接入風(fēng)光電的水電機(jī)組振動(dòng)信號(hào)分析與故障診斷方法研究

任 巖，張琳琳，劉金偉，齊 堅(jiān)，崔換霞

（1．華北水利水電大學(xué)電力學(xué)院，河南省鄭州市 450045；2．黃河勘測(cè)規(guī)劃設(shè)計(jì)研究院有限公司，河南省鄭州市 450003；3．中廣核工程有限公司，廣東省深圳市 518100；4．河南水投水土資源開(kāi)發(fā)有限公司，河南省鄭州市 450000）

0 引言

隨著“十四五”時(shí)期“雙碳”目標(biāo)的提出，大力發(fā)展清潔可再生能源成為電力行業(yè)發(fā)展的重要舉措。考慮到水電的清潔性、靈活性，未來(lái)水電與新能源聯(lián)合發(fā)展具有很大潛力。然而，水電機(jī)組作為水電能源轉(zhuǎn)換的關(guān)鍵設(shè)備，正朝復(fù)雜化、巨型化方向不斷發(fā)展，各部件間的耦合作用更加強(qiáng)烈，故障與征兆間的映射關(guān)系更為復(fù)雜[1]。

常規(guī)水電振動(dòng)往往由水力、電氣、機(jī)械三方面耦合影響，風(fēng)光接入下的水電機(jī)組振動(dòng)更加復(fù)雜。根據(jù)統(tǒng)計(jì)顯示，80%的水輪發(fā)電機(jī)組故障都會(huì)在振動(dòng)信號(hào)中體現(xiàn)出來(lái)，機(jī)組的振動(dòng)水平是衡量機(jī)組運(yùn)行質(zhì)量的重要指標(biāo)[2]。因此，對(duì)振動(dòng)信號(hào)進(jìn)行故障診斷，可以實(shí)現(xiàn)機(jī)組的狀態(tài)檢修，保障機(jī)組安全、穩(wěn)定運(yùn)行。而水電機(jī)組所處的環(huán)境較為復(fù)雜，傳感器采集到的振動(dòng)信號(hào)往往被大量噪聲所淹沒(méi)，因此，采集到的振動(dòng)信號(hào)需進(jìn)行降噪的預(yù)處理，并進(jìn)行特征提取和故障診斷。近年來(lái)，國(guó)內(nèi)外的學(xué)者針對(duì)機(jī)組振動(dòng)產(chǎn)生的非平穩(wěn)性、非線性信號(hào)提出一系列的信號(hào)處理方法，如小波變換[3]、經(jīng)驗(yàn)?zāi)B(tài)分解[4，5]、變分模態(tài)分解[6，7]、奇異值分解等[8]，通過(guò)一系列特征提取及信號(hào)重構(gòu)可以有效地去除噪聲，判斷機(jī)組故障部位分析原因，以規(guī)避故障發(fā)生。

針對(duì)上述問(wèn)題，本文圍繞水電機(jī)組振動(dòng)進(jìn)行分析，從水、機(jī)、電方面綜合分析常規(guī)水電機(jī)組的振動(dòng)原因，并分析接入風(fēng)光電的水電機(jī)組的振動(dòng)情況?？紤]到時(shí)域或頻域的信號(hào)處理方法無(wú)法適應(yīng)振動(dòng)信號(hào)的非平穩(wěn)性與非線性，本文對(duì)國(guó)內(nèi)外時(shí)頻域信號(hào)處理方法和故障診斷技術(shù)進(jìn)行綜述，探究現(xiàn)有方法中存在的理論和應(yīng)用不足，并對(duì)未來(lái)發(fā)展提出看法。

1 常規(guī)水電機(jī)組振動(dòng)分析

1．1 水電機(jī)組結(jié)構(gòu)與工作原理

水電機(jī)組主要由水輪機(jī)、軸系和發(fā)電機(jī)等關(guān)鍵部件組成。水輪機(jī)部分包括底環(huán)、導(dǎo)水機(jī)構(gòu)、轉(zhuǎn)輪體、支持蓋等；軸系部分包括主軸、操作油管、水封、水導(dǎo)軸承和推力軸承；發(fā)電機(jī)部分包括發(fā)電機(jī)定子、發(fā)電機(jī)轉(zhuǎn)子和機(jī)架等[9]。在水電機(jī)組運(yùn)行過(guò)程中，以上部件都直接或間接地參與了電能的轉(zhuǎn)換，同時(shí)各部件產(chǎn)生的振動(dòng)、疲勞及氣蝕都將會(huì)影響機(jī)組壽命造成安全經(jīng)濟(jì)損失。

