随着电力行业的不断进步与发展,600MW机组已经成为电网的主力机组。辅机设备作为机组的重要组成部分,但却是智能电网状态监测的最薄弱环节,因此,加强对辅机设备的状态监测成为电厂迫切需要解决的问题。研究发现,辅机设备监测数据呈现大数据特征,但目前尚没有将大数据应用于该领域的研究或应用实例,针对此问题,以现有的大数据技术在智能电网领域的一些理论研究为基础,结合状态监测技术、预警诊断技术、数字信号处理技术,滤波器技术、嵌入式技术设计出了一套600MW机组辅机设备噪声振动大数据监测分析平台。该研究平台致力于对海量的噪声振动监测数据进行快速采集、计算和处理,建立针对特定运龄、工况、环境条件下辅机设备运行特征参数的预警模型,准确判断各设备是否存在潜伏性故障,做到及早处理,避免事故的产生。对于存在潜伏性故障的设备,采用大数据分析技术进行数据挖掘,从而发现隐藏在海量数据中的丰富、有价值的信息。论文主要从噪声振动监测终端的设计、噪声振动计算、智能预警模型、噪声振动信号的频谱分析四个方面进行设计。首先详细介绍了该研究平台的整体结构及设计原理,接着重点阐述了计算噪声A、C、Z频率计权网络和振动加速度、速度、位移值的数字信号处理算法,包括基于IIR数字滤波器算法及基于FFT和频域计算算法,并通过MATLAB仿真证明其误差符合国家I级允差标准;然后介绍了基于模糊综合评价和贝叶斯判别算法的辅机设备智能预警模型的原理及实现,并将应用现场采集的噪声振动值输入到模型中进行分析,结果验证了该模型的准确性;最后,对噪声信号振动信号进行全面细致的频谱分析。对于噪声频谱分析,提出了改进的1/3倍频程方法,即用一段频带内的频谱有效值来表示该频带的谱值,采用加布莱克曼窗和衰减值补偿的方法解决了传统1/3倍频程存在的能量泄露和幅值衰减问题;对于振动频谱分析,首先用FFT作全景谱,然后针对想要细化的局部频率区间,采用基于复解析带通滤波器的自适应频谱细化算法(ZOOM-FFT算法)进行分析,解决了传统频谱细化算法细化倍数有限、计算精度差、计算量大的问题。目前,本系统已应用于华能集团的岳阳电厂,实现了所有预期指标,取得了很好的应用效果。