水电厂计划管理论文提纲

论文题目：水电机组状态评估及智能诊断方法研究

摘要：随着我国电力事业的不断发展,水电能源已进入了大机组、特高压输送、智能化控制与管理的新时代。一方面,水力发电在我国发电供应段中所占结构比例逐渐增多,且更多的承担调峰、调频任务；另一方面,由于特高压直流输电线路的不断兴建和投运,大型水电厂作为工业用电直接供电端的方式也日趋增多。而作为水电厂关键发电设备的水力发电机组也朝着大容量、高比转速、高负载等方向不断发展,其部件结构及布置形式复杂程度越来越高,而水力、机械、电气等振源之间的耦合作用日益凸显,从而导致了水电设备故障的非计划停运和突发冲击性故障的日趋增多,并直接影响了对电网的安全稳定。因此,传统基于稳态波形和离线性能试验的水电机组状态评估与故障诊断方法无法满足当前水电厂对于故障快速定位和及时处理的工程实际需求。如何在准确获知水电厂实际运行数据的基础上,构建水电设备在线健康状态高精度评估模型,精确识别故障类型及其严重程度、变化趋势,提供高效合理的机组检修方案,为机组突发故障提供相应的决策建议,是当前我国水电生产急需解决的重大工程实际问题。为此,本文针对水电机组状态评估及故障诊断在理论突破及工程应用中存在的若干关键问题,以水电机组振动故障的暂态征兆提取和最优选择为切入点,引入熵值理论和非线性信号辨识方法,深入探究不同征兆在分类超平面中的贡献因子,构建基于暂态开机过程数据的水电机组在线评估方法,为揭示水电机组性能退化程度提供合理科学的依据,同时建立基于两阶段极限学习机的智能混合故障诊断方法,实现的故障分类器结构参数一体化自学习策略,实现具有自学习功能的多故障、高精度诊断模型。论文的主要研究内容和创新性成果如下： （1）由于水电机组故障信号往往呈现非平衡、非线性的特征,针对故障振动信号中的非平稳部分,特别由机组起、停机等引起的系统冲击响应信号会出现能量泄露、模态混叠等现象,研究工作结合排列熵对信号变化的高度敏感性和集成经验模态分解的多尺度信号分解能力,提出了针对水电机组非平稳信号特征提取的固有模态排列熵特征方法。该方法能够充分辨识故障作用下的机组信号混沌特性变化,实现对机组故障信息的充分表征。同时针对水电机组故障诊断特征向量维数较高,且不同特征维数对故障分类器的贡献度不一的问题,本文提出最优模型参数和特征子集一体化选择策略。在充分考虑不同模型参数和特征子集之间的关联性基础上,本文对模型参数和特征子集采用连续-离散的混合编码,通过改进人工蜂群优化算法,构建了与故障征兆相关度高且信息冗余度低的特征子集进化寻优机制,实现了水电机组的特征子集和模型参数一体化优选从而构建能够充分表征水电机组故障信息的故障特征子集。 （2）目前水电机组往往采用现场试验和简单限值比较的方式进行状态评估和监测预警,然而该方法易受工况变化、机组结构和测量设备等诸多因素的影响,缺少对机组早期潜在故障的预警能力,无法充分表征机组当前的实际健康状态和运行服役能力。针对上述问题,本文在综合分析水电机组开机不同暂态过程和机组性能试验的相似性基础上,提出了水电机组开机过程的性能评估方法。该方法通过将趋势定性分析将开机过程暂态数据转换为一个个表征趋势的基元序列,首先定义了基本的趋势基元,然后通过最小二乘序列算法将开机过程中不同的趋势片段首先定义了基本的趋势基元,然后通过其拟合线不同的一二阶系数提取其片段的趋势基元,从而构建表征开机过程的基元序列,有效地避免了水电机组开机过程强噪声与冲击信号的干扰；同时,为构建能够精确度量开机过程性能退化程度的量化指标,本文提出了一种基于改进动态时间规整距离的开机过程相似度计算指标,通过计算不同机组之间开机过程的正则化动态时间规整距离,得到机组实际性能退化的量化数值,构建了水电机组性能退化的在线量化评估体系。 （3）针对当前水电机组故障诊断的小样本、高维度等问题,本文结合人工蜂群算法和极限学习机,提出了一种具有结构和参数自适应优化的两阶段进化极限学习机模型,该模型通过贪婪算法和交叉验证对极限学习机隐藏节点个数进行自适应优选,克服了传统极限学习机结构学习阶段隐含节点个数难以确定的问题,同时通过人工蜜蜂群算法对极限学习机权重参数和偏置参数进行的进化搜索,从而建立了一种无需设置参数的水电机组自学习智能进化故障诊断方法。同时针对传统蜂群算法在开发和探索能力无法自适应从而易陷入局部最优解的情况,笔者引入全局引导和Levy飞行策略两种策略,并构建自适应种群调整策略来不断平衡蜂群算法的开发和探索能力,进一步提高极限学习机分类能力。由于两阶段进化极限学习机模型具有很好的小样本学习能力,便于深入挖掘样本所蕴含的故障信息,因此可以在有限的训练样本条件下得到比较准确的结果,能快速有效识别水电机组故障类型。最后通过水电机组故障诊断实例计算表明,该方法是有效可行的。 （4）针对当前水电厂由于运行时期较长,各个业务系统存在着开发企业的不同,开发语言、部署平台和通信协议各异,且对外数据交换格式无法互相兼容的问题。本文提出了一种基于面向服务架构分层分布式水电机组远程故障诊断系统设计方案,该方案有效解决了当前水电机组诊断系统在异构环境下与外部系统数据与模型间访问与互操作的问题,通过构建不同层次、不同粒度的业务应用和功能模块的Web服务,可以满足多种故障诊断需求功能,给出了各个核心功能模块的设计和实现方案,实现了水电厂多源信息集成化,有效的为故障诊断和安全生产管理的智能化和自动化提供有力技术保障。系统方案已经成功在松江河电厂进行上线和应用,已经在为该水电站的管理运行人员提供的指导。

