抽水蓄能機(jī)組主輔設(shè)備狀態(tài)評(píng)估及故障診斷與預(yù)測(cè)

目錄
前言
第1章 緒論 1
1.1 抽水蓄能機(jī)組運(yùn)行狀態(tài)監(jiān)測(cè)數(shù)據(jù)挖掘與信息融合技術(shù) 2
1.2 抽水蓄能機(jī)組振動(dòng)故障機(jī)理研究 2
1.2.1 水力因素引起的振動(dòng)故障 3
1.2.2 機(jī)械因素引起的振動(dòng)故障 4
1.2.3 電磁因素引起的振動(dòng)故障 5
1.3 抽水蓄能機(jī)組健康狀態(tài)評(píng)估研究 6
1.3.1 限值評(píng)估標(biāo)準(zhǔn) 6
1.3.2 統(tǒng)計(jì)評(píng)估標(biāo)準(zhǔn) 7
1.3.3 類比評(píng)估標(biāo)準(zhǔn) 8
1.3.4 模糊層次分析法 9
1.4 抽水蓄能機(jī)組智能故障診斷研究 9
1.4.1 有監(jiān)督故障診斷模型 10
1.4.2 無(wú)監(jiān)督故障診斷模型 14
1.5 抽水蓄能機(jī)組狀態(tài)趨勢(shì)預(yù)測(cè)研究 15
1.5.1 基于物理模型的預(yù)測(cè)方法 16
1.5.2 基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)方法 16
參考文獻(xiàn) 18
第2章 抽水蓄能機(jī)組數(shù)據(jù)挖掘和多源異構(gòu)信息相關(guān)性分析 21
2.1 抽水蓄能機(jī)組運(yùn)行狀態(tài)分析數(shù)據(jù)庫(kù)構(gòu)建 21
2.1.1 抽水蓄能機(jī)組運(yùn)行狀態(tài)數(shù)據(jù)解析 21
2.1.2 抽水蓄能機(jī)組主輔設(shè)備運(yùn)行狀態(tài)分析數(shù)據(jù)庫(kù) 26
2.2 抽水蓄能機(jī)組運(yùn)行數(shù)據(jù)關(guān)聯(lián)關(guān)系挖掘 28
2.2.1 關(guān)聯(lián)關(guān)系相關(guān)概念及關(guān)聯(lián)關(guān)系挖掘算法 28
2.2.2 數(shù)據(jù)離散化方法 32
2.2.3 基于K-Mediods的抽水蓄能機(jī)組主輔設(shè)備運(yùn)行數(shù)據(jù)離散化方法 33
2.2.4 抽水蓄能機(jī)組主輔設(shè)備關(guān)聯(lián)關(guān)系挖掘算法 35
2.2.5 抽水蓄能機(jī)組主輔設(shè)備運(yùn)行數(shù)據(jù)實(shí)例分析 36
2.3 抽水蓄能機(jī)組主輔設(shè)備運(yùn)行參數(shù)典型關(guān)聯(lián)關(guān)系分析 39
2.3.1 水泵水輪機(jī)系統(tǒng)運(yùn)行參數(shù)典型關(guān)聯(lián)關(guān)系分析 40
2.3.2 調(diào)速系統(tǒng)運(yùn)行參數(shù)典型關(guān)聯(lián)關(guān)系分析 45
2.3.3 發(fā)電電動(dòng)機(jī)及其勵(lì)磁系統(tǒng)運(yùn)行參數(shù)關(guān)聯(lián)關(guān)系分析 48
2.3.4 主變運(yùn)行參數(shù)關(guān)聯(lián)關(guān)系分析 51
2.3.5 主進(jìn)水閥系統(tǒng)運(yùn)行參數(shù)關(guān)聯(lián)關(guān)系分析 52
2.4 抽水蓄能機(jī)組主輔設(shè)備故障關(guān)聯(lián)分析 55
2.4.1 構(gòu)建抽水蓄能機(jī)組運(yùn)行狀態(tài)故障樣本表 55
2.4.2 抽水蓄能機(jī)組運(yùn)行狀態(tài)關(guān)聯(lián)分析結(jié)果 57
參考文獻(xiàn) 63
第3章 抽水蓄能機(jī)組主輔設(shè)備運(yùn)行狀態(tài)多重指標(biāo)分析與綜合狀態(tài)評(píng)估 64
3.1 多重指標(biāo)分析與綜合狀態(tài)評(píng)估模型 64
