一种基于物联网技术的机组振动监测装置及方法与流程

1.本发明属于水轮发电机组振动监测技术领域，具体涉及一种基于物联网技术的机组振动监测装置及方法。


背景技术：

2.转速、振动、摆度、温度、压力、电气量等参数是体现水轮发电机组运行状态的关键性指标，这些指标的幅值大小可以间接反映出水轮发电机组(以下称机组)是否正常。如机组运行过程发生调节参数偏离正常值、跳变时未采取措施，将导致机组失稳或机械电气事故，机组将甩去全部负荷，若调速器控制失灵，造成导叶不能够快速关闭，机组的转速会急速升高，上升至飞逸转速，发生机械过速保护动作开启导水叶停机。机组从正常状态过渡到失稳状态的时间很短，机组脱离正常运行状态，破坏机组动态平衡，严重时会发生重大安全事故，造成机组的损坏和经济损失。
3.机组运行参数测量的准确性、稳定性和连续性，能有效掌握机组状态的变化过程，参数变化将直接影响机组及自动控制系统调节的稳定性，通过掌握参数变化趋势，并结合机组运行工况来实现机组的安全调节，采取有效的电气、机械安全措施，提供检修辅助决策，是提高机组安全稳定运行的保证。
4.由于机组运行状态是否正常与电气、机械、水力因素有密切关系，三者相互作用又相互影响，其作用力形成耦合力，对机组状态产生增强或是削弱的影响力。水轮发电机组的一般振动不会危害机组,但当机组振动超过允许值,尤其是长期振动及发生共振时,对供电质量、机组使用寿命、附属设备及仪器的性能、机组基础和周围的建筑物,甚至对整个水电站的安全经济运行等,都会带来严重的危害。
5.目前机组的电气、机械及水力参数测量大多采用单独的测量仪表，转速仪采集机组的转速及频率；振摆仪采集机组的振摆幅值；压力仪表采集机组过流部件压力及流量参数；交流采样装置采集机组电流、电压、功率等参数，装置仪表的数据通过现场总线传输到机组监控装置或后台系统中。
6.由于机组参数测量仪表的功能单一，或因元器件选用及检测原理的固有特性造成测量误差，并受加工工艺及安装质量等原因影响，使测量仪表抗干扰能力不足，不同仪表厂家采用的标准不统一，接口不规范，使用中存在通信中断、干扰、数据跳变、误码及丢包等现象，不满足机组参数测量规范的要求。
7.针对机组参数检测也有专用的设备，它按参数类型配置各类传感器，采集机组运行指标参数，由传感器、端子箱，信号电缆，监测装置、后台系统组成，但存在造价高，施工难度大，信号拓展能力不足，并传感器受加工及安装工艺的影响，信号精度差等问题。
8.随着物联网技术的发展，特别是无线自组网技术的广泛应用，采用无线自组网模块进行无线数据传输，且多个同类型的模块能自动组网，实现模块之间的互通及信息同步，无需配置设备联网所需的信号与通信电缆，并满足检测信号扩展的要求。


技术实现要素：

9.本发明的目的在于：提供一种基于物联网技术的机组振动监测装置及方法，解决现有监测设备功能单一、抗干扰能力不足、信号拓展能力不足、信号精度差、造价高、施工难度大的问题。
10.本发明采用的技术方案如下：
11.一种基于物联网技术的机组振动监测装置，包括无线检测元件、检测装置、后台服务器；
12.所述无线检测元件包括机组转速检测元件、机组振动检测元件、机组摆度检测元件、机组温度检测元件、机组励磁电流检测元件、机组负荷检测元件、机组压力检测元件，所述机组转速检测元件、机组振动检测元件、机组摆度检测元件、机组温度检测元件、机组励磁电流检测元件、机组负荷检测元件、机组压力检测元件均内置安装有嵌入式lora无线模块；
13.所述检测装置包括处理器、采样模块、储存模块、lora芯片、micro
‑
usb编程接口、以太网通讯接口、电源模块、人机接口，所述检测装置通过lora芯片与无线检测元件无线信号连接，所述检测装置通过以太网通讯接口与无线检测元件有线信号连接，所述检测装置通过以太网通讯接口有线信号连接有后台服务器。
14.进一步地，所述检测装置设置有多组且检测装置间通过lora芯片无线信号连接。
15.进一步地，所述检测装置的lora芯片包括数据采集模块、数据处理模块、数据网关功能模块。
16.一种基于物联网技术的机组振动监测装置的监测方法，包括以下步骤：
17.s1，根据基于物联网技术的机组振动监测装置，依靠lab
‑
cvi虚拟仪器软件开发机组参数测控及分析系统、无线自组网接口函数、硬件驱动程序，其中：
18.无线自组网接口函数：
19.初始化无线设备：int readerinit(const char*comport,const char*para)；
20.comport：串口号或无线通讯模块；
21.para：接口参数，波特率，校验方式，数据位，停止位；
