谭淞镁

（白市水电厂，贵州 天柱 556605）

1 水电站机组状态监测分析

设备状态监测是通过数据采集设备、系统获取设备运行状态信息、健康状态信息，明确设备运行是否正常。自20 世纪90 年代至今，水电机组状态监测技术得到了长足发展，目前主要分为如下3 种。

（1）专项监测系统：主要是对水轮发电机组或是某个设备某项状态进行监测，如气隙监测系统（AGMS）、华水机HJS 系统等。

（2）多项监测系统：主要是由多个专项监测系统集成所得，具体系统结构如图1 所示。

图1 多项监测系统图

（3）集成监测系统：主要是在控制—维护—管理集成框架下开发维护系统，实现信息共享与全面监测，包括机组、开关站、廊道以及泄洪闸门设备等。

基于我国水电技术的快速发展，大批高参数、大容量机组投产，其运行状态愈加复杂，对机组监测方式、分析方法提出了更高的要求，一方面设备的复杂性，要求故障检测、诊断需更多的应用智能分析手段；另一方面基于实践情况，对设备监测分析的直观性提出了更高的要求，这也是下一步研究的重要方向之一[1]。

2 水电站机组故障诊断技术

设备故障诊断技术是基于设备状态参数监测，发现设备异常、分析故障原因、定位故障源头，并结合分析技术预测设备状态发展趋势（见图2）。我国水电站机组故障诊断方法现主要可归纳为如下3 种。

图2 水电站机组故障诊断技术逻辑图

2.1 直接故障诊断

首先是状态数据直接分析诊断，利用阈值比较诊断故障情况；

然后是根据故障产生的物理、化学现象与规律，进行故障原因诊断。

此类方法使用简单、成本低，可实现对故障的快速、实时诊断，但是局限也较大，适用于严重设备故障，且存在一定的滞后性。

2.2 故障征兆诊断

此种方法较为常见，是利用故障产生对应的征兆及时判断故障是否产生、诊断故障类型。此种诊断方法以系统数学模型为支撑，诊断结果受到系统建模精确性的影响。

2.3 智能故障诊断

此种方法是在传统诊断方法的技术上，结合人工智能技术发展其起来的，具有代表性的技术有专家系统、人工神经网络、小波变换、遗传算法及模糊理论等。

基于水电机组故障的多样性，对故障诊断技术提出了更高的要求，我国此方面尚处于起步阶段，需进一步加强相关研究，全面提离我国水电站运行管理的智能化水平[2]。

3 水电站机组状态监测与故障诊断系统设计与应用

本文提出了一种水电站机组状态监测与故障诊断系统设计方案，克服传统监测诊断系统设计复杂、成本高等问题，实现远程监测、精确诊断，具体设计方案与应用情况如下。

3.1 系统结构

本系统结构设计如图3 所示，主要分为站控层、监测层、过程层，使用RS-485 总线、以太网传输方式，水电站机组状态监测内容包括振动量、电气量、上下游水位、功率损耗、压力及温度等。

图3 系统结构图

3.2 系统详细设计

（1）现场节点设计：现场节点以AVR 单片机ATmega8515 为核心，采集水轮机运行状态参数。

（2）监测软件设计：本系统采用Visual C++、SQL Server 进行监测软件开发，功能需求包括：采集机组运行参数；设置现场节点工作方式；通过数字、图形形象展现机组运行状态，通过声音、颜色提示报警；数据存储于管理；数据分析与故障诊断；上传机组运行参、接收站控层组态命令。

（3）通信设计：采用RS-485 总线通信，监测站、现场节点分别为主机、从机，采用串口USART 多机通信。

（4）故障诊断：本系统采用“小波分析+人工神经网络”方法进行机组故障诊断，以Daub4 为基函数构造小波包，变换后故障信号在频域内进行8 段分割；基于人工神经网络理论构建一个BP 网络，输入层、隐含层、输出层神经元个数分别为7、5、2，BP 神经网络不同输出表示机组不同运行状态，表1 进行了简单列举。

表1 BP 神经网络输出结果

3.3 系统应用情况

使用本系统采集水轮机组上机架水平振动信号，采样频率341 Hz，水轮机组的振动信号如图4 所示。

图4 水轮机组振动信号

根据图4 可知，振动信号频率成分丰富，属于非稳态信号，利用小波变换开展多分辨率分析，量化各频段能量；分析高、低频部分能量分布情况，诊断故障类型、定位故障点[3]。

小波包自适应阈值设为21，80%小波包系数为0，保留信号80%能量，以尽量少的小波系统描述尽量多的信号量。以两种不同故障类型的信号样本做能量分布对比，获得不同故障信号，由小波包变换与频带分割后，得到的能量分布图具有显著差异。由此，可将能量分布作为水轮机组故障信号特征矢量，对BP 神经网络反复训练，选取两组两本数据输入BP 神经网络，结果如表2 所示，诊断有效、准确。

表2 水轮机组故障诊断结果

4 结论

机组状态监测与故障诊断系统的应用，是水电站正常运行的重要保证，目前我国大中型电厂都对其机组全面/部分在线监测。随着我国传感技术、监测仪器与相关智能技术的发展，相关检测系统不断优化，机组诊断模型的训练和完善，可以进一步提高机组状态监测可靠性、故障诊断准确度，及早发现机组运行异常状况，进行状态检修，保障机组安全稳定运行。