鐘旭 張寶源 孟威 常峰德 高志國

摘要：針對常規(guī)的水電機(jī)組運(yùn)行監(jiān)測系統(tǒng)以高頻振動信號監(jiān)測為主，低頻振動信號監(jiān)測失誤問題較多，影響水電機(jī)組正常運(yùn)行的問題，設(shè)計了基于VMD-TCN的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)。硬件方面，設(shè)計了AC102加速度傳感器；軟件方面，采集水電機(jī)組健康狀態(tài)數(shù)據(jù)，對水電機(jī)組狀態(tài)信號進(jìn)行處理，判斷機(jī)組健康狀態(tài)?；赩MD-TCN分解水電機(jī)組健康狀態(tài)監(jiān)測信號，根據(jù)采集到的狀態(tài)信號進(jìn)行信號頻段子模態(tài)分解，確保監(jiān)測精準(zhǔn)度。系統(tǒng)測試結(jié)果表明：該設(shè)計提升了系統(tǒng)的監(jiān)測效果，系統(tǒng)性能良好。

關(guān)鍵詞：VMD-TCN；水電機(jī)組；健康狀態(tài)；監(jiān)測系統(tǒng)

中圖法分類號：TV734 文獻(xiàn)標(biāo)志碼：A DOI：10.15974/j.cnki.slsdkb.2024.02.007

文章編號：1006-0081（2024）02-0044-04

0 引 言

水電機(jī)組狀態(tài)監(jiān)測系統(tǒng)是一個專項監(jiān)測系統(tǒng)，能夠?qū)σ粋€或一部分機(jī)組的狀態(tài)進(jìn)行監(jiān)測與診斷，確保其正常運(yùn)行。目前，水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)并未對低頻振動信號作出精準(zhǔn)監(jiān)測，健康狀態(tài)監(jiān)測失誤現(xiàn)象頻發(fā)。因此，研究人員設(shè)計了多種解決方案。陳學(xué)標(biāo)等提出基于EEMD-SD振動信號分析的水電機(jī)組故障預(yù)警方法，采集水電機(jī)組上振動信號數(shù)據(jù)，將預(yù)處理后的振動信號數(shù)據(jù)進(jìn)行EEMD分解，得到不同頻率范圍內(nèi)的振動模態(tài)函數(shù)（IMF），從每個IMF分量中提取相關(guān)的振動特征。通過監(jiān)測和分析振動特征的變化，建立機(jī)組正常運(yùn)行狀態(tài)的基準(zhǔn)值，并結(jié)合故障樣本數(shù)據(jù)，采用機(jī)器學(xué)習(xí)算法進(jìn)行異常檢測和故障診斷。根據(jù)異常檢測和故障診斷的結(jié)果建立故障預(yù)警模型，監(jiān)控機(jī)組運(yùn)行狀態(tài)，及時發(fā)現(xiàn)可能的故障并預(yù)警。袁璞等提出基于AI視頻圖像處理的水電機(jī)組運(yùn)轉(zhuǎn)監(jiān)測與智能報警技術(shù)研究，采集機(jī)組運(yùn)轉(zhuǎn)時的視頻數(shù)據(jù)?；谶@些數(shù)據(jù)構(gòu)建訓(xùn)練集和測試集，從預(yù)處理后的視頻幀中提取關(guān)鍵的視覺特征。基于提取的特征，建立監(jiān)測模型，用于實時監(jiān)測機(jī)組的運(yùn)轉(zhuǎn)狀態(tài)。通過監(jiān)督學(xué)習(xí)算法來訓(xùn)練分類器對機(jī)組運(yùn)轉(zhuǎn)狀態(tài)進(jìn)行識別和監(jiān)測。本文基于VMD-TCN，設(shè)計了一套水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)，在有效實現(xiàn)水電機(jī)組健康狀態(tài)監(jiān)測的同時，提升故障預(yù)警準(zhǔn)確性。

