周宁刚，徐剑峰，江书樵，陈泽阳

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

0 引言

自20世纪90年代起，水电机组状态监测系统陆续在各大水电厂投运，至今已得到广泛应用，实时监测水电机组的振动、压力脉动、噪声等特征参数，当出现异常时及时做出预警，保障水电机组的安全运行[1]。近年来，行业内对水电机组状态监测数据开展了多种数据挖掘研究，探索更完善、更科学的预警模式。参考文献[2]对某机组在一定时段的不同监测值进行了概率统计，证明了不同监测值的概率分布与正态分布较为接近。参考文献[3]对机组轴瓦温度进行了统计分析，并进行了严格的分布检验，证明了轴瓦温度数据的样本均值序列服从正态分布。参考文献[4]和参考文献[5]对比了不同的概率统计方法对状态监测数据统计特性的影响。参考文献[6]对基于不同统计原理的故障诊断方法做了梳理和对比。参考文献[7]设计了基于机器学习的水电机组监测参数预警模式。但时至今日，状态监测系统的预警方式仍多以单一的限值作为预警依据，即当实时监测值超过预设的阈值时做出预警。对此，本文根据正态分布理论，对状态监测参数的波动特性开展统计分析，探寻机组潜在的状态变化，进而对其波动中出现的异常进行预警，以期改善单一阈值的越限预警方式，提高水电机组的安全运行系数。

1 波动预警原理

水电机组属于慢速旋转机械，运行特性经常处于缓慢变化的状态，在系统工作正常的前提下，监测参数较少出现突然跳变的情况。……