水輪發(fā)電機(jī)組分工況瓦溫動(dòng)態(tài)閾值抽取研究與應(yīng)用

摘 要：水輪發(fā)電機(jī)組軸瓦溫度是直接反映機(jī)組軸承是否安全運(yùn)行的重要參量，動(dòng)態(tài)閾值和趨勢(shì)預(yù)測(cè)被應(yīng)用于機(jī)組軸承溫度過(guò)高的預(yù)警工作中。本文提出水輪發(fā)電機(jī)組分工況瓦溫動(dòng)態(tài)閾值抽取方法，根據(jù)機(jī)組振動(dòng)區(qū)劃分不同運(yùn)行負(fù)荷區(qū)間工況，建立基于箱型圖的異常數(shù)據(jù)清洗模型，抽取瓦溫特征數(shù)據(jù)，結(jié)合原始閾值、預(yù)測(cè)修正因子和趨勢(shì)調(diào)整因子，計(jì)算最終的動(dòng)態(tài)閾值。算例結(jié)果表明，模型抽取的機(jī)組瓦溫動(dòng)態(tài)閾值測(cè)試數(shù)據(jù)誤報(bào)率為1.07%，動(dòng)態(tài)閾值均值為56.59℃，低于瓦溫跳機(jī)定值（23℃），具有較高的可信度，可為運(yùn)行人員瓦溫異常監(jiān)視提供可操作的數(shù)值依據(jù)。

關(guān)鍵詞：水輪發(fā)電機(jī)組；瓦溫；箱型圖；預(yù)測(cè)修正因子；動(dòng)態(tài)閾值

中圖分類號(hào)：TM 312 文獻(xiàn)標(biāo)志碼：Ａ

瓦溫是直接反映推力軸承是否安全運(yùn)行的重要參量，水電站傳統(tǒng)監(jiān)視方法依靠人工監(jiān)視和閾值報(bào)警，該方法設(shè)置的閾值接近機(jī)組瓦溫保護(hù)閾值[1-2]，軸瓦溫度超過(guò)機(jī)組瓦溫保護(hù)閾值，會(huì)導(dǎo)致機(jī)組非計(jì)劃停機(jī)。因此有必要挖掘水輪發(fā)電機(jī)組不同工況下軸瓦溫度動(dòng)態(tài)閾值，實(shí)現(xiàn)瓦溫異常升高提前預(yù)警。

針對(duì)水電機(jī)組瓦溫特征提取，水電廠計(jì)算機(jī)監(jiān)控系統(tǒng)一般在報(bào)表中實(shí)現(xiàn)機(jī)組一段時(shí)間內(nèi)瓦溫最大值、最小值、平均值。宋湘輝等[3]選取過(guò)去一段時(shí)間每次開(kāi)機(jī)后1ｈ的歷史曲線，對(duì)每個(gè)開(kāi)機(jī)瓦溫曲線進(jìn)行整編，形成瓦溫包絡(luò)曲線?？涤懒值萚4]通過(guò)選取過(guò)去較長(zhǎng)一段時(shí)間瓦溫?cái)?shù)據(jù)和其影響因子數(shù)據(jù)，采用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練，從而獲得不同影響因子下的瓦溫特征。宋光雄[5]通過(guò)實(shí)時(shí)計(jì)算汽輪發(fā)電機(jī)組軸承瓦溫的遞增趨勢(shì)參數(shù)、逆序數(shù)，判斷轉(zhuǎn)子推力軸承瓦溫遞增趨勢(shì)和報(bào)警。

本文提出一種水電機(jī)組分工況瓦溫特征提取方法，根據(jù)機(jī)組不同運(yùn)行負(fù)荷區(qū)間劃分工況，建立基于箱型圖的異常數(shù)據(jù)清洗模型，抽取瓦溫特征數(shù)據(jù)，結(jié)合原始閾值、預(yù)測(cè)修正因子和趨勢(shì)調(diào)整因子，計(jì)算最終的動(dòng)態(tài)閾值。