3.1.1 抽水蓄能機(jī)組綜合狀態(tài)評(píng)估模型 64
3.1.2 底層指標(biāo)評(píng)估模型 66
3.1.3 綜合權(quán)重算法模型 68
3.2 抽水蓄能機(jī)組主輔設(shè)備綜合狀態(tài)評(píng)估實(shí)例分析 73
3.2.1 抽水蓄能機(jī)組綜合狀態(tài)評(píng)估指標(biāo)體系建立原則 73
3.2.2 水泵水輪機(jī)綜合狀態(tài)評(píng)估指標(biāo)分析 75
3.2.3 調(diào)速系統(tǒng)綜合狀態(tài)評(píng)估指標(biāo)分析 92
3.2.4 發(fā)電電動(dòng)機(jī)及其勵(lì)磁系統(tǒng)綜合狀態(tài)評(píng)估指標(biāo)分析 93
3.2.5 主進(jìn)水閥系統(tǒng)綜合狀態(tài)評(píng)估指標(biāo)分析 95
3.2.6 主變綜合狀態(tài)評(píng)估指標(biāo)分析 98
參考文獻(xiàn) 98
第4章 抽水蓄能機(jī)組主輔設(shè)備典型故障匯編與診斷 100
4.1 抽水蓄能機(jī)組主輔設(shè)備典型故障匯編 100
4.1.1 水泵水輪機(jī)系統(tǒng)故障匯編 100
4.1.2 發(fā)電電動(dòng)機(jī)及其勵(lì)磁系統(tǒng)故障匯編 103
4.1.3 調(diào)速系統(tǒng)故障匯編 104
4.1.4 主變故障匯編 105
4.1.5 主進(jìn)水閥系統(tǒng)典型故障匯編 107
4.2 基于FEEMD能量熵及混合集成自編碼器的抽水蓄能機(jī)組運(yùn)行狀態(tài)特征提取方法 110
4.2.1 基于FEEMD固有模態(tài)函數(shù)能量熵的健康狀態(tài)特征提取 110
4.2.2 HEAE設(shè)計(jì)及其在故障狀態(tài)特征提取中的應(yīng)用 111
4.2.3 抽水蓄能機(jī)組狀態(tài)特征提取實(shí)例分析 115
4.3 基于能量熵判別與深度特征約簡(jiǎn)的抽水蓄能機(jī)組混合故障診斷策略 118
4.3.1 基于能量熵統(tǒng)計(jì)分析的健康狀態(tài)判別體系 119
4.3.2 M-tSNE映射機(jī)制的深度故障特征約簡(jiǎn)方法 120
4.3.3 基于能量熵判別與深度特征約簡(jiǎn)的多步遞進(jìn)式混合故障診斷策略 124
4.4 抽水蓄能機(jī)組多源信息融合故障診斷方法 129
4.4.1 循環(huán)DAE原理 129
4.4.2 基于GRU-NP-DAE的抽水蓄能機(jī)組多源故障診斷方法 135
4.4.3 抽水蓄能機(jī)組運(yùn)行數(shù)據(jù)試驗(yàn)分析 136
4.5 抽水蓄能機(jī)組無(wú)監(jiān)督故障聚類方法 138
4.5.1 生成式對(duì)抗網(wǎng)絡(luò)相關(guān)原理介紹 139
4.5.2 基于CatAAE的抽水蓄能機(jī)組無(wú)監(jiān)督故障聚類 142
4.5.3 抽水蓄能機(jī)組無(wú)監(jiān)督故障診斷實(shí)例驗(yàn)證 147
4.6 基于模型推理的故障樹診斷模型 150
4.6.1 抽水蓄能機(jī)組主輔設(shè)備故障樹結(jié)構(gòu) 150
4.6.2 抽水蓄能機(jī)組主輔設(shè)備典型故障樹模型 151
4.6.3 基于故障樹診斷的抽水蓄能機(jī)組典型故障診斷 158
參考文獻(xiàn) 168
第5章 抽水蓄能機(jī)組主輔設(shè)備運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)方法 170
5.1 基于VMD與CNN的抽水蓄能機(jī)組振動(dòng)信號(hào)多步非線性趨勢(shì)預(yù)測(cè)方法 170
5.1.1 VMD原理 171
5.1.2 CNN原理 172
5.1.3 水泵水輪機(jī)振動(dòng)信號(hào)多步非線性趨勢(shì)預(yù)測(cè) 174
5.1.4 水泵水輪機(jī)振動(dòng)信號(hào)多步預(yù)測(cè)結(jié)果分析 177
