《水轮机转轮叶片裂纹故障早期预警和诊断方法及系统.pdf》由会员分享，可在线阅读，更多相关《水轮机转轮叶片裂纹故障早期预警和诊断方法及系统.pdf（15页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103439091 A (43)申请公布日 2013.12.11 CN 103439091 A *CN103439091A* (21)申请号 201310255982.4 (22)申请日 2013.06.25 G01M 13/00(2006.01) (71)申请人 国电大渡河检修安装有限公司 地址 614900 四川省成都市高新区天韵路 7 号 申请人 北京中瑞泰科技有限公司 (72)发明人 钱冰 马越 邹磊 江涛 (74)专利代理机构 北京市广友专利事务所有限 责任公司 11237 代理人 张仲波 (54) 发明名称 水轮机转轮叶片裂纹故障早期预警和诊断方 法及系统。
2、 (57) 摘要 本发明提供一种水轮机转轮叶片裂纹故障早 期预警和诊断方法， 包括 ： 采集发生过水轮机转 轮叶片裂纹故障的水电机组带故障运行时的历 史故障数据组， 根据历史故障数据组生成水轮机 转轮叶片裂纹故障状态数据集合， 并根据水轮机 转轮叶片裂纹故障状态数据集合内所有数据组内 参数的特征分布生成水电机组的水轮机转轮叶片 裂纹故障状态数据模型， 随后通过所述水电机组 的水轮机转轮叶片裂纹故障状态数据模型对没有 发生过裂纹故障的水电机组的水轮机进行状态监 测， 当水轮机转轮叶片状态与水轮机转轮叶片裂 纹故障状态数据模型接近时， 发布水轮机转轮叶 片裂纹故障的早期预警。该方案能够在水电机组 。
3、的故障早期实现预警及相关诊断以预防水电机组 的非计划停机事故。 (51)Int.Cl. 权利要求书 3 页 说明书 9 页 附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书3页 说明书9页 附图2页 (10)申请公布号 CN 103439091 A CN 103439091 A *CN103439091A* 1/3 页 2 1. 一种水轮机转轮叶片裂纹故障早期预警和诊断方法， 其特征在于， 包括以下步骤 ： 数据采集步骤， 采集若干个水电机组发生水轮机转轮叶片裂纹故障时一段时间内各时 间点的历史故障数据， 得到各水电机组在若干个时间点分别对应的历史故障数据组。
4、 ； 模型计算步骤， 基于所采集的各水电机组在若干个时间点分别对应的历史故障数据 组， 生成各水电机组的水轮机转轮叶片裂纹故障状态数据集合， 并根据各水电机组的水轮 机转轮叶片裂纹故障状态数据集合内所有数据组内参数的分布特征， 抽取典型特征数据 组， 计算出用于反映各水电机组实际运行规律的各水电机组的水轮机转轮叶片裂纹故障状 态数据模型 ； 预警线建立步骤， 对于每个水电机组， 通过该水电机组的水轮机转轮叶片裂纹故障状 态数据模型对用于建立该水电机组的水轮机转轮叶片裂纹故障状态数据模型的典型特征 数据组进行计算， 得到该水电机组的水轮机转轮叶片裂纹故障安全预警线 ； 实时评估步骤， 采集目标水。
5、电机组的实时状态数据， 计算所述目标水电机组的实时状 态数据和目标水电机组的水轮机转轮叶片裂纹故障状态数据模型之间的在线相似度值 ； 预警步骤， 判断当前得到的目标水电机组的在线实时状态数据和目标水电机组的水轮 机转轮叶片裂纹故障状态数据模型之间的在线相似度值是否高于该台水电机组的水轮机 转轮叶片裂纹故障安全预警线， 若是， 则预警提示该目标水电机组的水轮机转轮叶片裂纹 故障。 2. 如权利要求 1 所述的一种水轮机转轮叶片裂纹故障早期预警和诊断方法， 其特征在 于， 当预警步骤中预警提示该目标水电机组的水轮机转轮叶片裂纹故障后， 该方法还包括 诊断分析步骤 ： 将当前采集的目标水电机组的实时。
6、状态数据结合数据采集步骤中采集的目 标水电机组的历史故障数据组， 分析当前采集的目标水电机组的实时状态数据的转轮叶片 裂纹故障特征， 根据预先存储的典型故障种类特征诊断当前目标水电机组的故障类型。 3. 如权利要求 2 所述的一种水轮机转轮叶片裂纹故障早期预警和诊断方法， 其特征在 于， 所述数据采集步骤中对每个水电机组在每个时间点采集一个历史故障数据组， 每个历 史故障数据组包括 ： 截至当前时间点该水电机组在转轮叶片裂纹故障工况下的运行时间、 该时间点该水电机组所有变量参数的实时数据、 转轮叶片裂纹故障状态。 4. 如权利要求 3 所述的一种水轮机转轮叶片裂纹故障早期预警和诊断方法， 其特。