水流通過(guò)引水管道進(jìn)入，沖擊水輪機(jī)葉片，使水能轉(zhuǎn)化成旋轉(zhuǎn)的機(jī)械能。水輪機(jī)轉(zhuǎn)動(dòng)帶動(dòng)發(fā)電機(jī)運(yùn)轉(zhuǎn)，使旋轉(zhuǎn)的機(jī)械能轉(zhuǎn)化成電能。水輪發(fā)電機(jī)組實(shí)現(xiàn)了水能—機(jī)械能—電能的轉(zhuǎn)換。

1．2 常規(guī)水電機(jī)組振動(dòng)原因

機(jī)組運(yùn)行過(guò)程中受到各種干擾力的影響不可避免地產(chǎn)生振動(dòng)，異常振動(dòng)會(huì)產(chǎn)生噪聲與氣蝕破壞、引起共振、導(dǎo)致機(jī)組零件疲勞，影響機(jī)組的運(yùn)行狀態(tài)，破壞機(jī)組穩(wěn)定性。分析產(chǎn)生振動(dòng)的原因具體如下[10]：

（1）水力振動(dòng)因素：尾水管低頻渦帶；卡門渦列；蝸殼和導(dǎo)葉等過(guò)流部件流場(chǎng)不均勻；水輪機(jī)密封處產(chǎn)生的水力不平衡以及水輪機(jī)過(guò)渡過(guò)程中的其他不穩(wěn)定因素。其中，尾水管渦帶振動(dòng)是引起水力振動(dòng)的主要因素。

（2）電氣振動(dòng)因素：轉(zhuǎn)子磁極繞組匝間短路；轉(zhuǎn)子磁極形狀有差別；定子鐵芯松動(dòng)引發(fā)振動(dòng)；轉(zhuǎn)子定子鐵芯間氣隙不均；發(fā)電機(jī)不對(duì)稱工況下運(yùn)行；產(chǎn)生負(fù)序電流；磁極分布圓中心與旋轉(zhuǎn)中心偏離較大。

（3）機(jī)械振動(dòng)因素：導(dǎo)軸承缺陷或間隙調(diào)整不當(dāng)；機(jī)組軸系與支承結(jié)構(gòu)剛度不足；質(zhì)量不平衡；大軸扭曲；軸承不對(duì)中等。

機(jī)組振動(dòng)可能是由水力、機(jī)械、電氣單方面因素引起，也可能由以上三種因素耦合引起。盡管導(dǎo)致振動(dòng)的原因有多種，但它們之間卻互相聯(lián)系、互相影響。

2 接入風(fēng)光電的水電機(jī)組振動(dòng)分析

2．1 接入風(fēng)光電的新型電力系統(tǒng)

以風(fēng)光為代表的新能源清潔無(wú)污染且可再生，構(gòu)建新型電力系統(tǒng)是實(shí)現(xiàn)能源結(jié)構(gòu)低碳轉(zhuǎn)型的重要保障。但風(fēng)光的強(qiáng)隨機(jī)性與波動(dòng)性影響電網(wǎng)穩(wěn)定運(yùn)行，加重了電網(wǎng)調(diào)節(jié)負(fù)擔(dān)[11]。新型電力系統(tǒng)中風(fēng)光等新能源的高比例接入需要配置可調(diào)性電源來(lái)提高負(fù)荷快速調(diào)節(jié)能力[12]。

考慮到水電的清潔性及靈活調(diào)節(jié)性，可以將水電與風(fēng)光電互補(bǔ)發(fā)電來(lái)平抑新能源出力波動(dòng)。為了與風(fēng)光形成出力互補(bǔ)，水電往往承擔(dān)能源調(diào)節(jié)角色配合風(fēng)光發(fā)電，如圖1所示。

2．2 接入風(fēng)光電的水電機(jī)組振動(dòng)

接入風(fēng)光電的水電機(jī)組需要更加頻繁地啟停配合風(fēng)光波動(dòng)，造成多變工況下水電機(jī)組的工作環(huán)境與運(yùn)行狀態(tài)更為復(fù)雜。水電機(jī)組偏離最優(yōu)工況進(jìn)入振動(dòng)區(qū)運(yùn)行，具體表現(xiàn)如下：

