周 葉,潘羅平,曹登峰

(中國(guó)水利水電科學(xué)研究院,北京 100038)

基于概率統(tǒng)計(jì)的水電機(jī)組狀態(tài)評(píng)估數(shù)據(jù)特性研究

周 葉,潘羅平,曹登峰

(中國(guó)水利水電科學(xué)研究院,北京 100038)

簡(jiǎn)要介紹了基于健康樣本的水電機(jī)組狀態(tài)評(píng)估方法,提出完整的健康模型分為特征數(shù)據(jù)、影響因素和健康樣本3部分,然后針對(duì)特征數(shù)據(jù)的統(tǒng)計(jì)特性展開(kāi)了分析與研究。首先對(duì)能反映機(jī)組運(yùn)行狀態(tài)的傳感器和信號(hào)參數(shù)進(jìn)行分類,再根據(jù)參數(shù)關(guān)系的復(fù)雜程度,將其分為基本特征數(shù)據(jù)和組合特征數(shù)據(jù),并分別給出了其計(jì)算方法和特征值的選擇。最后,文章通過(guò)選取電站長(zhǎng)期運(yùn)行的實(shí)際狀態(tài)數(shù)據(jù),對(duì)兩種類型的特征數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,得到其數(shù)據(jù)特性和影響因素并給出相關(guān)結(jié)論。

水電機(jī)組;健康樣本;特征數(shù)據(jù);統(tǒng)計(jì)特性;狀態(tài)評(píng)估

1 前言

與機(jī)組發(fā)生故障時(shí)需要及時(shí)判別和處理不同,狀態(tài)檢修最終的目標(biāo)是指導(dǎo)檢修計(jì)劃和檢修內(nèi)容,以發(fā)現(xiàn)并消除機(jī)組潛在的故障,因此其重點(diǎn)在于收集并積累設(shè)備的狀態(tài)信息,并對(duì)其發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)和評(píng)估。而當(dāng)前國(guó)內(nèi)外診斷技術(shù)的研究大多集中于故障的分析和識(shí)別,實(shí)際上,由于水電機(jī)組故障相對(duì)復(fù)雜,很難直接檢測(cè)到具體的特定故障。因此,要想提高水電機(jī)組狀態(tài)監(jiān)測(cè)的實(shí)用性,切合水電廠的實(shí)際需要,需要了解機(jī)組長(zhǎng)期運(yùn)行的狀態(tài)和發(fā)展趨勢(shì),最終指導(dǎo)設(shè)備的檢修計(jì)劃及內(nèi)容[1]。

而隨著測(cè)試技術(shù)和信息技術(shù)的不斷發(fā)展提高,監(jiān)測(cè)設(shè)備越來(lái)越成熟,其應(yīng)用越來(lái)越廣泛,各電站通過(guò)各種狀態(tài)監(jiān)測(cè)系統(tǒng)積累了機(jī)組長(zhǎng)期海量的運(yùn)行狀態(tài)數(shù)據(jù),使得大數(shù)據(jù)和統(tǒng)計(jì)理論在水電機(jī)組診斷檢修中的研究和應(yīng)用成為可能。

基于實(shí)用性和狀態(tài)檢修的需求,本文從概率統(tǒng)計(jì)學(xué)的角度研究機(jī)組長(zhǎng)期運(yùn)行的狀態(tài)數(shù)據(jù),建立機(jī)組重點(diǎn)或關(guān)鍵部位的評(píng)估模型,研究其發(fā)展趨勢(shì)和變化規(guī)律,以實(shí)現(xiàn)機(jī)組的運(yùn)行狀態(tài)評(píng)估。作為基于大數(shù)據(jù)的水電機(jī)組狀態(tài)評(píng)估方法研究成果,文獻(xiàn)[2]中提出了基于健康樣本的水電機(jī)組狀態(tài)評(píng)估方法,按照其結(jié)構(gòu)設(shè)計(jì)內(nèi)容,研究思路分為數(shù)據(jù)特性、模型特性和評(píng)估方法研究3個(gè)部分,本文的研究?jī)?nèi)容為第一部分。

文章首先簡(jiǎn)單介紹了基于健康樣本的水電機(jī)組運(yùn)行狀態(tài)評(píng)估方法,并對(duì)能反映機(jī)組狀態(tài)的測(cè)量參數(shù)進(jìn)行分類和計(jì)算方法分析,然后設(shè)計(jì)了兩種不同的特征數(shù)據(jù)模型,最后結(jié)合模型結(jié)構(gòu)通過(guò)大量的真實(shí)數(shù)據(jù)驗(yàn)證分析機(jī)組運(yùn)行狀態(tài)特征數(shù)據(jù)的統(tǒng)計(jì)特性。