22.发送数据：word sendrddata(int handle,word destid,word datalen,unsigned char*data)；
23.dest id：目标id；
24.maxlen：数据长度；
25.data：数据；
26.接收数据：word revcrddata(int handle,word&source id,word maxlen unsigned char*data)；
27.maxlen：数据长度；
28.data：数据缓冲区，长度>maxlen；
29.s2，收集机组运行参数，包括转速、振动、摆度、温度、负荷、励磁电流、水头、进水管压力、尾水压力、蜗壳压力、局放及空气间隙，从运行参数中提取体现机组状态的故障征兆的参数，对提取到的参数进行分类，划分为电量、非电量参数，其中
30.非电量参数：转速、振动、摆度、进水管压力、尾水压力、蜗壳压力、温度、水头；
31.电量参数：励磁电流、负荷、局放、空气间隙；
32.对上述参数进行预处理，包括滤波、清洗、插值、去噪，得到可供分析的参数序列；
33.对非电量参数采用fft(傅立叶)变换，得到参数在频谱图上的分布，与机组特性曲线进行对比，发现渐变与突变征兆，寻找故障特征样本；
34.s3，建立机组运行过程中振动故障分类及故障指标分级，根据对机组稳定性的影响程度及各类振动的严重性划分为不同的指标级，并分配不同的权重系数；
35.s4，找出机组在不同水位下，试验寻找机组运行区域，减少跨越振动区，避开振动区和临界区运行，减少对机组的影响。
36.s5，参照标准建立机组各监测部位振动、摆度允许的阈值范围，设立机组允许运行的区间、报警阈值、停机阈值，当机组振幅超过设定的阈值则触发报警或停机。
37.s6，建立统一数据格式及数据时标，为数据分析提供支持，便于机组参数测控及分析系统信息处理的标准化，对数据进行了标准化、归一化及格式化处理，各指标处于同一数量级，利于综合测评分析，同时建立时间标签为索引主键，从数据产生的先后顺序中判断其关联关系，用于对故障产生的原因进行分析及故障追溯；
38.s7，将s6中数据纳入自组织映射网络模型中进行训练；
39.s8，机组参数测控及分析系统根据运行工况，对数据进行分析与故障诊断，提出运行辅助决策及建议。
40.5.按照权利要求4所述的一种基于物联网技术的机组振动监测装置的监测方法，其特征在于，所述步骤s7的具体步骤为：
41.s11：对输入的故障参数进行归一化处理；
42.s12：采用峰值、均值、方差、均方值求取信号在时域中的特征参数；
43.s13：将时域信号变换到频域，从频域角度揭示及反映信号的变化规律，求取各频率成分及分布范围；
44.s14：根据数据规模创建可调整的二维化网络结构，利用神经网络模型对故障样本进行训练与聚类；
45.s15：结合故障分类、频率参数、运行工况，从特征参数中提取故障演变征兆及故障定位。
46.综上所述，由于采用了上述技术方案，本发明的有益效果是：
47.1、本发明中，采用lora无线通讯技术，检测装置之间、无线检测元件之间、检测装置与无线检测元件之间自组网，根据全厂负荷调节及机组运行方式完成机组运行参数的检测及故障分析，根据机组运行状态及故障特性建立基于电气、机械、水力因素的机组运行模式的数学模型，综合机组运行过程中的相关参数，利用故障模型中对故障参数进行训练，提取并形成故障特征库，分析故障原因，为机组运行提供辅助决策，提高机组安全稳定运行水平，解决了现有监测设备功能单一、抗干扰能力不足、信号拓展能力不足、信号精度不高的问题。
附图说明
48.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对
范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图，其中：
49.图1为本发明机组振幅与正常运行区间、报警阈值、停机阈值的示意图；
50.图2为本发明检测装置的结构示意图；
51.图3为本发明监测方法的流程示意图；
52.图4为本发明故障模型训练的流程示意图；
53.图5为本发明储存模块的原理图；
54.图6为本发明lora芯片的原理图；
55.图7为本发明人机接口的原理图；
56.图8为本发明电源模块的原理图；
57.图9为本发明micro
‑
usb编程接口的原理图；
58.图10为本发明以太网通讯接口的原理图；
59.图11为本发明采样模块的原理图；
60.图12为本发明处理器的原理图；
61.图中标记：1
‑
处理器、2
‑
储存模块、3
‑
lora芯片、4
‑
电源模块、5
‑
人机接口、6
‑
以太网通讯接口、7
‑
micro
‑
usb编程接口、8
‑
采样模块。