7、征在 于， 所述典型特征数据组包含相应水电机组的水轮机转轮叶片裂纹故障状态数据集合中的 极值状态数据组 ； 所述模型计算步骤中， 所述根据各水电机组的水轮机转轮叶片裂纹故障状态数据集合 内所有数据组的分布特征， 抽取典型特征数据组， 包括 ： 对于每个水电机组， 在该水电机组 的水轮机转轮叶片裂纹故障状态数据集合中数据组分布密度大的地方， 抽取的典型特征数 据组的数量小于在所述水轮机转轮叶片裂纹故障状态数据集合中数据组分布密度小的地 方抽取的典型特征数据租的数量。 5. 如权利要求 1 至 4 任一项所述的一种水轮机转轮叶片裂纹故障早期预警和诊断方 法， 其特征在于， 所述预警线建立步骤具体包。
8、括 ： 对于每个水电机组， 将用于建立该水电机组的水轮机转轮叶片裂纹故障状态数据模型 的每个典型特征数据组与该水电机组的水轮机转轮叶片裂纹故障状态数据模型中的每个 状态点的数值组进行比较计算， 从该水电机组的水轮机转轮叶片裂纹故障状态数据模型中 权 利 要 求 书 CN 103439091 A 2 2/3 页 3 找到与当前典型特征数据组最接近的数值组 ； 计算当前典型特征数据组和该水电机组的水轮机转轮叶片裂纹故障状态数据模型中 与当前典型特征数据组最接近的数值组之间的距离并将其作为当前典型特征数据组与水 轮机转轮叶片裂纹故障状态数据模型之间的相似度值 ； 将用于建立该水电机组的水轮机转轮叶片。
9、裂纹故障状态数据模型的所有典型特征数 据组与水轮机转轮叶片裂纹故障状态数据模型之间的相似度值中的最大值作为该水电机 组的水轮机转轮叶片裂纹故障安全预警线。 6. 如权利要求 5 所述的一种水轮机转轮叶片裂纹故障早期预警和诊断方法， 其特征在 于， 所述实时评估步骤具体包括 ： 采集目标水电机组的实时状态数据， 将所述目标水电机组 的实时状态数据与目标水电机组的水轮机转轮叶片裂纹故障状态数据模型中每个状态点 的数值组进行比较计算， 并将目标水电机组的水轮机转轮叶片裂纹故障状态数据模型中各 数值组与该目标水电机组当前运行时刻的实时状态数据之间的最小距离作为该目标水电 机组的实时状态数据和目标水电机。
10、组的水轮机转轮叶片裂纹故障状态数据模型之间的在 线相似度值。 7. 如权利要求 6 所述的一种水轮机转轮叶片裂纹故障早期预警和诊断方法， 其特征在 于， 所述实时评估步骤还包括 ： 采集目标水电机组在线运行一段时间内各运行时刻的实时 状态数据， 将这段运行时间内各运行时刻的实时状态数据组成实时状态值集合 ； 计算所述 实时状态值集合中目标水电机组的每组实时状态数据和目标水电机组的水轮机转轮叶片 裂纹故障状态数据模型之间的在线相似度值 ； 将该目标水电机组在这段运行时间内每个运 行时刻的在线相似度值形成为该目标水电机组的相似度曲线。 8. 如权利要求 7 所述的一种水轮机转轮叶片裂纹故障早期预警。
11、和诊断方法， 其特征在 于， 所述预警步骤还包括 ： 根据目标水电机组的实时状态数据中各参数对该目标水电机组 的相似度曲线影响度由大到小的顺序， 将目标水电机组的实时状态数据中各参数排序后输 出。 9. 一种水轮机转轮叶片裂纹故障早期预警和诊断系统， 其特征在于， 该系统包括 ： 数据采集单元， 用于采集若干个水电机组发生水轮机转轮叶片裂纹故障时一段时间内 各时间点的历史故障数据， 得到各水电机组在若干个时间点分别对应的历史故障数据组并 将其发送给模型计算单元 ； 还用于采集目标水电机组的实时状态数据并将其发送给实时评 估单元 ； 模型计算单元， 用于根据所述数据采集单元提供的各水电机组在若干。
12、个时间点分别对 应的历史故障数据组， 生成各水电机组的水轮机转轮叶片裂纹故障状态数据集合， 并根据 各水电机组的水轮机转轮叶片裂纹故障状态数据集合内所有数据组的分布特征， 抽取典型 特征数据组， 计算出用于反映各水电机组实际运行规律的各水电机组的水轮机转轮叶片裂 纹故障状态数据模型并将所述各水电机组的水轮机转轮叶片裂纹故障状态数据模型提供 给预警线建立单元 ； 预警线建立单元， 用于通过每个水电机组的水轮机转轮叶片裂纹故障状态数据模型对 用于建立该水电机组的水轮机转轮叶片裂纹故障状态数据模型的典型特征数据组进行计 算， 得到该水电机组的水轮机转轮叶片裂纹故障安全预警线并将所述水电机组的水轮机转。