2 基于概率統(tǒng)計(jì)的水電機(jī)組診斷評(píng)估方法

2.1 基于統(tǒng)計(jì)學(xué)的新異類檢測(cè)定義

新異類檢測(cè)方法(Novelty Detection Method)是一種檢測(cè)隱藏在大量正常數(shù)據(jù)中的未知或異?，F(xiàn)象的技術(shù),它通過(guò)對(duì)已知狀態(tài)觀測(cè)樣本的學(xué)習(xí),實(shí)現(xiàn)對(duì)機(jī)器學(xué)習(xí)系統(tǒng)在訓(xùn)練時(shí)未曾遇到的、新的未知的或異?，F(xiàn)象的識(shí)別,屬于數(shù)據(jù)挖掘中的無(wú)監(jiān)督學(xué)習(xí)方法[3]。

依據(jù)模型數(shù)據(jù)的統(tǒng)計(jì)特性,獲取模型樣本的分布,并判斷測(cè)試樣本是否屬于同一分布,這種檢測(cè)方法稱為基于統(tǒng)計(jì)學(xué)的新異類檢測(cè)方法。根據(jù)數(shù)據(jù)和模型的復(fù)雜程度不同,可以采用不同的統(tǒng)計(jì)學(xué)方法。

由于不需要先驗(yàn)故障知識(shí),且主要診斷依據(jù)基于數(shù)據(jù)的統(tǒng)計(jì)特性,更適用于已安裝且長(zhǎng)期運(yùn)行狀態(tài)監(jiān)測(cè)系統(tǒng)的水電廠。雖然這種方法在沒(méi)有先驗(yàn)故障知識(shí)時(shí),無(wú)法得到準(zhǔn)確的故障分類和判別,但作為異常狀態(tài)識(shí)別方法,可以在狀態(tài)識(shí)別、趨勢(shì)預(yù)估上起到較好的效果,并為故障診斷提供依據(jù)。

2.2 基于健康樣本的水電機(jī)組狀態(tài)評(píng)估方法

文獻(xiàn)[2]中對(duì)基于概率統(tǒng)計(jì)的水電機(jī)組狀態(tài)評(píng)估診斷方法進(jìn)行了詳細(xì)的描述,這里對(duì)該方法進(jìn)行簡(jiǎn)單的闡述和補(bǔ)充。

對(duì)水電機(jī)組的運(yùn)行狀態(tài)進(jìn)行評(píng)估,需要利用機(jī)組的歷史狀態(tài)測(cè)量數(shù)據(jù),對(duì)不同測(cè)點(diǎn)參數(shù)建立數(shù)據(jù)模型,數(shù)據(jù)模型包括基準(zhǔn)值和限值兩部分,這里將機(jī)組在穩(wěn)定運(yùn)行狀態(tài)下,由測(cè)點(diǎn)基準(zhǔn)值和限值組成的特征數(shù)據(jù)模型稱為健康樣本(Health Model)。通過(guò)機(jī)組當(dāng)前的實(shí)時(shí)監(jiān)測(cè)值與健康樣本的比對(duì)分析,得到機(jī)組的運(yùn)行健康狀態(tài)、劣化度和變化趨勢(shì)。

在實(shí)際分析過(guò)程中,由于水電機(jī)組的狀態(tài)監(jiān)測(cè)參數(shù)大多與其運(yùn)行條件等有關(guān),如果統(tǒng)計(jì)分析時(shí)不予以考慮,會(huì)導(dǎo)致樣本分散,標(biāo)準(zhǔn)偏差大,不利于健康樣本的確定。因此,在處理樣本數(shù)據(jù)時(shí),需要將樣本按多維影響因素進(jìn)行劃分(對(duì)機(jī)組運(yùn)行工況而言,典型的如有功、水頭、導(dǎo)葉開(kāi)度等),對(duì)不同分區(qū)內(nèi)的數(shù)據(jù)分別建立相應(yīng)的健康樣本,也可大致分為穩(wěn)定區(qū)和非穩(wěn)定區(qū)進(jìn)行分析,進(jìn)而評(píng)估機(jī)組在整個(gè)運(yùn)行條件范圍內(nèi)的健康狀態(tài)。

