Analysis and Application of Hydropower Real-time Performance Calculation

The hydropower running and performance can be displayed and analyzed by the real-time remote system. Real-time performance data of the hydraulic turbine unit can be obtained through the analysis of real-time operating data of the hydraulic turbine unit. It can not only guide significance for long-term operation of hydraulic turbine unit, but also provide a reference for improving the Hydropower hydro efficiency, economic dispatch of hydraulic turbine unit and performance comparison before and after the overhaul.

基于DEMATEL-ISM方法的水电站机组检修作业安全事故致因链分析

针对水电站机组检修作业种类和危险因素多、安全事故频发等问题,通过文献挖掘与专家访谈方式,对水电站机组检修作业安全影响因素类别进行了划分。基于DEMATEL-ISM方法,构建了安全事故致因多层次递阶ISM模型来确定事故致因因素层级,通过剖析事故致因因素的中心度和权重,挖掘关键致因因素和推求事故致因链的路径权重,厘定关键致因链。采用该模型对某水电站致因链进行了分析,结果表明,安全检查不到位为关键致因因素,“安全检查不到位→违规作业→设备的问题→粉尘、油漆等有害物质”为关键致因链。

水电机组摆度周期性波动问题的分析和研究

本文针对某水电站机组上导轴承摆度峰峰值持续呈正弦周期性波动的问题,通过增加临时探头测量机组动态和静态时上机架支臂和基坑的间隙,以及不同方向支臂的间隙和机组运行参数等,发现支臂和基坑间隙一一对应,且间隙随环境温度的增加而增加,该间隙的变化规律符合因大部件金属构件蠕变传递至基座传感器引起的上导摆度周期波动的特征。因此可以确定机组摆度周期性波动是因为大部件金属随着温度变化而出现较大的位移蠕变,且该蠕变为非对称蠕变,以上过程量逐级传递至基座传感器位置,同时该文建议采用该结构形式的机架时应充分考虑支臂蠕变方向和限位措施。

基于参数自适应SVR和VMD-TCN的水电机组劣化趋势预测

针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机组劣化趋势预测方法;首先按照功率和水头将机组运行工况细化为若干典型工况,在此基础上采用改进天鹰算法建立SVR模型,对各个工况下的预测参数进行寻优,建立起工况与最优参数的数据;再通过神经网络对工况和最优预测参数进行拟合,构建出映射两者复杂关系的非线性函数,然后将构建出的映射关系加入到传统的SVR中,实现适应于水电机组工况变化的自适应SVR健康模型;其次,根据健康模型输出的标准值和监测数据,计算出劣化趋势序列;最后,考虑到劣化趋势序列的非线性因素,建立了一个基于VMD-TCN的时间序列预测模型,以实现对劣化趋势的准确预测。并设计多组对比实验,验证所提出模型的精度更高,时间更快。

基于UPEMD融合RCMCSE和ALWOA-BP的水电机组故障诊断

水电机组振动信号的诊断对机组安全稳定运行至关重要。本文提出一种基于均匀相位经验模态分解(Uniform Phase EMD,UPEMD)融合精细复合多尺度余弦相似熵(Refined Composite Multiscale CSE,RCMCSE)和改进鲸鱼算法优化反向传播神经网络(ALWOA-BP)的水电机组故障诊断方法。利用UPEMD对原始信号进行分解,然后建立WOA-BP故障诊断模型。针对WOA算法快速陷入局部最优和过早收敛的问题,采用自适应权重和莱维飞行对WOA算法进行优化。实验结果表明,该方法的准确率达到了100%。为探究所提模型的抗噪性能,引入信噪比为2 dB的噪声进行再次分析,诊断结果为94.44%,明显优于其他未优化模型。该项研究可以对现有水电机组故障诊断方法进行有价值的补充。

基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取

针对水电机组振动信号非平稳、非线性及噪声问题,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与能量熵结合的特征提取方法,首先对采集的振动信号进行小波包降噪处理,然后对降噪后信号进行CEEMDAN分解,运用相关系数法筛选有效固有模态函数(IMF)并计算其能量熵,由此构建特征向量集,最后将其输入到海洋捕食者优化支持向量机算法(MPA-SVM)进行模式识别。基于模拟信号、实测信号验证所提特征提取方法的有效性,并与其他方法作对比。结果表明,基于小波包分解与CEEMDAN能量熵的特征提取方法能准确提取特征,有效区分机组不同状态,为工程领域提供了应用价值。

布仑口水电站冲击式机组柔性电制动技术应用

为保证布仑口水电站机组停机过程中轴承油膜不被破坏,确保机组瓦温运行在安全范围内,解决制动停机问题,文章以新疆布仑口水电站为背景,介绍了冲击式机组柔性电制动技术的工程应用,重点介绍了布仑口电站冲击式机组停机方式、柔性电制动停机原理、电制动主回路接线形式、电制动流程、电制动系统主要设备参数,并对柔性电制动技术的基本思路和工程实现进行探讨。