（1） 加劇常規(guī)振動(dòng)：接入風(fēng)光電后水電機(jī)組工況轉(zhuǎn)換頻繁，使水流紊亂產(chǎn)生氣蝕、渦帶等現(xiàn)象，形成壓力脈動(dòng)加劇尾水管等部位的振動(dòng)。

（2） 引起異常軸系振動(dòng)：調(diào)速器只可保證在最優(yōu)工況下對(duì)發(fā)電機(jī)角速度的調(diào)節(jié)。風(fēng)光接入后，機(jī)組在偏離最優(yōu)工況的振動(dòng)區(qū)運(yùn)行，無(wú)法調(diào)節(jié)軸系振動(dòng)，造成機(jī)電設(shè)備的破壞。

（3） 影響機(jī)組水力結(jié)構(gòu)性能：機(jī)組的水力不平衡會(huì)加大葉片裂紋、加劇疲勞破壞、增大廠房等基礎(chǔ)設(shè)施的磨損。

（4） 產(chǎn)生水錘現(xiàn)象：在復(fù)雜工況下的機(jī)組頻繁啟停會(huì)造成機(jī)組的開(kāi)度多變使水壓多變產(chǎn)生水錘，加劇了機(jī)組出力調(diào)節(jié)難題。

振動(dòng)信號(hào)往往反映機(jī)組的故障原因，基于對(duì)常規(guī)水電機(jī)組與接入風(fēng)光電下水電機(jī)組的振動(dòng)分析，對(duì)振動(dòng)信號(hào)采集并進(jìn)行故障診斷可以實(shí)現(xiàn)機(jī)組運(yùn)行效率的最大化并減少經(jīng)濟(jì)損失。

3 非平穩(wěn)振動(dòng)信號(hào)的故障診斷研究

對(duì)機(jī)組故障及時(shí)處理可以保障機(jī)組安全穩(wěn)定運(yùn)行，延長(zhǎng)機(jī)組設(shè)備的使用壽命[13]。在互聯(lián)網(wǎng)快速發(fā)展的背景下，智能化在故障診斷中得到了極好的應(yīng)用[14-16]。但采集到的振動(dòng)信號(hào)往往被噪聲掩蓋，對(duì)故障診斷產(chǎn)生干擾，所以要對(duì)信號(hào)進(jìn)行降噪預(yù)處理。圖2、圖3為水輪機(jī)尾水管振動(dòng)信號(hào)降噪前后對(duì)比圖，觀察發(fā)現(xiàn)經(jīng)過(guò)降噪處理后波形毛刺減少，反映故障特征的頻率基本被有效提取了出來(lái)。針對(duì)振動(dòng)信號(hào)的非平穩(wěn)性與非線性，國(guó)內(nèi)外學(xué)者提出一系列的時(shí)頻信號(hào)處理方法。這些信號(hào)處理方法經(jīng)過(guò)變換與重構(gòu)可以有效提取故障特征便于后續(xù)分析。圖4為非平穩(wěn)振動(dòng)信號(hào)故障診斷的流程圖。

圖2 噪聲干擾下的尾水管振動(dòng)信號(hào)圖Figure 2 Plot of tailpipe vibration signal under noise disturbance

圖3 降噪后的尾水管振動(dòng)信號(hào)圖Figure 3 Vibration signal diagram of the tailpipe after noise reduction

圖4 非平穩(wěn)振動(dòng)信號(hào)故障診斷的流程圖Figure 4 Flow chart of fault diagnosis for non-stationary vibration sign

