抽水蓄能机组主辅设备状态评估诊断与预测

目录
前言
第1章 绪论 1
1.1 抽水蓄能机组运行状态监测数据挖掘与信息融合技术 2
1.2 抽水蓄能机组振动故障机理研究 2
1.2.1 水力因素引起的振动故障 3
1.2.2 机械因素引起的振动故障 4
1.2.3 电磁因素引起的振动故障 5
1.3 抽水蓄能机组健康状态评估研究 6
1.3.1 限值评估标准 6
1.3.2 统计评估标准 7
1.3.3 类比评估标准 8
1.3.4 模糊层次分析法 9
1.4 抽水蓄能机组智能故障诊断研究 9
1.4.1 有监督故障诊断模型 10
1.4.2 无监督故障诊断模型 14
1.5 抽水蓄能机组状态趋势预测研究 15
1.5.1 基于物理模型的预测方法 16
1.5.2 基于数据驱动的预测方法 16
参考文献 18
第2章 抽水蓄能机组数据挖掘和多源异构信息相关性分析 21
2.1 抽水蓄能机组运行状态分析数据库构建 21
2.1.1 抽水蓄能机组运行状态数据解析 21
2.1.2 抽水蓄能机组主辅设备运行状态分析数据库 26
2.2 抽水蓄能机组运行数据关联关系挖掘 28
2.2.1 关联关系相关概念及关联关系挖掘算法 28
2.2.2 数据离散化方法 32
2.2.3 基于K-Mediods的抽水蓄能机组主辅设备运行数据离散化方法 33
2.2.4 抽水蓄能机组主辅设备关联关系挖掘算法 35
2.2.5 抽水蓄能机组主辅设备运行数据实例分析 36
2.3 抽水蓄能机组主辅设备运行参数典型关联关系分析 39
2.3.1 水泵水轮机系统运行参数典型关联关系分析 40
2.3.2 调速系统运行参数典型关联关系分析 45
2.3.3 发电电动机及其励磁系统运行参数关联关系分析 48
2.3.4 主变运行参数关联关系分析 51
2.3.5 主进水阀系统运行参数关联关系分析 52
2.4 抽水蓄能机组主辅设备故障关联分析 55
2.4.1 构建抽水蓄能机组运行状态故障样本表 55
2.4.2 抽水蓄能机组运行状态关联分析结果 57
参考文献 63
第3章 抽水蓄能机组主辅设备运行状态多重指标分析与综合状态评估 64
3.1 多重指标分析与综合状态评估模型 64
3.1.1 抽水蓄能机组综合状态评估模型 64
3.1.2 底层指标评估模型 66
3.1.3 综合权重算法模型 68
3.2 抽水蓄能机组主辅设备综合状态评估实例分析 73
3.2.1 抽水蓄能机组综合状态评估指标体系建立原则 73
3.2.2 水泵水轮机综合状态评估指标分析 75
3.2.3 调速系统综合状态评估指标分析 92
3.2.4 发电电动机及其励磁系统综合状态评估指标分析 93
3.2.5 主进水阀系统综合状态评估指标分析 95
3.2.6 主变综合状态评估指标分析 98
参考文献 98
第4章 抽水蓄能机组主辅设备典型故障汇编与诊断 100
4.1 抽水蓄能机组主辅设备典型故障汇编 100
4.1.1 水泵水轮机系统故障汇编 100
4.1.2 发电电动机及其励磁系统故障汇编 103
4.1.3 调速系统故障汇编 104
4.1.4 主变故障汇编 105
4.1.5 主进水阀系统典型故障汇编 107
4.2 基于FEEMD能量熵及混合集成自编码器的抽水蓄能机组运行状态特征提取方法 110
4.2.1 基于FEEMD固有模态函数能量熵的健康状态特征提取 110
4.2.2 HEAE设计及其在故障状态特征提取中的应用 111
4.2.3 抽水蓄能机组状态特征提取实例分析 115
4.3 基于能量熵判别与深度特征约简的抽水蓄能机组混合故障诊断策略 118
4.3.1 基于能量熵统计分析的健康状态判别体系 119
4.3.2 M-tSNE映射机制的深度故障特征约简方法 120