13、 轮叶片裂纹故障安全预警线提供给预警单元 ； 权 利 要 求 书 CN 103439091 A 3 3/3 页 4 实时评估单元， 用于根据数据采集单元提供的目标水电机组的实时状态数据， 计算所 述目标水电机组的实时状态数据和目标水电机组的水轮机转轮叶片裂纹故障状态数据模 型之间的在线相似度值并将其提供给预警单元 ； 预警单元， 用于判断当前实时评估单元提供的目标水电机组的在线实时状态数据和目 标水电机组的水轮机转轮叶片裂纹故障状态数据模型之间的在线相似度值是否高于预警 线建立单元所提供的该台水电机组的水轮机转轮叶片裂纹故障安全预警线， 若是， 则预警 提示该目标水电机组的水轮机转轮叶片裂纹故。
14、障。 10. 如权利要求 9 所述的一种水轮机转轮叶片裂纹故障早期预警和诊断系统， 其特征 在于， 该系统还包括诊断分析单元 ； 所述数据采集单元还用于将当前采集的目标水电机组的实时状态数据以及该目标水 电机组在若干个时间点分别对应的历史故障数据组发送给诊断分析单元 ； 所述预警单元还用于在预警提示该目标水电机组的水轮机转轮叶片裂纹故障的同时 向所述诊断分析单元发送预警诊断通知 ； 所述诊断分析单元用于在收到所述预警单元发来的预警诊断通知时， 结合当前所述数 据采集单元提供的目标水电机组的实时状态数据和该目标水电机组的历史故障数据组， 分 析该目标水电机组的实时状态数据的转轮叶片裂纹故障特征，。
15、 并根据预先存储的典型故障 种类特征诊断当前目标水电机组的故障类型。 权 利 要 求 书 CN 103439091 A 4 1/9 页 5 水轮机转轮叶片裂纹故障早期预警和诊断方法及系统 技术领域 0001 本发明属于水电机组状态检测技术领域， 尤其涉及一种基于运行数据挖掘技术的 水轮机转轮叶片裂纹故障早期预警和诊断方法及系统。 背景技术 0002 国内大部分水电站建成于上世纪 70-80 年代， 受当时制造水平的限制， 转轮叶片 材质有 0Cr13Ni5MoRe 和 15MnMoVCu 两种， 上下冠材质都为 20MoSi。由于 15MnMoVCu 金属存 在一定的缺陷， 因此水轮机转轮的叶。
16、片裂纹频繁发生， 尤其转轮叶片以 15MnMoVCu 材质的 叶片裂纹最为严重， 且大部分为贯穿性裂纹， 裂纹情况也比较复杂。 水轮机转轮的叶片裂纹 的产生严重威胁水电厂的安全经济运行， 随着水电站投运水电机组的长期运行， 如何对水 电机组的叶片裂纹进行监测对提高水电机组的检修维护水平， 具有非常现实的重大意义。 0003 目前国内外的很多水电机组厂家和研究机构都已经开展了对水电机组状态监测 系统的研究和开发， 这些系统采用传统的水电机组振动监测分析技术， 通过在水电机组的 关键部位添加振动、 位移等信号传感器， 对机组的关键参数进行在线监测和分析诊断， 虽然 这些系统可以为水电机组的运行和检。
17、修提供帮助， 但却无法对水电机组的整体运行状态进 行定量评估， 也无法在水电机组出现事故征兆的早期提供故障早期预警诊断， 因此， 需要一 种能够及时了解水电机组的运行状态， 评估其安全状况， 在水电机组的故障早期实现预警 及相关诊断以预防水电机组的非计划停机事故的故障监测方案。 发明内容 0004 为了解决现有的水电机组振动监测分析技术无法对水电机组提供故障早期预警 诊断的问题， 提供一种水轮机转轮叶片裂纹故障早期预警和诊断方法及系统， 本发明提供 的方案能够实现水电机组状态评估与预警诊断， 并为水电机组对象的潜在故障优化操作提 供指导。 0005 本发明提供一种水轮机转轮叶片裂纹故障早期预警。
18、和诊断方法， 包括以下步骤 ： 0006 数据采集步骤， 采集若干个水电机组发生水轮机转轮叶片裂纹故障时一段时间内 各时间点的历史故障数据， 得到各水电机组在若干个时间点分别对应的历史故障数据组 ； 0007 模型计算步骤， 基于所采集的各水电机组在若干个时间点分别对应的历史故障数 据组， 生成各水电机组的水轮机转轮叶片裂纹故障状态数据集合， 并根据各水电机组的水 轮机转轮叶片裂纹故障状态数据集合内所有数据组内参数的分布特征， 抽取典型特征数据 组， 计算出用于反映各水电机组实际运行规律的各水电机组的水轮机转轮叶片裂纹故障状 态数据模型 ； 0008 预警线建立步骤， 对于每个水电机组， 通过。
