综述
|
水电机组振动故障诊断方法综述
陈珊珊, 杨耿杰
福州大学电气工程与自动化学院,福州 350116
Review of vibration fault diagnosis methods for hydraulic turbines
Chen Shanshan, Yang Gengjie
College of Electrical Engineering and Automation, Fuzhou University, Fuzhou 350116
摘要 故障诊断技术是保证水轮发电机组安全可靠运行的关键。本文描述了水轮发电机组的振动特性、特征量提取、故障诊断方法,对现有方法进行归类并分析其优缺点,介绍了近年来国内外水电机组振动故障诊断研究最新进展及应用情况,探讨了水电机组故障诊断技术未来可能的发展趋势。
关键词 :
水电机组 ,
振动 ,
特征量提取 ,
故障诊断
Abstract :Fault diagnosis technology is the key to ensure the safe and reliable operation of hydropower units. In this paper, the vibration characteristics, feature quantity extraction and fault diagnosis methods of hydro-generator units are reviewed. The existing methods are classified and their advantages and disadvantages are analyzed. The recent progress and application of hydropower unit fault diagnosis research at home and abroad are introduced, and the possible future development trend of hydropower unit condition monitoring and fault diagnosis technology is discussed.
Key words :
hydropower units
vibration
feature quantity extraction
fault diagnosis
收稿日期: 2018-10-30
出版日期: 2019-06-17
作者简介 : 陈珊珊(1993-),女,福建龙岩人,硕士研究生,研究方向为配电网自动化。
引用本文:
陈珊珊, 杨耿杰. 水电机组振动故障诊断方法综述[J]. 电气技术, 2019, 20(6): 1-5.
Chen Shanshan, Yang Gengjie. Review of vibration fault diagnosis methods for hydraulic turbines. Electrical Engineering, 2019, 20(6): 1-5.
链接本文:
https://dqjs.cesmedia.cn/CN/Y2019/V20/I6/1
[1] 周鹤良. 中国大容量水电机组领跑世界[J]. 电气技术, 2014, 15(10): T3-T4. [2] 邢芝福. 电力系统设备状态监测与故障诊断技术分析[J]. 天津科技, 2017, 44(7): 65-67. [3] 王璐. 水电站水轮发电机的运行与维护方式研究[J].电工技术, 2018(18): 61-62, 126. [4] 郑坤. 发电厂电气设备故障分析及管理[J]. 电气技术, 2014, 15(1): 97-98. [5] Fu X Q, Jia W T, Xu H, et al.Imbalance-misalignment- rubbing coupling faults in hydraulic turbine vibration[J]. Optik-International Journal for Light and Electron Optics, 2016, 127(8): 3708-3712. [6] 刘晓能. 水力发电机组的安全稳定运行探讨[J]. 电工技术, 2018(12): 50-51, 54. [7] 刘文朋, 刘永强, 杨绍普, 等. 基于典型谱相关峭度图的滚动轴承故障诊断方法[J]. 振动与冲击, 2018, 37(8): 87-92. [8] 万鹏, 孙建平, 徐擎天. 全息谱分解在水轮机组故障诊断中的应用[J]. 江西电力, 2004(3): 11-14, 19. [9] 陈国青, 杜景琦, 梁仕斌, 等. 基于小波分析及振动信号灰度矩的水电机组振动区建立方法研究[J]. 科学技术与工程, 2016, 16(35): 215-219. [10] 安周鹏, 肖志怀, 陈宇凡, 等. 小波包能量谱和功率谱分析在水电机组故障诊断中的应用[J]. 水力发电学报, 2015, 34(6): 182-190. [11] 冯源, 葛新峰, 潘天航, 等. 基于小波变换的水电机组振动故障分析和特征提取[J]. 云南电力技术, 2014, 42(6): 1-4. [12] 薛延刚, 王瀚. 基于HHT的水轮机空化信号研究[J]. 水力发电学报, 2015, 34(5): 147-151. [13] Pu Guilin, Zhou Jianzhong, Li Chaoshun, et al.Pressure fluctuation signal analysis of hydro turbine based on hybrid empirical mode decomposition[J]. Water Power, 2013(12): 57-60, 71. [14] An Xueli, Zeng Hongtao.Pressure fluctuation signal analysis of a hydraulic turbine based on variational mode decomposition[J]. Proceedings of the Institution of Mechanical Engineers Part A: Journal of Power & Energy, 2015, 229(8): 978-991. [15] Lu Shibao, Wang Jianhua, Xue Yangang.Study on multi-fractal fault diagnosis based on EMD fusion in hydraulic engineering[J]. Applied Thermal Engineering, 2016, 103: 798-806. [16] 张飞, 潘罗平, 付婧. 