1 硬件設(shè)計

對于水電機(jī)組而言，中高頻信號較易監(jiān)測，低頻信號很難監(jiān)測，往往出現(xiàn)低頻信號監(jiān)測為健康狀態(tài)的問題，影響系統(tǒng)的監(jiān)測效果。本文選用AC102加速度傳感器，作為低頻信號的監(jiān)測元件，其性能參數(shù)見表1。

如表1所示，本文設(shè)計的AC102加速度傳感器，主要是針對水電機(jī)組低頻振動監(jiān)測的元件，靈敏度相對較高，能夠在80%～90%的濕度條件下運(yùn)行。通過監(jiān)測低頻振動信號，找出低頻振動中存在的機(jī)組故障，從而確保水電機(jī)組的健康運(yùn)行狀態(tài)。

2 軟件設(shè)計

2.1 采集水電機(jī)組健康狀態(tài)數(shù)據(jù)

通過在系統(tǒng)軟件上建立一個數(shù)據(jù)采集程序，將水電機(jī)組狀態(tài)信號進(jìn)行采集與處理，判斷機(jī)組健康狀態(tài)。同時，根據(jù)水力、機(jī)械、電氣等方面的耦合情況，將多種信號數(shù)據(jù)同時分析，以確保監(jiān)測精準(zhǔn)度。數(shù)據(jù)采集程序流程如圖1所示。

如圖1所示，在水電機(jī)組的正常運(yùn)行狀態(tài)下，對機(jī)組功率、水頭、導(dǎo)葉開度、蝸殼、尾水等參數(shù)進(jìn)行分析，點(diǎn)擊開始采集的按鈕，通過AC102加速度傳感器采集各類數(shù)據(jù)。將數(shù)據(jù)上傳到采集程序中進(jìn)行數(shù)據(jù)壓縮，再通過網(wǎng)絡(luò)接口將采集到的數(shù)據(jù)上傳到系統(tǒng)服務(wù)中心，對采集到的運(yùn)行信號作出進(jìn)一步狀態(tài)診斷。利用數(shù)據(jù)采集程序，解決采集任務(wù)延時的問題，針對多機(jī)任務(wù)同時采集，實現(xiàn)水電機(jī)組的實時高速采集。

2.2 基于VMD-TCN分解水電機(jī)組健康狀態(tài)監(jiān)測信號 根據(jù)采集到的狀態(tài)信號進(jìn)行信號頻段子模態(tài)分解，確保監(jiān)測精準(zhǔn)度。采集到的信號中存在軟件相位偏差，對軟件而言，偏差較大影響監(jiān)測效果。因此，將各種振動信號數(shù)據(jù)進(jìn)行軟件相位補(bǔ)償：

φ=360×N×t/T??? （1）

式中：φ為相位補(bǔ)償；t為通道采集切換時間；N為振動信號的相位差；T為水電機(jī)組的運(yùn)行周期。在采集的信號為準(zhǔn)確的條件下，利用VMD進(jìn)行信號分解：

式中：P（t）為補(bǔ)償后的振動信號；a為初始振動信號數(shù)據(jù)；a為第i個頻域的信號數(shù)據(jù)；b為第i個頻域的子信號；w為信號角頻率。

通過VMD數(shù)據(jù)分解之后，振動信號形成了多種模態(tài)信號。將多種模態(tài)信號按照時間序列進(jìn)行處理，利用TCN將信號放在因果卷積層中訓(xùn)練，消除信號處理殘差。根據(jù)TCN的一維卷積網(wǎng)絡(luò)，輸出振動信號：

式中：y為處理完成輸出的最終振動信號數(shù)據(jù)；x為信號輸入數(shù)據(jù)。

根據(jù)卷積核移動的方向，判斷數(shù)據(jù)序列，按照此規(guī)律處理多模態(tài)的信號，最大程度上提升水電機(jī)組的監(jiān)測精準(zhǔn)度。

鐘 旭 等 基于VMD-TCN的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)設(shè)計3 系統(tǒng)測試

為了驗證本文設(shè)計的監(jiān)測系統(tǒng)是否具有實用性能，對上述系統(tǒng)進(jìn)行測試分析。將基于VMD-TCN的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)與基于EEMD-SD振動信號分析的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)、基于AI視頻圖像處理的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)進(jìn)行對比。

