水轮发电机组预警方法以及预警装置与流程

本申请实施例涉及水力发电设备技术领域，尤其涉及一种水轮发电机组预警方法以及预警装置。

背景技术：

水轮发电机组包括水轮机和发电机，水轮机是将水流能量转换为旋转机械能量的动力设备，它带动发电机旋转产生电能。在水力发电机组中，主轴摆度及机架振动影响着水力发电机组的正常工作，然而振动、摆度是由于设计、安装以及运行等方面的原因引起，不可能完全避免和消除，因此需要对振动和摆度进行监测。

鉴于此，水轮发电机组一般安装有在各监测点设置有振摆监测装置，其目的是在水力发电机组工作过程中对主轴摆度及机架振动等振摆数据进行实时监测，然后根据振摆监测装置获得的振摆数据对水轮发电机组的运行状态进行监控和预警。然而，现有基于振摆监测数据对设备异常预警的主要方法是越限告警法，即通过配置检测限值，当振摆监测数据超过检测限值时，输出预警信息，指导水轮发电机组避开非正常状态运行，防止突发事故，保证水轮发电机组的安全运行。

但是，振摆监测数据受机组特性、机组过渡过程、运行工况和环境等因素影响有明显变化，因此用固定的检测限值来进行预警误差非常大。

技术实现要素：

本申请实施例的目的在于提供一种水轮发电机组预警方法以及预警装置，以改善现有技术中由于采用固定检测限值导致的预警误差较大的问题。

基于上述目的，第一方面，本申请实施例提供一种水轮发电机组预警方法方法，包括：

获取机组的工况数据；

获取所述工况数据下振摆监测数据最近m天的历史数据；

对m天的所述历史数据进行曲线拟合，通过拟合曲线获得第1天拟合结果和第n天拟合结果；

根据所述第n天拟合结果和所述第1天拟合结果的比值，判断机组振摆变化量是否显著；

其中，m和n均为大于2的正整数，且n不大于m。

在上述水轮发电机组预警方法的实施例中，通过对相同工况下的历史数据进行曲线拟合，得到历史变化趋势曲线，而历史变化趋势曲线表明了历史数据整体的变化趋势，避免了单点数据波动造成的影响，相较于固定的检测限值，对振摆变化的预警更为准确，从而有效提高趋势预警的准确性。

在一种可能的实施方式中，还包括：

获取最近p天所述振摆监测数据；

采用mann-kendall趋势判断算法对p天的所述振摆监测数据进行处理；

当趋势变化超出置信度阈值时，判定趋势变化明显；

当同时判定机组振摆变化量显著和趋势变化明显时，进行预警；

其中，p为大于2的正整数。

在一种可能的实施方式中，所述置信度阈值大于1，且小于3。

在一种可能的实施方式中，所述根据所述第n天拟合结果和所述第1天拟合结果的比值，判断机组振摆变化量是否显著包括：

通过以下公式计算比值a；

a＝μ1/μn

其中，μ1为第1天拟合结果，μn为第n天拟合结果；

当所述比值a大于第一阈值时，进行一级预警；

当所述比值a大于第二阈值时，进行二级预警；

所述第二阈值大于所述第一阈值。

在一种可能的实施方式中，所述第一阈值为1.25，所述第二阈值为1.5。

在一种可能的实施方式中，包括：

获取过去多天的所述振摆监测数据和所述工况数据；

对所述振摆监测数据进行稳态工况筛选；

筛选后，对应所述工况数据计算所述振摆监测数据的日均值。

在一种可能的实施方式中，所述稳态工况筛选包括：

获取所述振摆监测数据和所述工况数据；

计算指针指向第一条有功功率的数据起，往后取设定时间区间内的数据；

寻找所述设定时间区间内最大功率值和最小功率值，计算所述最大功率值和所述最小功率值的功率幅度；

若所述功率幅度大于功率阈值，则将该时间区间内的数据筛除；

若所述功率幅度不大于功率阈值，则将该时间区间内的数据保留；

计算指针指向下一条有功功率的数据，重复上述步骤。

在一种可能的实施方式中，所述对应所述工况数据计算所述振摆监测数据的日均值包括：

将同天内的所述振摆监测数据按照所述工况数据进行分组；

在相同所述工况数据下，通过如下公式计算日均值；

xi：第i个振摆监测数据；n：参与计算的数值个数。

在一种可能的实施方式中，还包括：

根据水头值划分水头区间，根据负载功率划分功率区间；

创建与所述水头区间和所述功率区间对应的数据集；

将所述振摆监测数据填入对应的所述数据集。

第二方面，本申请实施例提供了一种水轮发电机组预警装置，包括：

第一获取模块，被配置为获取机组的工况数据；

第二获取模块，被配置为获取所述工况数据下振摆监测数据最近m天的历史数据；

预警模块，被配置为对m天的所述历史数据进行曲线拟合，通过拟合曲线获得第1天拟合结果和第n天拟合结果；

判定模块，被配置为根据所述第n天拟合结果和所述第1天拟合结果的比值，判断机组振摆变化量是否显著；

其中，m和n均为大于2的正整数，且n不大于m。

本实施例的装置可以用于执行第一方面实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种水轮发电机组预警方法的流程图一；

