论文部分内容阅读
[摘 要]分析国内外发电设备故障诊断技术的产生发展，阐述了人工神经网络、模糊集理论等智能方法的发展及在电力系统故障诊断领域中的应用，这些方法为电力系统的故障诊断开辟了新的有效途径。
[关键词]发电设备 故障诊断 预防性维修
中图分类号：TG333.7 文献标识码：A 文章编号：1009-914X（2014）47-0385-01
随着现代工业和科学技术的迅速发展，发电设备的单机容量越来越大，且日趋高速化、自动化和智能化，对电力工业也提出了越来越高的要求：保护环境、提高效率、降低成本等。高速发展的电力行业正面临着多重挑战。广泛应用高智能化、集成化、大型化和通用型的故障诊断技术，对提高发电设备运行时的安全性和可靠性有着重大意义。
1、发电设备故障诊断技术的产生和发展
我国工业企业的设备诊断技术从1983年起步，初期主要应用于石油、冶金、及电力等行业，进入20世纪90年代后，迅速渗透到国民经济的各个主要行业。现在全国从事与电站设备故障诊断系统相关的单位有数十家，主要是高校、研究所、制造厂、电厂等。尽管在国内故障诊断技术起步较晚，但已经慢慢发展和成熟起来。
2、故障诊断技术的发展
2.1 设备使用的规律
所有的设备在整个服役期内，发生故障的次数和使用时间之间具有宏观上的分布规律：（1）初级阶段。故障率较高，原因有：①设备刚刚投运时，必然会暴露出在制造、安装和调试中遗留的问题；②相关人员对设备的操作和维护还需要有一个适应和熟悉的过程。（2）稳定期。制造、安装和调试中遗留的问题已经得到较好的解决，故障率很低，一般是突发性故障。（3）劣化期。设备逐渐劣化，故障率开始上升。
2.2 故障诊断技术
通过故障诊断，可以根据设备的状态制订相应的维修方案和采取相应的措施，以排除故障和隐患，使设备恢复原有的性能，重新进入低故障率的稳定期，来提高设备的使用效率。早期电力设备采取的是事后维修的方式，根据事故的严重程度，又可分为延缓性维修和根治性维修，这是一种完全被动的维修方式，对生产影响很大，由于故障已经发生，后果及损失是非常严重的。后来发展为对电力设备进行定期试验和维修，即预防性维修。
3 故障诊断的技术方法
3.1 基于传统故障诊断机理分析的方法
诊断的初期是利用各种物理和化学的原理与手段，通过伴随故障出现的各种物理和化学现象，直接检测故障。随着传感技术、动态测试技术和信号处理技术的发展，开始采用以数据处理为核心的故障诊断方式，利用故障所对应的征兆来诊断故障。随着国民经济的快速发展，对故障机理的研究发展非常迅速，目前，对汽轮发电机组的故障机理的研究主要是对故障规律、故障征兆和故障模型等方面的研究。故障机理研究是从振动信号中提取故障征兆，从而建立起故障征兆与故障集合之间的映射关系。由于大型旋转机械本身的复杂性和对故障机理不完全清楚，至今难以建立起普遍适用的准确数学模型。
3.2 基于信号处理的方法
当可以得到被控过程的输入输出信号，但很难建立被控对象的解析数学模型时，可采用基于信号处理的方法。基于信号处理的方法是一种传统的故障诊断技术，通常利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取方差、均值、幅值、相位、峭度、散度、频谱等特征值，从而识别和评价机械设备所处的状态，检测出故障，如统计推理近似诊断法、谱峰自动识别法、最大熵谱估计法。
3.3 基于解析模型的方法
基于解析模型的方法应用在线系统辨识技术实时地为系统建立数学模型，当系统中存在故障时，系统的输入输出关系就会改变，这些变化就会反映在数学模型中，因而通过观测系统数学模型的参数变化，便能判定系统是否存在故障。基于解析模型的故障诊断方法能够深入研究系统本质的动态性质并进行实时诊断，该方法可以分为状态估计法、等价空间法和参数估计法等。
