引言
贯流式机组的流道顺直流场更加均衡，具有更高的水力效率、更宽的高效区域、更高的单位速度和更大的过流能力，与同等体积的垂直机组相比，其体积更小、质量更轻、可以设置在大坝上、省去了繁琐的导流体系、降低了工厂占地、土建工作量少、基坑深度浅、投资省。水电机组的辅机设备是指与水轮机和发电机等主机设备相配套的附件，主要有水轮机主阀、油气水系统和水力监控系统等，它的作用是保证机组的运行，并能使其在运行中实现运行、控制、维护、检修和运行管理。辅机是构成整机的一个关键部件，一旦发生失效，不仅会导致装备损坏，还会引起重大的安全事故。为此，需要对电站辅机进行检修和保养，以保证其长时间的平稳运行。
1、智慧水利
2019年，水利部对“智慧水利”的整体规划，提出以现代科技为手段，构建完善的水利信息感知系统，完善水利系统的保障和支持，推进水利系统的精细化管理，提高科学的决策与调度，实现“感知更深入、互联更全面、决策更科学、更智慧”的智慧水利管理系统。刘鹤等人针对水电站设备巡视的现实需求，对智能巡视系统的设计原理、系统总体架构、主要功能模块进行了详细的描述，并对其在水电站中的使用进行了详细的说明，达到了以系统替代人工进行设备巡视的目标；部分学者在阐明水电机组海量信息特征的基础上，提出一种基于多源信息的智能工况解析与健康状态相关性分析模型，用于对水电机组进行故障诊断与诊断，为其提供理论基础和指导。还有学者针对水电单元状态数据内容与状态数据融合的思路和方法进行了深入研究，并将大数据应用于水电单元状态数据的处理，构建基于数据的单元状态数据分析框架。
2、辅助设备监测与故障诊断现状
近年来，我国水电工程中出现了大量的有源及输电设备的在线监控设备，对其进行实时监控和故障诊断具有重要意义。电力系统中，辅机的运行状况监控和故障诊断是实现智能化的关键环节，因此，国内外已有相关研究人员开展了相应的研究。有学者通过对水电站辅机的智能化改造的研究，指出了水电站可以在已有的设备的基础上，结合自己的特色，构建一个智能化的水电站，在电厂现存的监测系统中，使辅助设备的信息化、数字化、自动化和交互化，为电厂的站控层提供全面、详尽、准确的辅助设备的基本资料。还有研究对岩滩水电站水轮发电机组2号机辅机的遥控监测能力进行了优化，通过对2号机辅机的遥控监测，使其工作可靠度大幅提升，同时对其它机组和辅机的智能化改造也具有一定的参考价值。一部分学者对水电厂中一些主要辅机的控制方法及控制逻辑进行了规范化研究，给出了一种简便可靠，应用广泛的解决方法。因此，对水电厂辅机进行实时监控和故障诊断是十分必要的。本文以贯流式机组辅机设备为研究对象，借鉴智能终端的有关技术，构建智能一体化的新型辅机设备的实时监控与故障诊断体系，为实现水电厂智能化集成奠定理论依据。
3、智能化辅机设备在线监测及故障诊断系统
3.1智能化辅机设备在线监测及故障诊断系统概述
该系统由集中控制平台、云存储平台、计算平台和终端传感平台组成。从图1可以看出，该集中控制平台包括一个监控中心、一个指令中心和一个数据库1，它的作用是在线监控附属装置的各个工作参数，根据状态预测，诊断结果，发布指令，并保存数据。该云存储平台的核心作用是数据的存储和交换，它包含了常规的数据存储平台和一个特殊的数据存储平台，其中，将异常的数据存储到数据库1中，并且将数据库1与集中控制平台相连接；普通数据存储与数据库2相关联，数据库2被连接至关键二级装置监测中心。在此基础上，设计了一套通用的、可扩展的系统。在现场监测和信息传感方面，实现了对机器的实时监测，对机器的工作状态参数进行监控，对工作介质参数进行监测，并对其进行智能化巡视。