3.1 測試過程

在進(jìn)行系統(tǒng)測試之前，將AC102加速度傳感器安裝完畢之后，對其進(jìn)行調(diào)試。上電后綠色指示燈亮起3 s后熄滅，其余指示燈均未亮起，可以確保該硬件能夠正常使用。系統(tǒng)調(diào)試流程如圖2所示。

對監(jiān)測界面、傳感界面、采集界面進(jìn)行實驗室調(diào)試、現(xiàn)場安裝調(diào)試、系統(tǒng)試運(yùn)行等綜合調(diào)試。輸入正確的用戶名與密碼之后，點(diǎn)擊機(jī)組操作界面，監(jiān)測水電機(jī)組的功率參數(shù)，確定機(jī)組的運(yùn)行狀態(tài)。出現(xiàn)圖3界面則表明，系統(tǒng)處于正常運(yùn)行狀態(tài)，可以對其進(jìn)行性能測試。

3.2 測試結(jié)果

在上述測試條件下，隨機(jī)選取水電機(jī)組在水導(dǎo)軸承、壓力鋼管、上機(jī)架等區(qū)域的振動狀態(tài)，分別使用基于EEMD-SD振動信號分析的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)、基于AI視頻圖像處理的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)，以及本文設(shè)計的基于VMD-TCN的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)，監(jiān)測水電機(jī)組振動狀態(tài)，并將3種系統(tǒng)監(jiān)測完成之后的CPU占用率進(jìn)行分析。測試結(jié)果見表2。

如表2所示，在水導(dǎo)軸承運(yùn)行的過程中，存在渦輪、轉(zhuǎn)輪、導(dǎo)葉等振動故障；壓力鋼管位置存在葉片尾部、尾水管異常振動故障；上機(jī)架存在上導(dǎo)軸承、機(jī)組中心線不均衡、推力軸承等振動故障。上述振動故障的故障信號較為微弱，很難對其進(jìn)行健康狀態(tài)評定。在水電機(jī)組健康狀態(tài)監(jiān)測的過程中，監(jiān)測完成之后，系統(tǒng)CPU占用率越低，系統(tǒng)運(yùn)行性能越佳。

在其他條件均一致的情況下，使用基于EEMD-SD振動信號分析的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)之后，監(jiān)測到的振動狀態(tài)與實際狀態(tài)存在差異，將異常振動監(jiān)測成健康狀態(tài)，無法對其進(jìn)行后續(xù)維護(hù)，導(dǎo)致機(jī)組出現(xiàn)更大的隱患。完成監(jiān)測之后，該系統(tǒng)的CPU占用率在50%～90%的范圍內(nèi)，無法滿足系統(tǒng)的高效運(yùn)行需求。

使用基于AI視頻圖像處理的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)之后，未出現(xiàn)健康狀態(tài)監(jiān)測失誤的現(xiàn)象，但是其監(jiān)測完成之后，無論是健康狀態(tài)還是故障狀態(tài)，系統(tǒng)CPU占用率始終超過70%，無法滿足系統(tǒng)其他應(yīng)用的使用需求。

使用本文設(shè)計的基于VMD-TCN的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)之后，監(jiān)測到的水電機(jī)組振動狀態(tài)均與實際保持一致，并且完成健康狀態(tài)監(jiān)測之后，系統(tǒng)CPU占用率在10%～30%的范圍內(nèi)，占用率相對較低，能夠滿足多個應(yīng)用同時進(jìn)行的需求。

4 結(jié) 語

在水電機(jī)組開機(jī)運(yùn)行狀態(tài)下，對機(jī)組運(yùn)行的健康狀態(tài)做出可靠的監(jiān)測與評估，能夠?qū)收蠙C(jī)組進(jìn)行有效的診斷，確保水電機(jī)組的正常運(yùn)行。本文研究了基于VMD-TCN的水電機(jī)組健康狀態(tài)監(jiān)測系統(tǒng)設(shè)計，其可從數(shù)據(jù)采集、信號分解等方面，實時反映水電機(jī)組的運(yùn)行情況，便于監(jiān)測水電機(jī)組的運(yùn)行狀態(tài)，為機(jī)組的正常運(yùn)行提供保障。

參考文獻(xiàn)：

［1］ 安勇.“三取二”冗余測量技術(shù)在金沙水電站調(diào)速器中的應(yīng)用［J］.水利水電快報，2022，43（3）：82-85，90.

