盧 熹，徐云龍，段 鵬，劉先科

（中國長江電力股份有限公司三峽水力發(fā)電廠，湖北 宜昌 443133）

0 引言

目前，大多數(shù)水電機組已安裝了相當(dāng)數(shù)量的在線監(jiān)測系統(tǒng)，但未形成規(guī)范的運行、使用和維護(hù)，對采集到的數(shù)據(jù)缺乏深入分析和專業(yè)技術(shù)人員的技術(shù)支持。另外，由于在線監(jiān)測系統(tǒng)生產(chǎn)、安裝調(diào)試廠家較多，系統(tǒng)維護(hù)又以制造廠家為主，服務(wù)及時性和有效性普遍較差，系統(tǒng)運行維護(hù)非常困難。水電設(shè)備的劣化、缺陷大多數(shù)都有一定的發(fā)展期，其電氣、水力、化學(xué)、機械等特性會發(fā)生少量漸進(jìn)的變化，并出現(xiàn)一些前期征兆。如果對水電設(shè)備重要參數(shù)進(jìn)行連續(xù)或隨機地檢測，及時獲取這些前期征兆信息，并進(jìn)行綜合分析和處理，則可隨時評估設(shè)備的運行可靠性，并根據(jù)其健康狀況有計劃地安排停機檢查和維護(hù)[1]。因此，通過建設(shè)基于機理及算法的水電站智能預(yù)警技術(shù)，能及時發(fā)現(xiàn)水電設(shè)備的缺陷，準(zhǔn)確處理故障設(shè)備，有效提高了發(fā)電企業(yè)的安全經(jīng)濟運行能力、電力系統(tǒng)的供電可靠性。

1 定義

基于機理及算法的預(yù)警，也稱規(guī)則預(yù)警，是指在設(shè)備不同運行工況下，依據(jù)表征設(shè)備健康運行水平的重要參數(shù)的變化規(guī)律特性，通過制定不同的算法及邏輯組合，當(dāng)設(shè)備參數(shù)值偏離了正常運行經(jīng)驗值、或設(shè)備參數(shù)值趨勢發(fā)生異常時，產(chǎn)生預(yù)警的一種方法。此算法根據(jù)設(shè)備參數(shù)的運行規(guī)律，可通過限定參數(shù)的有效范圍、設(shè)備運行工況條件等來選取相應(yīng)數(shù)據(jù)，故所選擇數(shù)據(jù)都為健康樣本，所建預(yù)警邏輯模型可直接應(yīng)用。規(guī)則預(yù)警不同于GBDT、超球等基于數(shù)據(jù)理論的預(yù)警模型，需要選取大量健康樣本時段，并對預(yù)警模型進(jìn)行充分訓(xùn)練后才能使用。

構(gòu)建設(shè)備規(guī)則預(yù)警系統(tǒng)的必要條件：①掌握設(shè)備運行多年的大量經(jīng)驗數(shù)據(jù)，②熟悉各設(shè)備健康運行規(guī)律并了解參數(shù)變化情況。圖1 為構(gòu)建設(shè)備預(yù)警系統(tǒng)的完整流程：

圖1 構(gòu)建預(yù)警系統(tǒng)流程圖

2 預(yù)警系統(tǒng)構(gòu)建

2.1 確定設(shè)備運行工況

水電站機組運行工況復(fù)雜，暫態(tài)過程與穩(wěn)態(tài)過程交織，包括開/停機過程工況、同期/滅磁過程工況、空載/負(fù)載穩(wěn)定工況、加/減負(fù)荷過程工況、甩負(fù)荷過程工況等。運行工況改變通常會引起監(jiān)測數(shù)據(jù)的變化，同時也是對設(shè)備的一種檢驗?；诠r的評估與診斷技術(shù)是水電機組實施設(shè)備健康狀況評估與故障診斷的重要組成部分。在數(shù)據(jù)集成過程中，建立工況過程與監(jiān)測數(shù)據(jù)之間的正常關(guān)聯(lián)關(guān)系，有助于提高水電站智能預(yù)警模型的準(zhǔn)確率，有利于更好地開展故障診斷工作。

圖2 機組運行工況

2.2 選取表征設(shè)備健康運行的重要參數(shù)

