乌溪江水电站状态监测诊断平台建设及难点研究

郑建锋，陈泽阳，江振涛

（1.浙江华电乌溪江水力发电有限公司，浙江 衢州 324000；2.北京华科同安监控技术有限公司，北京 100043）

0 引言

浙江华电乌溪江水力发电厂有限公司坐落在浙江省衢州市，是中国华电集团公司内部核算企业，也是浙江电网的主力调峰电厂。作为乌溪江流域梯级开发的水电公司和国有大Ⅱ型企业，在浙江电网中承担调峰、事故备用等作用。乌溪江水力发电厂由湖南镇及黄坛口两个电站构成梯级电站，一级站湖南镇电站装机5台，二级站黄坛口电站装机2台，总装机344.5 MW[1，2]。

2002年，乌溪江电站在湖南镇1号机组上安装了TN 8000水轮发电机组振动摆度监测分析系统，采用在线监测数据和处理结合，综合MIS系统、监控系统和水轮发电机及辅助设备的运行状态进行在线监测，为机组实现“关门运行”起到了重要作用[3，4]。

为了在其他机组上开展状态监测与分析，并建立机组状态监测智能数据平台，2020年对乌溪江水电站所属的湖南镇电站2～4号和黄坛口电站5、6号机组，开展状态监测系统搭建，同时基于全部机组的状态数据，进行数据统一编码、搭建智能平台，最终实现多电站多机组的聚合监视、状态报警、劣化和故障诊断功能。

本文针对乌溪江水电站现场的实际情况，结合已经安装的机组状态监测系统，开展状态监测和诊断平台的研究、设计与实施，针对其难点进行分析，并提出解决方案，最终为实现电站机组状态检修建立平台依据和数据基础，能够为其他已经前期安装、投入部分状态监测系统的电站提供建设思路和参考。

1 平台测点选择

随着计算机监控和各类在线监测系统的不断普及，水电厂安装了大量传感器，这些测点的实时测量数据中，蕴含了丰富的机组状态情况和有价值信息。多年以来，这些数据利用率并不高，主要用于统计、展示、报警，即使用于分析设备和系统状态和故障情况，也基本处于定性分析层面，尤其是多数据之间的关系以及相互作用对设备与系统的影响过程、结果以及发展趋势，无法量化、直观地表现出来[5，6]。

因此，这里从机组可能产生的故障出发，反向推理对应这些故障需要采集和监测的信息，进而开展平台测点的选择，使得平台建设的基础—传感器和数据测点具有较好的针对性和应用价值。

表1给出了该平台研究的设备故障，和对应的测点信息。

通过结合机组故障相关的状态特征，利用现场安装状态监测系统和机组监控系统的基础特征值，诊断平台开展计算特征值和相关特性的研究，以实现常见故障的诊断、评估和预测。

表1 水电机组常见设备故障及状态特征表

2 系统功能设计

常规状态监测系统通过聚合算法，将多个同类型传感器数据聚合为多个监测界面，减少运行人员监盘工作量，并对机组各振动摆度监测点的峰峰值或最大值以结构示意图、棒图、表格、曲线等形式进行实时动态监测。

常规分析功能主要跟稳定性特性相关，例如时域分析主要反映连续的一段时间机组振动、摆度、压力等信号波形随时间的变化规律和幅值大小；频谱分析用来比较对影响机组振动、摆度、压力脉动的特征频率的幅值，以及在不同工况下的变化和发展趋势；轴心轨迹用来比较机组在过渡过程中形状大小的变化、轴心涡动轨迹的变化[7]。

针对水电机组数据特点，尤其是水电机组运行状态受到机械、电气、水力多种因素影响，其作为慢速旋转机械，提供部分特有的分析功能包括：

（1）空间轴线图：分析过渡过程中摆线姿态、轴心位置、各大轴弯曲量和弯曲相位、推力轴承状态、动平衡相位、盘车最大幅值和最小幅值的变化。通过暂态过程轴心轨迹，分析变转速过程、变励磁过程、变负荷过程轴轨迹的形状、大小、涡动轨迹的变化，借此分析轴承的状态。