19、该水电机组的水轮机转轮叶片裂纹故 障状态数据模型对用于建立该水电机组的水轮机转轮叶片裂纹故障状态数据模型的典型 特征数据组进行计算， 得到该水电机组的水轮机转轮叶片裂纹故障安全预警线 ； 0009 实时评估步骤， 采集目标水电机组的实时状态数据， 计算所述目标水电机组的实 说 明 书 CN 103439091 A 5 2/9 页 6 时状态数据和目标水电机组的水轮机转轮叶片裂纹故障状态数据模型之间的在线相似度 值 ； 0010 预警步骤， 判断当前得到的目标水电机组的在线实时状态数据和目标水电机组的 水轮机转轮叶片裂纹故障状态数据模型之间的在线相似度值是否高于该台水电机组的水 轮机转轮叶片裂纹。
20、故障安全预警线， 若是， 则预警提示该目标水电机组的水轮机转轮叶片 裂纹故障。 0011 优选地， 当预警步骤中预警提示该目标水电机组的水轮机转轮叶片裂纹故障后， 上述方法还包括诊断分析步骤 ： 将当前采集的目标水电机组的实时状态数据结合数据采集 步骤中采集的目标水电机组的历史故障数据组， 分析当前采集的目标水电机组的实时状态 数据的转轮叶片裂纹故障特征， 根据预先存储的典型故障种类特征诊断当前目标水电机组 的故障类型。 0012 优选地， 所述数据采集步骤中对每个水电机组在每个时间点采集一个历史故障数 据组， 每个历史故障数据组包括 ： 截至当前时间点该水电机组在转轮叶片裂纹故障工况下 的运。
21、行时间、 该时间点该水电机组所有变量参数的实时数据、 转轮叶片裂纹故障状态。 0013 优选地， 所述典型特征数据组包含相应水电机组的水轮机转轮叶片裂纹故障状态 数据集合中的极值状态数据组 ； 所述模型计算步骤中， 所述根据各水电机组的水轮机转轮 叶片裂纹故障状态数据集合内所有数据组的分布特征， 抽取典型特征数据组， 包括 ： 对于每 个水电机组， 在该水电机组的水轮机转轮叶片裂纹故障状态数据集合中数据组分布密度大 的地方， 抽取的典型特征数据组的数量小于在所述水轮机转轮叶片裂纹故障状态数据集合 中数据组分布密度小的地方抽取的典型特征数据租的数量。 0014 优选地， 上述任一种水轮机转轮叶片。
22、裂纹故障早期预警和诊断方法中， 所述预警 线建立步骤具体包括 ： 对于每个水电机组， 将用于建立该水电机组的水轮机转轮叶片裂纹 故障状态数据模型的每个典型特征数据组与该水电机组的水轮机转轮叶片裂纹故障状态 数据模型中的每个状态点的数值组进行比较计算， 从该水电机组的水轮机转轮叶片裂纹故 障状态数据模型中找到与当前典型特征数据组最接近的数值组 ； 计算当前典型特征数据组 和该水电机组的水轮机转轮叶片裂纹故障状态数据模型中与当前典型特征数据组最接近 的数值组之间的距离并将其作为当前典型特征数据组与水轮机转轮叶片裂纹故障状态数 据模型之间的相似度值 ； 将用于建立该水电机组的水轮机转轮叶片裂纹故障状。
23、态数据模型 的所有典型特征数据组与水轮机转轮叶片裂纹故障状态数据模型之间的相似度值中的最 大值作为该水电机组的水轮机转轮叶片裂纹故障安全预警线。 0015 优选地， 所述实时评估步骤具体包括 ： 采集目标水电机组的实时状态数据， 将所述 目标水电机组的实时状态数据与目标水电机组的水轮机转轮叶片裂纹故障状态数据模型 中每个状态点的数值组进行比较计算， 并将目标水电机组的水轮机转轮叶片裂纹故障状态 数据模型中各数值组与该目标水电机组当前运行时刻的实时状态数据之间的最小距离作 为该目标水电机组的实时状态数据和目标水电机组的水轮机转轮叶片裂纹故障状态数据 模型之间的在线相似度值。 0016 优选地， 。
24、所述实时评估步骤还包括 ： 采集目标水电机组在线运行一段时间内各运 行时刻的实时状态数据， 将这段运行时间内各运行时刻的实时状态数据组成实时状态值集 合 ； 计算所述实时状态值集合中目标水电机组的每组实时状态数据和目标水电机组的水轮 说 明 书 CN 103439091 A 6 3/9 页 7 机转轮叶片裂纹故障状态数据模型之间的在线相似度值 ； 将该目标水电机组在这段运行时 间内每个运行时刻的在线相似度值形成为该目标水电机组的相似度曲线。 0017 优选地， 所述预警步骤还包括 ： 根据目标水电机组的实时状态数据中各参数对该 目标水电机组的相似度曲线影响度由大到小的顺序， 将目标水电机组的实。
25、时状态数据中各 参数排序后输出。 0018 对应于本发明提供的一种水轮机转轮叶片裂纹故障早期预警和诊断方法， 本发明 还提供一种水轮机转轮叶片裂纹故障早期预警和诊断系统， 该系统包括 ： 0019 数据采集单元， 用于采集若干个水电机组发生水轮机转轮叶片裂纹故障时一段时 间内各时间点的历史故障数据， 得到各水电机组在若干个时间点分别对应的历史故障数据 组并将其发送给模型计算单元 ； 还用于采集目标水电机组的实时状态数据并将其发送给实 时评估单元 ； 0020 模型计算单元， 用于根据所述数据采集单元提供的各水电机组在若干个时间点分 别对应的历史故障数据组， 生成各水电机组的水轮机转轮叶片裂纹故。
