谢秋华，杨廷勇

（中国长江电力股份有限公司，湖北 宜昌443000）

1 引言

传统水电站设备状态监测系统在故障诊断与分析中主要采取两大方向的分析方法与手段：一是通过定期的趋势分析，运行与维护人员对设备未达到报警阈值之前的劣化趋势进行预判或趋势预警，分析工作主要依靠运行和维护人员经验；随着传感器技术、数据采集、处理及传输技术等计算机网络技术的飞速发展，电站运行过程中产生越来越多、精度越来越高的生产数据，历史数据库中存储的数据量急剧膨胀，导致人工分析工作量巨大、时间上滞后，同时人工分析深度和广度受限，设备潜在故障分析的全面性和准确性也难以保障。二是采用故障模式识别技术，即用设备已知的各种故障模式特征对新发生的设备故障进行特征比对，将新故障归并为匹配性最好的已知故障模式，从而实现设备故障诊断。由于水电站全面的故障模式收集非常困难，且水电站设备故障发生机理复杂、多样，因此很难实现故障模式的精准匹配。因此，该理论虽然发展多年，目前依然无法成功应用于水电站生产实践中。

为解决上述问题，新型设备状态监测系统致力于实现设备趋势自动预警和劣化程度自动辨识，提升故障诊断智能水平，促进劳动生产力解放。

2 新型设备状态监测系统核心思想

当设备运行于某一稳态工况时，系统通过大数据挖掘方法，对该工况下设备的历史大数据特征值进行学习，总结出该工况下设备的健康基准值，将该值与设备当前值比较，利用偏差分析法计算两者相对偏差，形成动态预警带，从而判断设备运行状态是否正常。……