水电站设备健康预测方法研究

江学文，令狐友强

（三峡电力职业学院动力工程学院，湖北宜昌，443000）

1、引言

机械设备状态监测和故障诊断是20 世纪60 年代以来形成的一门新兴技术，是一种了解和掌握设备在使用过程中的状态，确定其整体或局部是否正常，早期发现故障及其原因，并能预测状态发展趋势的综合性技术。近年来国内外学者在机械设备状态监测和故障诊断的基础研究和重大工程应用方面取得了突出进展，国外重点是转子故障机理和经验模式分解方法，国内典型的原创性成果如取得了全息谱、振动故障治理与非线性动力学、小波有限元裂纹诊断和系统故障自愈诊断等。[1]到2020 年，中国常规水电装机容量将达到3.3 亿千瓦，水电事业将迎来发展的黄金期，随着电力系统的日益发展，水电站供电可靠性和设备故障率之间的矛盾日益突出，需要有效、科学的对各类设备进行健康预测，提高水电站设备运行的可靠性和稳定性，改善运行人员的工作条件。水电站设备健康预测是机械设备状态监测和故障诊断技术在水电站设备中的重要应用，是目前行业的研究热点。国内机械设备状态监测和故障诊断研究存在以下问题：研究故障表象多，研究故障机理少；研究旋转机械多，研究往复机械少；研究通用机械多，研究专用机械少；研究单一方法多，研究综合诊断少；研究部件故障多，研究系统故障少；研究显著故障多，研究微弱故障少；研究仿真数据多，研究工程数据少。[2]在水电行业，机械设备状态监测和故障诊断研究发展中的不足则主要体现在“研究故障表象多，研究故障机理少，研究单一方法多，研究综合诊断少”，因而在设备健康预测中没有发挥出应有的价值，在发现设备潜在故障、诊断故障原因和提供检修决策中还未发挥主要作用。本文提出的水电设备健康预测方法，是以水电设备故障机理为切入点，以自动分析报告单为基本形式，以工程化的健康预测为目标的综合诊断方法。

2、健康预测的技术路线

人体疾病与机器故障从仿生学概念来理解是相同的，把医学诊断的基本思想推广到工程中去就形成了设备健康预测技术。

水电设备的健康预测，设计实施的技术路线如下图所示：

图1 技术路线图

在明确体检功能后，首先要设计具体的体检项目，根据这些项目确定物理监测量，即完成传感器的配置。然后根据数据平台建设的需要设计、开发系统的软件和硬件。随着技术的进步，水电设备健康体检项目会不断增加，因此，分析诊断软件应当是模块化和独立的，且具有开放式的数据库接口协议。

设备健康预测技术，中心是自动完成体检报告任务，进而开展设备的健康预测，所有的技术要求都是围绕这一中心任务来实施的：以信息处理流程为主要路线，以保障最终的诊断结论为主要目标对各个设备的性能和功能提出要求。

3、健康预测方法的构建与应用

故障是机器的部件或组件劣化或出现可能导致机器失效（丧失完成某项规定功能的能力）的反常状态时，部件或组件所处的状态。[3]水电站设备的故障、缺陷大多有一定的发展期，其水力、电气、机械、化学等特性发生少量渐进的变化，出现前期征兆。如果对水电设备进行连续监测，通过挖掘监测数据及时获取这些前期征兆信息，便可预测设备的健康状况，评估设备的运行可靠性，诊断出潜在的故障原因，为设备检修提供可靠的决策依据。

3.1、预测指标的选择

健康预测指标是设备健康预测工作的灵魂，通常的做法是选择某些物理监测量作为健康预测指标，这些物理监测量具有高敏感性和可靠性，且有许多个。水电站设备健康的影响因素比较复杂，依靠这些物理监测量来预测水电设备的健康状态并进行故障诊断往往是不够的。针对水电设备的特殊情况需要采用新的思想方法，在选择健康预测指标的时候，我们关心的是：某项健康预测指标由哪些物理监测量表现，这些物理监测量之间的关系是怎样的，建立什么样的数学模型可以挖掘这些物理监测量所蕴含的状态信息。水电站设备的故障是千差万别的，每一项预测指标要通过多个物理监测量来表征，如果将每一种预测指标对应某一种故障，则预测指标与物理监测量之间的关系为：

式中F：某预测指标；

α1，α2，…：物理监测量。确定健康预测指标，其本质是挖掘状态数据所蕴含的故障信息。它的基本要求是确定F 与α1，α2，…之间的某种对应关系f，以便通过计算α1，α2，…来判断某种故障是否发生，或者机组的状态是否良好。对于水电站设备，在确定对应关系f时，要充分考虑将机组运行的各种不同工况作为关键要素，这一点是非常重要的。

水电站设备健康预测指标24 个，见表1。

3.2、预测模型的建立与应用

3.2.1、预测指标与监测物理量之间关系的确立

建立预测模型，首先要弄清故障机理，借助故障机理建立预测指标与监测物理量之间的对应关系。在实践当中，预测指标与监测物理量之间采用报告单形式，不仅给出了量化结论，而且给出了判定过程使用的过程曲线和相关图表等，摒弃了高深的“人工智能”、“置信度”等方法和概念。

每个报告单对应的是一项设备的健康预测指标，每个报告单关于此项预测指标的解释具有丰富的内容，不是简单的肯定或否定，在给出诊断结论的同时，还提供相应的建议和措施。下面以“质量不平衡”预测指标为例，介绍预测指标与监测物理量之间关系是如何建立的。

