贵州乌江水电开发有限责任公司思林发电厂 贵州 思南 565100
摘要：水电机组作为水电厂的核心设备，其安全、稳定运行直接关系到电站的安全，甚至影响电网系统的稳定。同时，为了实现智能化水电厂状态检修，机组的状态监测与故障诊断也是重要的一环。本文概述了水电机组状态监测原理和故障机理，主要阐述了几种主要的故障诊断技术特点及在水电机组故障诊断中的应用研究成果，并分析了水电机组振动故障智能诊断技术的发展前景。
关键词：状态监测；故障诊断；专家系统；神经网络；模糊理论
1 概述
水电厂设备检修体制的发展经历了从“事后检修”、“定期检修”到“状态检修”的三个阶段。“事后检修”就是当设备发生故障或者性能下降后再进行修理。这种检修方式往往带来设备的严重损坏，增加了运行风险，带来了更长的检修时间以及检修费用，现已被“定期检修”所取代。当前我国水电机组的大修、小修普遍采用的是定期检修的方式，即依据固定的检修周期对设备进行按计划修理的一种检修方式。这样虽然在一定程度上保证了机组的安全运行，但是带来的问题是本可以再运行一段时间的设备被迫停下来进行检修，增加了检修费用，降低了经济效益，导致了所谓的“过剩检修”或者其对立面“检修不足”。鉴于上述检修方案的诸多缺陷，一种能满足在机组不停机状态下及时发现安全隐患，并且能够合理的预测出机组未来趋势，使得对于机组的检修更有针对性以及准确性的检修方案被随之提出，即“状态检修”。 针对水电机组的状态检修主要分为：状态监测、故障诊断和状态预测三个环节。状态检修的目的就是为了使水电厂的效益最大化，准确掌握机组当前的运行状态和未来的发展趋势，调整机组运行工况，延长机组寿命，并能够提出合理的检修计划，使水电站的生产管理更具有科学性。而作为状态检修中两个重要的组成部分的状态监测和故障诊断系统的实现对于整个状态检修则有着更加深刻的意义。
2 水电机组状态监测原理
水电机组是水、机、电、油、气组成的复杂大系统，所涉及的知识领域广泛，待监测的项目繁多，对获取的大量信息的分析管理较为复杂[1]。其运行状态监测的基本原理可归纳为：针对设备不同参数的特征，通过不同形式的传感元件（含传感器和变换器），采集水电机组运行设备的各种信息，将所采集的信息通过的数据处理单元转换成图表、波形曲线等多种方式送到数据服务器，以用来为下一步诊断提供数据支持。机组运行设备状态监测原理框图见图 1。
图1 机组运行设备状态监测原理框图
3 故障机理研究
机组故障机理的研究是进行故障诊断的基础。不管是“事后检修”、“计划检修”还是“状态检修”，对故障机理的理解都是诊断的基础。所以对于水电机组故障机理的研究从来也没有停止过。根据有关部门的统计，水电机组大约有 80%的故障或事故都在振动信号中有所反映，水电机组最常见的故障是振动故障，它直接威胁着机组的安全运行。已经有不少讨论故障诊断的文献对水电机组的故障进行过总结、归纳和分类。在机械、水力和电气三大类故障中，以下一些是讨论比较多并已经达成共识的[2]。
3.1机械振动
（1）机组转动部分不平衡引起的机组振动。 水电机组转动部件不平衡是由于机组制造厂家制造精度不高或部件材质不匀造成质量不平衡、安装过程平衡调节不到位或者长期运行后导致安装不平衡。主要特征：机组振幅随机组转速变化较敏感，其振幅一般与转速的二次方成正比，且水平振动较大，振动信号的特征频率为一倍机组转频。
（2）机组转动部件与固定部件碰摩引发振动。由于装配不良、转子不平衡量过大、轴弯曲、机械松动或零部件缺陷等原因，可能导致动静件之间发生碰摩。主要特征：一般振动较强烈，并常常伴有撞击声响。
（3）轴承间隙过大、主轴过细、轴的刚度不够所引起的振动。主要特征为：机组振幅随机组负荷变化较明显。
（4）机组轴线曲折、紧固零部件松动、机组对中心不准、推力轴承调整不良所引起的机组振动。主要特征：机组在空载低转速运行时，机组便有明显振动。
3.2水力振动
（1）转轮叶片尾部的卡门涡列所诱发的机组振动，卡门涡引发中频或高频压力脉动。卡门涡的形成与流体速度和绕流体尾部的断面形状和尺寸有关，所以特征为：振幅随过机流量增加而明显增大，频率与导叶或叶片数有关。
（2）因水轮机偏离设计工况较远，尤其在低水头、低负荷运行时，叶片出口圆周分量过大，在尾水管内产生强烈的旋涡流动，即常说的尾水涡带，引发低频压力脉动。振动特点为：振动强弱与水轮机的运行工况关系较密切，某些区域振动强烈，某些区域振动又明显减小，甚至恢复正常，压力脉动频率一般为1/6~1/3转频。
（3）叶片进口水流冲角过大，导致叶片头部脱流，形成叶道涡和二次回流，引发中频和高频压力脉动。特征：压力脉动的频率为叶片数的整数倍。
