基于大數(shù)據(jù)的水電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)研究與實(shí)現(xiàn)

《基于大數(shù)據(jù)的水電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)研究與實(shí)現(xiàn)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、基于大數(shù)據(jù)的水電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)研宄與實(shí)（1.許繼集閉有限公司，北京100085;2.國(guó)網(wǎng)新源控股有限公司，北京100761）摘要：隨著信息通信技術(shù)的快速發(fā)展，水電廠的生產(chǎn)運(yùn)行和狀態(tài)監(jiān)測(cè)系統(tǒng)都積累丫大量的數(shù)據(jù)，采用傳統(tǒng)分析法進(jìn)行數(shù)據(jù)分析和處理，耗時(shí)且難以有效發(fā)現(xiàn)數(shù)據(jù)屮隱含的知識(shí)。本文采用大數(shù)據(jù)技術(shù)，研究水電機(jī)組狀態(tài)監(jiān)測(cè)數(shù)據(jù)、運(yùn)行數(shù)據(jù)及生產(chǎn)管理數(shù)據(jù)等與機(jī)組狀態(tài)之間的關(guān)系，通過(guò)對(duì)狀態(tài)監(jiān)測(cè)、生產(chǎn)實(shí)時(shí)、生產(chǎn)管理及同類機(jī)組運(yùn)行數(shù)據(jù)的大數(shù)據(jù)分析，實(shí)現(xiàn)機(jī)組狀態(tài)的評(píng)估和故障診斷，并可預(yù)測(cè)機(jī)組運(yùn)行的發(fā)展趨勢(shì)。采用HADOOP和SPARK平臺(tái)開(kāi)發(fā)了基于大數(shù)據(jù)

2、技術(shù)的水電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)，并通過(guò)實(shí)際算例證明了所提方法的可行性及有效性。關(guān)鍵詞：水電機(jī)組；狀態(tài)監(jiān)測(cè)；故障診斷；大數(shù)據(jù)技術(shù)0引言當(dāng)前，我國(guó)電網(wǎng)正朝著“特高壓電網(wǎng)+泛在鋝能電網(wǎng)+清潔能源”的能源互聯(lián)網(wǎng)方向發(fā)展，要消納人規(guī)模風(fēng)電和太陽(yáng)能發(fā)電，需要人力發(fā)展水電為電網(wǎng)安全運(yùn)行做保障［1］。隨著水電廠運(yùn)行和生產(chǎn)管理自動(dòng)化、智能化水平的不斷提高，積累丫海量的數(shù)據(jù)，采用傳統(tǒng)的分析方法對(duì)這些數(shù)據(jù)進(jìn)行分析和處理，耗時(shí)且難以有效發(fā)現(xiàn)數(shù)據(jù)屮隱含的知識(shí)。如何使水電機(jī)組生產(chǎn)運(yùn)行、狀態(tài)監(jiān)測(cè)和設(shè)備管理等方面的海量數(shù)據(jù)得到有效利用，使其為機(jī)組運(yùn)行狀態(tài)分析和故障診斷提供有

3、益參考，從而實(shí)現(xiàn)機(jī)組狀態(tài)檢修，成為當(dāng)前亟需研究的重要課題。目前，對(duì)于水電機(jī)組狀態(tài)監(jiān)測(cè)和故障診斷系統(tǒng)的研究人多基于傳統(tǒng)的信號(hào)處理方法，它是以水輪機(jī)的狀態(tài)監(jiān)測(cè)為基礎(chǔ)，根據(jù)所獲得的監(jiān)測(cè)數(shù)據(jù)，提取反映水輪機(jī)運(yùn)行狀態(tài)的特征值，并對(duì)這些特征值進(jìn)行分析診斷，判斷水輪機(jī)是否存在故障［2-4］。這種方法只能對(duì)故障進(jìn)行事后分析，無(wú)法實(shí)現(xiàn)預(yù)測(cè)，而且由于故障樣本數(shù)據(jù)有限，導(dǎo)致其適應(yīng)性差，只能用于特定故障的分析診斷。國(guó)內(nèi)外己奮一些基于數(shù)據(jù)挖掘技術(shù)的電力設(shè)備故障診斷和狀態(tài)檢修方面的研宄［5-6］,為發(fā)電機(jī)組狀態(tài)監(jiān)測(cè)分析和故障診斷提供了有益探索。但這些研究和系統(tǒng)開(kāi)發(fā)仍基于集中式

