。
[0004]而在社会需求以及科学技术的带动下,故障诊断技术与系统的快速发展为水电机组依据其运行状态来进行实时监测与检修提供了实现的可能性,因此对水电机组故障诊断技术的研究就显得十分必要。

技术实现思路

[0005]本专利技术所要解决的技术问题是：提供一种水电机组故障预警方法、装置及终端，能够提高水电机组故障预警的准确度。
[0006]为了解决上述技术问题，本专利技术采用的一种技术方案为：
[0007]一种水电机组故障预警方法，包括步骤：
[0008]S1、获取水电机组正常状态下的正常振动信号样本集，根据所述振动信号样本集提取振动信号特征；
[0009]S2、根据所述正常振动信号特征训练稀疏自编码器，将训练好的稀疏自编码器作为机组健康模型；
[0010]S3、根据所述水电机组正常状态下的正常振动信号样本集和所述机组健康模型确定所述水电机组的故障预警阈值；
[0011]S4、接收待预警的水电机组的振动信号样本，将所述振动信号样本输入所述机组健康模型，确定对应的特征量，根据所述特征量与所述故障预警阈值确定所述待预警的水电机组的工作状态。
[0012]为了解决上述技术问题，本专利技术采用的另一种技术方案为：
[0013]一种水电机组故障预警装置，包括：
[0014]数据采集模块，用于获取水电机组正常状态下的正常振动信号样本集，根据所述
正常振动信号样本集提取振动信号特征；
[0015]机组健康模型训练模块，用于根据所述振动信号特征训练稀疏自编码器，将训练好的稀疏自编码器作为机组健康模型；
[0016]预警阈值计算模块，用于根据所述水电机组正常状态下的正常振动信号样本集和所述机组健康模型确定所述水电机组的故障预警阈值；
[0017]故障预警模块，用于接收待预警的水电机组的振动信号样本，将所述振动信号样本输入所述机组健康模型，确定对应的特征量，根据所述特征量与所述故障预警阈值确定所述待预警的水电机组的工作状态。
[0018]为了解决上述技术问题，本专利技术采用的另一种技术方案为：
[0019]一种水电机组故障预警终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述水电机组故障预警方法中的各个步骤。
[0020]本专利技术的有益效果在于：采用根据水电机组正常状态下的正常振动信号样本集提取的振动信号特征训练稀疏自编码器，得到能够量化水电机组振动状态异常变化程度的机组健康模型，基于该机组健康模型量化待预警的水电机组的振动信号样本对应的各个振动测点状态异常变化程度，并基于水电机组正常状态下的正常振动信号样本集和所述机组健康模型确定所述水电机组合理的故障预警阈值，通过将各个振动测点状态异常变化程度与故障预警阈值比对来确定待预警的水电机组的工作状态，以水电机组正常状态振动信号特征为切入点，挖掘机组早期故障征兆，并在故障萌发阶段及时预警，能够提高水电机组故障预警的准确度，对于提升机组状态维护水平，遏制故障蔓延具有重要意义。
附图说明
[0021]图1为本专利技术实施例的一种水电机组故障预警方法的步骤流程图；
[0022]图2为本专利技术实施例的一种水电机组故障预警装置的结构示意图；
[0023]图3为本专利技术实施例的一种水电机组故障预警终端的结构示意图；
[0024]图4为本专利技术实施例的稀疏自编码器的结构示意图；
[0025]图5为本专利技术实施例的一种水电机组故障预警方法的实现框图；
[0026]图6为本专利技术实施例的一种水电机组故障预警方法的详细步骤流程图。
具体实施方式
[0027]为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。
[0028]请参照图1，一种水电机组故障预警方法，包括步骤：
[0029]S1、获取水电机组正常状态下的正常振动信号样本集，根据所述振动信号样本集提取振动信号特征；
[0030]S2、根据所述正常振动信号特征训练稀疏自编码器，将训练好的稀疏自编码器作为机组健康模型；
[0031]S3、根据所述水电机组正常状态下的正常振动信号样本集和所述机组健康模型确定所述水电机组的故障预警阈值；