（4）高水头混流式水轮机因止漏环结构型式和间隙组合不当及运行间隙不均匀引起水压力脉动诱发的机组振动，该振动特征为：振动摆度及压力脉动幅值，均随机组负荷和过机流量的增加而明显增大。
3.3电磁振动
（1）周期性的不平衡磁拉力分量，定、转子不均匀空气隙所引起的作用力，转子线圈短路时引起的力和发电机在不对称工况下运行时产生的不平衡力所引发的机组振动，其振动特征为：振动随励磁电流增大而增大，且上机架处振动较为明显。
（2）发电机定子绕组每极分数槽绕组形成的磁场特殊谐波成分引起的磁拉力，而定子在波数较少的磁拉力作用下就要产生振动，其振动特征为：振动随定子电流增大而增大，幅值与电流几乎呈线性关系，且上机架处振动为明显。
（3）定子铁芯组合缝松动或定子铁芯松动所引起的机组振动，其特征为：振动随机组转速变化较明显，且当机组带上一定负荷后，其振幅又随时间增长而减小，对因定子铁芯组合缝松动所引起的振动，还有一特征为：其振动频率一般为电流频率的两倍。
（4）定子绕组固定不良，在较高电气负荷和电磁负荷作用下使绕组及机组产生振动。其振动特点为：振动随转速、负荷运行工况变化而变化，上机架处振动亦较为明显，但不会出现载上某一负荷后其振动随时间增长而减小的情况。
4 诊断技术研究
水电机组故障诊断过程主要有三个步骤：在线监测信号特征提取；故障识别；信号趋势预测。故障识别的过程需要选取诊断方法，故障诊断技术经过十几年的迅速发展，到目前为止已经出现了基于各种不同原理的众多的方法，目前应用于水电机组故障诊断领域的诊断方法主要有：基于故障树的诊断方法、基于模型的诊断方法、基于专家系统的诊断方法、基于神经网络的诊断方法、基于模糊理论的诊断方法、基于 CBR（Case Based Reasoning）的诊断方法等。
4.1基于故障树的诊断方法
故障树分析法是逻辑诊断法中一种成熟的可靠性分析方法，以系统最不希望发生的事件作为发生的目标（顶事件），找出系统内可能发生的部件失效等因素（各种底事件）与系统失效之间的逻辑联系，用倒立树状图形表示出来。Karen A Reay等[3]构造了水轮发电机组的故障树，对故障树进行了定性定量分析，得出了逻辑分析与数量分析的结果，并对故障树的简化与等效进行了讨论。
4.2基于模型的诊断方法
基于模型的诊断方法（Model-Based Diagnosis）是伴随着人工智能领域发展起来的，研究的动力来源于希望克服传统专家系统知识获取瓶颈问题。上世纪 70 年代中期到 80 年代中期为此项研究的开创性时期，随后逐步发展起来的新型诊断技术。它的主要思想是：对于动态系统，根据系统组成元件间的连接建立起待诊断系统模型（结构模型、功能模型或行为模型），则系统参数或状态的变化可以直接反映设备物理系统或物理过程变化，为故障诊断提供依据。国内外在水电机组故障诊断领域基于模型的诊断方法研究主要侧重在简化后的轴系模型响应方面[4-5]。
4.3基于专家系统的诊断方法
故障诊断专家系统主要用于无精确数学模型或很难建立数学模型的复杂系统。专家系统的结构主要包括知识库、综合数据库、推理机、解释机、知识获取子系统、人机交互子系统等。完整的故障诊断专家系统还应包括故障征兆采集和识别子系统。从水电机组振动故障的特点看，采用专家系统被认为是一种有效的解决方法。从21世纪初开始，国内部分水电专家开展了专家系统诊断法在水电机组振动故障诊断方面的应用研究。邓正鹏等[6]以水电机组为研究对象，对故障诊断专家系统知识库的建立从理论和方法上进行研究，建立了基于C+ +的产生式知识库系统，该法已应用于实际水电站运行中取得了良好效果。刘晓波等[7]提出了框架式诊断规则的概念，以VC+ +为开发工具和基于ADO数据库访问技术的诊断推理方法建立了水轮机组故障诊断专家系统，工程实例应用表明该系统具有构造简单、诊断效率高的优点。
4.4基于神经网络的诊断方法
神经网络的知识推理通过神经元间的相互作用实现，具有自学习能力，神经网络的出现为水电机组故障诊提供了一种新的解决方案。神经网络诊断法在水电机组故障诊断中日渐得到重视和应用[8]。杨晓萍等[9]提出了应用人工神经网络对水轮发电机组振动故障进行分类和识别的方法，用三层BP网络对几种典型故障模式进行了试验研究和分析，发现神经网络技术能有效解决水轮发电机组振动故障中的状态识别问题。
4.5基于模糊理论的诊断方法
模糊诊断法是利用集合论中的隶属度函数和模糊关系矩阵的概念解决故障与征兆间的不确定关系。在模糊故障诊断中，构造隶属度函数是实现模糊故障诊断的前提。符向前等[10]采用模糊诊断技术构造了故障诊断的模糊关系矩阵，应用于水电厂的故障诊断系统中成功诊断出如转子不对中、尾水管偏心涡带等机组运行问题。