表征水輪機組健康運行的重要特征參數(shù)較多，如發(fā)電機各部溫度、水輪機軸承瓦溫及油槽油位、變壓器溫度及油中氣體含量、電機的運行溫度及啟動頻率、集水井水位變動、水輪發(fā)電機組振動擺度等，如表1 所示。準(zhǔn)確選取重要特征參數(shù)參與構(gòu)建機組狀態(tài)預(yù)警數(shù)據(jù)庫，并配置到相應(yīng)的預(yù)警模型中，可確保設(shè)備參數(shù)出現(xiàn)異常時及時準(zhǔn)確預(yù)警，從而提高設(shè)備健康運行水平。

表1 設(shè)備健康運行重要參數(shù)

2.3 建立特征數(shù)據(jù)庫

水電機組是一個集水力、機械、電氣、控制、輔助等多種設(shè)備于一體的復(fù)雜系統(tǒng)[2]。監(jiān)測機組的狀態(tài)數(shù)據(jù)對象包括水電站一次和二次設(shè)備，如水輪發(fā)電機組、調(diào)速系統(tǒng)、勵磁系統(tǒng)、主變壓器、油壓裝置、供氣系統(tǒng)、直流系統(tǒng)、廠用電系統(tǒng)、排水及供氣系統(tǒng)等公用輔助設(shè)備，呈現(xiàn)出多源、異構(gòu)、多度、海量的復(fù)雜特性。因此，在選取表征設(shè)備健康運行重要參數(shù)的基礎(chǔ)上，建立機組狀態(tài)監(jiān)測特征數(shù)據(jù)庫，如重要參數(shù)不同時段的最大值、最小值、平均值、中位數(shù)、開關(guān)量變位次數(shù)、運行時長統(tǒng)計等，可大大縮短預(yù)警模型的數(shù)據(jù)調(diào)用及運算時間，從而節(jié)約系統(tǒng)預(yù)警資源，提高工作效率。

由于構(gòu)成水電站機組的設(shè)備眾多，不同設(shè)備的監(jiān)測信息不同，對于同一監(jiān)測對象，反映其性能的狀態(tài)量也會不同，如發(fā)電機定子繞組溫度反映其熱性能、發(fā)電機定子電流、機端電壓反映其絕緣性能。由此可見難以將機組所有的監(jiān)測數(shù)據(jù)統(tǒng)一到一個數(shù)據(jù)庫中，應(yīng)當(dāng)按照水輪機、發(fā)電機、變壓器、調(diào)速器、輔助設(shè)備等不同的對象，創(chuàng)建面向?qū)ο蟮奶卣鲾?shù)據(jù)庫。

特征數(shù)據(jù)庫具有以下幾個方面的特點：

（1）集成度高：機組狀態(tài)數(shù)據(jù)中心的數(shù)據(jù)是將這些分散的多源異構(gòu)數(shù)據(jù)進(jìn)行預(yù)處理得到的，集成的具體表現(xiàn)為一致性好、準(zhǔn)確度高、層次分明、關(guān)聯(lián)性強，是機組狀態(tài)數(shù)據(jù)中心最重要的特點。數(shù)據(jù)中心以一定的頻率對所有開關(guān)量、模擬量、SOE 量等進(jìn)行采集和儲存。在規(guī)則預(yù)警配制時，不僅需要讀取實時值、歷史值，還需要某些參數(shù)的小時平均值、小時最大值、天平均值、天最大值，以及同類型多測點的最大、最小值等特征參數(shù)。

（2）面向?qū)ο蠖?。機組狀態(tài)數(shù)據(jù)是面向不同對象進(jìn)行組織的，如調(diào)速系統(tǒng)、三部軸承、變壓器等不同設(shè)備，通過在設(shè)備層級對數(shù)據(jù)進(jìn)行分類，進(jìn)而實現(xiàn)機組狀態(tài)數(shù)據(jù)中心特征數(shù)據(jù)庫的分類。

（3）穩(wěn)定性好。機組狀態(tài)數(shù)據(jù)中心的數(shù)據(jù)主要用于機組狀態(tài)分析與智能預(yù)警，經(jīng)過預(yù)處理的數(shù)據(jù)一旦進(jìn)入數(shù)據(jù)中心后則不能修改，只能以只讀方式對機組狀態(tài)數(shù)據(jù)中心進(jìn)行訪問。