图1 辅助设备在线监测与故障诊断系统示意图
3.2系统工作流程
智能辅助装置的实时监测与故障诊断，其工作过程包括：通过终端感知平台对现场进行现场监测、数据感知，然后将数据上载到计算平台进行数据的处理和分析，并将数据传送到集中控制平台的屏幕上，当数据被上载到计算平台之后，判断正常和异常，把正常数据存储起来，然后对异常数据进行相应的诊断和解析，最终把诊断和分析的结论向指挥中心报告，指挥中心发布指令，操作人员按照相应的指令进行维修和排除异常，详细的工作过程如图2所示。在图2中，通过一种基于振动传感器、温度传感器、压力传感器、电流传感器、电压传感器、液位信号计等传感器来监控和采集机器设备的工作状态参数和工质值。其中，泵的振动、转速、功率、电流、电压、压力、温度、启动次数、工作时间、门和阀的位置；制冷剂指数监控的参数有：油系统的油温、油压、油质、油位等，供水系统的水压、流量、水温、水流通断，排水系统的水位，空气系统的空气压缩机的废气压力，废气温度，冷却水量，储气罐的压力和温度，气体的压力和温度。为了帮助在线监控和故障诊断，并对由于仪表故障造成的系综误差进行判断，通过终端传感平台来实现对设备进行智能巡视。
根据不同的系统和重要程度，对各个检测节点进行排序，确定最佳路径，并将其输入到智能机器人系统中，实现机器人在预定的路径上巡视。另外，这些智能机器人还可以识别、拍照和录像，也就是说，各个监控点都具有安全值或安全状况，还可以将这个点的安全值和安全状况输入到这个智能机器人的系统中。每次巡视的时候，这些智能机器人都会按照规定的路径来识别各个监测点，并拍摄它们的相片，再把它们的实际情况和理论情况相比较，得到一个比较的结果再进行反馈。智能巡视分为常规巡视和不定时巡视两种，常规巡视是根据辅机和制冷剂的工作循环来确定，而不定时巡视就是在监控数据发生变化的时候进行的。在将采集到的数据上载到计算平台之后，通过终端传感系统对所采集的数据进行处理和分析，并将所采集的油气系统设备的操作参数和工质指数参数监控资料输入到显示屏2，将天然气系统设备的操作参数和工质指数参数监控资料输入到显示屏4中。如果数据分析是正确的，那么将其存储在数据库2中；如果在第一个数据库中有一致的记录，那么这个数据就是异常的，根据情况执行状况预报和故障分析，得到解析和诊断结果。如果在第1号数据库中不存在一致的纪录，将其与电厂的有关资料进行相关性分析，以确定该异常的原因是水力单元的异常引起的；或者通过对各个体系中的异常数据进行分析，判定这些异常究竟是由于器件或工作介质的原因所致，然后通过对这些数据进行学习，抽取其特征量，从而构建新的状态预报和故障诊断模型，从而得到解析式的故障诊断。将异常资料、处理流程和结果保存在第1号数据库。指挥中心依据以上的分析与诊断结果，向辅助装置发出警报、意外、故障、中断等指令，并按照相应指令对辅助装置进行维修和维修，直到出现异常为止。数据库1和数据库2具有交换资料的能力，可以互相撷取资料纪录，也可以互相写入资料纪录。第1号数据库具备与外界数据库通讯的能力，例如可以与其它电厂数据库进行通信，然后再来找出该数据库的漏洞。
图2 智能化辅机设备在线监测及故障诊断系统工作流程图
4、项目实例
4.1项目概况
