水電站排水系統(tǒng)智能故障預警模型設計與應用

潘 宏，彭 放，趙小明，何亞東

（1.國家能源集團大渡河流域水電開發(fā)有限公司，四川省成都市 610041；2.國家能源集團大渡河大崗山發(fā)電有限公司，四川省雅安市 625409）

0 引言

水電站大多都設置有滲漏排水系統(tǒng)、檢修排水系統(tǒng)、壩體滲漏排水系統(tǒng)等，排水系統(tǒng)故障可能導致水淹廠房等重大事故，故排水系統(tǒng)的安全穩(wěn)定運行是電站安全生產的重要保障，但在化學物質侵蝕、管道結垢、設備老化等因素影響下，排水系統(tǒng)效率不斷發(fā)生變化，故障隨運行時間逐漸增加，且目前針對排水系統(tǒng)的故障分析、預警手段較少，故障原因分析不夠明確，發(fā)生報警需運維人員現(xiàn)場分析，不利于及時處理故障。

為此在水電站現(xiàn)有監(jiān)控數(shù)據(jù)的基礎上，增加部分傳感設備，采集電站排水系統(tǒng)有效數(shù)據(jù)，延伸設備感知觸角，運用統(tǒng)計分析、特征工程、相關性分析等數(shù)據(jù)挖掘方法[1]，研究排水系統(tǒng)設備相關參量的相互關系，同時結合專家分析和現(xiàn)場實際，搭建排水系統(tǒng)故障分析診斷預警模型，打通生產管理系統(tǒng)數(shù)據(jù)庫，融入故障處理經驗，組建輔助分析神經網絡[2]，結合智能告警系統(tǒng)提供更多的報警途徑，實時推送處理意見，實現(xiàn)水電站排水系統(tǒng)故障超前預警、精準定位。

1 故障預警模型設計

1.1 數(shù)據(jù)采集與挖掘

首先以水電站數(shù)據(jù)中心[3]為基礎，從數(shù)據(jù)庫中抽取排水系統(tǒng)測點歷史數(shù)據(jù)，獲取同一時間的排水系統(tǒng)集水井水位、水泵運行工況等相關數(shù)據(jù)，將歷史數(shù)據(jù)按照設備狀態(tài)在自動或手動進行區(qū)分整理成為數(shù)據(jù)樣本。其次采用統(tǒng)計分析和特征計算方法計算出設備運行速率、效率、啟停耗時等特征值。最后為提高數(shù)據(jù)質量，可采用肖維勒準則法和格拉布斯準則法剔除異常數(shù)據(jù)[4]，將兩者剔除結果進行比較，驗證數(shù)據(jù)剔除的準確性。

1.2 分析模型設計

根據(jù)生產管理系統(tǒng)缺陷記錄及日常維護記錄，梳理電站排水系統(tǒng)的故障情況，主要由水位上漲、通信異常、水泵效率低、停泵異常和輔助分析組成，然后梳理各故障之間的邏輯關系，制定預警方案。同時深入探索故障維度，組建自組織特征映射神經網絡，收集常見故障的故障集及征兆集，充實神經網絡。主要包括五個維度：前置條件、異常信息、數(shù)據(jù)關聯(lián)性、推送結果和處理意見，結合專家經驗分析，確保分析準確性。

（1）系統(tǒng)正常模型。

排水系統(tǒng)自動運行，集水井水位到達啟泵水位，系統(tǒng)正常啟動排水泵；監(jiān)測水位以正常速率下降至停泵水位，水泵停止，此過程無任何異常和報警信息，流程結束。

（2）水位上漲預警。

運用大數(shù)據(jù)分析和統(tǒng)計分析方法對排水系統(tǒng)水位從停泵到啟主泵所需時間進行記錄，尋找最優(yōu)時間范圍，為水位上漲預警做參考，求出水位上漲速率區(qū)間，當水位上漲速度超過預設范圍，進行水位上漲預警，判斷是否因漏水量增大造成，自動匹配相同月份、相似降雨量等歷史數(shù)據(jù)進行同比和環(huán)比分析，觀測集水井水位變化趨勢。

（3）通信異常。

系統(tǒng)監(jiān)測到水位上升至啟主泵位置，未接收到水泵已啟動反饋信號，水位持續(xù)上升，且無任何報警信息，判斷可能存在PLC輸出單元、輸入單元故障，同時模型進行預警；若備用泵未啟動，報備用泵未啟動；水位到高時，報水位高報警。若水位有下降跡象，但無任何報警信息，說明泵已啟動，監(jiān)控未接收到反饋信號，可判定通信異常。