1 機(jī)組瓦溫特征提取模型分析

機(jī)組瓦溫特征提取主要分為4個(gè)部分，即機(jī)組工況劃分、瓦溫異常數(shù)據(jù)剔除、瓦溫小時(shí)數(shù)據(jù)整編、瓦溫動(dòng)態(tài)閾值提取。下面針對(duì)這4個(gè)方面進(jìn)行具體分析。

1.1 工況劃分

機(jī)組振動(dòng)區(qū)為0MW～70MW和150MW～250MW，根據(jù)機(jī)組振動(dòng)區(qū)將機(jī)組發(fā)電工況劃分見(jiàn)表1。

1.2 異常數(shù)據(jù)剔除

按照4種工況對(duì)每一次開(kāi)機(jī)的機(jī)組瓦溫?cái)?shù)據(jù)進(jìn)行劃分，每一份工況時(shí)間區(qū)間內(nèi)瓦溫?cái)?shù)據(jù)按照從小到大排序，選取排序后第25%的瓦溫?cái)?shù)據(jù)作為下四分位數(shù)Q1，選取排序后第75%的瓦溫?cái)?shù)據(jù)作為上四分位數(shù)Q3，計(jì)算瓦溫排序數(shù)據(jù)的四分位距IQR[6]。

計(jì)算瓦溫?cái)?shù)據(jù)的正常值上限max，如公式（1）所示。

正常值上限采用上四分位數(shù)Q3加1.5倍四分位距IQR，再疊加3的額外閾值，3℃的額外閾值為電站規(guī)程中瓦溫運(yùn)行監(jiān)視要求，可用于避免環(huán)境溫度變化帶來(lái)的影響，將穩(wěn)態(tài)區(qū)間內(nèi)瓦溫?cái)?shù)據(jù)和上限max進(jìn)行對(duì)比，對(duì)大于max的數(shù)據(jù)進(jìn)行剔除，形成異常數(shù)據(jù)清洗后的穩(wěn)態(tài)區(qū)間內(nèi)瓦溫?cái)?shù)據(jù)。

1.3 小數(shù)數(shù)據(jù)整編

機(jī)組瓦溫小數(shù)數(shù)據(jù)整編步驟如下。1）將清洗完成后每一份工況瓦溫?cái)?shù)據(jù)集按照整小時(shí)劃分成若干瓦溫穩(wěn)態(tài)小時(shí)數(shù)據(jù)。2）如果工況開(kāi)始時(shí)間和工況結(jié)束在同一個(gè)小時(shí)內(nèi)，那么工況開(kāi)始時(shí)間到工況結(jié)束為１份瓦溫穩(wěn)態(tài)小時(shí)數(shù)據(jù)。3）如果工況開(kāi)始時(shí)間和工況結(jié)束不在同一個(gè)小時(shí)內(nèi)，工況開(kāi)始時(shí)間或者工況結(jié)束時(shí)間不是整小時(shí)，那么工況開(kāi)始時(shí)間到其后一個(gè)整小時(shí)為１份瓦溫穩(wěn)態(tài)小時(shí)數(shù)據(jù)，工況結(jié)束時(shí)間前一個(gè)整小時(shí)到工況結(jié)束時(shí)間為一份瓦溫穩(wěn)態(tài)小時(shí)數(shù)據(jù)。4）求取每份瓦溫穩(wěn)態(tài)小時(shí)數(shù)據(jù)的最大值，將其作為瓦溫穩(wěn)態(tài)小時(shí)數(shù)據(jù)特征。

1.4 瓦溫動(dòng)態(tài)閾值

根據(jù)瓦溫小時(shí)數(shù)據(jù)，構(gòu)建2個(gè)數(shù)據(jù)集。1）過(guò)去預(yù)設(shè)月份內(nèi)機(jī)組發(fā)電方向開(kāi)機(jī)瓦溫小時(shí)數(shù)據(jù)的最大值集合；2）過(guò)去預(yù)設(shè)月份內(nèi)機(jī)組抽水方向開(kāi)機(jī)瓦溫小時(shí)數(shù)據(jù)的最大值集合。針對(duì)發(fā)電方向和抽水方向，分別計(jì)算這2個(gè)數(shù)據(jù)集的均值和標(biāo)準(zhǔn)差。根據(jù)公式（2）、公式（3）求取瓦溫動(dòng)態(tài)閾值的上限特征。