4 发电设备故障诊断技术的发展方向
从上述分析可知，故障诊断系统是非常必要的。而目前以知识处理为核心，信号处理、建模处理与知识处理相融合的智能诊断技术正迅速发展。故障诊断技术开始与其他的前沿科学相融合，一同发展。例如：故障诊断与模糊数学、小波分析、分析几何等前沿数学的结合；故障诊断与人工神经网络、专家系统等人工智能技术的结合，以及故障诊断与信息技术的融合等。下面介绍其中一些故障诊断技术和前沿科学融合的原理。
4.1 模糊诊断的原理
电力设备故障诊断中存在着大量的不确定现象，表现为随机性和模糊性。随机性是由于试验的数据的分散性及他与故障的因果关系不确定等造成的，可以用统计的方法进行研究。模糊性是指故障的差异在某阶段存在“亦此亦彼”的特性，是故障的一种客观属性。因此，需要找到一种能够合理表征电力设备故障诊断中模糊性的工具，可将模糊数学应用于故障诊断中，用数学公式把模糊不清的概念清晰化，从而对故障现象中的模糊性能够合理量化。模糊诊断技术在电力设备监测的具体应用中，不仅突破了传统的基于规则的绝缘监测评判方法，而且利用模糊诊断技术可以对多因子故障进行分类和模糊判别。在模糊集理论发展的初期，其在电力系统中的应用是十分有限的，这主要是因为电力系统的工程师首先考虑的是电力系统的可靠性，对模糊逻辑还持有怀疑态度。但随着这一理论的不断发展完善，在电力系统中的应用领域也越来越广泛，例如：静态稳定控制、暂态稳定预测、机组运行规划、负荷预测、系统故障定位和診断、电气设备的故障诊断、负荷频率控制和预测、负荷建模、安全分析与控制等。在近些年的研究中，有人将模糊集理论引入绝缘诊断领域并取得了一定的成果。然而，在模糊集理论中，由于隶属度的获取，复杂系统的模糊模型的建立、辨识，语言规则的获取、遗忘、修改等理论和方法还不够完善，使该理论的应用受到了限制。从目前情况来看，将模糊集理论与人工智能中的专家系统、神经网络等相结合不失为解决这一问题的好方法。
4.2 人工神经网络
人工神经网络的研究源于脑神经学说，他是对生物神经系统的简单描述，基于一种特定的神经元模型，可以将很多个神经元按照不同的方案组成各种类型的人工神经网络，但他们有共同的特点：①网络由一种简单的非线性处理单元即神经元构成；②网络中神经元的数量巨大，神经元间连接的广泛性可增加网络的功能；③网络的构成和运行都按照分布-并行的方式。④网络具有学习能力和自适应性。因此，人工神经网络可用于模式识别、信号处理、自动控制、人工智能等。人工神经网络的主要模型有：多层前向神经网络；递归神经网络、自组织神经网络、Hopfield神经网络、模糊神经网络。上述模型在所取的研究途径、网络中神经元所取函数、网络的结构、运行方式、学习算法和应用上有所不同，可以根据应用的对象及目的，可选择不同的适合的人工神经网络模型。
4.3 小波分析
小波分析是一种崭新的时频分析方法，具有良好的时频局部化特性和对信号自适应、“变焦距”多尺度分析能力，适合于对非平稳信号的处理。小波分析是Fourier变换的突破性进展，并发展了窗Fourier变换的局部化思想，它的窗宽随频率增高而缩小，符合高频信号的分辨率较高的要求。小波分析的主要特点之一是具有用多重分辨率来刻划信号局部特性的能力，因而很适合探测在正常信号中出现的瞬态反常现象，并展示其成分。目前，小波分析已经成功地应用于机械设备的振动信号分析中，在电气设备的故障信号分析中，小波分析也必将成为有力的工具。
参考文献：
[1] 成永红，陈 玉，陈小林，等.测控技术在电力设备在线监测中的应用[M].北京：中国电力出版社，2006.
[2] 张建文.电气设备故障诊断技术[M].北京：中国水利水电出版社，2005.