具体实施方式
62.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和标示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
63.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
64.应注意到：标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
65.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明的简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
66.此外，术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
67.在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接或一体
地连接；可以使机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个原件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
68.一种基于lora技术的机组振动监测的装置，包括无线检测元件、检测装置、后台服务器，所述无线检测元件包括机组转速检测元件、机组振动检测元件、机组摆度检测元件、机组温度检测元件、机组励磁电流检测元件、机组负荷检测元件以及机组压力检测元件，上述检测元件内置嵌入式lora无线模块，与检测装置组成基于lora的无线局域网，无线检测元件中的lora无线模块视为该局域网中的lora节点；
69.所述检测装置包括处理器、采样模块、储存模块、lora芯片、micro
‑
usb编程接口、以太网通讯接口、电源模块、人机接口，检测装置通过有线、无线方式采集无线检测元件的转速、振动、摆度、励磁电流、负荷以及压力信号，并与其他机组的检测装置进行无线通讯。
70.所述检测装置的lora芯片兼具数据采集、数据处理以及数据网关功能，与无线检测元件lora节点组合，可不改变任何数据和协议，采用半双工透明传输，实现无线数据收发。所述检测装置的lora芯片支持多种调制模式及频段，协调配合检测装置与无线检测元件，完成智能路由选择，将lora数据转换为tcp/i p的格式发送到所述后台服务器或云端服务器，lora芯片支持自动加载基带协议，支持通用及用户自编协议。lora无线通讯采用电力无线专网支持的免费频段。lora网络主要由终端(可内置lora模块)、网关(或称基站)、server和云四部分组成，应用数据可双向传输。
71.在电厂局域网内部，后台服务器可采用以太网方式与各机组的检测装置进行通讯，完成机组状态综合分析与处理，向用户提供数据查询，生成机组状态检测报告等功能。通过后台服务器，基于机组运行工况进行故障诊断与分析，并提供运行检修辅助决策。
72.一种基于物联网技术的机组振动监测装置的监测方法，包括以下步骤：
73.s1：于机组振动监测装置。根据基于物联网技术的机组振动监测装置，依靠lab
‑
cvi虚拟仪器软件开发机组参数测控及分析系统、无线自组网接口函数、硬件驱动程序，其中：
74.无线自组网接口函数：
75.初始化无线设备：int readerinit(const char*comport,const char*para)；
76.comport：串口号或无线通讯模块；
77.para：接口参数，波特率，校验方式，数据位，停止位；
78.发送数据：word sendrddata(int handle,word destid,word datalen,unsigned char*data)；
79.destid：目标id；
80.maxlen：数据长度；
81.data：数据；
82.接收数据：word revcrddata(int handle,word&sourceid,word maxlen unsigned char*data)；
83.maxlen：数据长度；
84.data：数据缓冲区，长度>maxlen；
85.s2：收集机组运行参数，包括转速、振动、摆度、温度、负荷、励磁电流、水头、进水管
压力、尾水压力、蜗壳压力、局放及空气间隙，从运行参数中提取体现机组状态的故障征兆的参数；
86.对提取到的参数进行分类，划分为电量、非电量参数；
87.非电量参数：转速、振动、摆度、进水管压力、尾水压力、蜗壳压力、温度、水头；