关键词：水电机组;混合智能故障诊断;状态评估;固有模态排列熵;人工蜂群算法;定性趋势分析;极限学习机;最优特征选择

学科专业：水利水电工程

摘要

Abstract

1 绪论

1.1 课题研究的背景及意义

1.2 水电机组故障成因

1.3 水电机组特征提取与最优选择方法

1.4 故障诊断方法概述及其研究现状

1.5 故障诊断系统的研究现状

1.6 本文主要研究内容与结构

2 水电机组状态评估及故障诊断理论和方法

2.1 引言

2.2 集成经验模态分解的理论基础

2.3 水电机组状态评估

2.4 基于智能分类的故障诊断模型

2.5 本章小结

3 水电机组非平稳故障征兆提取与最优选择

3.1 引言

3.2 基于固有模态排列熵的非平稳特征提取方法

3.3 基于智能算法的水电机组最优特征子集提取

3.4 本章小结

4 水电机组状态识别及性能评估方法研究

4.1 引言

4.2 基于定性趋势表达的水电机组开机试验性能评估方法研究

4.3 研究实验结果分析

4.4 本章小结

5 水电机组混合智能故障诊断方法研究

5.1 引言

5.2 基于两阶段极限学习机的故障诊断方法研究

5.3 应用于水电机组故障诊断

5.4 本章小结

6 基于面向服务架构的水电机组故障诊断系统集成及应用

6.1 基于面向服务架构的分布式故障诊断系统架构设计

6.2 分布式故障诊断系统在松江河梯级电厂的实际应用

6.3 本章小结

7 全文总结与展望

7.1 全文工作总结

7.2 进一步研究展望

致谢

参考文献