表1 水电站设备健康预测指标

质量不平衡的故障机理：对水轮发电机组来说，机组旋转部件（包括主轴、推力头及镜板，水轮机转轮、发电机转子，转速继电器等同轴转动部分）由于质量分布不均导致质量中心与旋转中心不重合而产生的不平衡。质量不平衡对上导摆度、下导摆度、上机架振动、下机架振动有强烈影响，质量不平衡相位以大轴上人工设置的某一键相点为基准计算。除转速频率和幅值、相位恒定外，不平衡质量产生的离心力与转速频率的平方成比例，但对于立式机组，作用在每个导轴承上的力不见得都与转速频率的平方成比例。另外，由不平衡质量力引起的弓状回旋所产生的附加不平衡力不是独立存在的。当质量不平衡力消除后附加不平衡力就自然消失了，由转动部分的缺陷引起的附加不平衡力则不可能完全消失。

见图2 所示，这是关于“质量不平衡”预测指标的诊断报告单。

图2 预测指标诊断报告单

3.2.2、健康预测模型的建立

表1 中列出了24 项健康预测指标，每个预测指标的分析诊断由诊断报告单完成，从上述可知每一个报告单都是根据故障机理设计的，对水电站设备进行健康预测时，可以依次生成24 项诊断报告单，根据诊断报告单的分析结论选择预测模型对预测指标进行深入挖掘。从实践的角度来看，一般可以用三种方法进行预测∶主观判断或直观（定性）的方法，客观定量（统计）的方法，定性与定量相结合的方法。由于研究对象的原因，这里主要介绍定量预测方法（模型）。定量预测的方法很多，表2给出了定量预测方法的大致轮廓。[4]一般而言，定量预测模型由以下几部分构成∶

（1）数据，即预测对象和预测因子；

（2）结构，即预测模型函数的具体形式；

（3）参数，即预测模型函数中的待定参数。

表2 定量预测方法的分类

同时，进行定量预测必须具备以下三个基本条件∶

（1）有可以利用的“过去”和“现在”的信息。

（2）一些关键的信息可以观测和量化，并且不会有系统的偏差(失真)。

（3）预测对象满足所谓“连续性假设”，即基于已有的历史信息建立起的模型，可以延续到未来。

第三个基本条件应用了事物发展的“惯性原则”，即∶任何一种事物的发展都与其过去的状态或行为有某种关联，过去的行为不仅影响现在，而且影响未来。显然，如果惯性越大，则过去对未来的影响就愈大。

与其它预测方法相比，趋势分析更为适合于水电设备的健康预测，因此，这里主要讨论定量预测中的趋势预测分析方法。

趋势分析也可称之为趋势曲线分析或曲线拟合，是迄今为止研究得最多的，也最为流行的定量预测方法。“趋势”即事物发展的长期行为。经验表明，事物的发展完全由随机动因所躯使，并且与过去的状态毫无关系，不遵循任何可以认识的规律的情况是很少见的。因此，预测较为重要的一步就是要对事物的发展过程及其环境作系统分析，以发现主要的变化趋势。

人们常用各种光滑曲线来近似描述事物发展的基本趋势，即其中Yi为预测对象，εi为预测误差(有时为讨论的方便，将误差项εi忽略掉)；可根据不同的情况和假设，f(t，θ)可取不同的形式，而其中的θ 代表某些待定的参数，t 为某一时刻。在实际生活中，许多事物的发展的基本趋势常常呈现出如下共同特征∶

（1）从某一时刻t 起，在某一时期内连续上升或下降，或者大体上保持常态。

（2）在上升或下降过程中，由于其本身受某种规律的支配和环境的限制，最终趋向某一上限或下限。

（3）上升到某一顶点之后开始下降，直至趋向于零。

（4）随时间t 的变化率(dYi/dt)或相对变化率(1/YidYi/dt)近似为常数或大体上符合某些其它的条件或限制。

4、结论

健康预测技术在其它机械领域的应用往往是选定一个或多个单一的、具有高灵敏性、高可靠性的物理监测量作为预测指标，通过幅值和频率分析判断故障，然后通过主观判断的方法对设备进行健康预测。水电站设备健康预测，物质基础是建立在线监测系统，基本途径是确定健康预测指标（也就是确定设备体检项目）。从上文的阐述中可以看到，只有掌握了设备的故障机理才能确立设备的健康预测指标，每一项健康预测指标是若干物理监测量的函数，函数关系的建立由故障机理来确定；每项预测指标含有丰富的状态信息，它借助自动诊断报告来挖掘包含的状态信息；每份自动诊断报告基于不同的故障机理，分析诊断不同的故障原因，体现的是一项特定的数据挖掘技术；在数据挖掘的基础上，再建立合适的预测模型，就能够对设备健康进行准确判断和预测。上述方法在多个水电站实践了多年，取得了较好的应用，对其它行业设备的健康预测具有重要的参考价值。

[1][2]王国彪，何正嘉等.机械故障诊断基础研究“何去何从”[J].机械工程学报,2013,(1)：66,68.

[3]ISO 13372：2004, IDT, Condition monitoring and diagnostics of machines一Vocabulary,2004[S].

[4]高金吉.未来装备工程思维[J],中国工程科学,2003,5(12)：30～35.