因此,一個(gè)完整的健康樣本模型分為3部分,①該模型的特征數(shù)據(jù),即我們選擇的參數(shù)物理量以及這些物理量的特征值,它由單個(gè)或多個(gè)測(cè)點(diǎn)參數(shù)構(gòu)成,單個(gè)參數(shù)的,如某導(dǎo)軸承擺度信號(hào)的峰峰值、水輪機(jī)頂蓋的水壓脈動(dòng)主頻值等,多個(gè)參數(shù)的,如最大最小瓦溫差等;②影響因素,即生成模型時(shí)需要考慮的影響參數(shù)值變化的因素,二維模型指單個(gè)影響因素(如機(jī)組工作水頭)與特征數(shù)據(jù)的組合,三維模型指兩個(gè)影響因素(如機(jī)組有功和工作水頭)與特征數(shù)據(jù)的組合;③健康樣本,即該特征數(shù)據(jù)對(duì)應(yīng)影響因素的運(yùn)行基準(zhǔn)值和限值。本文主要研究健康樣本模型的第一部分即特征數(shù)據(jù)的結(jié)構(gòu)設(shè)計(jì)及其統(tǒng)計(jì)特性分析。

以機(jī)組有功和水頭作為主要工況限定條件為例,將機(jī)組有功、水頭和當(dāng)前健康標(biāo)準(zhǔn)值設(shè)定為三維模型,其閾值初始時(shí)由當(dāng)前有功和水頭限定范圍內(nèi)的監(jiān)測(cè)數(shù)據(jù)統(tǒng)計(jì)值確定,最終建立機(jī)組異常狀態(tài)評(píng)估模型:

其中Pm為有功區(qū)間,Hn為水頭區(qū)間,μi為基準(zhǔn)值,δi為均方差/標(biāo)準(zhǔn)差,Z1i為健康下限,Z2i為健康上限,對(duì)單個(gè)特征量的健康樣本而言,i為有功區(qū)間劃分?jǐn)?shù)和水頭區(qū)間劃分?jǐn)?shù)之積。

3 機(jī)組運(yùn)行狀態(tài)特征數(shù)據(jù)

3.1 狀態(tài)參數(shù)分類

要開(kāi)展機(jī)組運(yùn)行狀態(tài)評(píng)估,首先要確定能反映機(jī)組運(yùn)行特征的參數(shù),這里按照水電機(jī)組的結(jié)構(gòu)組成、運(yùn)行特性和常見(jiàn)故障類別,將機(jī)組可能發(fā)生故障的部分劃分為水輪機(jī)、發(fā)電機(jī)、軸承系統(tǒng)、主變壓器、GIS開(kāi)關(guān)(含高壓斷路器)、調(diào)速器及輔機(jī)系統(tǒng)等幾個(gè)部分,首先選取每個(gè)部分里有代表性的參數(shù)構(gòu)造健康樣本,如部分容易反映出故障特性的特征值,再隨著關(guān)注度和數(shù)據(jù)特征趨勢(shì)的發(fā)展,逐步擴(kuò)展到更多的參數(shù),構(gòu)造更多的狀態(tài)模型。這樣既利于提高診斷的效率和準(zhǔn)確性,也能夠促使故障診斷研究工作分模塊、分階段開(kāi)展和實(shí)施。

與故障診斷專家系統(tǒng)的知識(shí)分類不同,專家系統(tǒng)的故障分類,重點(diǎn)是分析具體的故障內(nèi)容,并找到對(duì)應(yīng)的參數(shù),而這里的運(yùn)行狀態(tài)參數(shù)分類,則是將機(jī)組的大量監(jiān)測(cè)參數(shù)按照重要程度和關(guān)注度的不同進(jìn)行分類,并通過(guò)挑選或組合不同的狀態(tài)參數(shù),形成機(jī)組健康模型,并不依賴于專家知識(shí)庫(kù)的推理。

3.2 特征數(shù)據(jù)設(shè)計(jì)

要研究水電機(jī)組運(yùn)行狀態(tài)的健康指標(biāo),首先需要根據(jù)特征參數(shù)劃分和組合的不同,進(jìn)行特征數(shù)據(jù)的統(tǒng)計(jì)特性分析,確定其是否體現(xiàn)了機(jī)組運(yùn)行狀態(tài)。這里根據(jù)選取參數(shù)的復(fù)雜程度,將特征數(shù)據(jù)分為基本特征數(shù)據(jù)和組合特征數(shù)據(jù)兩類。