基于機(jī)器學(xué)習(xí)確定瓦溫動(dòng)態(tài)閾值上限特征數(shù)學(xué)模型中最優(yōu)閾值，將均值加3個(gè)標(biāo)準(zhǔn)差[7]，再疊加3的額外閾值，3℃的額外閾值為電站規(guī)程中瓦溫運(yùn)行監(jiān)視要求，用于避免環(huán)境溫度變化帶來(lái)的影響，作為瓦溫動(dòng)態(tài)閾值上限特征。

將瓦溫實(shí)時(shí)測(cè)值與瓦溫動(dòng)態(tài)閾值上限特征進(jìn)行對(duì)比，如果2S＜T-＜3S+3，就判斷為邊緣范圍狀態(tài)A1，如果T≥Tmax，就判斷為異常范圍狀態(tài)A2。

當(dāng)狀態(tài)為A1時(shí)持續(xù)進(jìn)行瓦溫的實(shí)時(shí)監(jiān)控，并記錄數(shù)據(jù)，按照預(yù)設(shè)頻定期對(duì)收集的瓦溫?cái)?shù)據(jù)進(jìn)行統(tǒng)計(jì)，以分析檢測(cè)長(zhǎng)期變化；如果分析結(jié)果顯示瓦溫趨勢(shì)穩(wěn)定，那么在閾值范圍內(nèi)波動(dòng)，維持現(xiàn)有監(jiān)控和維護(hù)A1調(diào)整策略，如果分析揭示出新的趨勢(shì)或周期性模式，就調(diào)整預(yù)警系統(tǒng)的閾值和參數(shù)。

通過(guò)采用ARIMA（整合移動(dòng)平均自回歸模型）進(jìn)行趨勢(shì)分析[8]，預(yù)測(cè)未來(lái)瓦溫值T預(yù)測(cè)。對(duì)于一不平穩(wěn)時(shí)間序列，其ARIMA（p，d，q）模型如公式（5）所示。

當(dāng)狀態(tài)為A2時(shí)，立即按照預(yù)設(shè)A2調(diào)整策略增加瓦溫監(jiān)控的頻率，實(shí)時(shí)分析瓦溫?cái)?shù)據(jù)，判斷溫度偏差因素，如果確定瓦溫偏差是由可控因素引起的，可控因素包括傳感誤差、環(huán)境變化，立即調(diào)整相應(yīng)的操作參數(shù)或環(huán)境條件。

2 模型檢驗(yàn)

為測(cè)試所研究方法在水輪發(fā)電機(jī)組瓦溫動(dòng)態(tài)閾值抽取方法的應(yīng)用效果，對(duì)方法進(jìn)行應(yīng)用測(cè)試。

2.1 測(cè)試樣本

研究實(shí)例使用的軸瓦溫度及相關(guān)量數(shù)據(jù)源電站計(jì)算機(jī)監(jiān)控系統(tǒng)1號(hào)機(jī)組，數(shù)據(jù)范圍為2023年1月—4月，模擬量等距采樣間隔為1s，開(kāi)關(guān)量變位采樣，其中1月—3月的數(shù)據(jù)作為模型研究訓(xùn)練數(shù)據(jù)，4月的數(shù)據(jù)作為模型測(cè)試數(shù)據(jù)。圖1為機(jī)組有功功率、推力瓦溫度、下導(dǎo)擺度曲線，機(jī)組在不同負(fù)荷區(qū)間的振動(dòng)和瓦溫有一定的變化。

2.2 動(dòng)態(tài)閾值抽取

采用2023年4月份數(shù)據(jù)作為測(cè)試，分別采用本文方法和傳統(tǒng)方法進(jìn)行處理。對(duì)本文數(shù)據(jù)組應(yīng)用數(shù)據(jù)清洗，剔除異常值，計(jì)算動(dòng)態(tài)閾值，分別抽取4月4種工況下瓦溫動(dòng)態(tài)閾值，如圖2所示。從圖2可知，不同工況下瓦溫動(dòng)態(tài)閾值有較明顯區(qū)別；同時(shí)，隨著時(shí)間變化，瓦溫動(dòng)態(tài)閾值呈現(xiàn)緩慢上升的趨勢(shì)，原因?yàn)?月環(huán)境溫度在持續(xù)上升。

