基于RBF神經(jīng)網(wǎng)絡(luò)算法的水電站發(fā)電機(jī)組振動故障監(jiān)測方法

季 軍

(四川槽漁灘水電股份有限公司，四川 洪雅 620360)

發(fā)電機(jī)組作為水電站能源轉(zhuǎn)換的重要核心設(shè)備，對水電站的高效運行具有直接影響。發(fā)電機(jī)組在水電站運行中，主要起到了能源轉(zhuǎn)換的作用，能夠根據(jù)水電站的運行情況與需求，將其他形式的能源轉(zhuǎn)換為符合條件的電能，輸出到用電設(shè)備上供其使用[1]。通常情況下，發(fā)電機(jī)組是由能夠提供動能的發(fā)電機(jī)設(shè)備、能夠產(chǎn)生電流的發(fā)電機(jī)設(shè)備以及控制系統(tǒng)共同組成[2]。由于水電站自然條件存在一定的差異，發(fā)電機(jī)組的轉(zhuǎn)速變化與容量變化范圍也不同[3]。發(fā)電機(jī)組運行過程中，受到水電站自然條件、水力、電磁、機(jī)械等多項耦合因素的影響，設(shè)備存在不同程度的異常振動、疲勞劣化、故障等安全風(fēng)險隱患。一旦安全風(fēng)險隱患得不到較好地控制，容易對發(fā)電機(jī)組設(shè)備結(jié)構(gòu)造成破壞，嚴(yán)重情況下，影響水電站運行的安全性，引發(fā)安全事故[4]。基于此，需要采用合理的水電站發(fā)電機(jī)組振動故障監(jiān)測方法，實時監(jiān)測診斷發(fā)電機(jī)組的運行狀況與狀態(tài)變化，第一時間找出潛在的安全風(fēng)險隱患，為制定故障解決方案提供有力的數(shù)據(jù)支持。

現(xiàn)階段，在眾多學(xué)者的研究下，已經(jīng)逐漸形成了一套完善的水電站發(fā)電機(jī)組振動故障監(jiān)測方法，可以實時監(jiān)測發(fā)電機(jī)組的運行變化。然而，傳統(tǒng)的監(jiān)測方法仍然存在一定的缺陷，其監(jiān)測范圍有限，無法做到全面覆蓋監(jiān)測，且監(jiān)測結(jié)果精度較低，不能獲取準(zhǔn)確率較高的設(shè)備健康狀態(tài)信息。RBF神經(jīng)網(wǎng)絡(luò)算法能夠改善上述問題，該算法可以近似任何非線性函數(shù)，數(shù)據(jù)故障分類性能較好，收斂速度較高[5]?；诖耍疚囊隦BF神經(jīng)網(wǎng)絡(luò)算法，提出了一種新的水電機(jī)組振動故障監(jiān)測方法。

1 水電站發(fā)電機(jī)組振動故障監(jiān)測方法設(shè)計

1.1 提取發(fā)電機(jī)組振動信號特征

利用YFM100型號的數(shù)據(jù)采集儀，其測量精度≤±5%FS，可以測量11種不同的發(fā)電機(jī)組輸入信號，包括通過發(fā)電機(jī)組熱電偶、RTD和熱阻器測量的溫度；發(fā)電機(jī)組DC/AC電壓或電流、機(jī)組設(shè)備2線或4線電阻、機(jī)組運行頻率和周期等，采集精度與使用性能均較高。將數(shù)據(jù)采集儀布設(shè)在水電站發(fā)電機(jī)組運行的周邊位置，實時采集水電站發(fā)電機(jī)組的振動信號，并記錄。對振動信號作出全方位的分析，提取其中存在的發(fā)電機(jī)組振動信號特征，為后續(xù)的故障監(jiān)測診斷提供基礎(chǔ)保障。

基于小波變換的方法原理，通過其變尺度的時、頻分析，對發(fā)電機(jī)組振動信號結(jié)構(gòu)作出全面的分析。按照高頻信號與低頻信號的分解方式，將振動信號分解，使信號具有豐富的層次結(jié)構(gòu)，精細(xì)化處理分解的振動信號頻帶，自適應(yīng)選擇與信號頻率適配度最高的頻帶，全面提取振動信號特征[6]。假設(shè)將水電站發(fā)電機(jī)組某一振動信號S進(jìn)行Q層小波分解，分解后振動信號最低頻為0，最高頻為1，其分解后的發(fā)電機(jī)組振動信號可以表示為：

SQ，q(q=0，1，2，…，2Q-1)

(1)

式中，S—某一振動信號。

基于小波包分解的水電站發(fā)電機(jī)組振動信號頻率，見表1。

表1 水電站發(fā)電機(jī)組振動信號小波包分解頻率

由表1，看到小波包分解后的水電站發(fā)電機(jī)組振動信號及其對應(yīng)的頻帶范圍。每個信號節(jié)點的小波系數(shù)均代表一個頻段的振動信號特征，進(jìn)而根據(jù)自帶能量系數(shù)，構(gòu)建特征向量，獲取小波分解后提取到的發(fā)電機(jī)組振動信號特征與高低頻段能量[7]。

