【技术实现步骤摘要】
本专利技术涉及水电机组故障诊断，特别是涉及基于特征样本的水电机组故障诊断方法和系统。
技术介绍
1、水电机组故障诊断是水电站运行和维护的重要环节，它涉及对水电站机组及其附属设备的检测、评估和故障识别。
2、目前水电机组故障诊断的主要方法包括:专家系统诊断法、神经网络诊断法、贝叶斯网络诊断法、混合模型诊断法等。其中，专家系统诊断法知识获取往往比较困难，知识表达不完备，对新故障适应性差；神经网络诊断法的训练过程需要大量的数据，且网络结构往往比较复杂，训练时间长，且对噪声数据比较敏感，一些小的误差或异常值可能导致诊断结果偏离正确方向；贝叶斯网络诊断法的参数需要手动调整，难以找到最优参数，贝叶斯网络的准确性很大程度上依赖于先验知识的质量和完备性；而混合模型诊断法需要将不同模型的输出进行融合，需要找到合适的融合策略，容易出现过拟合。
3、现有技术cn116911378a公开了基于迁移学习和pso算法的水电机组故障诊断方法，将设计工况下水电机组故障振动数据作为源域数据，将变工况下水电机组故障振动数据作为辅助域数据，将故障类型作为标签，得到源域样本集和目标域辅助域样本集；采用源域样本集有监督训练故障诊断模型，确定整个模型的连接权重；采用目标域辅助样本集有监督训练故障诊断迁移学习模型，调整全连接层和分类层的连接权重；采用粒子群优化算法对故障诊断模型gru网络模型的超参数进行寻优，确定最优超参数；将待测样本输入至训练好的故障诊断模型，进行水电机组故障诊断；上述方法中基于故障工况的特征样本组成训练数据，然而其模型复杂，计算量
4、特征样本的水电机组故障诊断方法是一种基于数据驱动的故障诊断方法，通过分析水电机组在不同工况下的特征样本数据，建立故障与特征之间的映射关系，在降低计算量的同时可以实现故障的快速准确诊断。
技术实现思路
1、本专利技术的目的在于提供基于特征样本的水电机组故障诊断方法和系统，基于水电机组的特征样本和实测数据之间的对比，通过数据之间的距离和相似度对水电机组的故障状态的早期识别和确认。
2、为了实现本专利技术的上述目的，采用以下技术方案：
3、第一方法，本专利技术提供基于特征样本的水电机组故障诊断方法，其特征在于，所述方法包括以下步骤：
4、步骤1，收集水电机组中水轮机在各正常状态下的特征数据形成特征样本集合，所述特征数据为水轮机进水量、核心部件温度和水轮机振动频率构成的三元特征数据集合。
5、进一步的，所述特征样本集合是水电机组中水轮机在各正常状态下得到的监测数据，将所述三元特征数据集合表示为a，则其集合中的元素由各正常状态下的水轮机进水量、核心部件温度和水轮机振动频率构成，表示为，，为第个元素，为元素的个数。
6、步骤2，根据所述特征样本集确定水轮机在各正常状态下水轮机进水量和核心部件温度的阈值范围，所述各正常状态至少包括：发电状态、调相状态和停机状态。
7、进一步的，对于确定状态下的水轮机，水轮机进水量的阈值范围表示为：，核心部件温度的阈值范围表示为：；其中，和分别为当前状态下水轮机三元特征数据集合中各元素对应的水轮机进水量的最小值和最大值，为当前状态下水轮机三元特征数据集合中核心部件温度的最大值。
8、步骤3，确定待诊断水电机组的当前状态，采集当前状态下水电机组的水轮机进水量、核心部件温度和水轮机振动频率。
9、进一步的，所述核心部件至少包括：定子绕组温度、定子铁芯温度和轴承轴瓦温度。
10、步骤4，判断当前状态下水电机组的水轮机进水量是否在阈值范围内，若不在阈值范围内，则调整进水量后重新执行步骤3。
11、步骤5，判断核心部件温度是否超出其阈值，若所述核心部件温度存在超出阈值的情形，则判定所述水电机组为故障状态。
12、步骤6，若所述核心部件温度均未超出阈值，则采集当前状态下的水电机组中水轮机的振动数据，结合当前状态下水轮机进水量、核心部件温度形成实测三元数据。
13、步骤7，基于三元特征数据集合和实测三元数据之间的距离和相似度，判断当前状态下的水电机组是否异常。
14、进一步的，对于确定状态下水轮机，实时采集的数据样本表示为，对于三元特征数据集合a，其特征样本均值为：
15、元素到所述特征样本均值的距离为独立同分布的随机变量，该分布的数学期望为，标准差为，将元素到所述特征样本均值的平均距离作为基准值：
16、
17、其中，为元素到所述特征样本均值的距离，。
18、进一步的，根据准则，元素到所述特征样本均值的距离在之间的概率为99.73%，因此，将作为实时采集的数据样本到特征样本均值的距离阈值。
