贯流式机组运行状态监测信息熵的设备健康特征提取及评估

何 滔 汪广明 曹 峰

(国家能源大渡河沙坪发电有限公司，四川 乐山 614300)

1 概 述

灯泡贯流式机组作为贯流式水轮发电机组的主要类型之一，具有运行水头低、建设周期短等特点，在开发低水头水力资源方面具有显著优势。由于机组的特殊结构、安装工艺及所处环境外在影响等因素，运行过程中极易引发振动和摆度值超标，威胁机组安全稳定运行。机组状态在线监测系统作为监测机组实时运行工况的平台，集数据采集与分析于一体，能够及时反映出机组的振摆情况。

信息熵能够有效检测振动信号时间序列的动力学特性，基于时频熵(TFE)、样本熵(SE)和排列熵(PE)的分析方法对于机械系统特征提取及故障诊断有较好的效果[1]。贯流式机组运行过程中监测采集的摆度、振动、压力脉动、发电机空气间隙、水力动力特性信息数据，为贯流式机组运行状态监测信息熵的设备健康特征提取及评估提供了条件。

本文在振摆、水力动力特性信号多维表达的基础上结合信息熵的基本分析方法，以大渡河沙坪二级水电站灯泡贯流式机组为例，将在线监测平台采集到的各状态数据进行信息熵分析，提取特征数据，评估健康状态，用以指导机组发电运行。

2 运行状态监测系统构成及设备配置

2.1 系统构成

沙坪二级机组运行状态监测系统由现地传感器、数据采集站、上位机等构成。现地传感器将采集到的数据通过电缆送往数据采集站，数据采集站对数据进行分析处理后通过光纤与上位机通信，使运行人员既能通过上位机实时观测机组运行情况，也能通过历史数据分析等手段总结规律。

上位机设备和各数据采集站之间以光纤为介质，采用以太网通信，并满足工业通用的国际标准IEEE802.3和TCP/IP规约，数据传输稳定。系统结构见图1。

图1 运行状态监测系统结构

2.2 系统设备配置

2.2.1 现地传感器

现地传感器主要由振动传感器、摆度传感器、键相传感器、空气间隙传感器、压力脉动变送器组成，负责监测机组水导轴承、组合轴承、大轴、灯泡头等部位，传感器主要分布在机组水轮机舱及发电机舱。振动传感器采用低频速度传感器。摆度传感器采用一体化涡流传感器，由于其安装间隙(约2mm)比一般涡流传感器(通常为1.25mm)要大，可以有效避免传感器与被测面之间碰磨。键相传感器监测采用非接触式接近开关进行测量，具有安装方便、不易损坏的特点。用于监测发电机定转子之间空气间隙的传感器由平板电容传感器和信号调理器组成。每台机组配置6个气隙传感器，周向均匀布置在定子内壁。

2.2.2 数据采集站

数据采集站配置振动摆度压力脉动数据采集箱和气隙数据采集箱，通过共享器连接到工业液晶屏，负责将传感器采集到的振动、摆度等数据进行分析、处理、储存。同时对运行数据进行特征参数提取，得到机组状态数据，完成机组故障的报警，并将数据通过网络传至状态数据服务器，供进一步的状态监测分析和诊断。数据采集站通过以太网与监控系统实现通信，获取相关状态数据，集成到系统中统一分析。

2.2.3 上位机

上位机由状态数据服务器、Web服务器、网络设备等组成。状态数据服务器负责将数据采集站送过来的机组实时数据、机组历史数据、各种特征参数进行管理、储存及故障诊断。同时状态数据服务器也负责与Web服务器的数据通信。Web服务器负责状态监测系统与搭载流域局域网的MIS系统通信，便于数据云端储存和分布式查询、管理。

3 运行状态在线监测系统主要功能

3.1 历史数据分析

系统提供数据库管理功能，存储所有参数的原始数据、特征数据及样本数据。数据库采用高效的数据压缩技术，长期存储机组稳态、过渡过程数据及高密度录波数据。提供“黑匣子”记录功能，记录机组出现异常信息前后的完整数据，确保机组发生事故时能提供完整、详尽的数据供分析诊断。

3.2 实时监测

系统实时同步地对机组振动、摆度、压力脉动等数据进行采样，然后在数据采集站、服务器显示器以及网络所联的有关用户终端上同步监视和显示机组当前的运行状态，从不同的角度、分层次地显示出机组的各种状态信息，实现实时在线监测功能。整周期采样技术，能够对数据进行精确的频率分析和对应的幅值分析，避免频谱分析中的混叠和泄漏。实时监测画面见图2。

图2 机组单元运行状态实时监测主画面

3.3 预警报警

系统自动建立机组在各个稳定运行工况(不同水头和负荷)下的标准样本频谱图和矢量图，在通常的一级报警和二级报警的基础上增加了灵敏的频谱靶图报警和矢量靶图报警及时发现故障的前期征兆。配合报警规则设置功能和报警输出软件，将机组的振摆报警输出给监控系统。