1.2 振動故障信號降噪處理

完成上述發(fā)電機(jī)組振動信號特征提取后，接下來，采用降噪算法，對水流與水輪發(fā)電機(jī)組接觸產(chǎn)生的振動信號中的多余噪聲進(jìn)行降噪處理，為提高振動故障監(jiān)測診斷精度、降低誤報率提供強(qiáng)有力的支持。在振動故障信號降噪中，應(yīng)當(dāng)盡可能地保留發(fā)電機(jī)組原始振動信號的特征信息，豐富振動信號局部特征，減小信號中噪聲成分含量[8]。首先，明確水電站發(fā)電機(jī)組振動信號的組成，表達(dá)式為：

fi=si+εi

(2)

式中，fi—上述采集得到的水電站發(fā)電機(jī)組振動信號；si—水電站發(fā)電機(jī)組噪聲信號；εi—水電站發(fā)電機(jī)組真實振動信號。

通過計算，得出發(fā)電機(jī)組振動信號的組成結(jié)構(gòu)。接下來，選定小波函數(shù)，對含有噪聲的振動信號進(jìn)行分解，通過閾值函數(shù)，對振動信號進(jìn)行閾值化操作，最大化程度地濾除噪聲[9]?；谀孀儞Q處理方式，重構(gòu)得出降噪后的振動故障信號。

1.3 基于RBF神經(jīng)網(wǎng)絡(luò)算法監(jiān)測發(fā)電機(jī)組振動故障

水電站發(fā)電機(jī)組振動故障信號降噪處理完畢后，利用RBF神經(jīng)網(wǎng)絡(luò)算法，通過神經(jīng)網(wǎng)絡(luò)的迭代運行，計算神經(jīng)網(wǎng)絡(luò)輸出結(jié)果，實現(xiàn)全方位實時監(jiān)測發(fā)電機(jī)組振動故障情況的目標(biāo)。首先，設(shè)計RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對水電站發(fā)電機(jī)組振動故障監(jiān)測的非線性函數(shù)進(jìn)行近似處理。本文設(shè)計的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，如圖1所示。

圖1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

如圖1可知RBF神經(jīng)網(wǎng)絡(luò)主要包括3層結(jié)構(gòu)，分別為輸入層、隱藏層與輸出層。通過RBF神經(jīng)網(wǎng)絡(luò)算法，將輸入層到隱藏層轉(zhuǎn)換為非線性關(guān)系，將隱藏層到輸出層轉(zhuǎn)換為線性關(guān)系[10]。圖中，x1、x2、xk均表示RBF神經(jīng)網(wǎng)絡(luò)迭代運行的輸入向量；y1、y2、yp均表示RBF神經(jīng)網(wǎng)絡(luò)的振動故障類型輸出。在此基礎(chǔ)上，構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)激活函數(shù)表達(dá)式：

(3)

式中，xp—RBF神經(jīng)網(wǎng)絡(luò)中第p個輸入的振動故障數(shù)據(jù)；ci—神經(jīng)網(wǎng)絡(luò)中第i個中心點；σ—神經(jīng)網(wǎng)絡(luò)中的損失函數(shù)。

通過激活函數(shù)表達(dá)式，得出RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中的參數(shù)。在此基礎(chǔ)上，計算RBF神經(jīng)網(wǎng)絡(luò)的輸出，表達(dá)式為：

(4)

式中，wij—RBF神經(jīng)網(wǎng)絡(luò)中的網(wǎng)格參數(shù)；h—RBF神經(jīng)網(wǎng)絡(luò)隱藏層的結(jié)點數(shù)。

讀取RBF神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)，形成相應(yīng)的數(shù)據(jù)圖形，設(shè)定發(fā)電機(jī)組振動故障判別閾值，獲取發(fā)電機(jī)組運行狀態(tài)概率偏差，辨別發(fā)電機(jī)組振動故障類型。在此基礎(chǔ)上，對RBF神經(jīng)網(wǎng)絡(luò)輸出結(jié)果進(jìn)行正則化網(wǎng)絡(luò)處理，給定一個非線性范圍，提高輸出結(jié)果的任意精度。最后，正則化處理后的RBF神經(jīng)網(wǎng)絡(luò)輸出結(jié)果，即為水電站發(fā)電機(jī)組振動故障監(jiān)測結(jié)果，實現(xiàn)水電站發(fā)電機(jī)組振動故障高精度監(jiān)測的目標(biāo)。

