浅谈水轮发电机组故障诊断技术

浅谈水轮发电机组故障诊断技术

梅俊飞

中国水利水电第十四工程局有限公司 云南 昆明 650200

摘要：随着国民经济发展对电力工业需求的不断增长，低水头段的灯泡贯流式水电站得到了迅猛发展，主机设备也经历了技术引进、合作生产、自主研发的快速发展历程。受早期设计、加工制造水平的限制以机组投运时间的增长，早期投运的灯泡贯流式机组设备的缺陷问题也逐步凸显，且相同电站同批次相同型号的设备也可能存在特性问题，排查难度极大。

关键词：水轮发电机；故障诊断；技术应用

引言

当今航运界往往需要更多地关注干扰问题，可能会因人类、生态等因素造成干扰，如果不能进行有效诊断，很难采用正常的驱动率租赁程序。因此，加强对水轮发电机组的故障排除很重要。本文从分析振动故障特征及振动故障原因入手，总结了一些雷达设备的振动故障排除技术，这些技术应可供人员使用，以确保水电站机组的安全运行，提高水电站的效率。

1.研究背景

水电作为清洁能源,在保障社会生产生活用电的同时,对减少碳排放、建设生态文明发挥着重要作用。随着国内水电资源的陆续开发,水电总装机容量在不断提升,水轮发电机组的单机容量也在增加,白鹤滩水电站单台机组的容量达到了100万kW,成为水轮发电机组单机容量世界之最。水轮发电机组的正常运行对电网的稳定至关重要,一旦因故障引起事故停机,可能造成电网频率波动,还可能造成较大的经济损失。如何通过状态数据对水轮发电机组的运行状态、健康水平进行判断和评价,从数据中发现异常,提早介入、及时处置,避免故障的发生或者扩大,成为水电站运行管理中迫切需要解决的现实问题。水轮发电机组的故障诊断是对机组各部位状态数据进行采集,以数据为支撑,采用一定的方法通过综合分析研判,对机组的整体性能和健康水平进行评价,提前感知异常趋势,发现潜在隐患,预知故障苗头,从而采取一定的预防及处理措施,防患于未然。

2.水轮发电机组振动故障的特点

水轮发电机组振动故障是最常见的问题之一，也具有一些故障特征。实际上，电机运行时通常会出现不同的振动，而允许轻微的机械振动。但是，振动幅度超过一定范围时会出现振动问题。对于振动故障，发动机组每个部分的振动尺寸不同，因为不同设备的轴承形状和转速不同。因此，误差分析至关重要。在驱动电机的工作中观察到一些特殊的特性，这些特性与传统的动力机器相比显得尤为突出和复杂。除了自旋转范围内的振动因素外，还应考虑发动机固定对发动机选定零件、水轮总成组成等的影响。并且电磁脉冲还影响水塔发电机的振动和各系统的运行。

3.水轮发电机组故障的主要诊断技术方法

3.1智能故障诊断技术方法

智能故障排除技术也很有价值。随着技术的进步和进步，许多先进技术应运而生并得到应用，这极大地推动了各个领域的发展。解决机构振动故障时，还建议改进先进技术的应用，逐步开发智能故障诊断方法，利用智能故障诊断方法，改进驱动电机的故障诊断。实际上，有许多不同的方法可以简化诊断和故障排除技术。不同的智能故障诊断方法具有不同的特征，只有具备相应的专业知识并运行实用应用程序，才能智能识别振动故障并支持诊断和修复。具体而言，常见的智能故障诊断方法包括专业系统诊断、差别诊断方法和中性网络诊断。专家的系统诊断方法主要是人工诊断系统，主要模拟人们的思维，解决复杂的问题，主要基于模拟技术和人工智能，导致知识、推理方法等构建了人类专家的思维方式。该系统包括数据库、逻辑、知识数据库和用于改进故障诊断的交互式系统。这种技术方法现已在振动诊断中得到很好的应用。模糊处理方法尤其适用于模糊精度和有效性难以兼容的情况。这主要是根据模糊关系矩阵的度函数和概念来解决的，但稳定性和诊断仍然不足，需要不断的研究和改进。神经外科主要指神经元相互作用的诊断。主要目的是利用问题解决中的实例教育上帝利用网络进一步进行振动条件下的故障排除。

