一种基于多维运行参量的发电机健康状态评估方法与流程
本发明涉及发电机状态监测技术与故障诊断,具体是一种基于多维运行参量的发电机健康状态评估方法。
背景技术:
1、发电机作为电力系统的核心设备,其健康状态直接关系到机组安全运行和电网供电可靠性。随着状态监测技术的普及,发电机组普遍安装了连续数据采集系统,能够实时记录有功功率、定子电流、励磁电流、轴承振动、绕组温度和氢气压力等多维运行参量,为数据驱动的健康状态评估提供了丰富的信息基础。
2、1、传统发电机健康状态评估方法通常对各运行参量仅做独立标准化后直接输入模型,未能充分利用额定有功功率和负载率构造物理约束特征,导致正常负载波动引起的参量变化容易被误判为设备状态劣化。
3、2、现有基于深度学习的时序诊断模型多采用静态特征融合方式,未考虑物理残差特征在不同负载率和运行年限条件下的诊断价值和可信程度差异,使得低负载或高老化场景下测量噪声和自然漂移容易干扰评估结果。
4、3、现有方法在训练损失设计和在线评估输出上通常只关注分类精度或概率最大值,缺乏对健康状态等级递进关系的显式约束以及针对负载率覆盖度不足、运行年限较长等工况的自适应置信度校正,导致相邻等级边界模糊,实际应用中误判风险较高。
技术实现思路
1、为解决现有技术中的不足,本发明提供一种基于多维运行参量的发电机健康状态评估方法,能分离正常负载波动与设备异常,提高变负载及老化条件下评估的准确性和鲁棒性。
2、本发明为实现上述目的,通过以下技术方案实现:
3、一种基于多维运行参量的发电机健康状态评估方法,包括以下步骤:
4、采集发电机运行过程中的多维运行参量,并同步获取发电机的额定有功功率和运行年限,对由连续多个采样周期构成的运行监测样本进行健康状态标注;
5、对多维运行参量进行标准化处理,并基于额定有功功率构造负载率,利用健康状态样本建立负载率与运行参量之间的物理基准关系,提取负载率引导的物理增强特征,物理增强特征包括时序物理残差特征和样本级物理辅助特征;
6、将标准化后的多维运行参量、物理增强特征进行融合,得到增强时序输入;
7、构建负载率门控残差融合时序编码网络,负载率门控残差融合时序编码网络在时序编码过程中根据负载率和标准化静态向量动态调节物理残差特征的融合强度,并输出健康状态概率分布;
8、训练负载率门控残差融合时序编码网络,训练时采用交叉熵损失与有序间隔约束损失相结合,有序间隔约束损失根据真实健康状态标签的相邻等级以及运行年限调节相邻等级之间的概率间隔要求;
9、在线评估时,根据窗口平均负载率和标准化运行年限对网络输出的健康状态概率分布进行校正,取校正后概率最大的健康状态等级作为发电机健康状态评估结果。
10、进一步的,多维运行参量包括有功功率、定子电流、励磁电流、轴承振动速度有效值、定子绕组温度和氢气压力;运行监测样本由连续多个采样周期构成,额定有功功率和运行年限经归一化后构成标准化静态向量。
11、进一步的,标准化处理使用训练阶段保存的标准化统计量,验证阶段和在线评估阶段沿用训练阶段保存的标准化统计量;对于涉及物理量比例或物理量差分的特征,先使用标准化前的运行参量计算,再对计算得到的特征执行标准化。
12、进一步的,物理残差特征包括电气耦合残差序列,电气耦合残差序列通过以下方式得到:
13、从健康状态样本中建立定子电流与负载率之间的正常电气耦合关系;
14、将待评估样本的定子电流相对于该正常电气耦合关系的偏离按采样时间排列,得到电气耦合残差序列。
15、进一步的,物理残差特征包括振动负载残差序列,振动负载残差序列通过以下方式得到:
16、根据健康状态样本确定轴承振动速度有效值随负载率变化的振动负载幂律指数,或采用预设的振动负载幂律指数,对轴承振动速度有效值进行负载归一化,得到负载归一化振动量;
17、再去除样本内均值,得到振动负载残差序列。
18、进一步的,样本级物理辅助特征包括电气耦合残差能量和单位负载温升速率特征,电气耦合残差能量基于电气耦合残差序列和负载率权重计算得到;
19、单位负载温升速率特征通过以下方式得到:
20、根据相邻采样周期的定子绕组温度正向上升量、采样时间间隔和对应负载率,计算各相邻采样周期的单位负载温升速率,并按采样周期取平均,得到单位负载温升速率特征;样本级物理辅助特征包括电气耦合残差能量和单位负载温升速率特征。
21、进一步的,负载率门控残差融合时序编码网络包括多层负载率门控残差融合单元,每层负载率门控残差融合单元执行以下处理:
22、对上一层隐状态沿采样周期方向执行一维时间卷积,得到基础时序特征;
23、根据标准化静态向量和当前采样周期的负载率计算负载率门控权重;
24、利用负载率门控权重对物理残差输入向量进行线性映射和门控缩放,得到门控残差融合特征;
25、将基础时序特征、门控残差融合特征和偏置相加后,经通道门控激活处理,得到该层隐状态;
26、其中,各层负载率门控残差融合单元直接从增强时序输入中读取物理残差输入向量。
27、进一步的,通道门控激活处理采用双曲正切函数与sigmoid函数相乘的方式,在保留残差方向信息的同时抑制大幅值输入的幅值,以避免电气耦合残差突变或振动冲击直接主导隐状态幅值。
28、进一步的,有序间隔约束损失仅约束真实健康状态等级与其相邻健康状态等级之间的预测概率间隔,不要求全部健康状态等级的预测概率单调变化;并且,运行年限越长,相邻健康状态等级之间要求保持的最小预测概率间隔越大;交叉熵损失与有序间隔约束损失进行加权组合,得到最终训练损失。
29、进一步的,在线评估时:
30、校正强度与窗口平均负载率正相关,并与标准化运行年限负相关;
31、当窗口平均负载率较高且运行年限较短时,增强分类得分差异;
32、当窗口平均负载率较低或运行年限较长时,平滑原始健康状态概率分布;
33、校正后的健康状态概率仍满足非负且总和为1,取校正后概率最大的健康状态等级作为当前窗口的发电机健康状态评估结果 。
34、对比现有技术,本发明的有益效果在于:
35、1、本发明通过额定有功功率构造负载率,并据此提取电气耦合残差、振动负载残差和单位负载温升速率等物理增强特征,将正常负载变化与设备异常引起的参量偏移有效分离,避免了仅依赖独立标准化数据导致工况干扰与故障特征混淆的问题。
36、2、本发明采用负载率门控残差融合时序编码网络,使物理残差特征在不同负载水平和运行年限条件下以不同强度融入各层时间卷积编码过程,实现对变负载工况下诊断信息可信程度的动态调节,提升了特征融合的针对性和鲁棒性。
37、3、本发明引入运行年限调节的有序间隔感知损失函数和基于负载率覆盖度的在线评估校正机制,前者在训练阶段强化相邻健康状态等级之间的概率区分,后者在在线阶段根据窗口平均负载率和运行年限自适应调整分类置信度,有效增强了健康状态等级边界的清晰度和评估结果在复杂工况下的稳定性。
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