（4）響應(yīng)時間快。由于對機組數(shù)據(jù)按照不同的對象進(jìn)行組織，并且相關(guān)差異通過預(yù)處理得到消除，提前計算好特征參數(shù)并儲存于特征數(shù)據(jù)庫中，可大大縮短預(yù)警模型的數(shù)據(jù)調(diào)用及運算時間，從而節(jié)約規(guī)則預(yù)警資源，提高效率。

2.4 確定算法

規(guī)則預(yù)警需制定相應(yīng)的算子算法來建立設(shè)備各參數(shù)之間的關(guān)聯(lián)關(guān)系，數(shù)據(jù)中心的實時和特征數(shù)據(jù)帶入到不同算子進(jìn)行數(shù)據(jù)預(yù)處理，如進(jìn)行歷史趨勢分析、橫向縱向?qū)Ρ确治?、相關(guān)量分析、運行工況分析、有效范圍分析等，從多角度建立數(shù)據(jù)關(guān)聯(lián)關(guān)系，找出影響設(shè)備健康運行數(shù)據(jù)的關(guān)鍵因素，并為后續(xù)配置預(yù)警模型奠定基礎(chǔ)。

規(guī)則預(yù)警系統(tǒng)的算子可以配置如下。

2.4.1 工況狀態(tài)算子

表征設(shè)備運行工況的數(shù)據(jù)稱為工況狀態(tài)數(shù)據(jù)，利用工況特征參數(shù)的變化情況及相應(yīng)的時長限定，可配置工況算子。工況算子屬于基礎(chǔ)算子，是構(gòu)成其它算子不可缺少的一部分。建立機組工況過程與監(jiān)測數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，并根據(jù)不同工況下設(shè)備特征參數(shù)的健康樣本來配置預(yù)警，是規(guī)則預(yù)警系統(tǒng)的基礎(chǔ)。表征機組不同運行工況的特征參數(shù)如表2 所示。

表2 確定機組不同工況關(guān)聯(lián)數(shù)據(jù)

2.4.2 邏輯及算數(shù)類算子

（1）最大值、最小值、平均值、有效值等算子

對于同一類型測點參數(shù)不太多時，可制定特定工況時段的最大值、最小值、最大最小差值、平均值、有效值等算子，如水輪機三部軸承瓦溫最大值、平均瓦溫、油槽平均油溫、發(fā)電機定子繞組溫度最大值算子等。若同一類型測點較多，為避免個別數(shù)據(jù)由于傳感器故障或通信異常導(dǎo)致的大幅偏離正常值的情況，此時應(yīng)先去除異常數(shù)據(jù)，然后參與算子運算。如發(fā)電機繞組溫度，因為測點數(shù)據(jù)較多，可采用去除高值和低值一定數(shù)量的數(shù)據(jù)（例如10%），剩下測點數(shù)據(jù)再取平均數(shù)來計算有效值算子，從而更有利于參與預(yù)警數(shù)據(jù)的準(zhǔn)確性。

（2）求和、求差、計數(shù)、函數(shù)等算子

求和、求差、乘、除、計數(shù)等是最基礎(chǔ)的算子，任何預(yù)警模型中都離不開這些基礎(chǔ)算子來建立數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。

根據(jù)不同設(shè)備具體運行規(guī)律，利用不同參數(shù)進(jìn)行函數(shù)組合運算，可以達(dá)到計算漏水量、排水量、漏油量、漏氣量等的目的。

例如：根據(jù)機組檢修排水系統(tǒng)集水井的空間尺寸、水位變化、排水時長，可利用積分函數(shù)計算排水量。再根據(jù)排水量、尾水管壓力等數(shù)據(jù)，可計算尾水管水位變化曲線，與歷史曲線或理論變化曲線相對照，智能監(jiān)測是否因上下游門未關(guān)嚴(yán)導(dǎo)致的排水慢的問題，從而智能監(jiān)測排水過程，提早發(fā)現(xiàn)問題。再如機組調(diào)速液壓系統(tǒng)，可根據(jù)壓油罐及集油槽的容積、油位、壓力等進(jìn)行函數(shù)組合判斷調(diào)速系統(tǒng)是否漏油、漏氣。

（3）與、或、非、范圍限定等邏輯算子

與、或、非等是基礎(chǔ)的邏輯算子，這些邏輯類算子往往用來對選取的參數(shù)進(jìn)行條件限定。日常應(yīng)用中，我們經(jīng)常需要對特定參數(shù)值進(jìn)行范圍限定（選取有效數(shù)據(jù)），于表征設(shè)備處于健康運行狀態(tài)，這時就需要范圍限定算子。

