周正华，陈豪杰，邹琦华，万芳清

（1.浙江华电乌溪江水力发电有限公司，浙江 衢州 324000；2.北京华科同安监控技术有限公司，北京 100043）

0 引言

随着水电厂自动化程度的不断提高和计算机科学的飞速发展，水电机组的运行已处于各类自动化元件和系统的密切监视之下，当出现异常时能迅速做出判断和处理[1]。同时，大量的监测信息也为实现水电机组自动故障诊断提供了基础数据样本。然而，传统的故障诊断方法以故障样本为依据，即通过实时数据样本与故障样本的比对，判断机组是否存在某种故障[2]。由于水电机组故障样本较少，传统的故障诊断方法难以开展，且水电机组受水力、机械、电气等因素耦合影响，某些故障与其征兆间存在非线性的映射关系，难以通过机器实现自动判别和诊断。

近年来，水电机组监测数据的信息挖掘与融合技术已成为行业研究热点[3]，即通过对已有数据样本进行深入分析和挖掘，探寻水电机组的运行特点和规律，进而对水电机组的运行状态进行实时评价和趋势预测[4]。本文利用机组已积累的大量运行数据建立健康样本，设计了水电机组状态评价的健康模型，进而根据监测数据的统计分析结果，确立了评价阈值和体系，可对机组运行状态进行实时评价，并预测早期或潜在的故障。

1 评价方法

1.1 健康样本的建立

水电机组的健康样本即机组在健康状态下的数据集。对新投产的机组，刚刚投运后的监测数据集可作为健康样本；……