罗金文，唐晓丹，李初辉，刘绍勇，黄天雄，胡庆雄

（中国长江电力股份有限公司 乌东德水电站，云南 昆明 650000）

1 引言

物联网、大数据、人工智能、先进监测技术和设备健康管理与故障诊断技术的进步与深度融合，为大型水轮机组实现设备智能化、管理智能化提供了技术支撑[1-3]。目前，虽然大型水电机组均配备了相应的状态监测系统，但状态监测的主要手段还是采用传统的传感器技术对关键设备、部件的关键点进行少量的、分散的监测。比如，某电站某型号一台发电机有1 782 根线棒，实际只有其中的99 根安装了温度传感器。其他诸如轴承摆度、机架振动、轴承瓦温、油温等都存在同样问题，致使运行维护人员仅能通过这些分散的、单一的局部测点数据来了解、评估设备的运行状态，而无法对设备进行实时的、全面立体的感知，无法了解掌握设备在整个空间分布内的详细状态，设备状态监测存在大量盲区。当设备监测盲区位置发生故障时，只有该故障的严重程度足以明显影响到附近监测点的特征数据时才能被监测到。另外，目前的状态监测系统不具备智能诊断分析功能，基本处于数据的测量记录和初步整理阶段，提供相关的监测数据供人工分析[4-8]。

物理场技术作为一项联系物理实体和数字模型的关键技术，可以实现物理实体和物理场体之间的双向映射和动态交互，通过物理场实时监测可以达到动态、立体感知物理实体的实际状态，为水电机组远程数字化运维和智慧检修决策提供坚实的技术支撑[9]。

2 物理场在线监测系统开发

2.1 系统功能架构

水轮发电机组核心设备的物理场在线监测与应用，主要是通过各类传感器监测的振动、形变、温度、磁通量、压强、转速、电流、功率等状态数据，并立足于物理设备的结构、材质以及几何尺寸等特性，通过仿真、反演分析等手段建立各核心设备部件的高保真三维物理场仿真模型；同时采用实时在线仿真模型技术，在虚拟空间构建相应设备的高精度和高计算效率的降阶模型；发电机组实体模型及其虚拟降阶模型同步运行，运维人员可通过虚拟实时仿真模型，立体、动态感知水轮发电机组各核心设备部件的实际运行状态，实现核心设备部件物理场分布的实时在线监测。

系统架构按层级结构自下而上包含数据层、算法层、服务层、应用层、人机交互层等层级。如图1所示，基础模块包含物理场仿真模型、实时仿真模型、实时仿真流程、实时仿真任务、高级应用、数据管理、电站管理、软件接口等模块。

图1 系统架构图

图2 系统运行架构

2.2 系统运行架构

基于系统运行过程中各功能模型的作用及模块间关联关系分为：

（1）硬件部分

1）传感器的部署安装并提供数据支撑，为物理场在线监测系统提供监测数据；

2）系统服务器用于安装部署整套物理场在线监测系统，为其提供运行环境。

（2）软件部分

1）开发数据接口将传感器数据接入系统；

2）通过监测运行工况与运行状态，为物理场在线监测运行提供驱动条件；

3）应用高精度CAE 模型、实验设计工具、商软结果提取工具，反演分析工具以及实时仿真工具，共同作用形成实时仿真模型。

物理场在线监测系统具备自动运行模式与手动运行模式。各运行方式及功能如表1 所示。

表1 运行方式及功能

2.3 系统功能设计

（1）数据采集与网络通信

构建虚拟仿真场景的前提，是需要构建能够获取真实工况中设备关键实时信息的映射。采集到足够反映水轮发电机设备运行状态、运行工况的监测数据，是实现从物理场分析的角度对设备进行运行监测的基础。确定已有运行工况与运行监测数据，明确需要新增的工况与监测数据的范围、特性，组织开展相关数据测点的部署、测试。

为实现基于物理场分析角度的水轮发电机设备运行监测，将传感器数据传递给监测系统，将监测结果反馈给监测系统，是水电站设备运行监测的重要组成部分。如图3 所示，结合物理场技术需求，在网络数据通信方面，通过数据采集软件获取水轮发电机关键部件传感器实时数据，数据包含实时运行工况数据和实时状态监测数据，随后将传感器采集到的数据上送到物理场在线监测软件，应用到物理场模型，用于模型实时状态监测和故障诊断，最后将此结果上送到工业互联网平台，展示到此平台上，便于运维人员查看。

图3 数据通信流程

（2）物理场模型构建

充分考虑水电设备复杂的结构特征和实际工况，对模型进行适当合理简化，根据设备几何尺寸、材料特征等相关特性，建立数学模型（有限元模型）。如图4 所示，根据设备实际装配关系和安装条件，在数学模型定义边界条件，并通过传感器采集的数据施加载荷，模拟设备的实际工作状况，包含以下内容：