26、障状态数据集合， 并 根据各水电机组的水轮机转轮叶片裂纹故障状态数据集合内所有数据组的分布特征， 抽取 典型特征数据组， 计算出用于反映各水电机组实际运行规律的各水电机组的水轮机转轮叶 片裂纹故障状态数据模型并将所述各水电机组的水轮机转轮叶片裂纹故障状态数据模型 提供给预警线建立单元 ； 0021 预警线建立单元， 用于通过每个水电机组的水轮机转轮叶片裂纹故障状态数据模 型对用于建立该水电机组的水轮机转轮叶片裂纹故障状态数据模型的典型特征数据组进 行计算， 得到该水电机组的水轮机转轮叶片裂纹故障安全预警线并将所述水电机组的水轮 机转轮叶片裂纹故障安全预警线提供给预警单元 ； 0022 实时评估。
27、单元， 用于根据数据采集单元提供的目标水电机组的实时状态数据， 计 算所述目标水电机组的实时状态数据和目标水电机组的水轮机转轮叶片裂纹故障状态数 据模型之间的在线相似度值并将其提供给预警单元 ； 0023 预警单元， 用于判断当前实时评估单元提供的目标水电机组的在线实时状态数据 和目标水电机组的水轮机转轮叶片裂纹故障状态数据模型之间的在线相似度值是否高于 预警线建立单元所提供的该台水电机组的水轮机转轮叶片裂纹故障安全预警线， 若是， 则 预警提示该目标水电机组的水轮机转轮叶片裂纹故障。 0024 优选地， 上述系统还包括诊断分析单元 ； 所述数据采集单元还用于将当前采集的 目标水电机组的实时状。
28、态数据以及该目标水电机组在若干个时间点分别对应的历史故障 数据组发送给诊断分析单元 ； 所述预警单元还用于在预警提示该目标水电机组的水轮机转 轮叶片裂纹故障的同时向所述诊断分析单元发送预警诊断通知 ； 所述诊断分析单元用于在 收到所述预警单元发来的预警诊断通知时， 结合当前所述数据采集单元提供的目标水电机 组的实时状态数据和该目标水电机组的历史故障数据组， 分析该目标水电机组的实时状态 数据的转轮叶片裂纹故障特征， 并根据预先存储的典型故障种类特征诊断当前目标水电机 组的故障类型。 0025 优选地， 所述数据采集单元对每个水电机组在每个时间点采集一个历史故障数据 组， 且采集的每个历史故障数。
29、据组包括数据 ： 截至当前时间点该水电机组在转轮叶片裂纹 故障工况下的运行时间、 该时间点该水电机组所有变量参数的实时数据、 转轮叶片裂纹故 说 明 书 CN 103439091 A 7 4/9 页 8 障状态。 0026 优选地， 所述模型计算单元抽取的典型特征数据组包含相应水电机组的水轮机转 轮叶片裂纹故障状态数据集合中的极值状态数据组 ； 所述模型计算单元根据各水电机组的 水轮机转轮叶片裂纹故障状态数据集合内所有数据组的分布特征， 抽取典型特征数据组， 包括 ： 对于每个水电机组， 所述模型计算单元在该水电机组的水轮机转轮叶片裂纹故障状 态数据集合中数据组分布密度大的地方， 抽取的典型特。
30、征数据组的数量小于在所述水轮机 转轮叶片裂纹故障状态数据集合中数据组分布密度小的地方抽取的典型特征数据租的数 量。 0027 优选地， 上述任一项所述的一种水轮机转轮叶片裂纹故障早期预警和诊断系统 中， 所述预警线建立单元通过每个水电机组的水轮机转轮叶片裂纹故障状态数据模型对用 于建立该水电机组的水轮机转轮叶片裂纹故障状态数据模型的典型特征数据组进行计算， 得到该水电机组的水轮机转轮叶片裂纹故障安全预警线， 具体包括 ： 对于每个水电机组， 所 述预警线建立单元首先将用于建立该水电机组的水轮机转轮叶片裂纹故障状态数据模型 的每个典型特征数据组与该水电机组的水轮机转轮叶片裂纹故障状态数据模型中的。
31、每个 状态点的数值组进行比较计算， 从该水电机组的水轮机转轮叶片裂纹故障状态数据模型中 找到与当前典型特征数据组最接近的数值组 ； 随后所述预警线建立单元计算当前典型特征 数据组和该水电机组的水轮机转轮叶片裂纹故障状态数据模型中与当前典型特征数据组 最接近的数值组之间的距离并将其作为当前典型特征数据组与水轮机转轮叶片裂纹故障 状态数据模型之间的相似度值 ； 最后所述预警线建立单元将用于建立该水电机组的水轮机 转轮叶片裂纹故障状态数据模型的所有典型特征数据组与水轮机转轮叶片裂纹故障状态 数据模型之间的相似度值中的最大值作为该水电机组的水轮机转轮叶片裂纹故障安全预 警线。 0028 优选地， 所述。