(1)基本特征數(shù)據(jù)

單一信號(hào)參數(shù)的特征數(shù)據(jù)稱為基本特征數(shù)據(jù),雖然包含是單一參數(shù),但對(duì)該參數(shù)的特征值計(jì)算,依據(jù)其測(cè)量和存儲(chǔ)方法的不同,仍然有不同的選擇依據(jù)。

對(duì)于慢變量,通常只需觀察其計(jì)量值的變化范圍是否在控制界限以內(nèi),就可以基本判定其運(yùn)行狀態(tài)是否正常,如來(lái)自機(jī)組DCS以模擬量為主的監(jiān)測(cè)量,包括導(dǎo)軸承瓦溫、油泵油壓油位等數(shù)據(jù)。其他如主變壓器油中氣體含量、發(fā)電機(jī)氣隙監(jiān)測(cè)值等,根據(jù)采樣時(shí)間的不同,通常還存有波形趨勢(shì)數(shù)據(jù),對(duì)這種慢變量參數(shù),主要采用幅域統(tǒng)計(jì)法選取其特征,即選用一段時(shí)間內(nèi)的最大值、最小值、平均值和方差等。

對(duì)穩(wěn)態(tài)工況下機(jī)組測(cè)點(diǎn)的特征值,概率密度函數(shù)是慢變量重要的特征值指標(biāo),主要為均值μ和方差δ2。如果數(shù)據(jù)集服從正態(tài)分布N(μ,σ2),可以采用區(qū)間(μ-3σ,μ+3σ)作為判斷此次觀測(cè)值是否超限的依據(jù)[4]。

對(duì)于快變量,如振動(dòng)、壓力脈動(dòng)等參數(shù)的高采樣率波形數(shù)據(jù),除了需要觀察其計(jì)量值(通常為時(shí)域幅值)變化情況外,還需要觀察其頻譜以及無(wú)量綱幅域參數(shù)的變化,才能比較準(zhǔn)確的判斷機(jī)組的運(yùn)行狀態(tài)[5]。

因此,快變量還需要采用波形特征數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,包括波形指標(biāo)、峰值指標(biāo)、脈沖指標(biāo)、裕度指標(biāo)和峰態(tài)指標(biāo)等;對(duì)頻譜成分特性,除了基本的轉(zhuǎn)頻、倍頻諧波的幅值、頻率指標(biāo)外,還可采用功率譜密度函數(shù)、頻率重心、均方頻率、均方根頻率、頻率方差和頻率標(biāo)準(zhǔn)差等作為統(tǒng)計(jì)分析對(duì)象。

(2)組合特征數(shù)據(jù)

組合特征數(shù)據(jù)是建立在基本特征數(shù)據(jù)基礎(chǔ)上的一種數(shù)據(jù)類型,由于機(jī)組的運(yùn)行特性常常由多個(gè)測(cè)點(diǎn)聯(lián)合作用共同體現(xiàn),故單一測(cè)點(diǎn)的統(tǒng)計(jì)特性往往很難有針對(duì)性的反映設(shè)備的健康狀態(tài)。同時(shí),為了抵消或排除影響因素對(duì)數(shù)據(jù)的干擾,可按實(shí)際情況建立相關(guān)不同測(cè)點(diǎn)的組合特征量,對(duì)組合特征量的特征值進(jìn)行分析和評(píng)估。

若X1,X2,…為選取的相關(guān)測(cè)點(diǎn)參數(shù),可建立如下不同特征量

其中,f1,f2,…為預(yù)先設(shè)定的函數(shù)關(guān)系,通過(guò)對(duì)組合特征量Y1,Y2,…的分析來(lái)評(píng)估設(shè)備狀態(tài)。

以擺度信號(hào)為例,如果監(jiān)測(cè)系統(tǒng)存儲(chǔ)了其主頻幅值和相位,就可以將振幅和相位隨轉(zhuǎn)速變化的關(guān)系比例,作為轉(zhuǎn)子動(dòng)平衡模型的特征參數(shù)。同樣,對(duì)機(jī)組的導(dǎo)軸承瓦溫、冷卻水進(jìn)出口溫度等參數(shù),可以通過(guò)比較和數(shù)學(xué)處理,得到一段時(shí)間的最大溫差等特征值,即:△Tmax=tmax-tmin,以抵消環(huán)境溫度對(duì)其數(shù)值的影響。

