一种水轮机组异常运行行为预测预警方法技术

本发明专利技术公开了一种水轮机组异常运行行为预测预警方法，通过异常度的大小可以判断当前水轮机组运行状态的好坏，且被判定为异常的数据可以直观看出异常的监测量，可以实现对水轮机组运行行为监测和异常预警，为水电厂智能化管理做支撑，提高电厂运行效率，降低运营成本，增强电厂工作人员的幸福感

【技术实现步骤摘要】
一种水轮机组异常运行行为预测预警方法


[0001]本专利技术涉及电力
，尤其涉及一种水轮机组异常运行行为预测预警方法
。

技术介绍

[0002]传统的水轮机组异常状态通过水轮机组设备特征测点测值的正常与否来判定机组状态是否异常，对单个测点一般通过“整定阈值”来衡量异常情况，如果测点数据在规定的阈值的范围内，视为正常数据；如果测点数据超过阈值范围，则该测点数据被认为是异常数据
。
该方法仅适用于故障发生后的确认定位，很难在故障发展早期实现异常告知，起不到早期预警的作用，且阈值超限报警是针对单一监测参数而言，未考虑参数间的相关关系
。
同时，为了防止误报，阈值范围一般设置较大，在较显著的异常发生时，才能触发报警机制，对于异常报警不够灵活，易造成不可挽回的损失
。