19、所述实时采集的数据样本到特征样本均值的距离通过距离计算公式获得：
20、
21、
22、当，判定所述水电机组在当前状态下处于故障状态。
23、进一步的，对于所述实时采集的数据样本，其与三元特征数据集合中的元素之间的相似度：
24、
25、为数据样本和第个元素之间的余弦相似度，；找出数据样本和三元特征数据集合中的各个元素之间的最大余弦相似度，当所述最大余弦相似度小于预设相似度阈值时，判定所述水电机组在当前状态下处于故障状态。
26、进一步的，所述预设相似度阈值不小于0.95。
27、进一步的，当，且所述最大余弦相似度不小于预设相似度阈值时，确认所述水电机组在当前状态下处于正常状态。
28、进一步的，所述步骤1中， 收集的所述特征数据的数量在水电机组中水轮机各正常状态下均不小于200个。
29、第二方面，本专利技术提供根据第一方面所述的基于特征样本的水电机组故障诊断方法的诊断系统，所述系统包括：水电机组状态确定模块，数据采集模块，数据分析模块，以及输出显示模块。
30、进一步的，所述水电机组状态确定模块与所述数据分析模块连接，通过手动选择所述水电机组的当前状态并传送至所述数据分析模块，所述水电机组的当前状态包括：发电状态、调相状态和停机状态。
31、进一步的，所述数据采集模块包括：进水量测量单元，温度测量单元，以及振动频率测量单元，分别用于采集水轮机进水量、核心部件温度和水轮机振动频率，并将采集的水电机组数据发送至所述数据分析模块。
32、进一步的，所述数据分析模块存储有故障诊断模型，所述故障诊断模型用于对根据待诊断水电机组的当前状态对所述采集的水电机组数据进行分析并将分析结果通过输出显示模块进行输出。
33、进一步的，所述故障诊断模型用于对根据待诊断水电机组的当前状态对所述采集的水电机组数据进行分析并将分析结果通过输出显示模块进行输出包括：
34、当所述采集水轮机进水量数据不在水电机组当前状态下水轮机进水量阈值范围时，所述数据分析模块向所述输出显示模块输出提示本文档来自技高网...
【技术保护点】
1.基于特征样本的水电机组故障诊断方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于特征样本的水电机组故障诊断方法，其特征在于，所述特征样本集合是水电机组中水轮机在各正常状态下得到的监测数据，将所述三元特征数据集合表示为A，则其集合中的元素由各正常状态下的水轮机进水量、核心部件温度和水轮机振动频率构成，表示为 ，，为第个元素，为元素的个数；
3.根据权利要求2所述的基于特征样本的水电机组故障诊断方法，其特征在于，所述核心部件至少包括：定子绕组温度、定子铁芯温度和轴承轴瓦温度。
4.根据权利要求2所述的基于特征样本的水电机组故障诊断方法，其特征在于，对于确定状态下水轮机，实时采集的数据样本表示为 ，对于三元特征数据集合A，其特征样本均值为 ，，，；
5.根据权利要求4所述的基于特征样本的水电机组故障诊断方法，其特征在于，对于所述实时采集的数据样本，其与三元特征数据集合中的元素之间的相似度：
6.根据权利要求5所述的基于特征样本的水电机组故障诊断方法，其特征在于，所述预设相似度阈值不小于0.95。
...【技术特征摘要】
1.基于特征样本的水电机组故障诊断方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于特征样本的水电机组故障诊断方法，其特征在于，所述特征样本集合是水电机组中水轮机在各正常状态下得到的监测数据，将所述三元特征数据集合表示为a，则其集合中的元素由各正常状态下的水轮机进水量、核心部件温度和水轮机振动频率构成，表示为 ，，为第个元素，为元素的个数；
3.根据权利要求2所述的基于特征样本的水电机组故障诊断方法，其特征在于，所述核心部件至少包括：定子绕组温度、定子铁芯温度和轴承轴瓦温度。
4.根据权利要求2所述的基于特征样本的水电机组故障诊断方法，其特征在于，对于确定状态下水轮机，实时采集的数据样本表示为 ，对于三元特征数据集合a，其特征样本均值为 ，，，；
5.根据权利要求4所述的基于特征样本的水电机组故障诊断方法，其特征在于，对于所述实时采集的数据样本，其与三...
【专利技术属性】
技术研发人员：周叶，曹登峰，邹志超，杨永森，江翠伟，刘娟，王俊杰，李立罡，付志远，司浩男，李晓超，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。