3.4 机组稳定性评估及优化运行分析

系统综合机组设计参数和运行规范，通过对机组实际振动、摆度、压力脉动特性的掌握，分析机组不同工况下振动区变化规律，指导机组避振运行。通过对水力能量参数(效率、耗水率等)在不同工况下的特性曲线的掌握，指导机组在最优工况区运行，实现机组的最佳经济性能。

3.5 指导和评价机组维护检修

系统定期评价机组各部件运行状态，根据分析结果指导机组检修，对比机组检修前后的历史数据，可以直观评价检修效果，通过检修后的各种机组常规试验数据，综合评价检修后机组各部件特性。

4 运行状态监测信息熵的设备健康特征提取及评估

4.1 贯流式机组健康特征提取

准确高效的设备健康特征提取是评估指导设备运行维护的关键。在大量收集机组全时段运行数据的基础上，利用风险评估方法，建立风险信息熵评估模型，以准确评估机组状态。状态监测平台对影响贯流式机组运行的设备信息进行采样存储和处理。首先确定变量值,找寻变量属性。设定变量品质评判标准，分对象以时间轴为基准，对数据进行排序，根据排序情况，确定数值，以各标准的概率值作为训练模型的阈值，依次计算预测值和召唤值，分别得到训练样本容量个数的预测值和召唤值。基于时段进行数据集划分，提取特征数据。

4.2 设备健康信息熵评估原理

“熵”用于描述信息论中信息的不确定性，同时给出了信息熵的数学表达式，定义一个不确定的概率分布信息熵为

式中pk——第k类事件出现的概率，根据信息熵大小可定量描述概率系统的平均不确定程度；

n——事件数量。

由于机组运行状态、机组工况、机组内在固有属性存在差异，机组外部因工程安装、水力环境引起的水力特性也存在差异。随着设备采集和传输技术的发展，设备状态量的冗余度越来越高，若在状态评价过程中采用冗余的状态量，会极大降低评估效率与评估精度。针对此情况，根据状态监测信息，对机组运行状态量分值信息进行挖掘，提取状态量主成分，降低评价维度，并形成具备典型工况特征的贯流式机组状态量主成分体系。

主成分状态量的评估体系构建主要分为以下五步：ⓐ根据修前数据、修后数据、运行数据、超标数据、非常规奇异数据及缺陷数据进行统计，建立每个机组单元状态量的多维矩阵；ⓑ对各机组单元工况的多维矩阵进行标准化，得到标准化矩阵簇；ⓒ计算各机组单元工况的相关系数矩阵；ⓓ求相关系数矩阵的特征值及特征向量，计算各工况下设备健康综合因子；ⓔ利用综合因子对各机组单元状态量进行排序，设置置信区间，评价设备健康综合指标。

5 贯流式机组健康状态信息熵评估应用实例

沙坪二级电站安装有6台单机容量为58MW的灯泡贯流式水轮发电机组，额定转速为88.2r/min，额定水头为14.3m，额定流量为457.66m3/s，经过近几年来对振摆监测数据的统计分析，发现1号、2号、6号机组经常发生水导轴承径向振动X方向振动超标的问题，特别是1号机组情况尤为严重。

通过对1～6号机组水导轴承径向振动X平均测值进行统计分析，发现1号机组水导轴承径向振动X数值较其他机组数值明显偏大，3～5号机组水导轴承径向振动X数值较小，在机组日常运行中，3～5号机组工况也更好，这和机组状态在线监测系统数据相符。

在机组状态在线监测系统上对1号机组水导轴承径向振动X数值进行历史数据分析发现，正常工况下1号机组水导轴承径向振动X平均测值为80μm，异常状态下水导轴承径向振动X平均测值为140μm，严重威胁机组安全稳定运行。

当机组负荷保持在20MW时，在常规运行水头区间中，水导轴承径向振动X数值增大到140μm，机组振动明显，根据机组健康状态信息熵评估分析出1号机组负荷为20MW时为机组振动区，为优化机组运行工况，应及时避开1号机组负荷为20MW的情况(见图3)。

图3 水导轴承径向振动X和径向振动Y状态信息熵评估

6 结 语

灯泡贯流式机组具有运行效率高、过机流量大等优点，但由于其独特的结构容易引发机组振动，威胁水电站的运行安全，因此，对灯泡贯流式机组运行工况的研究具有重要的现实意义，本文以多阶段、多种类全时段的状态量数据为基础，建立机组健康状态信息熵评估模型，对机组健康状态进行评估。当机组存在异常或故障状态时，提取机组特征状态量，并计算状态量评估信息熵，根据评估信息熵的值进行排序，求解机组单元的风险优先度，从而明确指导和优化机组运行方式。实际应用表明，机组运行状态监测信息熵的设备健康特征提取及评估对机组实际运行有明显的指导意义。