3．1 小波變換

小波變換是在傅里葉變換的基礎(chǔ)上研究的一種新的信號(hào)處理方法[17，18]，其利用小波基函數(shù)的可伸縮特性，彌補(bǔ)了短時(shí)傅里葉變換窗函數(shù)固定帶來(lái)的時(shí)頻域局限性問(wèn)題。小波變換具有良好的分辨率，適于非平穩(wěn)性信號(hào)的分析；但對(duì)于高頻信號(hào)，在去噪效果上并不理想，需要在此基礎(chǔ)上進(jìn)一步優(yōu)化。許多學(xué)者在小波變換的基礎(chǔ)上進(jìn)行改進(jìn)，提出了小波包、小波閾值降噪等方法。文獻(xiàn)[19]在小波變換的基礎(chǔ)上提出一種改進(jìn)的小波閾值函數(shù)算法，經(jīng)過(guò)仿真與實(shí)例驗(yàn)證，證明其可以提高信號(hào)的信噪比提高均方誤差，具有一定的去噪效果。文獻(xiàn)[20]根據(jù)小波變換與灰度矩理論建立了一種水電機(jī)組振動(dòng)區(qū)方法，并以實(shí)際電站的機(jī)組數(shù)據(jù)根據(jù)灰度矩建立了機(jī)組振動(dòng)區(qū)，隨著振動(dòng)信號(hào)的增強(qiáng)，灰度矩?cái)?shù)據(jù)也會(huì)逐漸增大，從而進(jìn)行振動(dòng)強(qiáng)度的判別，實(shí)現(xiàn)振動(dòng)分析。文獻(xiàn)[21]利用小波包對(duì)振動(dòng)信號(hào)進(jìn)行分解，在利用樣本熵對(duì)分解信號(hào)進(jìn)行特征提取，最后用學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)驗(yàn)證具有良好的識(shí)別率，此方法可為小波變換方法提供一定借鑒。

3．2 變分模態(tài)分解

變分模態(tài)分解（VMD）[22]通過(guò)迭代搜尋變分模型，將由多成分組成的信號(hào)分解成數(shù)個(gè)有限帶寬的固有模態(tài)，避免了模態(tài)混疊問(wèn)題。變分模態(tài)分解中關(guān)于模態(tài)個(gè)數(shù)K和懲罰因子a的選擇至關(guān)重要，不合適的參數(shù)會(huì)造成欠分解或過(guò)分解的現(xiàn)象[23]。文獻(xiàn)[24]以合成峭度倒數(shù)與信息熵的乘積最小為目標(biāo)，對(duì)分解的模態(tài)分量進(jìn)行計(jì)算得到最優(yōu)模態(tài)，并將特征向量輸入到經(jīng)PSO優(yōu)化的向量機(jī)里進(jìn)行故障診斷取得良好去噪及診斷效果。文獻(xiàn)[25]提出一種改進(jìn)的PSO優(yōu)化VMD參數(shù)，再通過(guò)相關(guān)系數(shù)閾值法選擇最優(yōu)模態(tài)函數(shù)，再利用奇異值法進(jìn)行二次去噪并與其他方法進(jìn)行對(duì)比，證明此方法去噪效果更佳，具有一定的對(duì)比價(jià)值。文獻(xiàn)[26]利用皮爾遜相關(guān)系數(shù)確定VMD參數(shù)，同時(shí)計(jì)算各階分量熵值，形成特征分量再輸入到經(jīng)螢火蟲(chóng)優(yōu)化的概率神經(jīng)網(wǎng)絡(luò)中進(jìn)行故障識(shí)別，可以實(shí)現(xiàn)微弱故障特征提取及故障診斷，但分離信號(hào)和噪聲的效果不夠理想，需要進(jìn)一步研究。

3．3 奇異值分解

奇異值分解利用測(cè)量信號(hào)構(gòu)建矩陣，根據(jù)矩陣分解的奇異值來(lái)反映信號(hào)與噪聲情況，將代表噪聲信號(hào)的奇異值歸零實(shí)現(xiàn)噪聲的去除，奇異值分解關(guān)鍵在于確定有效秩的階次和重構(gòu)矩陣的結(jié)構(gòu)[27]。文獻(xiàn)[28]將小波變換與奇異值相結(jié)合來(lái)提取水電機(jī)組的振動(dòng)特征實(shí)現(xiàn)故障診斷，在二次去噪的基礎(chǔ)上將得到的奇異值作為特征向量輸入到概率神經(jīng)網(wǎng)絡(luò)中進(jìn)行識(shí)別，此法便捷、靈活、為機(jī)組故障診斷提供一定依據(jù)。文獻(xiàn)[29]采用傅里葉分解與奇異值聯(lián)合降噪，在傅里葉分解的基礎(chǔ)上利用奇異值差分譜確定降噪階次，實(shí)現(xiàn)最大程度上的降噪，并在包絡(luò)譜分析中能夠有效提取滾動(dòng)軸承故障特征。