4、數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)挖掘技術(shù)，依賴于傳統(tǒng)的因果推斷機(jī)理建立數(shù)學(xué)分析模型，應(yīng)用范圍較窄且使用復(fù)雜。1基于大數(shù)據(jù)挖掘的故障診斷與預(yù)測(cè)方法1.1電力設(shè)備故障診斷與預(yù)測(cè)模型故障診斷與預(yù)測(cè)實(shí)質(zhì)上就是建立一套設(shè)備的運(yùn)行狀態(tài)分析系統(tǒng)來(lái)判斷設(shè)備的健康狀況，從而對(duì)是否需要對(duì)其進(jìn)行檢修做出決定，實(shí)現(xiàn)狀態(tài)檢修或者預(yù)測(cè)性維修。基于大數(shù)據(jù)數(shù)據(jù)挖掘的電力設(shè)備狀態(tài)評(píng)估模型如圖1所示。對(duì)電力設(shè)備狀態(tài)進(jìn)行評(píng)估，首先要收集設(shè)備的相關(guān)信息，包括設(shè)備的基礎(chǔ)信息、歷史運(yùn)行數(shù)據(jù)及設(shè)備缺陷信總等。通過(guò)對(duì)設(shè)備歷史運(yùn)行數(shù)據(jù)和缺陷信息進(jìn)行挖掘，得出設(shè)備缺陷情況下的特征值和設(shè)備關(guān)聯(lián)參數(shù)值，方便用戶對(duì)設(shè)備的歷

5、史情況進(jìn)行查詢和使用；設(shè)備當(dāng)前監(jiān)測(cè)值從實(shí)時(shí)數(shù)據(jù)庫(kù)或試驗(yàn)中獲得，是被分析的對(duì)象；設(shè)備健康狀況分析就是以數(shù)據(jù)挖掘的結(jié)果為依據(jù)，對(duì)設(shè)備當(dāng)前監(jiān)測(cè)值進(jìn)行對(duì)比分析，判斷當(dāng)前設(shè)備運(yùn)行狀態(tài)是否正常［7】。圖1基于人數(shù)據(jù)挖掘的電力設(shè)備故障診斷模型2.1大數(shù)據(jù)挖掘算法數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中挖掘出有用的信息，即從大量的、不完全的、有噪音的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中發(fā)現(xiàn)隱含的、規(guī)律性的、人們事先未知的，但又是潛在奮用的并且最終可理解的信息和知識(shí)的非平凡過(guò)程。數(shù)據(jù)挖掘的一般過(guò)程包括數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘和數(shù)據(jù)解釋五個(gè)方面。本文將SVM、多元線性冋歸

6、等算法應(yīng)用于水電機(jī)組振動(dòng)數(shù)據(jù)的建模和故障預(yù)測(cè)分析，并基于大數(shù)據(jù)平臺(tái)構(gòu)建機(jī)組狀態(tài)監(jiān)測(cè)和故障診斷系統(tǒng)，通過(guò)實(shí)際算例比較了各種算法的分析效果。2水電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)設(shè)計(jì)水輪發(fā)電機(jī)組是一個(gè)涉及機(jī)械、電磁和水力的復(fù)雜系統(tǒng)。機(jī)組在運(yùn)行吋，除了機(jī)械因素外，還有電磁和水力因素的影響?，F(xiàn)代化的水電廠都建設(shè)有較為齊全的水電機(jī)組狀態(tài)監(jiān)測(cè)系統(tǒng)，擁冇人量的監(jiān)測(cè)數(shù)據(jù)和設(shè)備歷史運(yùn)行數(shù)據(jù)，這對(duì)系統(tǒng)的存儲(chǔ)能力和計(jì)算效率提出了更高的要求，如圖2所示。因此，本文提出了利用大數(shù)據(jù)云平臺(tái)的海量存儲(chǔ)能力以及并行計(jì)算能力，對(duì)機(jī)組狀態(tài)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析，尤其是對(duì)能夠直接反映機(jī)組故障的振動(dòng)

7、數(shù)據(jù)進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)故障診斷，為機(jī)組安全穩(wěn)定運(yùn)行提供決策依據(jù)。圖2水電機(jī)組狀態(tài)監(jiān)測(cè)示意圖基于大數(shù)據(jù)技術(shù)的水電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)架構(gòu)如圖3所示。系統(tǒng)架構(gòu)主要包括三部分，分別為數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)處理平臺(tái)。數(shù)據(jù)采集是將實(shí)吋流數(shù)據(jù)（在線監(jiān)測(cè)數(shù)據(jù)）、關(guān)系數(shù)據(jù)庫(kù)數(shù)據(jù)（生產(chǎn)管理數(shù)據(jù)）以及其它外部系統(tǒng)數(shù)據(jù)采集到平臺(tái)自有數(shù)據(jù)存儲(chǔ)中。數(shù)據(jù)存儲(chǔ)包括關(guān)系數(shù)據(jù)庫(kù)和分布式數(shù)據(jù)庫(kù)，關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)數(shù)據(jù)量不大的業(yè)務(wù)數(shù)據(jù)和基礎(chǔ)數(shù)據(jù)，分布式數(shù)據(jù)庫(kù)或文件系統(tǒng)存儲(chǔ)人量快速增長(zhǎng)的數(shù)據(jù)，如各種狀態(tài)監(jiān)測(cè)數(shù)據(jù)。人數(shù)據(jù)處理平臺(tái)以Spark框架、Web應(yīng)用平臺(tái)、分布式調(diào)度服務(wù)為核心，利用

8、分布式調(diào)度服務(wù)，實(shí)現(xiàn)web應(yīng)用平臺(tái)程序與大數(shù)據(jù)框架程序之間的任務(wù)執(zhí)行與反饋，如故障診斷、預(yù)測(cè)操作。系統(tǒng)功能由基于web應(yīng)用