3.2人工神经网络

人工神经网络是通过模拟人脑中神经元的工作原理而建立的网络模型,它以神经元为基本单位,通过神经元的输入输出将更多的神经元连接在一起,从而实现一定的功能,应用于故障诊断的神经网络主要有BP神经网络、径向基函数神经网络、小波神经网络等。胡泽等利用BP神经网络对滚动轴承故障进行分类,具有较高的准确度。周啸伟等通过采集柴油机缸盖上的振动信号,提取特征向量,将提取出的特征向量代入BP神经网络中进行训练,获得了较高的故障识别率。曹智军采用滚动轴承工作过程中产生的摩擦因数、振动值以及噪声作为输入变量对BP神经网络进行训练,训练好的模型能够对轴承的不同工作状态进行识别。人工神经网络实质上是一种复杂的数据映射关系,它适合于求解复杂的问题,具有较强的自学习能力、泛化能力及自适应性,应用非常广泛,不足之处是易陷于局部极小值、对样本数量要求高、过拟合和收敛速度慢等问题。对于水轮发电机组故障诊断来说,要训练人工神经网络就需要有一定数量的故障样本,由于实际的故障样本很难获取,且既有的故障样本数量一般很难满足训练神经网络的要求,这成为人工神经网络在水轮发电机组故障诊断应用中的瓶颈问题。

3.3定子绕组故障预防措施

1）利用智能监测系统实时监测水轮机运行情况，如果水轮机存在故障问题，需要及时停止运行进行检修，避免出现水轮机带病复役情况。2）利用塑料布或防雨布将水轮机进行遮盖，避免灰尘、异物或水汽等进入发电机组造成定子绕组损坏。3）水轮机检测过程中如果环境湿度较大，则需要降低空气湿度，避免定子绕组出现二次损坏。4）优化水轮机检修工序，尽量减少水轮发电机机架盖板开启次数，防止湿气进入设备内部。5）在水轮发电机运行过程中，需要严格控制水轮机定子绕组温度和水轮机入口风温，避免出现定子绕组超温等情况。在水轮发电机维修过程中需要彻底清理水轮发电机铁芯风道和定子线棒，避免影响定子绕组和水轮发电机散热效率，同时也有利于减缓定子绕组绝缘老化速度。

结束语

智慧水利是新阶段水利高质量发展的重要标志,水利部将智慧水利作为水利高质量发展的重要实施路径大力推进。数字孪生、人工智能、物联网等新兴技术正在与传统的水利行业进行深度融合,并将逐步提升水电站的数字化、网络化和智能化水平。未来的水轮发电机组故障诊断首先在前端感知数据方面,传感器的类型会更加丰富,能够获取的数据维度更加全面;其次是具有自学习能力的机器学习等方法的应用,能够对海量的数据进行分析处理,且更加的智能、高效;最后是基于数据分析的上层应用功能会更加丰富、实用,故障诊断、状态评价、趋势预测等功能能够真正满足水电站实际应用需求,使状态监测系统真正服务于水电生产,为制定检修策略、实施状态检修提供科学、充足的数据支撑。

参考文献

[1]王玲花,王坤,许永强.基于改进欧氏距离的水轮发电机组振动故障诊断方法研究[J].吉林水利,2018.

[2]郑杰.基于Hilbert变换的水轮发电机组振动冲击信号自动检测技术及应用研究[J].水力发电,2017(8):98-102.

[3]冉恒.水轮发电机组振动故障诊断关键技术研究与应用[D].重庆：重庆大学，2017.

[4]唐雷.现代化水轮发电机组振动故障诊断与识别技术浅析[J].科学与信息化,2017.