水轮发电机组轴心轨迹分解研究[J]. 南水北调与水利科技, 2011, 9(4): 43-46. [17] 彭兵, 程建, 曹长冲, 等. 支持向量机在水力发电机组轴心轨迹自动识别中的应用研究[J]. 水电与新能源, 2016(2): 11-15. [18] 岳红利, 田慕琴. 基于分形维数的电机轴承故障诊断[J]. 电气技术, 2011, 12(1): 21-23. [19] 刘东, 王昕, 黄建荧, 等. 基于贝叶斯网络的水电机组振动故障诊断研究[J]. 水力发电学报, 2019, 38(2): 112-120. [20] 胡勇健, 肖志怀, 周云飞, 等. 基于贝叶斯网络Noisy Or模型的水电机组故障诊断研究[J]. 水力发电学报, 2015, 34(6): 197-203. [21] 毛江. 大型水电厂设备远程状态监测与故障诊断系统的构建[J]. 水电站机电技术, 2010(3): 110-112. [22] 陈铁华, 陈启卷. 模糊聚类分析在水电机组振动故障诊断中的应用[J]. 中国电机工程学报, 2002, 22(3): 43-47. [23] 符向前, 蒋劲, 孙慕群, 等. 水电机组故障诊断系统中的模糊诊断技术研究[J]. 华中科技大学学报(自然科学版), 2006, 34(1): 81-83. [24] Zhang Xiaoyuan, Zhou Jianzhong, Guo Jun, et al.Vibrant fault diagnosis for hydroelectric generator units with a new combination of rough sets and support vector machine[J]. Expert Systems with Applications, 2012, 39(3): 2621-2628. [25] 范秀香, 林峰平. 基于粗糙集和聚类PSO-RBF的水电机组故障诊断[J]. 电气时代, 2016(5): 56-59. [26] 卢娜, 肖志怀, 曾洪涛, 等. 基于径向基多小波神经网络的水电机组故障诊断[J]. 武汉大学学报(工学版), 2014, 47(3): 388-393. [27] 李辉, 焦毛, 杨晓萍, 等. 基于EEMD和SOM神经网络的水电机组故障诊断[J]. 水力发电学报, 2017, 36(7): 83-91. [28] 付文龙, 周建中, 李超顺, 等. 基于模糊K近邻支持向量数据描述的水电机组振动故障诊断研究[J]. 中国电机工程学报, 2014, 34(32): 5788-5795. [29] 张勋康, 陈文献, 杨洋, 等. 基于VMD分解和支持向量机的水电机组振动故障诊断[J]. 电网与清洁能源, 2017, 33(10): 134-138. [30] 孙小江, 李键, 朱勇, 等. 物联网技术在小水电站在线监测及故障诊断的应用[J]. 电工技术, 2017(10): 61-62, 88.
[1]
翟道宇, 孙燕楠. 基于卷积神经网络和格拉姆角差场的四象限脉冲整流器故障诊断方法 [J]. 电气技术, 2025, 26(1): 23-32.
[2]
李浩, 黄晓峰, 邹豪杰, 孙英杰. 基于软阈值降噪的脉冲卷积神经网络轴承故障诊断方法 [J]. 电气技术, 2024, 25(2): 12-20.
[3]
董志文, 苏晶晶. 基于变分模态分解能量熵混合时域特征和随机森林的故障电弧检测方法 [J]. 电气技术, 2024, 25(1): 1-7.
[4]
孙培奇, 陈航. 基于有限元法的功率模块模态及振动响应分析 [J]. 电气技术, 2023, 24(5): 30-34.
[5]
李思尧, 董章, 陈雅旎, 刘惠, 阳汉琨. 基于NGO-VMD-HHT的电缆局部放电信号特征量提取方法 [J]. 电气技术, 2023, 24(11): 35-41.
[6]
魏银图, 张旸, 温步瀛, 王怀远. 基于支持向量机的模块化多电平换流器子模块开路故障诊断方法 [J]. 电气技术, 2023, 24(10): 1-7.
[7]
杨勇, 史方颖, 潘巧梅. 海上风电用气体绝缘金属封闭开关设备抗振可靠性研究 [J]. 电气技术, 2022, 23(8): 31-35.
[8]
涂彦昭, 高伟, 杨耿杰. 一种基于卷积神经网络和长短期记忆网络的光伏系统故障辨识方法 [J]. 电气技术, 2022, 23(2): 48-54.
[9]
刘铁柱, 张佳兴. 某1 050MW汽轮机组安全监视系统保护回路现状分析及优化措施 [J]. 电气技术, 2022, 23(11): 84-87.
[10]
刘建树, 孙立涛, 徐鹏程. 基于电磁-机械顺序耦合的变压器直流扰动振动特性研究 [J]. 电气技术, 2022, 23(1): 21-28.
[11]
乔苏朋, 杨艳, 陈世群, 高伟, 杨耿杰. 光伏阵列故障检测方法综述 [J]. 电气技术, 2021, 22(7): 1-6.
[12]
焦宗寒, 邵鑫明, 郑欣, 刘荣海. 基于振动信号频谱高斯混合模型的瓷支柱绝缘子故障诊断 [J]. 电气技术, 2021, 22(6): 36-42.
[13]
方舟, 刘辉, 张伟, 张冰冰. 气体绝缘金属封闭开关设备运输振动风险评估算法设计与系统实现 [J]. 电气技术, 2021, 22(4): 57-62.
[14]
吴文杰, 曹云峰, 孙国歧, 魏晓宾, 李征. 基于Ansys的干式变压器振动特性分析 [J]. 电气技术, 2021, 22(12): 1-7.
[15]
尹来宾, 许洪华, 彭晓晗, 夏伟栋, 马宏忠. 基于振动信号的锂离子电池故障诊断方法 [J]. 电气技术, 2021, 22(10): 71-75.