国家能源集团江苏电力有限公司成立于2008年12月31日，主营业务为从事电力、热力的投资与资产管理，以及相关技术服务和信息咨询服务。公司下辖7家火力发电企业、1家燃料公司、1家售电公司、1家新能源公司、1家工程技术公司、1个培训中心，分别是国家能源集团谏壁发电厂、国能徐州发电有限公司、国能常州发电有限公司、国家能源集团宿迁发电有限公司、国家能源集团泰州发电有限公司、国能太仓发电有限公司、国能陈家港发电有限公司、国家能源集团江苏燃料有限公司和国能江苏能源销售有限公司、国能江苏新能源科技开发有限公司、国能江苏电力工程技术有限公司、国家能源集团江苏电力有限公司培训中心。至2021年底，全公司在运燃煤发电机组18台（1382万千瓦)，其中100万千瓦机组8台。
国家能源集团江苏电力有限公司已经搭建了自己的云平台，但各电厂的运行数据和设备状态并未进一步集中管理，缺乏可靠的故障诊断和智能预警系统。在充分调研云平台构建、故障诊断和智能预警的最新研究成果基础上，本项目采用集成管理技术和多视角特征提取与融合分析方法实现发电机组的集中监测、诊断、预警与全周期管理，建立一个多层次、一体化、即时交互的技术服务平台。
4.2主要研究内容
（1）生产运行数据与设备状态集成管理技术贯流式机组运行数据具有多样性的特点，其数据来源广泛，数据类型繁杂，数据节点众多，这种复杂的数据结构给分析与处理带来了极大的挑战。本项目通过对电厂发电机组运行参数进行抽取与集成，把不同来源、格式、特点、性质的数据在逻辑上或者存储介质上有机地集中，经过关联和聚合之后采用统一的结构，为系统存储一系列面向主题的、集成的、相对稳定的、反映历史变化的数据集合，以解决不同系统间的数据冗余和信息孤岛问题，为用户提供快速便捷的数据查询、分析与集成管理服务。
（2）多视角特征提取与融合分析方法。设备运行状态需要通过多维特征空间进行描述，特征集的构建主要包括特征提取、特征选择和特征融合。通过对风机的振动、温度、电流等状态参数时域、频域、时频域以及非线性域特征的提取，构建设备运行状态多视角特征集；然后通过特征选择筛选出混合域特征集中能有效表征设备健康度的关键参数，去除非敏感、非相关性特征以降低特征空间的冗余性；最后通过特征融合进一步增强特征向量对设备故障信息的敏感性，提高抗干扰能力以获得更好的状态识别效果。
（3）设备运行状态智能诊断与预警方法。发电机组及其辅助设备结构相对复杂，测点众多，其运行状态也受诸多因素的影响。基于数据驱动的方法不需要建立精确的数学模型，不需要深入研究故障机理和积累大量专家经验，为复杂工况下设备运行状态的智能诊断与预警提供了新思路。本项目拟在运行参数集成管理和运行状态特征集构建的工作基础上，通过聚类分析、Boosting集成、卷积自编码神经网络、关联规则分析、多变量时间序列分析等机器学习算法构建AI矩阵，挖掘设备健康状态与监测参数间的映射关系。通过对多种大数据分析模型的有效融合，实现机组运行状态的准确评估，制定设备可靠性的智能预警与多级评价体系。
（4）设备劣化趋势预测与分析算法。劣化趋势预测通过大数据挖掘算法实现，当前国际上提出了两种基于数据驱动的预测方法：一种是把n维特征数据映射为1维健康指标数据，然后采用曲线拟合、外推等方式进行预测；另一种是直接进行n维数据的模式匹配，构建特征空间的n维数据的退化特征，并给出对象目标的退化状态或剩余使用寿命。考虑到进行特征融合得到的健康指标没有明确的物理意义，本项目将采用第二种策略。常用的基于数据驱动的劣化趋势预测算法主要有回归模型、贝叶斯推理、高斯混合模型等统计分析方法，以及模糊决策树、人工神经网络、支持向量机等机器学习方法，本项目则吸收目前人工智能最新研究成果，建立门控循环单元（GRU)联合多尺度学习的设备劣化趋势预测与分析模型。
