前言

随着现代技术的迅速发展,水电机组的单机容量越来越大,结构更加复杂,随之而来的机组稳定性问题日益突出。

稳定性能已越来越成为衡量大、中型水电机组的重要性能指标。随着国民经济的迅速发展,一批大、中型甚至像三峡工程这样的巨型机组的投入运行,其稳定性能尤为重要。如果不加以控制,将造成严重事故。因此,确定机组的运行状态和早期诊断故障显得十分重要。

根据水电机组运行特点,表征水电机组稳定运行的参数主要有振动、摆度和压力脉动。其中振动是水力机组稳定性的最重要的指标,直接影响机组的安全运行、负荷合理分配及供电质量。

一、水电机组振动故障诊断的主要内容

水电机组的振动与一般动力机械的振动有所不同。除需考虑机组本身的转动或固定部分的振动外,水电机组振动尚需考虑作用于发电机部分的电磁力及作用于水轮机过流部分的流体动压力对系统及其部件振动的影响。在机组运转的情况下,流体-机械-电磁三部分是相互影响的。因此,水电机组的振动是电气、机械、流体耦合振动。根据水电站所积累的典型经验,可将引起机组振动的原因划分为机械、水力、电气和噪声等方面因素。

(1)机械振动。水电机组最常见、最主要的故障是振动故障,其中机械振动最突出,有必要对其进行分析。机械振动是由机组转动部分质量不平衡、转轮等旋转部件与固定件发生摩擦、密封不良等原因引起。对机械振动的监测与诊断内容主要有导轴承及转子轴系、机组固定部件、推力轴承。

(2)电磁振动。电磁振动是由发电机转子不圆、励磁绕组匝间短路、定转子磁场轴心不重合、定子和转子间间隙不均匀及旋转时产生不平衡磁拉力等原因引起的。对电磁振动的监测与诊断内容主要有发电机定转子整体温度和气隙、定子极频振动和转子质量不平衡等。

(3)水力振动。大型水电机组的水力不稳定问题具有一定的普遍性,直接关系到机组运行的可靠性。引起水力振动的原因有:卡门涡列诱发的振动、尾水管内漩涡引起的振动、固定导叶出水边水流流态不良引起的振动、空蚀引起的振动、转轮密封处的自激振动等。对水力振动的监测和诊断内容为蜗壳进口压力、尾水管压力脉动、上下迷宫环脉动和导叶前后脉动等。

(4)噪声。水电机组的噪声对环境的影响很大,其大小是机组稳定性分析的重要参数。重点监测内容为水轮机及尾水管的噪声和发电机的运行噪声。

二、水力发电机组振动故障诊断的主要方法

故障诊断技术的产生和发展为提高设备系统的可靠性和可维修性开辟了一条新的途径。状态监测与故障诊断是以可靠性理论、信息论、控制论和系统论为理论基础,以现代测量仪器和计算机为工具,结合各种诊断对象的特殊规律逐步形成的一门新技术,至今已产生了大量的故障诊断方法。

目前,在水力发电机组振动故障诊断中得以研究和应用的主要有故障树故障诊断方法、人工智能诊断方法、小波分析等方法。本文就以上主要诊断方法进行研究比较。

2.1故障树诊断法故障树分析法将系统故障形成原因按树枝状逐级细化。

把最容易发生的故障状态作为故障树的顶事件,寻找引起顶事件的直接原因,并将其逻辑关系用特定的逻辑符号表示出来,自上而下逐级分解,直到不能分解的底事件,形成故障树。找出系统的薄弱环节,以便采取相应的改进措施。故障树分析是故障诊断系统的基础,也是现有故障诊断技术最有效、最基本的手段。做为一种传统的诊断方法,故障树诊断法在水电机组振动故障诊断中的应用取得了一些成果。洪治等将模糊技术和故障树分析法结合起来,提出一种模糊故障树诊断方法,并将其应用于水轮发电机组系统的温度故障诊断,实验研究表明这一方法可行、有效。张国云等在传统支持向量机(C-SVM)的基础上,通过集成模糊聚类技术和支持向量机算法,构造了一种适合于故障诊断的多级二叉树分类器,并首次应用于水轮机调速系统故障诊断,取得了良好效果。

故障树诊断方法直观、形象,能够实现快速的诊断;知识库很容易动态地修改,并能保持一致性;概率推理可在一定程度上用于选择规则的搜寻通道提高诊断效率;诊断技术与领域无关,只要相应的故障树给定,就可以实现诊断。缺点是不能诊断不可预知的故障;诊断结果严重依赖于故障树信息的正确性和完整性。

2.2人工智能诊断方法

2.2.1专家系统诊断法