摘要：现阶段，大型发电机组的应用范围逐渐扩大，机组数量也不断攀升，在应用的过程中，不可避免的会发生故障。因为大型发电机组故障具有一定的复杂性和多样性，若是仅仅从单一方面进行故障诊断，则很难得到理想的诊断结果，此外，因为影响诊断结果的扰动因素较多，每天都会获得大量的状态检测数据，而这些数据若是简单的堆积在电脑中，则无法发挥出其应有的效果。在大型发电机故障诊断中，科学合理的引入信息融合技术，可以将各种检测数据有效的利用起来，提升诊断的准确性和可靠性。本文对信息融合技术在大型发电机故障诊断中的应用进行了探讨，以期为今后的工作提供一定的技术支持。
关键词：信息融合技术；大型大电机；故障诊断；应用
1引言
随我国经济的高速发展，电力系统建设要求越来越高，国家建立了一些大型水电站，发电机单机容量不断增大，发电机一旦发生故障，给水电站以及整个电力系统带来不利影响，因此如何对大型发电机故障进行诊断至关重要，因此大型发电机故障诊断技术成为国内外重要的研究课题。大型发电机故障十分复杂，引起发电机故障原因十分复杂，具有多样性和不确定性等特点，传统专家诊断方式难以实现故障准确诊断，且不能进行在线、实时诊断。
近年来，许多学者提出采用模式识别和人工智能相合的方式，进行大型发电机故障。由于人工智能方式不需要建立具体的数学模型，直接可以从样本中确定大型发电机状态参数和大型发电机稳定性之间的非线性关系，整体故障诊断速度快。尤其是人工神经网络和支持向量机具有自学习、自组织、非线性逼近能力，受到各国学者的广泛关注，已经成为大型发电
机故障诊断主要研究算法。由于单一信息很难全面准确地反应大型发电机故障状态，诊断精度难以提高；而信息融合技术是计算机学科中一项新技术，通过多个传感器进行信息采集，对多个观测信息进行合理支持和利用，从而达到大型发电机故障的准确定位。为了提高大型发电机故障诊断的正确率，可以建立一种基于支持向量机的信息融合诊断模型，该故障断诊系统利用传感器资源和支持向量机非线性分类能力，提高大型发电机故障诊断精度，最后通过仿真进行验证，相关结果表明，故障诊断系统增加故障诊断结果的置信度。
2信息融合概述
2.1信息融合基本思想
通过单个支持向量机对于大型发电机故障样本进行学习，其具有记忆功能，因此能够记住这些故障特性，这样采用单个支持向量机能够实现大型发电机多类故障诊断，但是支持向量机是针对小样本的，当发电机诊断特征参数比较多时，会使支持向量机学习时间过长，有时甚至让人无法容忍；且所构造的训练样本之间出现矛盾的概率增大，影响发电机故障诊断模型性能，从而导致支持向量机的泛化推广能力差，故障诊断的准确率下降，诊断结果可靠度比较低。为了提高了大型发电机故障诊断结果的可靠性，可采用支持向量机模型对模型进行初步诊断，实现故障与特征参数间的非线线映射关系，然后采用证据理论对各个支持向量机诊断结果进行融合，全面描述电电机工作状态信息，有效提高了大型发电机故障确诊率。
2.2信息融合理论主要内容
信息融合是一项多源信息综合处理技术，是将系统中各种类型传感器所提供的测量信息加以自动分析、综合，以完成对被测对象所需的决策和估计任务而进行的信息处理过程。系统的信息融合相对于信息表征层次可以分为以下3类：数据层融合、特征层融合、决策层融合。
（1）数据层融合。数据层融合是指直接对各传感器的原始数据进行比较分析，验证传感器所采集数据是否存在异常、传感器信号之间有无关联，并对信号作一些统计分析。最简单、最直观的数据层融合方法是算术平均法和加权平均法。
（2）特征层融合。特征层融合是指把原始数据通过数学方法进行特征提取后，对多个传感器所获得的征兆进行分析。具体实现技术包括参量模板法、特征压缩和聚类分析、人工神经网络及基于知识的技术等。
（3）决策层融合。决策层融合是在最高层上进行的融合，是将各种信息送入专家系统，由专家系统进行判断分析，最终做出决策。该层获得联合推断结果所采用的主要方法有Bayesian推断、Dempster-shafer证据理论，模糊集理论，专家系统等。
3基于信息融合理论的故障诊断
在对故障充分调查和对故障机理充分研究的基础上，大型发电机组故障大致分为发电机事故、推力轴承故障、导轴承及轴系机械故障、机组固定机架故障四大部分。由于篇幅限制，笔者以导轴承及轴系机械故障部分为例详细介绍基于信息融合理论的故障诊断。
3.1导轴承及轴系机械故障信息分类
在导轴承及轴系机械故障诊断过程中，首先对故障进行简单分类：（1）转子轴承故障。分为上导轴承故障、下导轴承故障、水导轴承故障。（2）导轴承故障。分为推力轴承故障、大轴法兰故障、机组轴向故障、键相故障。（3）机架故障。分为上机架故障、下机架故障、顶盖故障。（4）定子故障。分为定子基座故障、定子铁芯故障。（5）涡壳及其他故障。分为涡壳故障、尾水管故障、活动导叶后压力脉动故障。
3.2基于信息融合理论的故障诊断原理图
大型发电机组故障具有复杂性和多样性，单从某一方面进行故障诊断，得到的诊断结果往往不准确，因此本文采用多传感器信息融合技术进行大型发电机故障诊断。基于信息融合的发电机故障诊断系统的工作原理框图如图1所示。
图1 信息融合的大型发电机故障诊断原理
3.3过程分析
以导轴承及轴系机械的振动信号为例，在数据层融合处对最初的收集信号进行分析比较，验证有无异常，并对其规范化；而特征层融合处对由上层处理的输出信息定量符号化后，结合设备测量值及特征进行不同组合，对于表现出的一些征兆采用特征融合的聚类分析方法进行征兆分类处理。在决策层的融合系统做出诊断决策时，需要综合考虑历史状态、趋势信息、经验知识和结构知识等，然后运用Dempster-shafer证据理论进行故障分类处理。
4结论
应用信息融合理论能较好地解决大型发电机组状态检测到的大量信息归类问题，这为故障诊断过程节省了大量时间，同时使大型电机组故障诊断推理过程具有逻辑性，提高了发电机组故障诊断的智能化水平。在将来的发电机组故障诊断研究中，可将信息融合理论与可靠性理论相结合，这对于更加准确、快速、高效地诊断水电机组故障具有重要意义。
参考文献：
［1］郭磊，刘德辉，李志红．智能诊断技术在水电机组振动故障诊断中的应用［J］．水电能源科学，2009，27（4）：178－180．
［2］王敏珍，张志辉，裴玉杰．信息融合技术在大型发电机故障诊断中的应用［J］．计算机仿真，2012，29（4）：349－352．
［3］曾新红. 信息融合技术在船用电机故障诊断中的应用研究[J]. 广州航海学院学报，2012，20（1）：13-16.
论文作者:张炜,马克研
论文发表刊物:《电力设备》2019年第10期
论文发表时间:2019/10/18
标签：故障论文; 发电机论文; 故障诊断论文; 信息论文; 向量论文; 机组论文; 轴承论文; 《电力设备》2019年第10期论文;