（4）水泵效率低。

水泵抽水過程中，集水井水位下降速率遠低于水泵效率理論值，觸發(fā)告警并自動跳入輔助分析模型，利用神經網絡各神經元分析造成水泵效率低的原因，推送處理意見。

（5）停泵異常模型。

水泵正常運行至停泵水位，未正常停止時，是否因系統(tǒng)未接收到停泵指令等原因造成，自動跳入輔助分析模型并發(fā)出告警。停泵異常判斷分析見表1。

（6）輔助分析模型。

水位上升至啟泵水位，啟動水泵過程發(fā)生故障，系統(tǒng)自動進入輔助分析流程，調用生產管理系統(tǒng)檢修維護記錄和專家處理經驗，增加故障神經元，強化神經網絡。水泵綜合故障信號分析見表2。

表1 停泵異常判斷分析表Table 1 Abnormal judgment analysis table of pump stop

表2 水泵綜合故障信號分析表Table 2 Analysis table of comprehensive fault signal of water pump

綜上6種實際情況，具體邏輯圖見圖1。

1.3 模型驗證

為驗證模型的準確性和實用性，采用對比分析和現(xiàn)場故障模擬對模型進行驗證。

1.3.1 對比分析

人工獲取2019年壩體滲漏排水系統(tǒng)1～9月水位數(shù)據(jù)，4臺泵啟動時間數(shù)據(jù)，對數(shù)據(jù)進行處理，水位數(shù)據(jù)按月進行分析，繪制水位趨勢曲線，對比模型自動分析趨勢和抽樣觀測趨勢是否吻合，驗證模型。人工獲取部分數(shù)據(jù)見表3。

1.3.2 實際模擬

利用水泵檢修時機，通過實際模擬故障和在PLC程序中給定實現(xiàn)故障模擬，生產現(xiàn)場實際模擬故障30項，部分故障模擬方法見表4，實際模擬故障在模型中初始采集準確率70%，經過模型調整，故障采集準確率提高至98%。

圖1 排水系統(tǒng)邏輯圖Figure 1 Drainage system logic diagram

表3 人工獲取部分數(shù)據(jù)表Table 3 Partial data sheet obtained manually

續(xù)表

表4 故障模擬方法表Table 4 Fault simulation method table

2 預警模型應用分析

以某水電站大壩排水系統(tǒng)為例分析水電站排水系統(tǒng)故障預警模型應用情況。

2.1 模型建立

某水電站壩體滲漏排水系統(tǒng)預警模型根據(jù)故障設想和輔助判斷分析流程模擬，結合系統(tǒng)運行狀態(tài)、歷史數(shù)據(jù)分析，設定不同定值。當運行中出現(xiàn)報警，自動進入故障分析流程，神經網絡分析判斷給出故障原因和處理意見。若水位上漲速率超過高限，發(fā)出預警；水泵效率呈現(xiàn)持續(xù)下降觸發(fā)預警，同時建立大壩排水系統(tǒng)預警模型 Web 可視化界面，可視化界面見圖2。

2.2 應用成效

（1）壩體水位上漲速率曲線。

利用該水電站2017年至今歷史數(shù)據(jù)計算大壩集水井水位上漲速率，繪制出如圖3所示水位上漲曲線圖，同時從庫壩中心獲取大壩滲流量過程線見圖4，分析對比大壩集水井水位上漲速率曲線和大壩滲流量曲線發(fā)現(xiàn)，滲漏趨勢大致相同，滲漏量平穩(wěn)。得出結論：通過監(jiān)測大壩集水井水位上漲速率可以輔助監(jiān)測壩體滲漏量，且上漲速率最快為7月0.67～0.7m/h。

（2）運行數(shù)據(jù)相關結果。

根據(jù)大壩排水系統(tǒng)投運至今水泵運行數(shù)據(jù)分析，得出如下結論：

A.水泵排水效率由高到低依次為4號泵、2號泵、3號泵、1號泵。

B.4號水泵運行工況最優(yōu)，運行平穩(wěn)。

C.水泵效率和電流、力矩線性關系。

最終得出如表5所示每臺水泵參數(shù)。

（3）水泵排水效率曲線。

根據(jù)歷史數(shù)據(jù)繪制出如圖5所示水泵效率曲線。得出結論：4號和3號水泵運行平穩(wěn)，1號水泵效率明顯逐漸下降，2號水泵緩慢下降。

圖2 可視化界面Figure 2 Visual interface

圖3 大壩集水井水位上漲速率曲線Figure 3 Curve of water level rise rate of dam water collection well

表5 水泵參數(shù)表Table 5 Pump parameter table

圖5 大壩排水系統(tǒng)水泵效率曲Figure 5 Pump efficiency curve of dam drainage system

3 結束語

水電站排水系統(tǒng)故障預警模型立足于解決水電站排水系統(tǒng)運維管理中的難點、痛點問題，尋求實用的解決方案，建立排水系統(tǒng)故障預警模型，實現(xiàn)水電站排水系統(tǒng)運行工況實時監(jiān)測，設備故障智能預警[5]，故障精準定位，深入探索排水系統(tǒng)故障維度，加入故障處理意見，提升工作效率。該預警模型應用場景廣泛，可推廣至水電站相關油、水、氣輔助設備系統(tǒng)，為“智慧電廠”建設提供了一種輔助設備的智能管控方法。