技术实现思路

[0003]本专利技术的目的就在于为了解决上述问题而提供一种水轮机组异常运行行为预测预警方法，本专利技术利用机组在过去正常运行时积累的大量正常数据，建立水轮机组异常状态预测预警模型，能实现水轮机组整体异常状态实时监测，在机组状态出现异常趋势时能提前预警，以提示现场工作人员及时采取相关措施有效保护机组的安全运行
。
[0004]本专利技术通过以下技术方案来实现上述目的：
[0005]一种水轮机组异常运行行为预测预警方法，包括以下步骤：
[0006]步骤1：数据准备，包括：
[0007]数据提取；从水轮机组监测系统中挑选出能够反映水轮机组状态的多个典型监测量，根据监测量按照时间周期进行提取制作成数据表；
[0008]历史数据预处理；将提取出的多个监测量历史数据进行缺失值和重复值处理，缺失值按照该数据的前值进行补充，如果某条数据所有值和数据表中某条数据完全一样便删除该条数据；
[0009]步骤2：数据预测模型的构建，包括：
[0010]采用基于最近邻的预测模型算法，进行模型构建：
[0011]假设从步骤1选取的反映水轮机组状态的监测量有
n
个，其中数据表的数据条数为
m
，则反映水轮机组状态的实时数据的维度为
n
，可以表示为
[x
1 x2…
x
n
]，水轮机组历史数据表示为预测模型算法原理为分别计算历史数据表中的各条数据和实时数据的距离，如实时数据与历史数据表中第
j
条数据的距离
L
j
如式
(1)
：
[0012][0013]将计算出的
m
个距离中最小的那条数据作为水轮机组运行状态实时数据的预测值，并将该距离的值定义为水轮机组运行状态的异常度；
[0014]步骤3：水轮机组异常行为预警，具体包括：
[0015]异常度序列构建；结合机组运行规律，设定近期恰当时间长度
(
如近6个月
)
的水轮机组状态数据分别和此前的水轮机组历史数据代入步骤2构建的数据预测模型，得到设定时间范围的各个水轮机组状态数据的异常度；
[0016]采用
Pauta
准则构建实时水轮机组异常度的预警阈值；采用
Pauta
准则对异常度序列进行计算，得到实时采集数据对应异常度的判定标准值，如果实时水轮机组异常度的值大于判定标准值则当前水轮机组状态被判定为异常，反之则被判定为健康；
[0017]预警分析及告警输出；如果实时水轮机组异常度被判定为健康，则结束计算流程，存储数据；如果实时水轮机组异常度被判定为异常，则计算当前水轮机组状态数据中与预测值偏差明显偏大的监测量，以分析得到需关注的监测量，方法如下：
[0018]若水轮机组运行实时数据的预测值为历史数据表中第
j
条数据，则第
i
个监测量的偏差值如式
(2)
：
[0019]Δ
ji
＝
(y
ji
‑
x
i
)2，其中
1≤j≤m,1≤i≤n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0020]计算
n
个监测量的偏差值，取其中偏差值大于平均偏差值的监测量作为需关注的监测量
。
[0021]进一步方案为，所述步骤1中，典型监测量包括水轮机组水头
、
有功功率和无功功率
、
轴承温度
、
定转子温度
、
技术供水压力和流量
、
励磁电流
、
冷却水温度等监测量
。
[0022]进一步方案为，所述步骤3中，预警信息以包含时间
、
需要关注的监测量和对应偏差值进行告警发布
。
[0023]本专利技术的有益效果在于：
[0024]本专利技术的一种水轮机组异常运行行为预测预警方法，通过异常度的大小可以判断当前水轮机组运行状态的好坏，且被判定为异常的数据可以直观看出异常的监测量，可以实现对水轮机组运行行为监测和异常预警，为水电厂智能化管理做支撑，提高电厂运行效率，降低运营成本，增强电厂工作人员的幸福感
。
[0025]本专利技术利用水轮机组正常运行时积累的海量状态信息，利用历史数据库的运行数据实现当前水轮机组的运行状态预测，计算量上并不复杂，该方法切实可行
。
附图说明
[0026]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要实用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0027]图1为本专利技术流程图
。
具体实施方式
[0028]为使本专利技术的目的
、
技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述
。
显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基
于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本专利技术所保护的范围
。
[0029]在任一实施例中，如图1所示，本专利技术的一种水轮机组异常运行行为预测预警方法，以某电厂
02F
水轮发电机运行数据为例，对本专利技术作进一步详细说明：
[0030]本专利技术实现水轮机组异常运行状态的实时识别和分析，即首先进行数据提取和预处理做好计算数据准备，然后对数据构建预测模型计算得到机组运行异常度，再采用
Pauta
准则构建预警阈值以实现水轮机组异常预警，并对异常数据进行分析得到细化的预警信息从而输出告警，其识别流程如图1所示，具体如下：
[0031]首先，数据准备，包括数据提取和数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种水轮机组异常运行行为预测预警方法，其特征在于，包括以下步骤：步骤1：数据准备，包括：数据提取；从水轮机组监测系统中挑选出能够反映水轮机组状态的多个典型监测量，根据监测量按照时间周期进行提取制作成数据表；历史数据预处理；将提取出的多个监测量历史数据进行缺失值和重复值处理，缺失值按照该数据的前值进行补充，如果某条数据所有值和数据表中某条数据完全一样便删除该条数据；步骤2：数据预测模型的构建，包括：采用基于最近邻的预测模型算法，进行模型构建：假设从步骤1选取的反映水轮机组状态的监测量有
n
个，其中数据表的数据条数为
m
，则反映水轮机组状态的实时数据的维度为
n
，可以表示为
[x
1 x2ꢀ…ꢀ
x
n
]
，水轮机组历史数据表示为预测模型算法原理为分别计算历史数据表中的各条数据和实时数据的距离，如实时数据与历史数据表中第
j
条数据的距离
L
j
如式
(1)
：将计算出的
m
个距离中最小的那条数据作为水轮机组运行状态实时数据的预测值，并将该距离的值定义为水轮机组运行状态的异常度；步骤3：水轮机组异常行为预警，具体包括：异常度序列构建；结合机组运行规律，设定近期恰当时间长度的水轮机组状态数据分别和此前的水轮机组历史数据代入步骤2构建的数据预测模型，得到设定时间范围的各个水轮机组状态数据的异常度；采用
Pauta
准则构建实时水轮机组异常度的预警阈值；采用
Pauta
准则对异常度序列进行计算，得...

【专利技术属性】
技术研发人员：谢长鹏，徐颖，李游，苏宇，王文杰，陈文波，
申请(专利权)人：三峡金沙江川云水电开发有限公司，
类型：发明
国别省市：