2.3 效果分析

在模擬環(huán)境中運(yùn)行數(shù)據(jù)，模擬包括溫度波動(dòng)情況（包括較大溫度波動(dòng)和規(guī)程范圍內(nèi)小幅波動(dòng)）。分別對(duì)比本文模型動(dòng)態(tài)閾值、瓦溫跳機(jī)閾值、采用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型的閾值，圖3記錄了３種閾值對(duì)比曲線?？梢杂^察到本文本文模型動(dòng)態(tài)閾值和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型的閾值均比機(jī)組瓦溫保護(hù)跳機(jī)值低很多，但深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型的閾值對(duì)規(guī)程范圍內(nèi)的瓦溫異常波動(dòng)容易產(chǎn)生誤預(yù)警。表2給出了所有測(cè)試樣本數(shù)據(jù)的動(dòng)態(tài)閾值效果分析結(jié)果。

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型的閾值樣本測(cè)試數(shù)據(jù)誤報(bào)率均值達(dá)到了5.99%，對(duì)于規(guī)程范圍內(nèi)的瓦溫異常波動(dòng)容易產(chǎn)生誤預(yù)警。而本文提供的動(dòng)態(tài)閾值測(cè)試數(shù)據(jù)誤報(bào)率均值為1.07%，同時(shí)動(dòng)態(tài)閾值均值為56.59℃，低于瓦溫跳機(jī)定值（23℃），具有較高的可信度，可為運(yùn)行人員瓦溫異常監(jiān)視提供可操作的數(shù)值依據(jù)。

3 結(jié)語(yǔ)

針對(duì)水力發(fā)電機(jī)組工況多變、監(jiān)測(cè)參數(shù)變動(dòng)范圍較大、靜態(tài)閾值診斷具有無(wú)時(shí)變適應(yīng)性和異常識(shí)別精度低的缺陷。本文提出通過(guò)劃分不同運(yùn)行負(fù)荷區(qū)間工況，基于箱型圖的異常數(shù)據(jù)清洗，結(jié)合修正因子和趨勢(shì)調(diào)整因子建立水力發(fā)電機(jī)組瓦溫動(dòng)態(tài)閾值抽取模型。該方法抽取的動(dòng)態(tài)閾值可行度較高，可為水電站設(shè)備運(yùn)行智能報(bào)警提供一定理論依據(jù)。

參考文獻(xiàn)

[1]劉元峰，何鴻翔，吳一凡.一種水電機(jī)組水導(dǎo)瓦溫高處理方法[J].水電與新能源，2022（9）：50-52.

[2]譚博元.水輪發(fā)電機(jī)組水導(dǎo)瓦溫過(guò)高故障解析與改進(jìn)[J].東北水利水電，2020（6）：67-68.

[3]宋湘輝，徐利君，鄭凱，等.一種抽水蓄能電站推力瓦溫預(yù)警的方法：CN202011125079.2[P].2022-05-03.

[4]康永林，陳緒鵬，洪禮聰，等.一種基于BP神經(jīng)網(wǎng)絡(luò)的水輪發(fā)電機(jī)組軸瓦溫度預(yù)警方法：CN202210146042.0[P].2022-05-31.

[5]宋光雄.汽輪發(fā)電機(jī)組軸承瓦溫變化趨勢(shì)實(shí)時(shí)分析方法：CN201110026025.5[P].2011-01-24．

[6]歐陽(yáng)慧泉，劉勇，李國(guó)和，等.一種抽水蓄能電站瓦溫特征提取方法及系統(tǒng)：CN202311584058.0[P].2023-11-24.

[7]陸俊杰，徐秀峰，梁聰.基于正態(tài)分布雷電參數(shù)的220kV線路雷擊跳閘模[J].電瓷避雷器，2015（5）：106-110.

[8]郭斌，熊顯名.基于SARIMA-LSTM的區(qū)域用電消耗預(yù)測(cè)研究[J].工業(yè)控制計(jì)算機(jī)，2024（5）：109-114.