基于自適應閾值HHT和IPSO-LSSVM的水輪發(fā)電機組狀態(tài)監(jiān)測與故障診斷算法研究.pdf

1、水電是清潔能源,便于電力系統(tǒng)的調峰、調頻運行。隨著大型水利工程的興建,水電機組單機容量增大,年平均發(fā)電時間不斷增加,如出現(xiàn)機組故障停機,將造成的嚴重安全事故和經濟損失。因此,及時準確地對水電機組運行設備的異常狀態(tài)做出診斷,預防和消除故障,保證機組安全運行具有十分重要的意義。
　　本文以水輪發(fā)電機組狀態(tài)監(jiān)測與故障診斷算法為研究對象,在總結國內外在線監(jiān)測與故障診斷技術研究發(fā)展現(xiàn)狀的基礎上,提出了在線監(jiān)測系統(tǒng)構架,選擇了合適的傳感器,并

2、且提出了信號處理和故障診斷的算法,論文主要內容和成果如下:
　　(1)分析了水輪發(fā)電機組振動機理,研究了機組振動故障的影響因素,總結了機組的故障特征;進行了水輪發(fā)電機組振動在線監(jiān)測系統(tǒng)的功能設計,結合實際,給出了適合水輪發(fā)電機組在線監(jiān)測與故障診斷的測點布置和傳感器選擇;
　　(2)對機組振動信號處理中常用的短時傅立葉變換、小波變換及 HHT(Hilbert-Huang Transformation,希爾伯特-黃變換)的基本理

3、論和算法進行對比分析,總結各自特點。針對HHT算法中存在的噪聲干擾導致IMF(Intrinsic Mode Function,固有模態(tài)函數(shù))分量不準確的問題,通過引入了IMF自適應閾值去噪法,改進了HHT算法。實例仿真分析證明了該方法可以較準確的反映機組故障狀態(tài);
　　(3)應用非線性遞減法將粒子群算法中的慣性權值參數(shù)進行了改進,利用IPSO(Improved Particle Swarm Optimization,改進粒子群優(yōu)化

4、)方法對機組故障診斷中使用的LSSVM(Least Squares Support Vector Machines,最小二乘支持向量機)算法中的λ和σ參數(shù)進行優(yōu)化,將優(yōu)化后的支持向量機應用于水電機組的振動故障診斷,構建了基于支持向量機的多故障分類器。通過瀑布溝電站4＃機組實測數(shù)據(jù)的計算,與BP神經網絡、最小二乘支持向量機等方法進行對比,證明了本文所提IPSO-LSSVM方法具有迭代次數(shù)少、診斷精度高的特點,適合于水輪發(fā)電機機組故障診斷。