2.4.3 趨勢特征變化算子

積累歷史監(jiān)測的在線和離線狀態(tài)數(shù)據(jù)的健康樣本，建立診斷指標(biāo)量與故障類型的映射關(guān)系——趨勢特征變化算子，通過動態(tài)的趨勢變化來診斷故障嚴(yán)重程度。趨勢特征變化算子的基本類型包括：快速上升型、緩慢上升型、平穩(wěn)型、緩慢下降型、快速下降型。針對不同的變化類型，可以快速有效判斷設(shè)備異常狀況。

例如建立水輪機水導(dǎo)油槽油位快速上升型算子：當(dāng)水導(dǎo)系統(tǒng)運行時水導(dǎo)油位間隔固定時段做對比，例如油位10 min 下降幅度超過5%，即判定為快速下降型；發(fā)電機定子平均溫度1 h 上升幅度大于1%，即判定為緩慢上升型。

圖3 利用趨勢特征診斷故障

2.5 配制預(yù)警模型

算子確定以后，即可配置相應(yīng)的預(yù)警模型。常用的規(guī)則預(yù)警模型是先選取工況算子，再選取相關(guān)量，并配置不同的算子對相關(guān)量進(jìn)行算數(shù)及邏輯運算，計算結(jié)果與表征設(shè)備健康運行的經(jīng)驗數(shù)據(jù)或規(guī)律進(jìn)行比較，當(dāng)偏差值達(dá)到一定數(shù)值時即進(jìn)行報警。不同預(yù)警模型可以從多維度表征水電站設(shè)備的整體健康運行水平。

2.5.1 模擬量數(shù)據(jù)預(yù)警模型

模擬量數(shù)據(jù)預(yù)警模型是先選取工況輸入算子，再選取實時庫或特征庫中相應(yīng)模擬量，配置不同的算子后，可實現(xiàn)如下預(yù)警功能。

（1）模擬量變化趨勢越限報警：在一定時間范圍內(nèi)，變化率超過閾值報警，如圖4 所示。

圖4 模擬量變化趨勢越限報警模型

（2）模擬量波動報警：在一定時間范圍內(nèi)，波動范圍越限后報警。波動范圍通常的計算方法為：選擇的時間窗口內(nèi)，波動范圍超過閾值；或最大值與最小值差值與最大值或最小值或平均值的比例。

（3）模擬量緩慢變化報警：當(dāng)模擬量在一較長的時間周期呈逐步上升或下降的趨勢報警，如圖5所示。

圖5 模擬量緩慢變化越限報警模型

2.5.2 開關(guān)量數(shù)據(jù)預(yù)警模型

水電站泵設(shè)備種類及數(shù)量眾多，對電站主設(shè)備的安全運行起著至關(guān)重要的作用。對于不同泵設(shè)備，如純水泵、調(diào)速器壓油泵、GIS 斷路器油泵、排水泵、空壓機等，可利用相應(yīng)的開關(guān)量數(shù)據(jù)，建立開關(guān)量數(shù)據(jù)預(yù)警模型，比如純水泵切換周期預(yù)警、GIS 開關(guān)油泵啟動預(yù)警、壓油泵加載時長、空壓機啟動次數(shù)預(yù)警等，避免泵設(shè)備故障引起的事故與損失。圖6 為抽取調(diào)速器壓油泵加載/卸載開關(guān)量變位數(shù)據(jù)，配置的壓油泵加載運行時間長預(yù)警模型。

圖6 抽取調(diào)速器壓油泵加載/卸載開關(guān)量變位數(shù)據(jù)

2.5.3 綜合數(shù)據(jù)預(yù)警模型

綜合利用開關(guān)量、模擬量、統(tǒng)計量，并限定數(shù)據(jù)的有效條件來配置預(yù)警模型，可多維度檢測設(shè)備運行情況，及時發(fā)現(xiàn)設(shè)備異常并采取有效的處置，把事故消滅在萌芽狀態(tài)下，可大大提高了設(shè)備的健康運行水平。

2.6 應(yīng)用預(yù)警模型

預(yù)警模型配制完成后，無需選擇健康樣本，無需模型訓(xùn)練即可投入使用。不同模型會在其配制條件下自動啟動運行，例如采用模擬量變化趨勢越限報警的預(yù)警模型，則會在滿足工況條件下的相應(yīng)時段內(nèi)，選取模型配制的測點實時值或特征值計算一次，滿足條件后即觸發(fā)報警。

