摘要：现阶段，水力发电厂普遍自动化程度较高，复杂的保护、自动、监控系统支撑着水电厂的安全稳定运行。但同时，因为运用的自动化元件繁杂，故障率也随之增加，对水电厂发电设备故障的快速诊断就显得尤为重要。随着科技水平的提升，越来越多的故障诊断方法涌现出来，其中包括基于数学模型的故障诊断、专家系统、人工神经网络、模糊逻辑等，每种方法都具有不同的优势特征，可以根据实际情况合理选择应用。本文对常用的发电设备故障诊断方法进行研究，并分析其未来发展趋势，希望为今后的水电厂设备故障诊断探索提供参考借鉴。
关键词：水电厂；发电设备；故障；诊断；措施
1导言
在水电厂中，复杂的保护、自动、监控系统支撑着水电厂的稳定运行。每一个系统中都是由无数个传感器、继电器等自动化元器件通过网络、二次回路汇集而成。在水电厂的日常维护工作中，发电设备一旦发生故障，就需要维护人员立即做出判断，并快速进行处理，恢复设备稳定运行。基于数学、物理、计算机、大数据领域的不断进步，越来越多的故障诊断技术得到开发应用，给水电厂的维护工作带来前所未有的便利。
2设备智能诊断技术系统的意义与现状
2.1设备智能诊断系统的意义
科学技术在电厂行业的不断深入，使得通信技术与数字信号技术逐渐融入到设备的各个方面，形成了传感智能、控制智能等相结合的现代化科技综合设备，使得水电厂的安全、经济、高效、环保等目的得以落实，所以“安全、经济、高效、环保”成为现代化电厂的基本要求，在智慧电厂项目建设中，从最初的数据采集到分析处理，这些数据均通过云环境传输到监控中心，采用大数据处理技术得出异常故障趋势分析，能够提前预测潜在的问题。对于电厂来说，诊断技术系统有效实现了机组海量运行数据的自动采集、挖掘、分析，既顺应了“互联网+”趋势，也是电力行业厚积薄发的第一步，有力促进电力产业互联网化。
2.2设备智能诊断的现状
上世纪90年代初，随着人工智能技术的发展，国内一些研究机构和高等院校先后开展了设备智能诊断技术和系统研究，并主要将其应用于电厂、冶金和石化等行业的水轮机、发电机、压缩机等大型设备上。这类研究火热了一段时间。但随着时间的推移，这类系统大多因为没有能发挥出预期的诊断效果而逐渐被淘汰。对发电厂来说，对设备故障诊断结果有着苛刻要求，不仅要求能做到故障定位，而且要求进一步提升故障定位的准确度、及时性。故障研究是设备诊断技术的重要部分，这个过程需要专业的技术人员掌握故障发生的原因，以及发生某种故障所对应的特征。因此，对于日后的故障维护具有指导意义。
国内在故障机理研究方面开展了大量工作，各大高校都会开设这方面的研究课程，也会有博士生和硕士生在从事这方面的研究，但是客观地说，该领域在近些年并没有明显的、突破性的进展。
3水电厂电气自动化设备发展近况
3.1水电厂电气自动化设备的工作环境
首先对水电厂自动化设备的工作环境来进行简要概括。水电厂自身的工作环境是十分复杂的，这样也就增加了自动化设备的故障率，从而使设备的可靠性产生了很大的波动，因此确保自动化设备的正常运转是对水电厂的基本要求。此外，在设备工作时还会受到电磁干扰，使设备的信息接收能力受到阻碍，进而影响到相关的机械施工过程，渐渐地就降低了自动化设备的寿命，进而影响到整个水电厂的运转。在加上自然等因素对设备的作用，使设备的工作环境变得复杂甚至更加恶劣。
3.2自动化设备维修保养不力
自动化设备还有维修保养不力的问题。水电厂在进行正常运转的过程中，其相关的自动化设备基本是依靠着信息技术才能实现连续工作的，正因为有了这些现代化高新技术的引进，才使得以往全靠人工的传统模式实现了革新。此外，还使得相关生产工作得到了提高并以最大限度地促进了水电厂的运转力及其发展。然而，在对于自动化设备的维修保养工作方面实施力度不够，设备的可靠运转势必要依赖设备的安全可靠、连续运行，也就必须要安排工作人员对其进行细心地维修及保养，特别是对于相关器件的精度。维护人员一旦不能够做到对自动化设备的充分了解，就会导致维修保养力度不足，最终导致设备发生严重的故障以影响水电厂的稳定运行。
4水电厂发电设备故障诊断方法
4.1基于数学模型的故障诊断
在诊断中，通过计算机软件对故障设备进行建模，可以监听设备的运行情况，并将其参数的变化与理论值进行对比，可以发现运行异常的具体位置，进而判断出具体的故障类型，这种诊断方法称之为基于数学模型的故障诊断。
期刊文章分类查询,尽在期刊图书馆采用这种诊断方法，可以实时了解到设备的运行情况，并且快速诊断出结果，常用的诊断模式有以下几种：第一，根据已发生故障的发电设备，建立多级流模型，可以识别故障的源头，一般应用于复杂耦合系统。第二，建立水电机组故障诊断模型，应用有效状态记录进行诊断，具有在线诊断功能。上述两种模型只能诊断特定的设备及故障，具有一定的局限性。第三，引用无参建模法，提取设备正常运行的数据及现在运行的数据，将数据进行对比分析，进而发现具体故障，其精度取决于参数，只适用于参量少的发电设备。可以看出，该方法的精准度主要取决于数学模型。