图2为本申请实施例提供的一种水轮发电机组预警方法的流程图二

图3为本申请实施例提供的一种水轮发电机组预警方法的流程图三；

图4为本申请实施例提供的一种水轮发电机组预警装置的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供了一种水轮发电机组预警方法，如图1所示，该方法包括：

步骤s10：获取机组的工况数据；

机组的工况数据通常包括负载功率和水头值，可以通过水轮发电机组的监控系统获取。不同工况条件下机组振摆变化具有不同的特征，在相同工况下的历史振摆数据更具有参考性，进行机组振摆变化的预警准确性更高，因此在该预警方法中应首选获取工况数据，以方便后续有针对性的获取历史数据。

步骤s20：获取工况数据下振摆监测数据最近m天的历史数据；

通过上述描述可知，不同工况条件下机组振摆变化具有不同的特征，在相同工况下的历史振摆数据更具有参考性，进行机组振摆变化的预警准确性更高，因此为了实现机组振摆变化更为准确地预警，应当获取与工况数据对应的工况条件下的历史数据，而非仅仅最近时间段的历史数据，因为最近时间段内的数据通常会包含其他工况下的振摆数据。

m为大于2的正整数，例如m可以为7，m越大，获取的历史数据越多，而越多的历史数据会使预警的结果越准确。

步骤s30：对m天的历史数据进行曲线拟合，通过拟合曲线获得第1天拟合结果和第n天拟合结果；

在获得m天的历史数据后，可以对该m天的历史数据进行曲线拟合，曲线拟合后得到有关机组振摆监测数据的历史变化趋势曲线，根据该历史变化趋势曲线能够得到第1天拟合结果和第n天拟合结果。通过历史变化趋势曲线得到第1天拟合结果和第n天拟合结果能够降低数据波动产生的影响，从整体上反应历史数据的变化趋势。其中，n为大于2的正整数，且n不大于m。在本实施例中，当m为7时，n也取7。

需要说明的是，此处曲线也包含直线这种特例，即拟合结果也有可能是一条直线。

步骤s40：根据第n天拟合结果和第1天拟合结果的比值，判断机组振摆变化量是否显著。

通过步骤s30得到第1天拟合结果和第n天拟合结果后，即可进行比较分析，设定第n天拟合结果和第1天拟合结果比值为a，比值a可以通过以下公式(1)计算得到：

a＝μ1/μn(1)

其中，μ1为第1天拟合结果，μn为第n天拟合结果。

设定表征“显著”的显著阈值，当a大于显著阈值时，判定机组振摆变化量显著，当a不大于显著阈值时，判定机组振摆变化量正常。显著阈值可根据具体水轮发电机组设定，还可参考有关标准设定，例如，在gb/t32584-2016水力发电厂和蓄能泵站机组机械振动的评定中，“振动幅值无论是增大还是减小，相对于基准值25％的变化量应认为是显著的”，从而显著阈值可以参考“25％”进行设定。

在上述水轮发电机组预警方法的实施例中，通过对相同工况下的历史数据进行曲线拟合，得到历史变化趋势曲线，而历史变化趋势曲线表明了历史数据整体的变化趋势，避免了单点数据波动造成的影响，相较于固定的检测限值，对振摆变化的预警更为准确，从而有效提高趋势预警的准确性。

可选的，为了进一步细化地表示预警结果，将机组振摆变化量显著的情况进一步细分，即将比值a进行分段预警，当比值a大于第一阈值时，定义为一级预警；当比值a大于第二阈值时，定义为二级预警，第二阈值大于第二阈值。

根据公式(1)计算得到的比值a，可以判断比值a是否处于一级预警和二级预警，在比值a处于一级预警或二级预警时，输出判断结果。示例性地，第一阈值可以设定为1.25，第二阈值可以设定为1.5。

在一种可能的实施方式中，如图2所示，该方法还包括：

步骤s50：获取最近p天的振摆监测数据；

振摆监测数据通过配置在机组各监测点的振摆监测装置获得，包括主轴摆度及机架振动等振摆参数。p天为大于2的正整数，例如p可以为3，p越大，获取的振摆监测数据越多，而越多的振摆监测数据会使预警的结果越准确。

步骤s60：采用mann-kendall趋势判断算法对p天的振摆监测数据进行处理；

mann-kendall趋势判断算法是一种非参数检验，它不需要数据服从特定的分布(例如高斯分布等)，允许数据有缺失，是一种非常常用且实用的趋势检验方法。采用mann-kendall趋势判断算法对p天的振摆监测数据进行处理，可以实现单调趋势校验。