3．4 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是概率圖模型中的一種，主要是用來(lái)描述隨機(jī)變量之間的條件依賴，研究系統(tǒng)中涉及的隨機(jī)變量形成貝葉斯網(wǎng)絡(luò)。其主要用于解決不確定性問(wèn)題概率推理方法中事件先驗(yàn)概率確定困難和多變量聯(lián)合概率密度缺乏有效推理算法的問(wèn)題[30]。在文獻(xiàn)[31]中，貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)與節(jié)點(diǎn)由專家經(jīng)驗(yàn)及EM算法學(xué)習(xí)獲得。將經(jīng)SOM神經(jīng)網(wǎng)絡(luò)處理后的離散數(shù)據(jù)輸入到已搭建完整的貝葉斯網(wǎng)絡(luò)模型，再經(jīng)推理驗(yàn)證可得到故障發(fā)生的后檢概率，為后續(xù)機(jī)組狀態(tài)檢修提供一定依據(jù)。

3．5 支持向量機(jī)

支持向量機(jī)是由 Vapnik[32]提出，其核心思想在于找到一個(gè)最優(yōu)分類面使支持向量到最優(yōu)分類面的距離最小，在樣本數(shù)據(jù)分析與模式識(shí)別等方面具有突出優(yōu)勢(shì)。但支持向量機(jī)僅限于小樣本處理，在樣本參數(shù)不合適或樣本量較大時(shí)會(huì)產(chǎn)生效率低下的疲勞學(xué)習(xí)后果。在此基礎(chǔ)上，一些基于支持向量機(jī)的改進(jìn)算法，如最小二乘支持向量機(jī)等，得到了研究與應(yīng)用，提高了傳統(tǒng)方法的求解速度。文獻(xiàn)[33]利用粗糙集將數(shù)據(jù)進(jìn)行簡(jiǎn)化處理，減少了樣本冗余度提高了向量機(jī)的故障診斷效率，在輸電系統(tǒng)診斷中取得了良好診斷效果。文獻(xiàn)[34]用VMD將軸承故障信號(hào)進(jìn)行處理將得到的頻譜特征輸入到經(jīng)粒子群算法優(yōu)化過(guò)的最小二乘支持向量機(jī)里得到故障模式分類確診精度。

4 總結(jié)與展望

本文針對(duì)常規(guī)水電機(jī)組與接入風(fēng)光電的水電機(jī)組振動(dòng)進(jìn)行分析，在總結(jié)已有研究的基礎(chǔ)上，從非平穩(wěn)性振動(dòng)信號(hào)出發(fā)，針對(duì)已有的時(shí)頻域信號(hào)處理方法與故障診斷方法進(jìn)行綜述。但目前仍有許多關(guān)鍵問(wèn)題還沒(méi)有得到妥善解決，未來(lái)可以從以下幾個(gè)方面進(jìn)行考慮：

（1）微弱故障特征的提?。涸趶?qiáng)噪聲背景的干擾下，反映機(jī)組故障特征的有效信息較為微弱需要不斷深入研究。

（2）復(fù)合故障振動(dòng)分析：考慮到水力機(jī)組振動(dòng)的復(fù)雜性，機(jī)組發(fā)生振動(dòng)時(shí)往往不會(huì)是單一部位，考慮多個(gè)部位復(fù)合振動(dòng)分析與故障識(shí)別存在難度，未來(lái)需要重點(diǎn)關(guān)注以解決水電站實(shí)際應(yīng)用難題。

（3）健康評(píng)估等預(yù)測(cè)技術(shù)：預(yù)測(cè)故障發(fā)展趨勢(shì)可以對(duì)機(jī)組異常狀態(tài)做出防范，采取相應(yīng)措施進(jìn)行管控?？紤]到機(jī)組故障數(shù)據(jù)有限，目前關(guān)于機(jī)組健康評(píng)估都是基于健康數(shù)據(jù)挖掘關(guān)鍵信息，聯(lián)合機(jī)組多變工況建立評(píng)估模型是未來(lái)發(fā)展之一。

（4）接入風(fēng)光電的水電調(diào)節(jié)問(wèn)題：水電在水—風(fēng)—光互補(bǔ)系統(tǒng)中啟停頻繁，考慮到振動(dòng)區(qū)運(yùn)行危害機(jī)組安全穩(wěn)定性，需要減少振動(dòng)影響加大機(jī)組穩(wěn)定運(yùn)行區(qū)間。