（2）瀑布级联图：通过瀑布图分析机组振因，确定影响机组运行稳定性的各种因素，通过级联图分析机组振因是否与转速相关，以判定是否存在模态振动（比如转速升高，引起机架或其它部件模态振动）

（3）极坐标图、伯德图：分析振动、摆度信号中倍频成分（如1X）的幅值与相位的变化。

图1 空间轴线图

图2 瀑布级联图

3 建设难点与实现

3.1 系统集成难点

除了现场新安装的稳定性监测系统外，为了开展湖南镇和黄坛口两个梯级电站的数据集成与分析，智能数据平台需在入库前保证所有传感器测点的统一化和标准化。另外，对电站原有子系统和其他数据平台，既要保证其正常应用，还要完成与智能数据平台的通信和集成。为了解决这些建设难点，智能监测诊断平台设计实现了5个软件接口，分别是数据统一接口、数据库同步接口、数据访问接口、数据库级联接口和其他协议接口。分别实现对接入的数据的统一、存储、预处理、分析和通信功能。平台采用统一的标准编码规则，对汇聚的数据进行归一化和标准化处理，再通过平台智能算法，开展数据平台的数据加工，实时计算各种量化特征指标，最终实现劣化趋势预警、故障诊断、优化运行、在线统计等功能。

整个数据平台结构示意图如图3所示。

图3 平台软件接口结构示意图

根据不同子系统的数据类型和特点，将子系统数据分成点数据和块数据两部分，并分别按照数据类型进行缓存；所有数据送至数据库前，通过数据统一接口对其进行KKS编码绑定，并通过编码进行管理和存取。其他系统数据采用统一的通信规约和数据库连接接口实现数据汇聚。

数据库同步接口采用增量同步的方式，将源数据库数据同步存储到数据平台。数据应用服务为外部应用程序提供标准统一的数据访问接口，平台可以同时接入大量不同的设备，并实现高效的拉取数据。利用数据库访问接口，可以将源数据库当作外挂数据库，需要数据时直接访问读取而无需进行数据库转存。

级联接口是平台与平台之间的通信接口，可在多个数据中心之间进行结构化数据交互，是多个平台级联形成分布式系统、实现数据共享的关键。

利用其他协议接口，可以从智能数据终端读取并存取数据，包括Modbus TCP、R232、R485等各种工业标准通信协议。

3.2 智能算法开发

为了保证人机访问界面的效率，系统平台在数据应用服务中，开发了智能流式算法引擎，在线加工计算各种特征量和指标量。

考虑到算法的扩展和更新，开发可视化算法配置和管理功能，对多个独立运行的算法模块进行配置。输入数据来源于数据平台，由算法引擎统一读取，再分发给各算法模块，避免数据重复调用。

各种算法模块对各种监测参数进行在线算法加工和处理，形成各种中间计算量、特征指标和故障指标，相关指标的计算无需要人工干预，在机组运行过程中自动实时完成。

对部分机理明确的故障特征，采用常规基于规则的分析和诊断算法，包括频谱分析算法、相关分析算法、专家系统算法等，而对于大量正常运行的状态数据，则采用机器学习中的非监督学习方法开展分析，包括聚类算法、蚁群算法和GA算法等。由于采用了算法管理配置，因此可以随着系统平台的开发和实践，逐渐完善、更新和增删其他分析诊断算法。

图4 平台算法引擎结构示意图

4 结语

在水电行业状态监测系统安装应用越来越广泛的时候，如何在电站现状的基础上开展新增监测系统、完成所有数据集成和智能分析平台建设，是很多水电站都会遇到的难题，本文利用乌溪江湖南镇和黄坛口两个梯级电站的状态监测系统扩展项目，开展了整个平台建设的设计与实施，尤其是开发了一系列通用接口，并设计实现开放的算法引擎，最终实现梯级电站的综合分析与智能诊断。

智能平台的开展与实施，为电站继续推进的状态检修提供了软硬件基础，后续可以基于开放算法引擎接口，继续开展智能化诊断、评估和预测技术的研究与应用，为保证机组高效、安全运行提供依据和条件。