基于概率神经网络的水轮机组水力振动故障诊断

doi:10.16046/j.cnki.issn2096-5680.2023.01.004

河北水利电力学院学报 ›› 2023, Vol. 33 ›› Issue (1): 19-23.DOI: 10.16046/j.cnki.issn2096-5680.2023.01.004

基于概率神经网络的水轮机组水力振动故障诊断

苏立¹, 毛成¹, 沈春和¹, 谢文经², 戴利传²

1.贵州电网有限责任公司电力科学研究院,贵州省贵阳市解放路32号 550002;
2.贵州黔能企业有限责任公司,贵州省贵阳市市南路120号 550000

收稿日期:2022-03-23 修回日期:2022-07-05 发布日期:2023-10-26
作者简介:苏立(1982-),男,山西太原人,高级工程师,主要研究方向为水电机组仿真及故障诊断。E-mail:docsuli198411@163.com
基金资助:
贵州省科技支撑计划项目(黔科合支撑[2020]2Y042)

Fault Diagnosis of Hydroturbine Hydraulic Vibration Based on Probabilistic Neural Network

SU Li¹, MAO Cheng¹, SHEN Chun-he¹, XIE Wen-jing², DAI Li-chuan²

1. Electric Power Research Institute of Guizhou Power Grid Co., Ltd., 550002, Guiyang,Guizhou, China;
2. GuizhouQianneng Enterprise Co., Ltd., 550000, Guiyang,Guizhou, China

Received:2022-03-23 Revised:2022-07-05 Published:2023-10-26

摘要/Abstract

摘要： 故障诊断技术是水电站水轮机组安全稳定运行的关键技术之一。针对常规在线监测系统难以发现水轮机组振动故障问题,提出了一种基于概率神经网络的水轮机组故障诊断模型。该模型主要由故障样本数据预处理、样本数据归一化和概率神经网络等三个部分组成。诊断结果表明,所诊断样本与实际的故障类型基本一致,具有良好的诊断效果。

关键词: 水力振动, 故障分类, 概率神经网络, 水轮机组, 安全运行

Abstract: Fault diagnosis technology is one of the key technologies for the safe and stable operation of hydroelectric turbine units in hydropower plants. As the conventional online monitoring system is difficult to detect the unit vibration fault problem, a probabilistic neural network (PNN) algorithm is constructed, and the fault samples are designed for the fault parameters that have been collected. The program mainly includes three parts such as fault sample data pre-processing, sample data normalization and probabilistic neural network. The results show that the diagnostic results of the PNN model are consistent with the actual fault types, and this model has good diagnostic effects.

Key words: hydraulic vibration, failure types, PNN, water turbine, running safety

中图分类号:

苏立, 毛成, 沈春和, 谢文经, 戴利传. 基于概率神经网络的水轮机组水力振动故障诊断[J]. 河北水利电力学院学报, 2023, 33(1): 19-23.

SU Li, MAO Cheng, SHEN Chun-he, XIE Wen-jing, DAI Li-chuan. Fault Diagnosis of Hydroturbine Hydraulic Vibration Based on Probabilistic Neural Network[J]. Journal of Hebei University of Water Resources and Electric Engineering, 2023, 33(1): 19-23.

参考文献

[1] Paul Breeze. Hydropower[M]. Berlin:Elsevier Academic Press,2018:1-12.
[2] International Energy Agency.Global Energy & CO₂ Status Report 2018[EB/OL]. https://www.iea.org/geco/,2019.3.26
[3] 肖新建.改革开放40年能源发展成就报告[EB/OL].http://www.jyteg.com/zixun/5142.html,2018.9.2
[4] 吾买尔·吐尔逊,穆哈西,夏庆成.基于免疫算法的水轮发电机组振动故障检测[J].人民长江,2021,52(5):209-211.
[5] 王富超.水电机组振动监测与故障诊断系统的设计与实现[J].中国设备工程,2018(14):98-99.
[6] 罗萌.水电机组振动故障诊断与趋势预测研究[D].武汉:华中科技大学,2017.
[7] 陈珊珊,杨耿杰.水轮机组振动故障诊断方法综述[J].电气技术,2019.20(6):1-5
[8] 郑源.水力机组状态监测与故障诊断[M].北京:中国水利水电出版社,2016:106-120.
[9] 吴蒙,贡璧,何振亚.人工神经网络和机械故障诊断[J].振动工程学报,1993(2):153-163.
[10] PHILKI,敖富江.MATLAB深度学习机器学习,神经网络与人工智能[M].北京:清华大学出版社,2018:15-40.
[11] 韩敏.人工神经网络基础[M].大连:大连理工大学出版社.2014:1-41.
[12] 古今用,顾波.基于一种改进BP网络算法的水轮机组故障诊断[J].吉林水利,2007(12):67-69.
[13] 李辉,李欣同,贾嵘,等.基于分形和概率神经网络的水电机组故障诊断[J].水力发电学报,2019,38(3):92-100.
[14] 沈东.水力机组故障分析[M].北京:中国水利水电出版社,1996:39-64.
[15] 汪知明.水电机组振动监测及故障诊断研究[D].南昌:南昌工程学院,2017.
[16] 毛成,刘洪文,李小军,等.基于知识库的水电机组故障诊断专家系统[J].华电技术,2015,37(9):25-28.
[17] 张键.机械故障诊断技术(第2版)[M].北京:机械工业出版社,2014:1-10.
[18] 宋国义,韩华,黄金侠.基于小波变换的水轮机组故障诊断的研究[J].佳木斯大学学报(自然科学版),2009,27(6):895-897.
[19] 姬东朝,宋笔锋,易华辉.基于概率神经网络的设备故障诊断及仿真分析[J].火力与指挥控制,2009,34(1):82-85.
[20] 葛哲学,孙志强.神经网络理论与MATLAB R2007实现[M].北京:电子工业出版社,2007:20-91.
[21] 石敏,吴正国,徐袭.基于概率神经网络和双小波的电能质量扰动自动识别[J].电力自动化设备,2006(3):5-8.
[22] 陈雯柏.人工神经网络原理与实践[M].西安:西安电子科技大学出版社.2016:71-91.
[23] 王海.水轮发电机组状态检修技术[M].北京:中国电力出版社.2004:1-12
[24] 刘世勋.水轮机状态监测系统开发及故障分析研究[D].哈尔滨:哈尔滨工业大学,2013.

基于概率神经网络的水轮机组水力振动故障诊断

Fault Diagnosis of Hydroturbine Hydraulic Vibration Based on Probabilistic Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 1

编辑推荐

Metrics