4.3.3 基于能量熵判别与深度特征约简的多步递进式混合故障诊断策略 124
4.4 抽水蓄能机组多源信息融合故障诊断方法 129
4.4.1 循环DAE原理 129
4.4.2 基于GRU-NP-DAE的抽水蓄能机组多源故障诊断方法 135
4.4.3 抽水蓄能机组运行数据试验分析 136
4.5 抽水蓄能机组无监督故障聚类方法 138
4.5.1 生成式对抗网络相关原理介绍 139
4.5.2 基于CatAAE的抽水蓄能机组无监督故障聚类 142
4.5.3 抽水蓄能机组无监督故障诊断实例验证 147
4.6 基于模型推理的故障树诊断模型 150
4.6.1 抽水蓄能机组主辅设备故障树结构 150
4.6.2 抽水蓄能机组主辅设备典型故障树模型 151
4.6.3 基于故障树诊断的抽水蓄能机组典型故障诊断 158
参考文献 168
第5章 抽水蓄能机组主辅设备运行状态趋势预测方法 170
5.1 基于VMD与CNN的抽水蓄能机组振动信号多步非线性趋势预测方法 170
5.1.1 VMD原理 171
5.1.2 CNN原理 172
5.1.3 水泵水轮机振动信号多步非线性趋势预测 174
5.1.4 水泵水轮机振动信号多步预测结果分析 177
5.2 基于VMD与CNN-LSTM的抽水蓄能机组振动趋势预测方法 185
5.2.1 抽水蓄能机组非平稳信号分析 185
5.2.2 抽水蓄能机组非线性状态趋势预测方法 186
5.2.3 神经网络优化算法与参数设置 188
5.2.4 抽水蓄能机组状态趋势预测实例分析 191
5.3 基于融合滑动窗与Grey-Markov的抽水蓄能机组运行状态趋势预测方法 201
5.3.1 Grey-Markov预测模型 202
5.3.2 预测误差来源分析及模型结构优化 205
5.3.3 融合滑动窗与Grey-Markov模型的抽水蓄能机组状态趋势组合预测方法 207
5.3.4 抽水蓄能机组运行状态趋势预测实例分析 212
参考文献 217
第6章 抽水蓄能机组状态评估及故障预警系统设计 219
6.1 抽水蓄能机组状态评估及故障预警系统软件架构设计 219
6.1.1 软件业务架构设计 220
6.1.2 软件前端架构设计 220
6.2 抽水蓄能机组状态评估及故障预警系统业务功能 221
6.2.1 系统登录 221
6.2.2 数据挖掘模块 222
6.2.3 故障诊断模块 226
6.2.4 状态评估模块 237
6.2.5 文件导入模块 241
参考文献 243
第7章 水泵水轮机及其主要辅助设备在线监测装置典型配置意见与健康状态评价规程 244
7.1 水泵水轮机及其主要辅助设备在线监测装置典型配置意见 244
7.1.1 范围 245
7.1.2 规范性引用文件 245
7.1.3 术语和定义 246
7.1.4 总则 246
7.1.5 技术要求 247
7.1.6 信息安全 257
7.1.7 试验和检验 258
7.1.8 标识、包装、运输和存储 259
7.1.9 文件与资料 260
7.1.10 附录 261
7.1.11 编制说明 261
7.2 水泵水轮机及其主要辅助设备健康状态评价规程 263
7.2.1 范围 263
7.2.2 规范性引用文件 263
7.2.3 术语和定义 264
7.2.4 总则 266
7.2.5 设备健康状态评价方法 266
7.2.6 附录 271
7.2.7 编制说明 271
参考文献 272
附录A 资料性附录 274
A.1 典型结构示意图 274
A.2 典型测点配置表 275
A.3 状态报告示例 277
附录B 规范性附录 279
B.1 水泵水轮机及其主要辅助设备健康状态评价项目表 279
B.2 水泵水轮机及其主要辅助设备健康状态评价汇总表 290