4 機(jī)組運(yùn)行狀態(tài)數(shù)據(jù)統(tǒng)計(jì)特性

4.1 基本特征數(shù)據(jù)的統(tǒng)計(jì)特性分析

(1)長(zhǎng)期基本特征數(shù)據(jù)的分布特性

為研究長(zhǎng)期監(jiān)測(cè)數(shù)據(jù)的統(tǒng)計(jì)特性與分布規(guī)律,這里選取某電站15F機(jī)組2011年8月18日～2014年8月18日期間的監(jiān)測(cè)數(shù)據(jù),包括機(jī)組有功、上導(dǎo)Y向擺度峰峰值、上機(jī)架Y向水平振動(dòng)峰峰值3個(gè)測(cè)點(diǎn)信號(hào)。按每2 min取特征值的均值,得到3年時(shí)間區(qū)間內(nèi)的樣本數(shù)據(jù)。

考慮到運(yùn)行工況的影響,選取各測(cè)點(diǎn)在機(jī)組穩(wěn)態(tài)運(yùn)行時(shí)的歷史數(shù)據(jù)做頻率分布統(tǒng)計(jì),在95%置信水平下,用Matlab的Jbtest函數(shù)進(jìn)行正態(tài)分布檢驗(yàn),得到檢驗(yàn)結(jié)果見(jiàn)表1。

表1 正態(tài)分布檢驗(yàn)結(jié)果(2011.8.18～2014.8.18)

其數(shù)據(jù)分布直方圖見(jiàn)圖1。

圖1 上導(dǎo)擺度和上機(jī)架振動(dòng)的數(shù)據(jù)分布直方圖

通過(guò)JBTest函數(shù)計(jì)算結(jié)果和數(shù)據(jù)分布直方圖可以看出,兩個(gè)測(cè)點(diǎn)數(shù)據(jù)均無(wú)法通過(guò)正態(tài)分布檢驗(yàn),其檢驗(yàn)量Jbstat遠(yuǎn)遠(yuǎn)超過(guò)臨界值CV。究其原因,由于選取了3年時(shí)長(zhǎng)的機(jī)組運(yùn)行數(shù)據(jù),期間機(jī)組檢修的影響和機(jī)組狀態(tài)的變化較大,因此很難把3年時(shí)間的機(jī)組運(yùn)行數(shù)據(jù)統(tǒng)一為一個(gè)標(biāo)準(zhǔn)的穩(wěn)態(tài)數(shù)據(jù)模型。

(2)不同時(shí)間長(zhǎng)度對(duì)統(tǒng)計(jì)特性的影響

分別以半年、3個(gè)月、1個(gè)月、1周為時(shí)間段,選取4個(gè)時(shí)間區(qū)間內(nèi)的上機(jī)架Y向水平振動(dòng)峰峰值數(shù)據(jù)進(jìn)行正態(tài)分布檢驗(yàn),其概率值檢驗(yàn)圖如圖2、圖3所示。

圖2 15F機(jī)組上機(jī)架Y向水平振動(dòng)概率值檢驗(yàn)圖(左圖:半年;右圖:3個(gè)月)

圖3 15F機(jī)組上機(jī)架Y向水平振動(dòng)概率值檢驗(yàn)圖(左圖:1個(gè)月;右圖:1周)

從圖2、圖3可以看出,隨著數(shù)據(jù)時(shí)長(zhǎng)的改變,上機(jī)架Y向水平振動(dòng)峰峰值的分布特性雖然無(wú)法通過(guò)正態(tài)分布檢驗(yàn),但已經(jīng)在逐步趨向標(biāo)準(zhǔn)正態(tài)分布。

4.2 組合特征的統(tǒng)計(jì)特性分析

為了消除基本特征數(shù)據(jù)受到工況和壞境因素的影響,采用組合特征的方式來(lái)進(jìn)行統(tǒng)計(jì)分析,這里選取某電廠18F機(jī)組2014年8月31日12:00～2014年09月14日00:00:00期間的水導(dǎo)瓦溫監(jiān)測(cè)數(shù)據(jù),期間機(jī)組滿負(fù)荷運(yùn)行,包括3號(hào)、4號(hào)兩塊水導(dǎo)軸瓦的瓦溫?cái)?shù)據(jù)。計(jì)算其平均值和最大瓦溫差的統(tǒng)計(jì)特性,即在95%置信水平下,用Matlab的Jbtest函數(shù)進(jìn)行正態(tài)分布檢驗(yàn)。檢驗(yàn)結(jié)果見(jiàn)表2。