32、实时评估单元根据数据采集单元提供的目标水电机组的实时状态数 据， 计算所述目标水电机组的实时状态数据和目标水电机组的水轮机转轮叶片裂纹故障状 态数据模型之间的在线相似度值， 具体包括 ： 所述实时评估单元采集目标水电机组的实时 状态数据， 将所述目标水电机组的实时状态数据与目标水电机组的水轮机转轮叶片裂纹故 障状态数据模型中每个状态点的数值组进行比较计算， 并将目标水电机组的水轮机转轮叶 片裂纹故障状态数据模型中各数值组与该目标水电机组当前运行时刻的实时状态数据之 间的最小距离作为该目标水电机组的实时状态数据和目标水电机组的水轮机转轮叶片裂 纹故障状态数据模型之间的在线相似度值。 0029 优。
33、选地， 所述实时评估单元还用于采集目标水电机组在线运行一段时间内各运行 时刻的实时状态数据， 并将这段运行时间内各运行时刻的实时状态数据组成实时状态值集 合， 随后计算所述实时状态值集合中目标水电机组的每组实时状态数据和目标水电机组的 水轮机转轮叶片裂纹故障状态数据模型之间的在线相似度值， 并将该目标水电机组在这段 运行时间内每个运行时刻的在线相似度值形成为该目标水电机组的相似度曲线输出。 0030 优选地， 所述预警单元还用于根据目标水电机组的实时状态数据中各参数对该目 标水电机组的相似度曲线影响度由大到小的顺序， 将目标水电机组的实时状态数据中各参 数排序后输出。 0031 本发明的上述技。
34、术方案的有益效果如下 ： 说 明 书 CN 103439091 A 8 5/9 页 9 0032 本发明提供的技术方案基于水电机组历史故障数据建立了反映各水电机组实际 运行规律的各水电机组的水轮机转轮叶片裂纹故障状态数据模型， 通过分析水电机组实时 状态数据与的水轮机转轮叶片裂纹故障状态数据模型之间的相似度曲线， 设定有明确工程 意义的预警基准线， 该方案能够使用户及时了解水电机组的运行状态， 评估其安全状况， 在 水电机组的故障早期实现预警及相关诊断以预防水电机组的非计划停机事故。此外， 该方 案进一步通过对影响的相似度曲线的参数按其影响度大小进行排序后为水电机组对象的 潜在故障优化操作提供。
35、指导。 附图说明 0033 图 1 为本发明实施例提供的一种水轮机转轮叶片裂纹故障早期预警和诊断方法 流程图 ； 0034 图 2 为本发明实施例提供的另一种水轮机转轮叶片裂纹故障早期预警和诊断方 法流程图 ； 0035 图 3 为图 2 中 S3 的具体实施方法流程图 ； 0036 图 4 为本发明实施例提供的一种水轮机转轮叶片裂纹故障早期预警和诊断系统 结构示意图 ； 0037 图 5 为本发明实施例提供的另一种水轮机转轮叶片裂纹故障早期预警和诊断系 统结构示意图。 具体实施方式 0038 为使本发明要解决的技术问题、 技术方案和优点更加清楚， 下面将结合附图及具 体实施例进行详细描述。 。
36、0039 图 1 所示为本发明实施例提供的一种水轮机转轮叶片裂纹故障早期预警和诊断 方法流程图， 该方法包括以下步骤 ： 0040 S1 ： 数据采集步骤。此步骤中采集若干个水电机组发生水轮机转轮叶片裂纹故障 时一段时间内各时间点的历史故障数据， 得到各水电机组在若干个时间点分别对应的历史 故障数据组 ； 0041 S2 ： 模型计算步骤。此步骤中基于上一步骤所采集的各水电机组的若干个时间点 分别对应的历史故障数据组， 生成各水电机组的水轮机转轮叶片裂纹故障状态数据集合， 并根据各水电机组的水轮机转轮叶片裂纹故障状态数据集合内所有数据组的分布特征， 抽 取典型特征数据组， 计算出用于反映各水电。
37、机组实际运行规律的各水电机组的水轮机转轮 叶片裂纹故障状态数据模型 ； 0042 S3 ： 预警线建立步骤。此步骤中对于每个水电机组， 通过该水电机组的水轮机转 轮叶片裂纹故障状态数据模型对用于建立该水电机组的水轮机转轮叶片裂纹故障状态数 据模型的典型特征数据组进行计算， 得到该水电机组的水轮机转轮叶片裂纹故障安全预警 线 ； 0043 S4 ： 实时评估步骤。 此步骤中采集目标水电机组的实时状态数据， 计算目标水电机 组的实时状态数据和目标水电机组的水轮机转轮叶片裂纹故障状态数据模型之间的在线 相似度值 ； 说 明 书 CN 103439091 A 9 6/9 页 10 0044 S5 ： 。
