基于多小波与贝叶斯网络的水电机组故障诊断研究

The security and stability of the hydropower generating units have become the crucial problem in electric power industry. Consequently, promulgating hydropower units fault mechanism, digging the performance characteristics of hidden fault, studying the hydropower units status signal processing and fault diagnosis methods are the basis research work for the safe and stable operation of hydropower units.This project intends to combine the existed research, widely collect the data of operation and fault signal of hydropower generating units, analyze the frequency characteristics and law of the fault signal and noise signal, study multiwavelet adaptive threshold algorithm and hydropower units fault feature extraction method based on multiwavelet and fractal theory, to achieve the accurate extraction and signal denoising, then, obtain fault samples of hydropower generating units, establish feature set of various faults, after that, parse the nature ,the extent and scope of hydropower units coupled system failure mechanism, evolution and development, with the powerful Bayesian network modeling capability and probability reasoning techniques of inaccurate knowledge, establish the Bayesian network fault diagnosis model, and then, combine conditional algorithm and sensibility monitoring method, propose the real-time and effective Bayesian network inference algorithm, construct online fault diagnosis system of hydropower units based on Bayesian network system, so as to laid a solid theoretical foundation and basis for hydropower units safe and stable operation and prevent the power station catastrophic accident.

水电机组运行安全性和稳定性是电力行业关注的焦点，揭示水电机组故障机理、挖掘机组隐含故障的表现特征、开展水电机组状态信号分析和故障诊断方法研究，是保障水电机组安全稳定运行的基础。本课题拟结合现有研究成果，广泛收集水电机组运行和故障信号数据，分析故障信号和噪声信号的频率特性规律，研究多小波自适应阈值算法以及多小波与分形理论相结合的水电机组故障信号特征提取方法，实现水电机组状态信号消噪和故障特征的精确提取；获取水电机组故障样本，建立水电机组故障特征集；深入研究水电机组耦合系统故障机理及其演化发展的性质、程度和范围，利用贝叶斯网络对不精确知识的建模能力和概率推理技术，建立水电机组贝叶斯网络故障诊断模型；结合条件算法与概率灵敏度监测方法，提出实时有效的贝叶斯网络推理算法，构建贝叶斯网络体系下的水电机组在线故障诊断系统，为水电机组安全稳定运行提供理论基础与依据。

我国水力发电机组正在向大型化、复杂化、大功率方向发展，其安全性和稳定性已成为电力行业关注的焦点。由于水电机组工作的特殊性，实现水电机组故障诊断存在许多技术难点和问题。因此，开展水电机组故障诊断方法研究，是保障水电机组安全稳定运行的基础，具有重要的理论意义和工程应用价值。.项目组研究了基于EMD阈值和基于矩阵奇异值分解的水电机组状态信号降噪方法，提出了基于多小波相邻系数降噪的水电机组振动信号降噪方法和基于多小波自适应阈值消噪的水电机组故障信号降噪方法，结合实验室转子试验台和现场采集的水电机组振动信号，并考虑不同基函数、阈值函数和多小波预处理方法对降噪效果产生的影响，对提出的方法进行了验证，证明了提出的方法在信号降噪处理中的优越性；研究了小波分形算法，小波包能量谱和功率谱分析法，基于小波包变换和样本熵特征提取方法等，提出了基于综合检测指数的水电机组自适应多小波振动故障特征提取方法，该方法以综合检测指数最大值为优化目标，利用遗传算法从自适应多小波库中选择最优多小波；然后，利用该多小波分别对转子实验台和水电机组采集的振动信号进行特征提取；接下来，用K均值聚类方法检测该方法的有效性。实验结果表明，所提出的方法能够有效的增强特征参数对故障的敏感性，获得更高的故障识别率；归纳并整理了水轮发电机组振动的特征，分析了水电机组各类故障产生的原因与机理，建立水电机组故障特征集；研究了基于模拟退火-小波网络的水电机组故障诊断方法、基于蚁群初始化小波网络的水电机组振动故障诊断方法、基于径向基多小波网络的水电机组振动故障诊断方法，提出了一种结合专家系统和贝叶斯网络参数学习的水电机组振动故障诊断模型，并通过输入确定性证据验证所建模型诊断结果的正确性。总之，项目研究促进了水电机组故障智能诊断与信号处理方面的研究水平，为水电机组状态监测和故障诊断奠定了理论基础。