［2］ 陳茗，胡邊，李靖.基于多源信號融合的燈泡貫流式機(jī)組故障特征提取［J］.人民長江，2023，54（8）：185-189，210.

［3］ 陳學(xué)標(biāo)，肖遠(yuǎn)輝，肖富鋒，等.基于EEMD-SD振動信號分析的水電機(jī)組故障預(yù)警方法［J］.水電與新能源，2023，37（2）：1-5.

［4］ 袁璞，郭歌，王瑩，等.基于AI視頻圖像處理的水電機(jī)組運(yùn)轉(zhuǎn)監(jiān)測與智能報警技術(shù)研究［J］.電網(wǎng)與清潔能源，2022，38（1）：121-127，134.

［5］ 姜偉，周建中，許顏賀，等.基于排列熵重構(gòu)與長短期記憶神經(jīng)網(wǎng)絡(luò)的水電機(jī)組振擺趨勢預(yù)測方法［J］.水電能源科學(xué)，2022，40（12）：152-155.

［6］ 秦小元，謝輝平，劉仁杰，等.結(jié)合綜合賦權(quán)與高斯區(qū)間隸屬度的水電機(jī)組狀態(tài)評價模型［J］.中國農(nóng)村水利水電，2022（9）：181-187，194.

［7］ 傅質(zhì)馨，曹延，朱俊澎，等.基于MI-GA-BP和誤差統(tǒng)計分析的水電機(jī)組健康評估模型研究［J］.電網(wǎng)與清潔能源，2021，37（7）：97-106.

［8］ 唐擁軍，倪晉兵.基于噪聲分析的水電機(jī)組故障定位技術(shù)研究［J］.水力發(fā)電，2022，48（12）：67-69.

［9］ 蘭家法，周玉輝，高澤良，等.基于機(jī)器學(xué)習(xí)的水電機(jī)組劣化趨勢預(yù)測模型［J］.水力發(fā)電學(xué)報，2022，41（12）：135-144.

［10］ 劉東，賴旭，胡曉，等.基于振動信號的水電機(jī)組狀態(tài)劣化在線評估方法研究［J］.水利學(xué)報，2021，52（4）：461-473.

［11］ 段然，周建中，蔡銀輝，等.基于低質(zhì)量數(shù)據(jù)的水電機(jī)組變工況狀態(tài)指標(biāo)構(gòu)建方法［J］.水電能源科學(xué)，2022，40（6）：183-187.

（編輯：高小雲(yún)）

Design of health monitoring system for hydroelectric units

based on VMD-TCNZHONG Xu，ZHANG Baoyuan，MENG Wei，CHANG Fengde，GAO Zhiguo

（1.Beijing Sifang Jibao Automation Co.，Ltd.，Beijing 100085，China； 2.Wangjianglou Hydropower Station Engineering Construction Bureau，Tonghua 134000，China）

Abstract：Aiming at the problem that the traditional hydropower unit operation monitoring system was mainly based on high-frequency vibration signal monitoring，while the low-frequency vibration signal monitoring often had errors，which affects the normal operation of the hydropower unit，a hydropower unit health monitoring system based on VMD-TCN was designed. In terms of hardware，an AC102 acceleration sensor was designed.In terms of software，health status data of hydroelectric units were collected，the status signals of hydroelectric units were processed，and the health status of the units were judged. Based on VMD-TCN decomposition of the health status monitoring signals of hydroelectric units，the signal frequency band sub-modal decomposition was performed based on the collected status signals to ensure the monitoring accuracy. The system testing results indicated that the design improved the monitoring effect of the system，and the system performance was good．

Key words：VMD-TCN；hydroelectric units；health status；monitoring system