一种基于岭回归策略的发电机转子冷氢风路堵塞评估方法及系统与流程
本发明属于发电设备状态监测与故障诊断,特别涉及一种基于岭回归策略的发电机转子冷氢风路堵塞评估方法及系统。
背景技术:
1、随着新能源发电的大规模并网,火电机组频繁参与深度调峰运行。在此过程中,发电机转子负荷频繁变化,导致转子温度周期性波动,转子本体产生反复的膨胀与收缩。转子端部的绝缘层在长期交变膨胀-收缩应力的作用下,易发生疲劳脱落。脱落的绝缘碎屑随冷氢气流进入转子冷却风道,逐渐堆积并造成局部风道堵塞。
2、风道堵塞会直接导致转子绕组冷却不均匀,局部温度异常升高,进而引发转子热弯曲。热弯曲会显著增大转子的不平衡振动,且该振动与冷氢温度呈现强相关性——当冷氢温度升高或风道堵塞程度加重时,振动幅值均会明显上升。在部分深度调峰或冷却风量受限场景下,冷氢平均温度与工频振动幅值、温度不均匀系数或堵塞概率还可能表现为负相关关系,即冷氢温度降低或变化不明显时,局部散热恶化和堵塞风险反而逐步升高;同时该温度变化通常具有明显延时性和缓慢变化特征,难以通过单一瞬时温度阈值准确识别。
3、现有技术中,振动监测方法难以有效区分由热弯曲引起的振动与原始质量不平衡引起的振动,且缺乏针对风道堵塞程度的直接、在线评估手段。部分方法依赖人工经验判断,主观性强、响应滞后,无法满足深度调峰工况下对发电机状态进行实时、精准评估的需求。因此,亟需一种基于岭回归策略的发电机转子冷氢风路堵塞评估方法及系统,基于机器学习与岭回归策略、面向深度调峰工况的发电机转子冷氢风路堵塞状态评估,实现振动与温度耦合特征的智能化、非侵入式评估。
技术实现思路
1、本发明旨在提供一种基于机器学习(特别是岭回归策略)的发电机转子冷氢风路堵塞评估方法,用于解决深度调峰工况下因转子频繁膨胀导致绝缘层脱落堵塞风道、进而引发热弯曲及异常振动的技术问题,实现对风道堵塞状态的在线、非侵入式定量评估。
2、本发明的目的是提供一种基于岭回归策略的发电机转子冷氢风路堵塞评估方法,包括以下步骤:
3、步骤s1:采集发电机深度调峰工况下的多源运行数据,所述多源运行数据包括:转子轴振信号、冷氢温度多点分布数据、转子相对膨胀量、机组负荷及负荷变化率;
4、步骤s2:对所述多源运行数据进行预处理与特征提取,计算获得多维特征,所述多维特征包括:冷氢温度不均匀系数、转子膨胀变化频次、振动-温度耦合敏感度、冷氢温度负相关特征、冷氢温度延时性缓慢变化特征及频谱幅值特征;
5、步骤s3:构建基于岭回归的机器学习评估模型,以多维特征为输入,输出转子冷氢风路堵塞概率及堵塞等级;
6、步骤s4:采用历史运行数据与检修标定标签完成所述评估模型训练,通过交叉验证优化模型超参数,提升所述评估模型泛化能力;
7、步骤s5:将实时运行数据输入训练完成的所述评估模型,输出堵塞概率,当概率超出预设阈值时判定存在风道堵塞风险并分级预警;
8、步骤s6:根据判定结果输出预警信息与检修建议。
9、所述振动-温度耦合敏感度的计算公式为:
10、;
11、式中,中为工频振动幅值变化量,为冷氢平均温度变化量。
12、所述冷氢温度不均匀系数的计算公式为:
13、;
14、式中,、、分别为同一时刻冷氢温度的最大值、最小值及平均值。
15、所述深度调峰工况的判定条件为:
16、机组负荷变化率≥3%额定负荷每分钟,或负荷低于30%额定负荷且持续时间≥2小时。
17、所述基于岭回归的机器学习评估模型采用岭回归算法,用于应对特征间的多重共线性问题。
18、所述基于岭回归的机器学习评估模型为线性岭回归模型、多项式岭回归模型或带有时间窗口特征输入的岭回归模型,用于捕捉振动信号与冷氢温度随时间演变的动态关联特征。
19、所述多维特征还包括:转子热弯曲特征频率,所述转子热弯曲特征频率为工频1倍频振动随冷氢温度的变化特征。
20、所述冷氢温度负相关特征为冷氢平均温度或冷氢温度变化量与工频振动幅值、温度不均匀系数或堵塞概率之间的负相关关系,用于识别冷氢温度降低或缓慢变化时风道堵塞风险反向升高的运行特征。
21、所述冷氢温度延时性缓慢变化特征用于表征冷氢温度变化相对于振动幅值、温度不均匀系数或堵塞概率变化存在的时间滞后,以及冷氢温度在预设时间窗口内呈缓慢单调变化或低斜率变化的趋势。