[3] 乔海涛，冯永新.大型汽轮发电机组故障诊断技术现状与发展[J].广东电力，2003.
[关键词]发电设备 故障诊断 预防性维修
中图分类号：TG333.7 文献标识码：A 文章编号：1009-914X（2014）47-0385-01
随着现代工业和科学技术的迅速发展，发电设备的单机容量越来越大，且日趋高速化、自动化和智能化，对电力工业也提出了越来越高的要求：保护环境、提高效率、降低成本等。高速发展的电力行业正面临着多重挑战。广泛应用高智能化、集成化、大型化和通用型的故障诊断技术，对提高发电设备运行时的安全性和可靠性有着重大意义。
1、发电设备故障诊断技术的产生和发展
我国工业企业的设备诊断技术从1983年起步，初期主要应用于石油、冶金、及电力等行业，进入20世纪90年代后，迅速渗透到国民经济的各个主要行业。现在全国从事与电站设备故障诊断系统相关的单位有数十家，主要是高校、研究所、制造厂、电厂等。尽管在国内故障诊断技术起步较晚，但已经慢慢发展和成熟起来。
2、故障诊断技术的发展
2.1 设备使用的规律
所有的设备在整个服役期内，发生故障的次数和使用时间之间具有宏观上的分布规律：（1）初级阶段。故障率较高，原因有：①设备刚刚投运时，必然会暴露出在制造、安装和调试中遗留的问题；②相关人员对设备的操作和维护还需要有一个适应和熟悉的过程。（2）稳定期。制造、安装和调试中遗留的问题已经得到较好的解决，故障率很低，一般是突发性故障。（3）劣化期。设备逐渐劣化，故障率开始上升。
2.2 故障诊断技术
通过故障诊断，可以根据设备的状态制订相应的维修方案和采取相应的措施，以排除故障和隐患，使设备恢复原有的性能，重新进入低故障率的稳定期，来提高设备的使用效率。早期电力设备采取的是事后维修的方式，根据事故的严重程度，又可分为延缓性维修和根治性维修，这是一种完全被动的维修方式，对生产影响很大，由于故障已经发生，后果及损失是非常严重的。后来发展为对电力设备进行定期试验和维修，即预防性维修。
3 故障诊断的技术方法
3.1 基于传统故障诊断机理分析的方法
诊断的初期是利用各种物理和化学的原理与手段，通过伴随故障出现的各种物理和化学现象，直接检测故障。随着传感技术、动态测试技术和信号处理技术的发展，开始采用以数据处理为核心的故障诊断方式，利用故障所对应的征兆来诊断故障。随着国民经济的快速发展，对故障机理的研究发展非常迅速，目前，对汽轮发电机组的故障机理的研究主要是对故障规律、故障征兆和故障模型等方面的研究。故障机理研究是从振动信号中提取故障征兆，从而建立起故障征兆与故障集合之间的映射关系。由于大型旋转机械本身的复杂性和对故障机理不完全清楚，至今难以建立起普遍适用的准确数学模型。
3.2 基于信号处理的方法
当可以得到被控过程的输入输出信号，但很难建立被控对象的解析数学模型时，可采用基于信号处理的方法。基于信号处理的方法是一种传统的故障诊断技术，通常利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取方差、均值、幅值、相位、峭度、散度、频谱等特征值，从而识别和评价机械设备所处的状态，检测出故障，如统计推理近似诊断法、谱峰自动识别法、最大熵谱估计法。
3.3 基于解析模型的方法
基于解析模型的方法应用在线系统辨识技术实时地为系统建立数学模型，当系统中存在故障时，系统的输入输出关系就会改变，这些变化就会反映在数学模型中，因而通过观测系统数学模型的参数变化，便能判定系统是否存在故障。基于解析模型的故障诊断方法能够深入研究系统本质的动态性质并进行实时诊断，该方法可以分为状态估计法、等价空间法和参数估计法等。
4 发电设备故障诊断技术的发展方向