4.2专家系统
专家系统是一种智能化程序，具备专家解决水平，在读取故障状态后，可以根据设定好的规则运行，选择适合的表达方式，通过大量的推理判断，最终得到故障诊断结果。专家系统一般采用产生式规则作为表达方法，其核心部分有两个，一个就是知识库，另一个为推理机。专家系统由六大部分构成，具体内容如下：第一，数据库。数据库主要起到一个存储的作用，内部含有描述内容、推理过程、中间结果等内容，所有检测数据都会实时传送到数据壳内部。第二，知识库。知识库同样存储大量的知识，内部包含推理机理、因果关系、规则、专家知识等。第三，人机接口。主要是起到一个连接的作用，可以理解为一个桥梁，将维护人员专家系统连接到一起。第四，推理机。可以运用知识库内部存储的理论知识及专家经验，根据提出的问题，按照设定程序运行，最终得到一个诊断的结果。第五，解释器。对诊断过程及结果进行及时分析，包括选择原因、候选解等。第六，知识获取机构。负责获取故障诊断的相关知识，从专家及训练数据库内部获取知识，并且添加到知识库内。事实上，旋转机械的故障诊断类似于医生对于疾病的诊断，相较于现在众多智能的诊断方法，早期的专家系统诊断模式，应该是最适合的方法。专家系统完全模拟行业专家的思维方式，通过对特征信号的综合分析和层层推理，最终确定故障原因。专家系统都是围绕知识库和推理机来组织的。专家系统的基本概念，通俗来讲就是将专业知识与科学推理相结合，形成之后，对其“安装”一个数据库、调用、搜索、接口等功能模块，使得专家更加具有科学性。
4.3人工神经网络
应用物理学知识及数学知识，设计出一种系统或者计算机，实现对生物大脑的模仿，称之为人工神经网络。将信息输入系统内部以后，可以根据设定好的算法开展学习和分析工作，在采用适合的方法表达出来，就完成了信息的输出。在应用人工神经网络以后，需要对其进行训练，对其权值进行改变，让输出结果更加接近联想结果，最终形成一个复杂的网络，具有极易、学习、推测、联想等功能。将人工神经网络应用于故障诊断的过程如下：首先，将海量的数据样本输入到网络中，可以在内部进行学习练习，输入待检测的故障数据，网络会自主进行故障的分析，与专家系统原理相似，但是获取知识的方法不同，专家系统获取的知识为专家经验，而神经网络可以进行自主学习。现阶段，已经将人工神经网络应用于故障诊断中，但是暴露出不少的问题，主要有三方面缺陷，一是难以获取精准全面的样本，无法开展学习训练工作，二是缺乏专家知识，无法保证知识的全面性。三就是其模型理解难度较高。
4.4模糊逻辑
在发电设备出现故障问题之前，必然会伴随着一定的征兆，但是其内部结构复杂多变，无法通过征兆确定实际的故障原因，可以理解为发电设备故障状态是处于一个模糊的状态中，需要表达出每种故障的可能性，针对该特点，出现了模糊故障诊断方法。在应用模糊故障诊断方法时，可以利用集合表示故障总数及征兆，具体诊断过程如下：模糊规则库与模糊推理的综合作用体现，可以认为故障原因Y与征兆X之间的模糊矩阵运算。Y=RX，其中R为体现诊断专家经验知识的模糊关系矩阵，由机器设备系统机理分析及系统故障专家经验和资料的方法确定。该诊断方法的关键环节为确定模糊矩阵，需要参考大量的经验及试验结果，并且对特征集的要求更高，一旦选择出现问题，就会出现精度下降的现象，甚至出现诊断失误。
5结语
近年来，随着科学技术的进步和国家对科技创新的大力提倡，大量企业和科研机构投入到利用科技创新解决水电厂故障诊断的研究中来，大量的故障诊断方法涌现出来。本文对现阶段比较主流的四种故障诊断方法进行梳理，分析它们的特征和未来发展趋势，希望为今后的水电厂设备故障诊断方式选择提供参考。当然，随着国内智慧企业、智慧电厂建设脚步的加快，肯定会有更加丰富完善的故障诊断方法出现，还有待于日后通过更多的实际检验，在实践中不断完善。
参考文献：
[1]陈瑞，潘凌，兰柏，等.水电厂电气自动化控制设备的可靠性分析[J/OL].电子技术与软件工程，2019（19）：110-111[2019-10-23].
[2]刘志刚.水电厂机电设备状态检修之探讨[J].四川水力发电，2018（s2）.
[3]吴月超，郑南轩，苏华佳，李亚楠，李佰霖，李朝晖.面向智能水电站的在线监测状态实时自动巡检方法与应用[J].电力系统自动化，2017，41（09）：123-129.
[4]刘健如.谈水电厂机械设备检修及维护管理问题[A].科技与企业——企业科技创新与管理学术研讨会论文集（上）[C].科技与企业杂志社、北京科技大学计算机与通信工程学院、北京科技大学土木与环境工程学院：，2016：1.
作者简介：
王金兰，1989.04，女，北京房山，本科，助理工程师，主要研究水电站状态监测及故障诊断功能。
论文作者:王金兰
论文发表刊物:《电力设备》2020年第2期
论文发表时间:2020/4/30