2 實驗分析

2.1 實驗準(zhǔn)備

選取某地區(qū)A水電站工程作為此次研究的目標(biāo)對象，該水電站屬于所在地區(qū)投產(chǎn)最大的水電站，為季調(diào)節(jié)水庫。A水電站以發(fā)電為主，配備了5臺550MW的混流轉(zhuǎn)漿式水輪發(fā)電機(jī)組，起到了電力系統(tǒng)調(diào)頻與調(diào)峰的作用。受到運行環(huán)境與條件的限制，發(fā)電機(jī)組存在運行工況變換頻繁的問題，機(jī)組運行過程中，偶爾會出現(xiàn)不同程度振動異?，F(xiàn)象，對機(jī)組運行產(chǎn)生了一定的干擾影響?；炝鬓D(zhuǎn)漿式水輪發(fā)電機(jī)組工況參數(shù)，見表2。

表2 混流轉(zhuǎn)漿式水輪發(fā)電機(jī)組工況參數(shù)

由表2得知，為此次實驗選取水輪發(fā)電機(jī)組的工況參數(shù)，在此基礎(chǔ)上，將上述本文提出的發(fā)電機(jī)組振動故障監(jiān)測方法應(yīng)用到A水電站工程中，檢驗方法的可行性。

2.2 結(jié)果分析

為了使水電站發(fā)電機(jī)組振動故障監(jiān)測結(jié)果以較為清晰直觀的形式呈現(xiàn)，避免實驗結(jié)果存在主觀性，本文采用對比分析的方法，將上述本文提出的基于RBF神經(jīng)網(wǎng)絡(luò)算法的水電站發(fā)電機(jī)組振動故障監(jiān)測方法設(shè)置為實驗組，將文獻(xiàn)[1]、文獻(xiàn)[3]提出的振動故障監(jiān)測方法設(shè)置為對照組1與對照組2，進(jìn)行對比分析。在此次實驗分析中，綜合考慮水電站發(fā)電機(jī)組的運行情況與運行特征，選取監(jiān)測方法的誤報率FPR作為此次實驗的評價指標(biāo)，其計算表達(dá)式為：

(5)

式中，F(xiàn)P—將負(fù)類振動故障監(jiān)測為正類振動故障的樣本個數(shù)；TN—將負(fù)類振動故障監(jiān)測為負(fù)類振動故障的樣本個數(shù)。

利用上述3種方法，實時監(jiān)測水電站發(fā)電機(jī)組多組振動故障，測定3種發(fā)電機(jī)組振動故障監(jiān)測方法的誤報率，整合誤報率結(jié)果，并繪制誤報率對比圖，如圖2所示。

由圖2看出，01表示發(fā)電機(jī)組水力自激振故障；02表示發(fā)電機(jī)組定轉(zhuǎn)子動靜碰磨故障；03表示卡門渦街引發(fā)發(fā)電機(jī)組振動故障；04表示發(fā)電機(jī)組密封激振故障；05表示發(fā)電機(jī)組軸瓦故障；06表示發(fā)電機(jī)組結(jié)構(gòu)共振故障。通過圖1的誤報率對比結(jié)果可以看出，3種水電站發(fā)電機(jī)組振動故障監(jiān)測方法應(yīng)用后，其面對不同類型振動故障時，監(jiān)測誤報率存在較大差異。其中，實驗組，即本文提出的基于RBF神經(jīng)網(wǎng)絡(luò)算法的水電站發(fā)電機(jī)組振動故障監(jiān)測方法表現(xiàn)出了良好的優(yōu)勢，面對6種類型發(fā)電機(jī)組振動故障時，其監(jiān)測誤報率均低于另外兩種方法，監(jiān)測結(jié)果精度較高，能夠得到準(zhǔn)確率較高的水電站發(fā)電機(jī)組振動故障監(jiān)測結(jié)果，保證水電站的穩(wěn)定運行，可行性較高。

3 結(jié)語

科學(xué)合理的發(fā)電機(jī)組振動故障監(jiān)測方法對保障水電站的安全穩(wěn)定運行具有重要意義。為了改善傳統(tǒng)發(fā)電機(jī)組振動故障監(jiān)測方法在實際工程應(yīng)用中，監(jiān)測范圍有限，監(jiān)測精度較低的問題，本文引入RBF神經(jīng)網(wǎng)絡(luò)算法，在傳統(tǒng)發(fā)電機(jī)組振動故障監(jiān)測方法的基礎(chǔ)上，作出了創(chuàng)新設(shè)計，提出了一種全新的發(fā)電機(jī)組振動故障監(jiān)測方法。通過上述本文提出的研究，全方位、多維度地降低了誤報率，提高了遠(yuǎn)程振動故障監(jiān)測的效率與精度，能夠?qū)崟r全面掌握水電站發(fā)電機(jī)組的運行狀況與運行狀態(tài)變化，有效地降低了發(fā)電機(jī)組故障發(fā)生的概率，提高了機(jī)組設(shè)備運行的質(zhì)量，保證了水電站運行的安全性與穩(wěn)定性。