基于在线监测数据的水轮机运行区精细划分

运行分区对水电机组安全稳定性具有十分重要的意义。常规运行区划分一般基于部分水头和负荷工况下的稳定性试验,试验数据有限导致划分的运行区难以覆盖全部运行工况,相对粗略。文章提出一种基于机组在线监测数据、辅以稳定性试验分析的运行区精细划分方法。以某混流式机组为例,分析相关数据,以超标相对严重的尾水管压力脉动为依据,绘制机组水头-负荷伪彩色图,获取各压力脉动测点超标区域,而后按照涡带强度划分运行区。将精细划分方法与常规方法的超标区及划分结果进行对比分析,显示出前者在获取涡带区边界、识别涡带区范围、实现全水头划分等方面优于后者。     

桃源水电站尾水位降低对机组安全性的影响评估

近年来,桃源水电站受两次河道整治影响,尾水位降低,导致最大水头变大,超出了机组设计的运行范围,影响机组的安全运行。基于桃源水电站实际运行水位数据,分析了电站尾水位降低情况,获取了实际运行可能出现的最大水头;对该水头下水轮机主要部件的强度进行了复核,分析了最大水头变化后机组运行情况,复核了空化性能。从评估结果来看,最大水头提高后,部分部件强度超出标准值,空化情况将加重,机组运行安全性方面存在风险。     

一种基于阶次分析的水电机组开机过程稳定性评价方法

开机过程中水电机组状态经历快速变化过程,因此分析机组开机这一典型过渡过程的稳定性具有重要意义。首先基于角度域平稳信号阶次分析方法,获取开机过程稳定性参数的三维阶次谱,然后从中选取起主导作用的转频分量的幅值变化趋势作为稳定性评价对象,再使用平均欧氏距离对历次开机过程转频分量幅值变化趋势差异性进行量化,由此实现对机组开机过程稳定性评价。选取某电站机组相近水头下多次开机过程实测数据的验证结果表明,该方法能较好地对机组开机过程稳定性异常状态进行识别,具有可行性。     

基于多维特征和多分类器的水电机组故障诊断

提出了一种基于多维特征和多分类器的水电机组故障诊断方法。通过提取水电机组不同状态下振动信号的时域特征、频域特征和集合经验模态分解-样本熵,构建多维特征,实现特征信息的多维互补,并利用遗传算法对构建的多维特征进行降维处理。以此多维特征作为分类器的输入,分别通过支持向量机、反向传播神经网络和朴素贝叶斯分类器进行故障诊断,将三种分类器的初步诊断结果进行融合得到最终诊断结论,从而提高水电机组故障诊断的准确率。为验证该方法的有效性,将转子不平衡、转子不对中、转子碰磨等故障在转子试验台上进行模拟,并用上述方法进行诊断,结果表明,较单维特征和单分类器,多维特征输入和多分类器融合的故障诊断准确率更高。