22、本发明的另一个目的是公开一种根据本发明所述的基于岭回归策略的发电机转子冷氢风路堵塞评估方法的基于岭回归策略的发电机转子冷氢风路堵塞评估系统,包括:
23、数据采集模块:用于采集转子振动信号、冷氢温度分布数据及转子膨胀量数据;
24、特征计算模块:用于计算温度不均匀系数、转子膨胀频次、振动-温度耦合敏感度、冷氢温度负相关特征以及冷氢温度延时性缓慢变化特征;
25、机器学习评估模块:内置预先训练好的岭回归或深度学习模型,用于输出风道堵塞概率;
26、预警输出模块:用于根据堵塞概率分级输出预警信息。
27、本发明的有益效果在于:
28、对深度调峰工况下转子频繁膨胀导致绝缘层脱落并堵塞风道的问题,通过振动与温度的耦合相关性分析,实现了对冷氢风路堵塞状态的非侵入式在线评估,能够有效预警转子热弯曲故障,提升发电机的运行安全性,具体包括:
29、 1、非侵入式评估:无需停机或拆解转子,仅利用现有振动与温度信号即可实现风道堵塞状态评估,工程实施成本低。
30、2、针对性强:专门面向深度调峰工况设计,明确引入转子膨胀频次特征,解决频繁膨胀导致绝缘层脱落的特定故障机理建模问题。
31、3、物理意义清晰:依托振动与冷氢温度的强相关性,将温度分布不均匀作为风道堵塞的直接指征,模型可解释性强。同时引入冷氢温度负相关及延时缓变特征,可避免将冷氢温度瞬时降低或缓慢波动误判为正常冷却状态,提高对早期堵塞和热弯曲趋势的识别可靠性。
32、4、早期预警能力突出:可在振动幅值仍处于允许范围时提前识别堵塞趋势,避免发展为严重转子热弯曲事故。
33、5、通用性与适应性强:方法可推广应用于不同容量、不同结构的氢冷发电机,具备良好工程适配性。
34、6、算法鲁棒性高:采用岭回归策略,有效应对特征间多重共线性问题,提升模型在复杂工况下的稳定性与预测精度。
1.一种基于岭回归策略的发电机转子冷氢风路堵塞评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于岭回归策略的发电机转子冷氢风路堵塞评估方法,其特征在于,所述振动-温度耦合敏感度的计算公式为:
3.根据权利要求1所述的基于岭回归策略的发电机转子冷氢风路堵塞评估方法,其特征在于,所述冷氢温度不均匀系数的计算公式为:
4.根据权利要求1所述的基于岭回归策略的发电机转子冷氢风路堵塞评估方法,其特征在于,所述深度调峰工况的判定条件为:
5.根据权利要求1所述的基于岭回归策略的发电机转子冷氢风路堵塞评估方法,其特征在于,所述基于岭回归的机器学习评估模型采用岭回归算法,用于应对特征间的多重共线性问题。
6.根据权利要求1所述的基于岭回归策略的发电机转子冷氢风路堵塞评估方法,其特征在于,所述基于岭回归的机器学习评估模型为线性岭回归模型、多项式岭回归模型或带有时间窗口特征输入的岭回归模型,用于捕捉振动信号与冷氢温度随时间演变的动态关联特征。
7.根据权利要求1所述的基于岭回归策略的发电机转子冷氢风路堵塞评估方法,其特征在于,所述多维特征还包括:转子热弯曲特征频率,所述转子热弯曲特征频率为工频1倍频振动随冷氢温度的变化特征。
8.根据权利要求1所述的基于岭回归策略的发电机转子冷氢风路堵塞评估方法,其特征在于,所述冷氢温度负相关特征为冷氢平均温度或冷氢温度变化量与工频振动幅值、温度不均匀系数或堵塞概率之间的负相关关系,用于识别冷氢温度降低或缓慢变化时风道堵塞风险反向升高的运行特征。
9.根据权利要求1所述的基于岭回归策略的发电机转子冷氢风路堵塞评估方法,其特征在于,所述冷氢温度延时性缓慢变化特征用于表征冷氢温度变化相对于振动幅值、温度不均匀系数或堵塞概率变化存在的时间滞后,以及冷氢温度在预设时间窗口内呈缓慢单调变化或低斜率变化的趋势。
10.一种根据权利要求1-9任意一项所述的基于岭回归策略的发电机转子冷氢风路堵塞评估方法的基于岭回归策略的发电机转子冷氢风路堵塞评估系统,其特征在于,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com