3 預(yù)警模型優(yōu)化

設(shè)備實際運行中，由于傳感器損壞、電磁信號干擾、采集設(shè)備故障、通信對點錯誤等都會導(dǎo)致監(jiān)測數(shù)據(jù)偏離真實值，造成數(shù)據(jù)錯誤。錯誤數(shù)據(jù)無法準(zhǔn)確反映設(shè)備真實運行情況，不僅會導(dǎo)致預(yù)警模型的應(yīng)用出現(xiàn)異常，產(chǎn)生大量的誤報警信息，甚至造成預(yù)警模型停止工作，而且還會給現(xiàn)場專家的人工分析帶來困惑，影響電站的運行與檢修決策。因此需對預(yù)警模型進(jìn)行優(yōu)化。

3.1 測點優(yōu)化

預(yù)警模型使用中，當(dāng)監(jiān)測設(shè)備缺陷或信號干擾導(dǎo)致的數(shù)據(jù)異常時，此時測點質(zhì)量判斷為不可靠，可對其進(jìn)行替換，若測點單一無法替換，則可用相應(yīng)的開關(guān)量來重新相應(yīng)配制預(yù)警邏輯。在實際工作中，模擬量往往波動較大，無法精準(zhǔn)設(shè)定預(yù)警模型偏差值，此時可用平均值、有效值、或中位數(shù)值來替代，避免誤報警。

在滿足功能實現(xiàn)的情況下，預(yù)警模型中盡量使用較少測點，避免測點異常時模型功能無法實現(xiàn)。

3.2 邏輯優(yōu)化

在實際工作中，機組停機備用時也需對其液位、流量等相關(guān)重要參數(shù)進(jìn)行監(jiān)測，此時相應(yīng)預(yù)警模型中可增加機組工況判定來進(jìn)行閉鎖，避免設(shè)備檢修時排油/充油、排水/充水、撤壓/升壓等工作時產(chǎn)生誤報警。

機組正常運行，會發(fā)生設(shè)備定期人工切換、自動輪換等情況，此時為避免預(yù)警模型誤報警，需根據(jù)實際運行情況采取開關(guān)量變位、模擬量變化等情況來進(jìn)行閉鎖，例如水導(dǎo)外循環(huán)泵自動輪換時短時2 臺水導(dǎo)泵都運行（1 h 后停備用泵），此時水導(dǎo)油流、水導(dǎo)瓦溫、水導(dǎo)油槽油位等都會產(chǎn)生較大變化，為避免水導(dǎo)瓦溫、水導(dǎo)油槽油位預(yù)警模型誤報警，可采取2臺泵運行的開關(guān)量相與、水導(dǎo)油流變化值大于設(shè)定值等條件來閉鎖報警邏輯。

3.3 時段優(yōu)化

很多水電廠機組的在每年汛期和非汛期時，由于環(huán)境溫度、入庫流量、機組水頭、運行負(fù)荷等參數(shù)發(fā)生較大的變化，從而造成重要設(shè)備運行參數(shù)也發(fā)生較大的變化，而同在汛期或非汛期時，重要設(shè)備運行參數(shù)變化范圍則較小。可根據(jù)此特點設(shè)定相應(yīng)報警設(shè)定值或偏差值，從而更準(zhǔn)確定位預(yù)警模型，及時發(fā)現(xiàn)設(shè)備異常，提高健康運行水平。

4 結(jié)語

通過實時采集和積累機組運行產(chǎn)生的數(shù)據(jù)，并利用豐富的算法和多維度的預(yù)警模型，可以幫助水電站不斷進(jìn)行穩(wěn)定運行的優(yōu)化，實現(xiàn)生產(chǎn)過程與決策的智能化控制。同時在一定程度上減輕工作人員的勞動強度，提高電廠勞動生產(chǎn)效率，保障電廠的安全生產(chǎn)。多年的電站設(shè)備運行，已積累了足夠多的樣本和數(shù)據(jù)，具備開展智能預(yù)警系統(tǒng)建設(shè)的基本條件?；跈C理及算法的水電站智能預(yù)警系統(tǒng)可以作為智能水電站建設(shè)的一個切入點，在當(dāng)前科技水平下，只需要較小的投資，便可取得良好的收益。