基于时移多尺度波动散布熵和改进核极限学习机的水电机组故障诊断

水电在能源供给结构改革中承担重要角色,随着风、光、潮汐等新型能源的不断接入,水电机组的负荷运行范围不断加宽,导致水电机组发生事故的概率增加,因此,开展水电机组智能故障诊断研究具有十分重要的现实意义。本文针对水电机组振动信号中蕴含大量噪声信号,干扰故障诊断的问题,提出一种时移多尺度波动散布熵和改进核极限学习机相结合的水电机组故障诊断方法。首先,结合信息熵理论与时移思想,在多尺度波动散布熵的基础上,采用时移理论替代多尺度波动散布熵(MFDE)中传统的粗粒化过程,提出时移多尺度波动散布熵(TSMFDE),通过仿真实验,证明所提方法具有良好的时序长度鲁棒性、抗噪性及特征提取能力,解决了传统多尺度熵粗粒化不足的问题。然后,利用具有可移植性强、寻优能力强和收敛速度快等特征的算术优化算法(AOA)对核极限学习机(KELM)的正则化参数和核函数参数进行寻优,建立AOA-KELM分类器,解决了KELM超参数难以调节的问题。最终,通过转子试验台模拟实验,将TSMFDE提取的特征输入分类器中,完成模式识别工作。仿真结果表明,所提模型取得最高的诊断精度,达到了100.0%,相对于其他流行模型,本文所提模型展现了明显的优势,验证了所提模型的良好诊断精度。

基于运行效率分布差异的水电机组劣化状态趋势预测

为解决水电机组劣化状态难以刻画及预测精度低的问题,需深入探究不同机组状态下运行效率的分布差异特性,提出了一种基于运行效率分布差异的水电机组劣化状态趋势预测方法。首先,综合考虑水电机组工况(水头、流量)与效率之间映射关系和状态监测数据随机性,利用高斯混合模型拟合多工况下机组健康状态运行效率的概率分布特性;在此基础上,计算观测样本在机组健康状态分布下的负对数似然概率,并以此作为水电机组劣化状态指标,表征观测样本与机组健康状态标准分布之间的偏差;进一步采用非因果原理和高斯误差线性单元,分别改进时间卷积网络(TCN)的膨胀卷积模块和残差模块,并融合门控循环单元(GRU),设计并构建水电机组劣化状态预测模型;最后,利用某水电站#6机组实际运行监测数据开展方法验证。结果表明,所提方法能有效提升机组劣化状态趋势预测精度。

水电机组轴系-调速耦合系统动态特性分析

水电机组轴系-调速耦合系统动态特性尚未揭示,制约机组调节优化控制。为此,建立了水电机组不同运行模式轴系-调速耦合系统非线性数学模型,研究分析了耦合系统的非线性动态响应特性。首先,采用Hopf分岔理论分析调速系统稳定域和分岔特性。进一步,仿真分析机组不同运行模式轴系-调速耦合系统的时频动态响应特性。结果表明:机组孤网和并网运行调速系统均存在超临界Hopf分岔,机组并网模式调速器参数稳定域较孤网模式增大。机组并网模式调速系统机组、电网频率动态响应存在多频特性,轴系振动会引发调压室水位动态响应超超低频振荡。并网与孤网模式相比并网模式系统动态响应超调量增大,调节时间缩短。机组孤网和并网运行轴系振动均为多频拟周期振动,但孤网模式轴系振动特性更复杂。

孤网模式下水电机组智能鲁棒控制

针对孤网模式下水电机组PID控制策略鲁棒性差的缺点,设计了适用于非线性水轮机调节系统(hydraulic turbine regulating system,HTRS)的基于状态动态测量、反馈线性化和改进黏菌算法(improved slime mold algorithm,ISMA)的智能鲁棒控制器(intelligentrobustcontroller,IRC),以实现对水电站全工况实时最优控制。首先,充分考虑水轮机非线性、随动系统限速环节和高阶发电机特性,构建非线性、复杂HTRS数值仿真模型,并引入系统跟踪偏差的积分,推导出了孤网模式下考虑系统跟踪偏差的HTRS高阶状态空间方程模型。然后,结合高阶状态空间方程和H∞控制实现了HTRS鲁棒控制。进一步,基于ISMA对H∞控制器参数进行智能寻优。最后,结合某电站真实数据构建非线性、复杂HTRS仿真平台,验证了所提控制策略对系统参数和工况的敏感性、频率扰动下的强鲁棒性。

混流式水电机组一次调频运行区分级划分方法——以拉西瓦水电站为例

混流式水电机组变水头宽负荷一次调频性能,是构建灵活电力平衡体系、保证频率稳定的重要内核。在水电站稳定性试验前提下,本文提出以一次调频电气特性为基准的运行区分级划分方法。该方法以调节时间、稳定时间和积分电量合格与否为分级划分基准,利用区域面积、区域中心和区域综合性能进行系统评价。以西北地区调频电厂拉西瓦水电站为例,通过与实验数据对比验证数学模型。在确认计算准确性基础上,以调频性能为优化目标,探究管径、转动惯量、积分增益等水机电参数对运行区分级划分的影响规律。最后,总结水机电参数对调频性能与运行区的贡献度占比,指出混流式水电机组变水头宽负荷一次调频运行优化的方向。