38、预警步骤。此步骤判断当前得到的目标水电机组的在线实时状态数据和目标 水电机组的水轮机转轮叶片裂纹故障状态数据模型之间的在线相似度值是否高于该台水 电机组的水轮机转轮叶片裂纹故障安全预警线， 若是， 则预警提示该目标水电机组的水轮 机转轮叶片裂纹故障。 0045 较佳地， 如图 2 所示， 本发明实施例提供的一种水轮机转轮叶片裂纹故障早期预 警和诊断方法中， 在图 1 所示步骤 S5 之后还包括步骤 ： 0046 S6 ： 诊断分析步骤。此步骤将当前采集的目标水电机组的实时状态数据结合数据 采集步骤中采集的目标水电机组的历史故障数据组， 分析当前采集的目标水电机组的实时 状态数据的转轮叶片裂纹故。
39、障特征， 根据预先存储的典型故障种类特征诊断当前目标水电 机组的故障类型。 0047 较佳地， 上述水轮机转轮叶片裂纹故障早期预警和诊断方法中， 步骤 S1 中对每个 水电机组在每个时间点采集一个历史故障数据组， 每个历史故障数据组包括 ： 截至当前时 间点该水电机组在转轮叶片裂纹故障工况下的运行时间、 该时间点该水电机组所有变量参 数的实时数据、 转轮叶片裂纹故障状态。 0048 较佳地， 对于每台水电机组， 步骤 S2 中抽取的典型特征数据组包含该水电机组的 水轮机转轮叶片裂纹故障状态数据集合中的极值状态数据组。此外， 步骤 S2 中在抽取典型 特征数据组时， 在该水电机组的水轮机转轮叶片。
40、裂纹故障状态数据集合中数据组分布密度 大的地方， 抽取的典型特征数据组的数量小于在水轮机转轮叶片裂纹故障状态数据集合中 数据组分布密度小的地方抽取的典型特征数据租的数量， 即 ： 在该水电机组的水轮机转轮 叶片裂纹故障状态数据集合中数据组分布密度大的地方， 抽取的典型特征数据组的比重较 少， 而在水轮机转轮叶片裂纹故障状态数据集合中数据组分布密度小的地方， 抽取的典型 特征数据组的数量相对比重较大。 0049 较佳地， 如图 3 所示， S3 具体包括如下步骤 ： 0050 S31 ： 对于每个水电机组， 将用于建立该水电机组的水轮机转轮叶片裂纹故障状态 数据模型的每个典型特征数据组与该水电机。
41、组的水轮机转轮叶片裂纹故障状态数据模型 中的每个状态点的数值组进行比较计算， 从该水电机组的水轮机转轮叶片裂纹故障状态数 据模型中找到与当前典型特征数据组最接近的数值组 ； 0051 S32 ： 计算当前典型特征数据组和该水电机组的水轮机转轮叶片裂纹故障状态数 据模型中与当前典型特征数据组最接近的数值组之间的距离并将其作为当前典型特征数 据组与水轮机转轮叶片裂纹故障状态数据模型之间的相似度值 ； 0052 S33 ： 将用于建立该水电机组的水轮机转轮叶片裂纹故障状态数据模型的所有典 型特征数据组与水轮机转轮叶片裂纹故障状态数据模型之间的相似度值中的最大值作为 该水电机组的水轮机转轮叶片裂纹故障。
42、安全预警线。 0053 较佳地， S4 的实时评估步骤具体包括 ： 采集目标水电机组的实时状态数据， 将目 标水电机组的实时状态数据与目标水电机组的水轮机转轮叶片裂纹故障状态数据模型中 每个状态点的数值组进行比较计算， 并将目标水电机组的水轮机转轮叶片裂纹故障状态数 据模型中各数值组与该目标水电机组当前运行时刻的实时状态数据之间的最小距离作为 该目标水电机组的实时状态数据和目标水电机组的水轮机转轮叶片裂纹故障状态数据模 型之间的在线相似度值。 说 明 书 CN 103439091 A 10 7/9 页 11 0054 较佳地， 步骤 S4 还包括 ： 采集目标水电机组在线运行一段时间内各运行时。
43、刻的实 时状态数据， 将这段运行时间内各运行时刻的实时状态数据组成实时状态值集合 ； 计算实 时状态值集合中目标水电机组的每组实时状态数据和目标水电机组的水轮机转轮叶片裂 纹故障状态数据模型之间的在线相似度值 ； 将该目标水电机组在这段运行时间内每个运行 时刻的在线相似度值形成为该目标水电机组的相似度曲线。 0055 较佳地， S5 的预警步骤还包括 ： 根据目标水电机组的实时状态数据中各参数对该 目标水电机组的相似度曲线影响度由大到小的顺序， 将目标水电机组的实时状态数据中各 参数排序后输出， 从而使用户根据该参数排序对水电机组的优化操作起一定的指导作用。 0056 对应于本发明实施例提供的。