4.6 CBR
受人类在处理问题时候，如果有经验而无理论情况下同样能够解决问题的启发，逐步发展出一种基于人的认知心理的机器自学习和推理的方法，即基于案例（或范例、事例）的推理方法，即 CBR。CBR 使用以往解决类似问题的经验进行推理，是人工智能中的一种新的推理技术。在设备故障诊断领域的实际应用的基于 CBR 技术的诊断系统比较少，程瑞琪[11]探讨了 CBR 技术用于故障诊断中事例表达、组织及故障推理问题。
对于水电机组故障诊断而言，由于故障样本相对较少，国内的研究现在还主要是停留在 CBR 原理研究的基础上，至少笔者暂时还还没看到有关采用 CBR 实现的完整诊断实例。相对传统基于规则的诊断方法中普遍存在的知识获取比较困难的问题， CBR 的诊断方法缓解了知识获取瓶颈现象，随着状态检修体制的推广，电厂逐步收集完整的故障诊断实例，基于 CBR 的故障诊断方法前景还是比较乐观的。
4 结论
我国的状态监测系统开发还处于发展阶段，特别是在水轮机组监测方面成熟系统较少。水电机组故障诊断的研究亦做得不多，这主要是因为其工作转速比较低，工作状态复杂，故障发展多数是渐变的，有磨损和疲劳特征，突发性恶性事故较少，故障机理研究不是很系统。由于实际诊断问题的复杂性和各种诊断方法所固有的局限性，只应用一种诊断方法就完全解决实际对象的诊断问题几乎是不可能的，这样应该同时应用多种故障诊断方法来进行综合诊断，即考虑采用基于多方法的诊断联盟思想进行诊断。因此，为了指导机组安全运行，推进完全意义上的状态检修体制，研究如何将多种诊断方法有效地集成在一起，发挥各自的优势，从而提高整个诊断系统的综合性能就成为一个具有重要现实意义的研究方向。
参考文献
[1]程玲.水电机组的计算机实时状态监测研究[J].水电厂自动化2007，4：267~261.
[2]沈东，褚福涛，陈思.水轮发电机组振动故障诊断与识别.水动力学研究与进展（A辑），2000， 15（1）： 129-133.
[3]Karen A. Reay， John D. Andrews. A fault tree analysis strategy using binary decision diagrams. Reliability Engineering & System Safety. 2002， 78： 45-56.
[4]Horstad. Rotodynamic Behaviour of Hydropower Units. Proceedings of the 22nd IAHR Symposium on Hydraulic Machinery and Systems. July 2， 2004， Sweden.
[5]Dara Childs.Turbomachinery Rotodynamic. John Wiley & Sons， Inc， pp 364-368，1993.
[6]邓正鹏，韦彩新，刘利娜等.水电机组故障诊断专家系统中知识库的设计[J].华中科技大学学报（自然科学版），2003，31（9）：4-5，49.
[7]刘晓波，黄其柏.基于框架式规则的水轮机组故障诊断专家系统研究[J].水力发电，2005，31（12）：50-53.
[8]Sorsa T，Heikki N，Koivo H N.Application of Arti-ficial Neural Networks in Process Fault Diagnosis[J].Automatica，1993，29（4）：843-849.
[9]杨晓萍，解建宝，孙超图.水轮发电机组振动故障诊断的神经网络方法研究[J].水利学报，1998（S1）：94-97.
[10]符向前，蒋劲，孙慕群，等.水电机组故障诊断系统中的模糊诊断技术研究[J].华中科技大学学报（自然科学版），2006，34（1）：81-83.
[11]程瑞琪，杨文栋.基于事例与因果模型的故障诊断程.机械科学与技术，18（5）：783-785.
作者简介
向辉（1989.10—），男，贵州玉屏人，本科学历，助理工程师，主要从事水电站机械设备检修维护工作
论文作者:向辉
论文发表刊物:《防护工程》2017年第19期
论文发表时间:2017/12/7
标签：机组论文; 故障诊断论文; 故障论文; 水电论文; 方法论文; 状态论文; 专家系统论文; 《防护工程》2017年第19期论文;