从上述分析可知，故障诊断系统是非常必要的。而目前以知识处理为核心，信号处理、建模处理与知识处理相融合的智能诊断技术正迅速发展。故障诊断技术开始与其他的前沿科学相融合，一同发展。例如：故障诊断与模糊数学、小波分析、分析几何等前沿数学的结合；故障诊断与人工神经网络、专家系统等人工智能技术的结合，以及故障诊断与信息技术的融合等。下面介绍其中一些故障诊断技术和前沿科学融合的原理。
4.1 模糊诊断的原理
电力设备故障诊断中存在着大量的不确定现象，表现为随机性和模糊性。随机性是由于试验的数据的分散性及他与故障的因果关系不确定等造成的，可以用统计的方法进行研究。模糊性是指故障的差异在某阶段存在“亦此亦彼”的特性，是故障的一种客观属性。因此，需要找到一种能够合理表征电力设备故障诊断中模糊性的工具，可将模糊数学应用于故障诊断中，用数学公式把模糊不清的概念清晰化，从而对故障现象中的模糊性能够合理量化。模糊诊断技术在电力设备监测的具体应用中，不仅突破了传统的基于规则的绝缘监测评判方法，而且利用模糊诊断技术可以对多因子故障进行分类和模糊判别。在模糊集理论发展的初期，其在电力系统中的应用是十分有限的，这主要是因为电力系统的工程师首先考虑的是电力系统的可靠性，对模糊逻辑还持有怀疑态度。但随着这一理论的不断发展完善，在电力系统中的应用领域也越来越广泛，例如：静态稳定控制、暂态稳定预测、机组运行规划、负荷预测、系统故障定位和診断、电气设备的故障诊断、负荷频率控制和预测、负荷建模、安全分析与控制等。在近些年的研究中，有人将模糊集理论引入绝缘诊断领域并取得了一定的成果。然而，在模糊集理论中，由于隶属度的获取，复杂系统的模糊模型的建立、辨识，语言规则的获取、遗忘、修改等理论和方法还不够完善，使该理论的应用受到了限制。从目前情况来看，将模糊集理论与人工智能中的专家系统、神经网络等相结合不失为解决这一问题的好方法。
4.2 人工神经网络
人工神经网络的研究源于脑神经学说，他是对生物神经系统的简单描述，基于一种特定的神经元模型，可以将很多个神经元按照不同的方案组成各种类型的人工神经网络，但他们有共同的特点：①网络由一种简单的非线性处理单元即神经元构成；②网络中神经元的数量巨大，神经元间连接的广泛性可增加网络的功能；③网络的构成和运行都按照分布-并行的方式。④网络具有学习能力和自适应性。因此，人工神经网络可用于模式识别、信号处理、自动控制、人工智能等。人工神经网络的主要模型有：多层前向神经网络；递归神经网络、自组织神经网络、Hopfield神经网络、模糊神经网络。上述模型在所取的研究途径、网络中神经元所取函数、网络的结构、运行方式、学习算法和应用上有所不同，可以根据应用的对象及目的，可选择不同的适合的人工神经网络模型。
4.3 小波分析
小波分析是一种崭新的时频分析方法，具有良好的时频局部化特性和对信号自适应、“变焦距”多尺度分析能力，适合于对非平稳信号的处理。小波分析是Fourier变换的突破性进展，并发展了窗Fourier变换的局部化思想，它的窗宽随频率增高而缩小，符合高频信号的分辨率较高的要求。小波分析的主要特点之一是具有用多重分辨率来刻划信号局部特性的能力，因而很适合探测在正常信号中出现的瞬态反常现象，并展示其成分。目前，小波分析已经成功地应用于机械设备的振动信号分析中，在电气设备的故障信号分析中，小波分析也必将成为有力的工具。
参考文献：
[1] 成永红，陈 玉，陈小林，等.测控技术在电力设备在线监测中的应用[M].北京：中国电力出版社，2006.
[2] 张建文.电气设备故障诊断技术[M].北京：中国水利水电出版社，2005.
[3] 乔海涛，冯永新.大型汽轮发电机组故障诊断技术现状与发展[J].广东电力，2003.