44、水轮机转轮叶片裂纹故障早期预警和诊断方法， 本发 明实施例还提供一种水轮机转轮叶片裂纹故障早期预警和诊断系统， 如图 4 所示， 该系统 包括 ： 数据采集单元 1、 模型计算单元 2、 预警线建立单元 3、 实时评估单元 4 和预警单元 5。 0057 数据采集单元 1 用于采集若干个水电机组发生水轮机转轮叶片裂纹故障时一段 时间内各时间点的历史故障数据， 得到各水电机组在若干个时间点分别对应的历史故障数 据组并将其发送给模型计算单元 2 ； 还用于采集目标水电机组的实时状态数据并将其发送 给实时评估单元 4。 0058 模型计算单元2用于根据数据采集单元1提供的各水电机组在若干个时间点分别。
45、 对应的历史故障数据组， 生成各水电机组的水轮机转轮叶片裂纹故障状态数据集合， 并根 据各水电机组的水轮机转轮叶片裂纹故障状态数据集合内所有数据组的分布特征， 抽取典 型特征数据组， 计算出用于反映各水电机组实际运行规律的各水电机组的水轮机转轮叶片 裂纹故障状态数据模型并将各水电机组的水轮机转轮叶片裂纹故障状态数据模型提供给 预警线建立单元 3。 0059 预警线建立单元 3 用于通过每个水电机组的水轮机转轮叶片裂纹故障状态数据 模型对用于建立该水电机组的水轮机转轮叶片裂纹故障状态数据模型的典型特征数据组 进行计算， 得到该水电机组的水轮机转轮叶片裂纹故障安全预警线并将水电机组的水轮机 转轮叶。
46、片裂纹故障安全预警线提供给预警单元 5。 0060 实时评估单元 4 用于根据数据采集单元 1 提供的目标水电机组的实时状态数据， 计算目标水电机组的实时状态数据和目标水电机组的水轮机转轮叶片裂纹故障状态数据 模型之间的在线相似度值并将其提供给预警单元 5。 0061 预警单元 5 用于判断当前实时评估单元 4 提供的目标水电机组的在线实时状态 数据和目标水电机组的水轮机转轮叶片裂纹故障状态数据模型之间的在线相似度值是否 高于预警线建立单元 3 所提供的该台水电机组的水轮机转轮叶片裂纹故障安全预警线， 若 是， 则预警提示该目标水电机组的水轮机转轮叶片裂纹故障。 0062 图 5 为本发明实施。
47、例提供的另一种水轮机转轮叶片裂纹故障早期预警和诊断系 统， 相对于图 4 而言， 该系统还包括诊断分析单元 6， 图 5 中， 数据采集单元 1 还用于将当前 采集的目标水电机组的实时状态数据以及该目标水电机组在若干个时间点分别对应的历 史故障数据组发送给诊断分析单元 6 ； 预警单元 5 还用于在预警提示该目标水电机组的水 轮机转轮叶片裂纹故障的同时向诊断分析单元 6 发送预警诊断通知 ； 诊断分析单元 6 用于 在收到预警单元发来的预警诊断通知时， 结合当前数据采集单元 1 提供的目标水电机组的 实时状态数据和该目标水电机组的历史故障数据组， 分析该目标水电机组的实时状态数据 说 明 书 。
48、CN 103439091 A 11 8/9 页 12 的转轮叶片裂纹故障特征， 并根据预先存储的典型故障种类特征诊断当前目标水电机组的 故障类型。图 5 中与图 4 具有相同附图标记的单元功能相同， 此处不再多做描述。 0063 优选地， 数据采集单元 1 对每个水电机组在每个时间点采集一个历史故障数据 组， 且采集的每个历史故障数据组包括数据 ： 截至当前时间点该水电机组在转轮叶片裂纹 故障工况下的运行时间、 该时间点该水电机组所有变量参数的实时数据、 转轮叶片裂纹故 障状态。 0064 优选地， 模型计算单元 2 抽取的典型特征数据组包含相应水电机组的水轮机转轮 叶片裂纹故障状态数据集合中。
49、的极值状态数据组 ； 模型计算单元 2 根据各水电机组的水轮 机转轮叶片裂纹故障状态数据集合内所有数据组的分布特征， 抽取典型特征数据组， 包括 ： 对于每个水电机组， 模型计算单元 2 在该水电机组的水轮机转轮叶片裂纹故障状态数据集 合中数据组分布密度大的地方， 抽取的典型特征数据组的数量小于在水轮机转轮叶片裂纹 故障状态数据集合中数据组分布密度小的地方抽取的典型特征数据租的数量。 0065 优选地， 上述任一项的一种水轮机转轮叶片裂纹故障早期预警和诊断系统中， 对 于每个水电机组， 预警线建立单元 3 首先将用于建立该水电机组的水轮机转轮叶片裂纹故 障状态数据模型的每个典型特征数据组与该水电机组的水轮机转轮叶片裂纹故障状态数 据模型中的每个状态点的数值组进行比较计算， 从该水电机组的水轮机转轮叶片裂纹故障 状态数据模型中找到与当前典型特征数据组最接近的数值组 ； 随后预警线建立单元 3 计算 当前典型特征数据组和该水电机组的水轮机转轮叶片裂纹故障状态数据模型中与当前典 型特征数据组最接近的数值组之间的距离并将其作为当前典型。