1）选定开发目标模型，基于该模型的运行情况设计计算工况，选择传感器；

2）基于模型的结构、材料、载荷、边界条件，构建物理场模型；

3）通过模型仿真计算结果与传感器监测数据的对比校验数学模型计算精度，通过典型工况监测结果与相应工况数据的校验，确保数学模型具备较高的计算精度。

（3）实时仿真功能

对于在线实时监测功能需求，过长的仿真计算时间为实时性效果的实现带来巨大的困难，同时也限制了基于仿真模型的水电设备安全评估与故障分析、预测等功能的提升。为了实现时刻监测水电设备的运行状态，拟开发实时仿真功能，结合监测的振动、形变、温度、磁通量等状态数据，在保证数学模型计算精度的前提下，需要采取一定技术方法，降低仿真时间，提高仿真的实时性，将复杂水电机组装备问题的计算效率提高到秒级。

实时仿真功能的实现关键在于构建输入条件与水轮发电机组核心设备各个物理场之间的快速计算模型。为实现该目的，可利用投影法对原系统进行降阶缩减，也可利用机器学习法和深度学习法搭建输入条件与待求物理场关系的近似模型。

（4）反演分析功能

为了实现水电站关键设备（水轮机、发电机）运行状态的全面感知，需要应用反演分析功能，将传感器采集到的数据经过反演分析，得到所需载荷条件，再施加到关键部件上，进行正向计算，用以解决数据缺失、无法采集的问题。此外，为了获取更准确的有限元模型，在初始有限元模型的基础上，以实验结果或者现场传感器采集的信号作为对标条件，采用优化方法反演计算有限元模型中的载荷条件或材料参数，从而使得有限元模型尽可能准确地反映真实物理模型。

面向水电站设备的反演分析算法主要用于解决载荷不确定和材料不确定的问题。基于模态叠加法与遗传算法的反演分析技术主要面向载荷反演问题，其反演结果对于某些载荷形式能够高度还原真实情况。基于代理模型和优化算法的反演分析技术是一种通用的反演手段，既可以解决载荷反演问题也可以解决材料反演问题，适用范围较广。

（5）故障诊断功能

水轮发电机组不同于其他常规旋转机械，其错综复杂的耦合关系给故障诊断带来了极大的困难。故障原因与故障征兆之间的映射关系十分复杂，通过单一类型的征兆能够识别出一部分常见故障，却很难全面的对各种故障进行有效区分。针对如何捕获能够准确反映机组故障特点并具有较高可区分性故障征兆的问题，国内外学者进行了大量研究，随着计算机科学与信号处理技术的迅速发展，各种故障征兆不断地被提出并应用于故障诊断，对故障特征提取及诊断进行了有效的扩展和补充。从故障征兆类型来看，现有特征提取方法包括：时域特征提取、频域特征提取、时频特征提取以及图元信息特征提取等。

3 系统应用案例

图5 为水轮发电机关键零部件物理场在线监测系统主界面，其监测的关键零部件分别包含水轮机的顶盖、控制环、活动导叶、椎管门、蜗壳门，以及发电机的下机架、定子基座、定子铁心、定子绕组、汇流环。以水轮机顶盖部件模型为例，应用物理场在线监测系统平台，结合传感器实测数据及反演计算，实时仿真结果展示如图6 所示，应变状态监测结果展示如图7 所示，顶盖螺栓轴力雷达示意图如图8 所示，顶盖螺栓剩余寿命评估结果如图9 所示。

图6 顶盖实时仿真结果展示示意图

图7 目标区域应变监测结果展示示意图

图8 顶盖螺栓轴力雷达示意图

图9 顶盖螺栓剩余寿命展示示意图

4 结语

（1）结合水电站运维人员需求，构建水轮发电机关键设备的数字孪生体，通过物理实体与数字孪生体进行双向映射和动态交互，实现实时监测水电设备的运行状态，为运行操作人员提供智能优化指导。

（2）针对传统水轮发电机运行状态监测过程中仅能通过分散的、单一的局部测点数据来评估设备的运行状态现状，应用数字孪生技术，实现全面立体的感知水轮发电机关键部件运行状态，使获取设备未布置传感器区域状态信息成为可能。

（3）将传感器采集到的数据经过反演分析，得到所需载荷条件，再施加到关键部件上，进行正向计算，解决数据缺失、无法采集的问题。此外，在初始有限元模型的基础上，以实验结果或者现场传感器采集的信号作为对标条件，采用优化方法反演计算有限元模型中的载荷条件或材料参数，从而使得有限元模型尽可能准确地反映真实物理模型。