88.电量参数：励磁电流、负荷、局放、空气间隙；
89.对上述参数进行预处理，包括滤波、清洗、插值、去噪，得到可供分析的参数序列；
90.对非电量参数采用fft(傅立叶)变换，得到参数在频谱图上的分布，与机组特性曲线进行对比，发现渐变与突变征兆，寻找故障特征样本；
91.s3：建立机组运行过程中振动故障分类及故障指标分级；
92.由于机组在运行过程中都会有振动现象，其振动幅值和频率各有不同。机组在不同工况下有相应的振动区，当机组各部振动、摆度发生严重超标，对机组各部位零部件造成较大的损害，造成运行噪声加大，支撑螺栓断裂，剪断销剪断，轴瓦损坏，大轴拉伤等严重问题。机组振动与负荷有关联，其振动随负荷的变化有一个明显的变化，这种情况下允许长期运行在非振动区，短时跨越振动区，可降低机组的振动摆度幅值，提高机组稳定运行水平。
93.按对机组稳定性的影响程度及各类振动的严重性划分为不同的指标级，并分配不同的权重系数，故障类型及权重分级如下表1所示：
[0094][0095][0096]
表1
[0097]
指标分级如表2所示：
[0098][0099]
表2
[0100]
s4：找出机组在不同水位下，试验寻找机组运行区域，减少跨越振动区，避开振动区和临界区运行，减少对机组的影响，不同水位下各运行区域的负荷如表3所示：
[0101][0102]
表3
[0103]
注：n为负荷，单位为mw；
[0104]
s5：参照标准建立机组各监测部位振动、摆度允许的阈值范围，超过阈值将触发报警。
[0105]
摆度阈值范围如表4所示：
[0106][0107][0108]
表4
[0109]
振动阈值范围如表5所示：
[0110][0111]
表5
[0112]
机组各部位频率特征如表6所示：
[0113]
机组频率转轮叶片频率尾水涡带频率电磁激振频率转频转频倍数1/3
‑
1/5转频50hz、100hz
[0114]
表6
[0115]
振动原因、频率、特征关系对应如表7所示：
[0116][0117]
表7
[0118]
由此根据机组负荷与振动摆度关系，建立机组允许运行的区间、报警阈值、停机阈值，当机组振幅超过设定的阈值则触发报警或停机，如附图1所示。
[0119]
s6：建立统一数据格式及数据时标，为数据分析提供支持，便于系统信息处理的标准化，对数据进行了标准化、归一化及格式化处理，各指标处于同一数量级，利于综合测评分析，同时建立时间标签为索引主键，从数据产生的先后顺序中判断其关联关系，用于对故障产生的原因进行分析及故障追溯。
[0120]
s7：将上述数据纳入自组织映射网络模型中进行训练。
[0121]
自组织特征映射网络聚类是模型聚类的一种，对于每一个网络的输入，只调整一部分权值，使权向量更接近或更偏离输入矢量，随着不断学习，所有权向量都在输入矢量空
间相互分离，形成了各自代表输入空间的一类模式，形成自动识别故障特征的聚类功能。特定的特征参数值反映了相应的设备故障，新的输入量则按与哪个参数样本最相似(基于某种距离计算方法)而将其分派到相应的聚类中(故障簇)，其具体步骤如下：
[0122]
s11：对输入的故障参数进行归一化处理；
[0123]
s12：采用峰值、均值、方差、均方值求取信号在时域中的特征参数；
[0124]
s13：将时域信号变换到频域，从频域角度揭示及反映信号的变化规律，求取各频率成分及分布范围；
[0125]
s14：根据数据规模创建可调整的二维化网络结构，利用神经网络模型对故障样本进行训练与聚类；
[0126]
s15：结合故障分类、频率参数、运行工况，从特征参数中提取故障演变征兆及故障定位；
[0127]
s8：根据运行工况，对数据进行分析与故障诊断，提出运行辅助决策及建议。
[0128]
本实施例提供一种故障预警及辅助决策，如表8所示：
[0129]
检修分类辅助决策建议一类检修系统停运，实施检修二类检修故障分析，故障检查三类检修负荷转移，调整机组出力，优化运行方式四类检修正常运行，加强日常巡视检查
[0130]
表8
[0131]
该方法同样适用于对压力脉动、局放、气隙、效率、调速及励磁参数实测与仿真单一或组合检测或对其进行功能的拓展延伸。
[0132]
如上所述即为本发明的实施例。前文所述为本发明的各个优选实施例，各个优选实施例中的优选实施方式如果不是明显自相矛盾或以某一优选实施方式为前提，各个优选实施方式都可以任意叠加组合使用，所述实施例以及实施例中的具体参数仅是为了清楚表述发明的验证过程，并非用以限制本发明的专利保护范围，本发明的专利保护范围仍然以其权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。