[0032]S4、接收待预警的水电机组的振动信号样本，将所述振动信号样本输入所述机组健康模型，确定对应的特征量，根据所述特征量与所述故障预警阈值确定所述待预警的水电机组的工作状态。
[0033]由上述描述可知，本专利技术的有益效果在于：采用根据水电机组正常状态下的正常振动信号样本集提取的振动信号特征训练稀疏自编码器，得到能够量化水电机组振动状态异常变化程度的机组健康模型，基于该机组健康模型量化待预警的水电机组的振动信号样本对应的各个振动测点状态异常变化程度，并基于水电机组正常状态下的正常振动信号样本集和所述机组健康模型确定所述水电机组合理的故障预警阈值，通过将各个振动测点状态异常变化程度与故障预警阈值比对来确定待预警的水电机组的工作状态，以水电机组正常状态振动信号特征为切入点，挖掘机组早期故障征兆，并在故障萌发阶段及时预警，能够提高水电机组故障预警的准确度，对于提升机组状态维护水平，遏制故障蔓延具有重要意义。
[0034]进一步地，所述根据所述振动信号样本集提取振动信号特征包括：
[0035]S11、将所述振动信号样本集中的振动信号样本加入随机白噪声，得到合成信号；
[0036]S12、采用线性外推法对所述合成信号进行端点延拓；
[0037]S13、对所述端点延拓后的合成信号进行EEMD分解，得到本征模态分量信号；
[0038]S14、重复执行预设次数的步骤S11
‑
S13，每次加入不同的随机白噪声；
[0039]S15、将预设次数得到的本征模态分量信号进行均值运算，得到振动信号特征。
[0040]由上述描述可知，采用改进EEMD算法提取振动信号特征能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水电机组故障预警方法，其特征在于，包括步骤：S1、获取水电机组正常状态下的正常振动信号样本集，根据所述振动信号样本集提取振动信号特征；S2、根据所述正常振动信号特征训练稀疏自编码器，将训练好的稀疏自编码器作为机组健康模型；S3、根据所述水电机组正常状态下的正常振动信号样本集和所述机组健康模型确定所述水电机组的故障预警阈值；S4、接收待预警的水电机组的振动信号样本，将所述振动信号样本输入所述机组健康模型，确定对应的特征量，根据所述特征量与所述故障预警阈值确定所述待预警的水电机组的工作状态。2.根据权利要求1所述的一种水电机组故障预警方法，其特征在于，所述根据所述振动信号样本集提取振动信号特征包括：S11、将所述振动信号样本集中的振动信号样本加入随机白噪声，得到合成信号；S12、采用线性外推法对所述合成信号进行端点延拓；S13、对所述端点延拓后的合成信号进行EEMD分解，得到本征模态分量信号；S14、重复执行预设次数的步骤S11
‑
S13，每次加入不同的随机白噪声；S15、将预设次数得到的本征模态分量信号进行均值运算，得到振动信号特征。3.根据权利要求1所述的一种水电机组故障预警方法，其特征在于，所述根据所述振动信号特征训练稀疏自编码器包括：接收特征参数确定请求，所述特征参数确定请求包括多个特征参数；采用聚类方法根据所述振动信号特征确定所述特征参数确定请求中的每个特征参数对应的评价指标值；选取评价指标值最大的特征参数作为目标特征参数；根据所述振动信号特征构建所述目标特征参数，根据所述目标特征参数训练稀疏自编码器。4.根据权利要求3所述的一种水电机组故障预警方法，其特征在于，所述采用聚类方法根据所述振动信号特征确定所述特征参数确定请求中的每个特征参数对应的评价指标值包括：每个特征参数对应的评价指标值s(k)的计算方法如下：式中，N为数据集样本数，k为所述数据集样本的簇类个数，Tr(B
k
)，Tr(W
k
)分别为簇间散度矩阵和簇类散度矩阵的迹，所述数据集为根据所选取的特征参数构建的振动信号的对应特征参数集；特征参数集；
式中，n
q
为簇类q的样本数，c
q
为簇类q的中心，c
e
为所述数据集的中心，c
q
为簇类q的样本集，x为c

【专利技术属性】
技术研发人员：陈学标，肖远辉，胡文庆，王昕，陈厚珍，肖志怀，王云鹤，
申请(专利权)人：福建水口发电集团有限公司，
类型：发明
国别省市：