5.2 基于VMD與CNN-LSTM的抽水蓄能機(jī)組振動(dòng)趨勢(shì)預(yù)測(cè)方法 185
5.2.1 抽水蓄能機(jī)組非平穩(wěn)信號(hào)分析 185
5.2.2 抽水蓄能機(jī)組非線性狀態(tài)趨勢(shì)預(yù)測(cè)方法 186
5.2.3 神經(jīng)網(wǎng)絡(luò)優(yōu)化算法與參數(shù)設(shè)置 188
5.2.4 抽水蓄能機(jī)組狀態(tài)趨勢(shì)預(yù)測(cè)實(shí)例分析 191
5.3 基于融合滑動(dòng)窗與Grey-Markov的抽水蓄能機(jī)組運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)方法 201
5.3.1 Grey-Markov預(yù)測(cè)模型 202
5.3.2 預(yù)測(cè)誤差來(lái)源分析及模型結(jié)構(gòu)優(yōu)化 205
5.3.3 融合滑動(dòng)窗與Grey-Markov模型的抽水蓄能機(jī)組狀態(tài)趨勢(shì)組合預(yù)測(cè)方法 207
5.3.4 抽水蓄能機(jī)組運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)實(shí)例分析 212
參考文獻(xiàn) 217
第6章 抽水蓄能機(jī)組狀態(tài)評(píng)估及故障預(yù)警系統(tǒng)設(shè)計(jì) 219
6.1 抽水蓄能機(jī)組狀態(tài)評(píng)估及故障預(yù)警系統(tǒng)軟件架構(gòu)設(shè)計(jì) 219
6.1.1 軟件業(yè)務(wù)架構(gòu)設(shè)計(jì) 220
6.1.2 軟件前端架構(gòu)設(shè)計(jì) 220
6.2 抽水蓄能機(jī)組狀態(tài)評(píng)估及故障預(yù)警系統(tǒng)業(yè)務(wù)功能 221
6.2.1 系統(tǒng)登錄 221
6.2.2 數(shù)據(jù)挖掘模塊 222
6.2.3 故障診斷模塊 226
6.2.4 狀態(tài)評(píng)估模塊 237
6.2.5 文件導(dǎo)入模塊 241
參考文獻(xiàn) 243
第7章 水泵水輪機(jī)及其主要輔助設(shè)備在線監(jiān)測(cè)裝置典型配置意見與健康狀態(tài)評(píng)價(jià)規(guī)程 244
7.1 水泵水輪機(jī)及其主要輔助設(shè)備在線監(jiān)測(cè)裝置典型配置意見 244
7.1.1 范圍 245
7.1.2 規(guī)范性引用文件 245
7.1.3 術(shù)語(yǔ)和定義 246
7.1.4 總則 246
7.1.5 技術(shù)要求 247
7.1.6 信息安全 257
7.1.7 試驗(yàn)和檢驗(yàn) 258
7.1.8 標(biāo)識(shí)、包裝、運(yùn)輸和存儲(chǔ) 259
7.1.9 文件與資料 260
7.1.10 附錄 261
7.1.11 編制說(shuō)明 261
7.2 水泵水輪機(jī)及其主要輔助設(shè)備健康狀態(tài)評(píng)價(jià)規(guī)程 263
7.2.1 范圍 263
7.2.2 規(guī)范性引用文件 263
7.2.3 術(shù)語(yǔ)和定義 264
7.2.4 總則 266
7.2.5 設(shè)備健康狀態(tài)評(píng)價(jià)方法 266
7.2.6 附錄 271
7.2.7 編制說(shuō)明 271
參考文獻(xiàn) 272
附錄A 資料性附錄 274
A.1 典型結(jié)構(gòu)示意圖 274
A.2 典型測(cè)點(diǎn)配置表 275
A.3 狀態(tài)報(bào)告示例 277
附錄B 規(guī)范性附錄 279
B.1 水泵水輪機(jī)及其主要輔助設(shè)備健康狀態(tài)評(píng)價(jià)項(xiàng)目表 279
B.2 水泵水輪機(jī)及其主要輔助設(shè)備健康狀態(tài)評(píng)價(jià)匯總表 290