表2 水導(dǎo)瓦溫組合特征量正態(tài)分布檢驗(yàn)結(jié)果

檢驗(yàn)結(jié)果表明,3號(hào)水導(dǎo)瓦和4號(hào)水導(dǎo)瓦該段數(shù)據(jù)均無(wú)法通過(guò)正態(tài)分布檢驗(yàn),但組合測(cè)點(diǎn)最大瓦溫差該段數(shù)據(jù)可以通過(guò)正態(tài)分布檢驗(yàn),認(rèn)為其服從正態(tài)分布。

頻率分布直方圖與概率值檢驗(yàn)圖如圖4所示。

圖4 18F機(jī)組水導(dǎo)瓦溫-最大瓦溫差頻率分布直方圖和概率密度檢驗(yàn)圖

5 結(jié)論

通過(guò)對(duì)實(shí)際數(shù)據(jù)的分析和檢驗(yàn),可以得出如下結(jié)論:

(1)數(shù)據(jù)長(zhǎng)度不宜選擇過(guò)長(zhǎng)。雖然概率統(tǒng)計(jì)方法希望取得的數(shù)據(jù)樣本數(shù)越大越好,但實(shí)際驗(yàn)證分析證明,影響機(jī)組運(yùn)行狀態(tài)變化的因素很多,想要確定機(jī)組的健康樣本,需要機(jī)組運(yùn)行狀態(tài)相對(duì)穩(wěn)定,因此建議在采用率盡可能高的情況下,選取適當(dāng)時(shí)長(zhǎng)的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。

(2)組合特征量相比單個(gè)特征量更容易反映機(jī)組運(yùn)行特性。本文僅給出了簡(jiǎn)單的瓦溫差作為示例,其他如機(jī)組發(fā)電機(jī)能量損耗、動(dòng)不平衡時(shí)機(jī)架振動(dòng)主頻分量與轉(zhuǎn)速平方比值等其他與機(jī)組運(yùn)行特性緊密相關(guān)的組合特征,都可以用來(lái)進(jìn)行統(tǒng)計(jì)分析,也容易起到較好的評(píng)估效果。

(3)通過(guò)概率統(tǒng)計(jì)分析可以得到機(jī)組的穩(wěn)定運(yùn)行狀態(tài)和樣本,能夠作為后期機(jī)組異常狀態(tài)評(píng)估和趨勢(shì)預(yù)估的標(biāo)準(zhǔn)。當(dāng)然,可以根據(jù)參數(shù)值的數(shù)學(xué)特性,選用其他的分布函數(shù)進(jìn)行驗(yàn)證和分析。要想得到理想的機(jī)組健康樣本,還需要考慮其基本的影響因素即工況參數(shù)的影響,可以通過(guò)網(wǎng)格劃分得到多維特征數(shù)據(jù),以更好的獲取其統(tǒng)計(jì)特性。

[1]陳國(guó)慶,程 建,李友平,等.水電機(jī)組狀態(tài)檢修技術(shù)的幾點(diǎn)認(rèn)識(shí)[J].水電自動(dòng)化與大壩監(jiān)測(cè),2012,36(4):31-33.

[2]周 葉,潘羅平,曹登峰.基于新異類檢測(cè)的水電機(jī)組診斷評(píng)估方法研究 [C]//水電設(shè)備的研究與實(shí)踐—第20次中國(guó)水電設(shè)備學(xué)術(shù)討論會(huì)論文集.北京:中國(guó)水利水電出版社,2015:344-351.

[3]Markou M,Singh S,Novelty Detection:A Review–Part 1: Statistical Approaches[J].Signd Processing,2003(12).

[4]Manson G,Pierce G,Worden K,et al.Long-term Stability of Normal Condition Data for Novelty Detection[C]//Proceedingsofthe 7th International Symposium on Smart Structures and Materials,California,USA,2000.

[5]梁武科,張彥寧,羅 興.水電機(jī)組故障診斷系統(tǒng)信號(hào)特征的提取[J].大電機(jī)技術(shù),2003,35(4):53-56.

TV738

A

1672-5387(2017)07-0022-04

10.13599/j.cnki.11-5130.2017.07.006

2017-04-27

周 葉(1980-),男,高級(jí)工程師,從事水電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷研究工作。