冲击式水电机组状态监测与预警研究

发布时间：2020-04-24 23:09

【摘要】：随着我国新能源行业的迅猛发展,水轮发电机组装机容量和单机容量越来越大,在整个发电系统中所占比例越来越大。水轮发电机组是水电站的一个核心组成部分,其安全水平直接影响着整个电站甚至是电网的安全。水电机组是一个受多方面因素共同作用的、随时间不断变化的、对安全系数要求高的系统,稍有不慎,都有可能导致事故发生。因此,对水电机组进行状态监测,并且对监测结果做出准确预测并预警显得极其重要。在大数据、先进科学技术迅速发展的今天,对水电机组进行基于多源数据监测与预警进行研究,对电力行业乃至国民经济具有十分重要的意义。本文首先回顾了水电机组状态监测与预警问题的研究现状,发现目前行业还没有考虑到设计、制造、安装、调试等运行前数据对状态评估系统的影响,实时监测状态信息,缺乏对健康状况的长期趋势分析。研究发现,运行前数据对状态评估系统的模型结构和阈值分析有很大的影响。特别是对于机组中的离散单件和多品种设备,运行前的数据是必不可少的。因此,本文针对基于多源数据冲击式水电机组的状态监测进行了研究,首先构建了基于多源数据水电机组状态监测的系统架构,该架构遵循国际规约IEC61850和IEC61970,并概述了可实现该架构的技术手段。在深入研究冲击式水轮发电机组结构的基础上,按照国家标准以及行业标准,归纳机组需要监测的重要状态量以及相应的传感器选型及安装,在此基础上研究并设计了针对机组温度监测模块的状态监测预警功能模块。其次,简单介绍了灰色预测理论和粒子群算法,考虑到GM(1,1)模型的背景值插值系数和边值对最后的预测结果有一定的影响,所以引入粒子群算法(PSO),试图利用粒子群算法的优势找出使平均相对误差达到最小的插值系数和边值,以提升预测精度。再将两种算法进行融合,提出基于非线性序列灰色粒子群预测模型;然后将提出的基于非线性序列灰色粒子群预测模型对水轮发电机组的运行温度加以预测,在MATLAB 2013a上进行仿真分析,通过结果对比可知,本文所提的改进模型有其优越性,可用于水电机组温度的预测,帮助工作人员提前发现问题。最后在前文的研究基础上,构建了水电机组监测与预警系统框架,进行了硬件选型与软件应用,并完成了在统一信息平台架构下,将上诉算法融入其中,对水电机组监测与预警系统的设计与实现,可满足预测、预警基本需求。
【图文】：

水电发电,主要国家,全球,情况

图 1.1 2017 年全球主要国家水电发电量情况我国，水电站通常位于偏远地区，维修难度较大。它们经常受到恶，如严寒和高温。在长期运行中，由于水力、机械和人为因素的综合备不可避免地发生故障，造成重大损失；而严重事故将导致事故进接威胁到电站和电网的安全，甚至造成重大机器损坏和人员伤亡事此，当故障没有发生时，有必要对设备的状况进行监控和预警，预状态，以确保系统的安全和正常运行，并且始终保持最佳运行状态冲击式水电机组的监测系统多是基于发电厂的实时运行数据的监测前数据。本文通过利用冲击式水轮机在设计、制造、安装、调试等据与设备运行监测数据相结合，，构建一种基于多源数据的状态监测数进行预测，帮助我们提前发现故障，防止事故发生。水电机组状态监测研究现状

趋势图,故障预测,机组

国电大渡河枕头坝电站已经投运了设备状态评价系统，采用全量化指标体系，决了轴流转浆机组部分诊断难题，尚不能覆盖安全生产的多项业务。北京奥技公司推出了三款针对工业大数据的平台化软件产品，分别用于数据汇聚，指标掘和应用展示，可以分布部署，灵活搭配。中国华电集团公司正在推出“火电电气设备智能运维技术研究与示范应用”。1.4 水电机组状态预警研究现状预测水电机组的状态是实现预警的必要前提，通过分析预测结果判断机组行状态的发展趋势，提前发现问题并减少损失。目前国内十分重视对机组的状态监测和故障诊断，而对机组运行状态的预测国内外的诊断系统目前还很少具备，其中的一些只提供了历史数据趋势图，希通过趋势图掌握机组的运行状态。随着科技发展，出现了各种预测方法。大致以分为基于模型的预测，基于数据的预测和基于知识的预测[6]。分类如图 1.2 示：
【学位授予单位】：重庆理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM312

【相似文献】