步骤s70：当趋势变化超出置信度阈值时，判定趋势变化明显；

当趋势变化超出置信度阈值时，说明p天的振摆监测数据呈现明显的上升趋势。置信度阈值可以参考在1-3范围内取值，例如在本实施例中，置信度阈值设定为2。

步骤s80：当同时判定机组振摆变化量显著和趋势变化明显时，进行预警。

也就是说，通过两种不同的方法同时进行预警判断，当两种方法均判定为出现预警时(机组振摆变化量显著和趋势变化明显)，才进行预警输出，从而降低了误报率，有效提高趋势预警的准确性。

通过上述步骤可以得知，水轮发电机组预警方法的预警依赖于工况数据与振摆监测数据的对应关系，为了便于数据处理和预警，如图3所示，本申请实施例提供的水轮发电机组预警方法还包括：

步骤s100：获取过去多天的振摆监测数据和工况数据；

振摆监测数据和工况数据的获取可参考上文描述，此处不再赘述。

步骤s200：对振摆监测数据进行稳态工况筛选；

水轮发电机组在工作过程中包括稳定工况状态和非稳定工作状态，在稳定工况状态下，水轮发电机组的工况数据处于稳定状态，负载功率在预设范围内波动。在非稳定工况状态下，例如开机阶段和负载调整过渡阶段等，水轮发电机组的工况数据处于非稳定状态，负载功率波动范围较大，此种情况下振摆监测数据变化较大，容易导致趋势预警的误报警，因此需要进行稳定工况筛选，将处于非稳定工况状态的振摆监测数据删除，仅保留稳定工况状态下机组产生的数据，从而降低误报率。

可选的，稳态工况筛选的步骤包括：

获取计算时间段内所有数据，计算指针指向第一条有功功率数据，往后取10min有功数据，寻找最大功率值和最小功率值，计算最大功率值和最小功率值的功率幅度；若功率幅度大于10mw，则此10分钟内数据筛除。若小于10mw，该时间区间内的数据保留。计算指针指向下一条有功时刻，重复计算筛选，直至时间段内的数据筛选完毕。

其中，10min即设定时间区间，10mw即功率阈值，设定时间区间和功率阈值并不局限于此，可以根据水轮发电机组的实际情况进行确定。

步骤s300：筛选后，对应工况数据计算振摆监测数据的日均值。

将同天内的振摆监测数据按照工况数据进行分组，在相同工况数据下，通过如下公式(2)计算日均值；

xi：第i个振摆监测数据。n：参与计算的数值个数。

进一步地，该水轮发电机组预警方法还包括构建工况网格的步骤，该步骤包括：

根据水头值划分水头区间，根据负载功率划分功率区间；

创建与水头区间和功率区间对应的数据集；

将振摆监测数据填入对应的数据集。

根据上述描述可知，不同工况条件下机组振摆变化具有不同的特征，在相同工况下的历史振摆数据更具有参考性，进行机组振摆变化的预警准确性更高。机组的工况数据包括负载功率和水头值，然而具体到工况数据的某个具体点值下，历史数据较少，因此会导致参考性降低。

机组在工况数据处于一定范围时，机组振摆变化特征趋于相同。因此，本申请实施例中通过构建工况网格的方式进行数据分组，以方便数据管理和趋势预警，上述步骤中每个数据集即对应一定水头区间和功率区间的工况网格，满足该数据集对应的水头区间和功率区间的数据均存入该数据集中。

功率区间可以根据工况数据中功率范围或者额定功率划定，例如可以为额定功率的4％，即4％pe。

在一个实例中，具体划分方法为水头在最小水头值至最大水头值之间，每隔1米划分一格；负载功率在振动区划为一格，非振动区自最小功率至最大功率之间，每隔10mw划分一格，创建与水头格和功率格对应的工况网格；将振摆监测数据依据其对应的水头值和负载功率填入对应的工况网格。

在具有工况网格的情况下，获取工况数据下的历史数据变成获取该工况数据对应数据集中的历史数据。

需要说明的是，工况网格的构建并非在每个水轮发电机组预警方法的预警过程中均有，通常在数据产生的过程中即可完成，完成后方便后续预警过程中的调用。

需要说明的是，本申请实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

另外，上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

图4为本申请实施例提供的一种水轮发电机组预警装置的结构示意图，如图4所示，本实施例的装置可以包括：

第一获取模块100，被配置为获取机组的工况数据；

第二获取模块200，被配置为获取所述工况数据下振摆监测数据最近m天的历史数据；

拟合模块300，被配置为对m天的所述历史数据进行曲线拟合，通过拟合曲线获得第1天拟合结果和第n天拟合结果；

判定模块400，被配置为根据所述第n天拟合结果和所述第1天拟合结果的比值，判断机组振摆变化量是否显著；

其中，m和n均为大于2的正整数。

本实施例的装置可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

为了描述的方便，描述以上装置是以功能分为各种模块分别描述。当然，在实施本申请实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。