（5）基于工业云的远程诊断与智能预警软件系统研发。在运行数据集成管理、特征集构建、智能诊断模型与劣化趋势预测算法的基础之上，研究基于云平台的远程诊断与智能预警软件系统研发方法。软件系统主要分为数据采集模块、数据管理模块和诊断分析模块。数据采集模块定时采集各电厂的实时运行数据（包括厂级监控信息系统SIS、旋转机械诊断监测管理系统TDM、企业资源管理系统ERP等数据)，并内置异常数据剔除、数据汇总、特征提取数据预处理功能，然后将数据送入实时数据库系统进行存储。数据管理模块主要包括时间序列数据和关系型数据的管理。运行数据为时序型数据，需要通过时间序列数据库进行存储，分析结果等数据采用关系型数据库进行存储。诊断分析模块利用知识库中的知识，对运行数据进行分析，实现发电机组运行状态智能诊断、分级预警、异常检测、退化趋势分析等功能，并提供不同机组的集中监测与可视化解决方案。
5、结语
综上所述，针对目前国内贯流式机组辅机监控与故障诊断技术存在的不足，对其进行了深入的研究。通过贯流式机组辅机设备的高效运作，可以实时记录、存储、显示各种辅机设备的各项工作参数，并对其进行实时分析，将其与水电单元的操作相结合，实时地体现出它们与机组的稳定工作的相关性，进而更好地为水电机组的正常工作状况进行实时监控，并对其进行故障诊断，提升其工作和维修的效能，为构建具有智能化的水电站及其附属设施的实时监控和故障诊断体系奠定了坚实的理论基础。
参考文献
[1]尹子康,林忠伟,吕广华,等.基于数据驱动的风电机组变桨系统故障诊断与健康状态预测研究[J].东北电力大学学报,2023,43(5):1-11.
[2]种磊.带式输送机在线监测与故障诊断系统的研究与应用[J].煤矿机械,2022(007):043.
[3]赵晓轶,王佳乐,梁永春."电力设备在线监测与故障诊断"案例库建设与实施[J].教育进展,2023,13(4):7.
[4]张英,吕辉.带式输送机状态监测及故障诊断系统设计研究[J].煤炭技术,2022(007):041.
[5]白秀峰.基于工业互联网技术的设备在线监测及故障诊断技术研究与应用[J].石油石化物资采购,2022(18):70-72.
[6]吴祖斌,白彬,王沛沛,等.基于大数据挖掘的发电设备状态监测与故障诊断系统的开发与应用[J].中国设备工程,2022(013):000.
[7]吕东,刘维滨,于邦廷,等.海洋油气平台离心压缩机在线监测和远程诊断系统设计研究[J].石油和化工设备,2022,25(6):6.
[8]李洪川,王旭东,王东明,等.基于故障树的风电机组变桨系统故障诊断研究[J].设备管理与维修,2022(015):000.
[9]燕文清.机电一体化设备故障诊断系统设计与应用研究[J].中文科技期刊数据库(文摘版)工程技术,2022(4):3.
[10]刘才学,罗能,何攀,等.反应堆关键设备健康监测与故障诊断技术研究进展[J].核动力工程,2023,44(3):8-20.
[11]孟宪辉,刘强,张超,等.大型天然气压缩机组在线状态监测及数据分析技术研究[J].当代石油石化,2023,31(12):28-31.
[12]余方明,胡泽报.基于架空线路在线监测设备的混合供电系统研究与应用[J].中国科技投资,2022(31):81-83.
[13]王照阳.新型电力系统中电力设备故障诊断技术研究[J].科技创新与应用,2022,12(32):81-84.
作者简介:牛志岗(1988 ~ ),男,学士,工程师,高级技师,主要从事电力科技创新管理工作。