基于VMD-WT-CNN与注意力机制的水电机组故障诊断

水电机组故障诊断依赖于振动监测信号,但信号中存在的噪声会干扰诊断模型对有效特征的提取,降低模型精度。对此,提出一种联合变分模态分解和小波阈值降噪的水电机组故障诊断方法。首先对水电机组振动监测信号进行变分模态分解,得到若干低、中、高频分量。其次,对高频分量进行小波变换并舍弃小波系数低于设置阈值的部分,中低频分量保留。最后,构建基于注意力机制的多通道深度卷积神经网络模型,将分量作为各通道的输入信号,实现水电机组的状态识别。以水电机组实测振动信号作为样本,设计多组对比试验,结果表明该方法可有效滤除水电机组振动监测信号中的噪声,提高诊断模型的识别准确率。

一种基于小信号模型分析的水电机组参与电网一次调频方法

由于水电机组自身复杂的动态特性,导致高比例水电在参与电网调频过程中易产生超低频振荡,不利于电网安全稳定运行。为此,提出一种基于小信号建模分析的水电机组参与电网调频方法。首先,为体现更贴近实际工作状态的动态特性,基于小信号分析对水电机组参与电网调频进行模型构建;然后,考虑到小信号模型会反映系统诸如超低频振荡等危害的发生特征,进而突出系统的非线性,进行分数阶PID(FOPID)控制器设计调速系统;在此基础上,利用遗传算法以频率偏差最小为目标进行控制器参数优化,以进一步改善控制效果。仿真分析表明,所建水电机组小信号模型能够准确反映水轮机的动态特性,同时性能优越的FOPID控制器能有效地抑制超低频振荡。

基于HOG和TSO-SVM的水电机组轴心轨迹智能识别

水电机组的轴心轨迹能够反映机组不同的运行状态,为了提高轴心轨迹的识别率,准确判断机组运行状态,本文提出方向梯度直方图(Histogram of Oriented Gradient, HOG)结合由瞬态搜索优化(Transient Search Optimization, TSO)算法优化的支持向量机(Support Vector Machine, SVM)的方法。将轴心轨迹信号经改进小波阈值方法去噪后,生成轴心轨迹图像,之后提取图像HOG特征,经主成分分析(Principal Components Analysis, PCA)降维处理后,利用TSO-SVM对降维后的特征进行分类识别。结果表明所提方法能够很好地识别不同状态的轴心轨迹,具有识别准确率高和识别速度快的特点。

孤网模式下水轮机调速系统广义预测控制应用方法

针对孤网模式下水电机组PID控制策略鲁棒性差的缺点,提出基于双模型、实时反馈线性化、非线性特性补偿器和广义预测控制器的自适应广义预测控制策略(Adaptive Generalized Predictive Control,AGPC),以实现对水电站全工况实时最优控制。首先基于BP神经网络和改进樽海鞘算法构建高精度非线性水轮机模型,并结合PID控制器、引水系统、随动系统、发电机等模块搭建非线性水轮机调节系统仿真平台,然后通过定量计算揭示广义预测控制器直接应用于非线性水轮机调节系统的不合理性。进一步,结合实时反馈线性化和基于预估控制信号设计的水轮机非线性特性补偿器,提出孤网模式下广义预测控制器在水电站应用策略。最后,搭建了基于AGPC的非线性水轮机调节系统仿真平台,并以某电站真实数据验证了所提控制策略适用性、可靠性以及优良的鲁棒性。

基于IMSGP-WEDI的水电机组故障预警方法

水电机组故障预警指标对于机组早期故障预警时间影响较大,而当前预警指标多基于单传感器信息构建,且其特征信息单一,难以更全面地表征机组运行状态,针对此问题,提出了一种基于集成多传感器遗传规划(integrated multi-sensor genetic programming,IMSGP)与权重欧式距离指标(weighted euclidean distance index,WEDI)的水电机组故障预警方法。首先,将多传感器信号进行预处理,剔除干扰信息;然后从预处理后的信号中提取多元特征,构建原始预警特征集;接下来利用复合检测指数(composite detection index,CDI)进行特征选择,并利用IMSGP进行特征构造;最后结合主成分分析(principal component analysis,PCA)与欧式距离构建WEDI,判别机组异常状态。通过对水电机组实测数据的分析,证明了提出的方法可及时发现早期故障,实现故障预警。

基于ISSA-H_(∞)的水电机组鲁棒控制

随着风电、光伏等随机能源大量接入,电网结构变得复杂。在此背景下,水电机组将根据需要经常处于变工况运行,运行环境日趋恶劣,其传统的PID控制策略显然难以实现各种复杂工况下的最优控制。为此,将H_(∞)理论应用于水电机组,并基于改进樽海鞘算法(ISSA)和综合ITAE指标对其参数进行优化,实现了基于ISSA-H_(∞)的水电机组自适应鲁棒控制。仿真结果表明,相比传统的PID控制器,设计的基于ISSA-H_(∞)的自适应鲁棒控制器在不同工况下均有优异的调节性能,实现了水电机组多工况下最优控制。