一、安仁溪水电站机组动能参数在线监测(论文文献综述)
曲力涛[1](2020)在《基于机器学习的水电机组运行安全保障方法研究》文中提出水轮发电机组是水力发电过程中的核心装置,机组运行的稳定性不仅影响着电站的经济效益,还影响着电站和工作人员的安全问题。随机水电机组的巨型化和复杂化,机组在运行中的安全隐患随之增多,同时由于对机组运行规律的认识的不足及安全预防措施的缺乏,导致国内外许多电站均出现过机组稳定性安全问题。针对当前机组安全性问题的防控措施的不足,亟需开展机组安全运行保障方法的研究以达到避免突发事故的发生、制定合理的检修间隔以及准确、快速地识别机组故障类型的目的。此处将机组安全保障方法划分为状态评估、故障预警和故障诊断三个部分。其中状态评估旨在量化地描述机组的健康状况及劣化程度,其是实现状态检修的核心;故障预警的目的在于准确、快速地识别机组的异常状态并发出警报,起到防止故障的扩大作用;故障诊断是在判定机组存在异常时,通过由稳定性参数表现出的故障特征来识别机组当前所发生的故障类型并根据诊断结果辅助设计检修维护方案。由于机组结构复杂且扰动因素繁多,从机理角度研究稳定性规律存在困难。机组监测数据中包含着丰富状态信息,因此以数据为基础开展机组安全保障研究是行之有效的方法。机器学习是以数据驱动来训练模型以实现对数据的分类、回归和聚类的方法,其性能优越且应用广泛,同时状态评估、故障预警和故障诊断的研究核心问题与机器学习所实现功能相符。据此,本文围绕状态评估、故障预警和故障诊断问题,以机器学习和深度学习理论为基础对实现机组运行安全保障方法进行探究。针对机组安全保障中待解决的问题提出相应的模型并在实际机组监测系统数据集或仿真数据集上对模型进行性能测试及分析。本文主要内容和所得结论如下:(1)在全面分析了监测数据库的存储结构和存储策略的基础上,提出数据单元概念,将其作为进行安全保障各类应用的最小输入单元,确保数据单元包含数据全部的特征成分。在存储数据的基础上构建元数据,将其看作对数据二次描述并将其作为数据单元标签实现数据集的快速构建,为训练实现不同功能的模型做准备。(2)以长期机组监测数据为基础进行分析并构建多种统计和机器学习模型进行测试,发现稳定性参数变化趋势受有功功率和工作水头影响,但由于信号自身的随机性使得仅采用工况参数的预测方法效果欠佳,而结合历史数据和工况参数对稳定性参数的预测效果良好。针对抽水蓄能机组由于运行工况切换频繁而难以对其参数进行有效预测问题,提出基于LSTM稳定性参数预测方法,并以实际机组摆度为目标进行预测,并通过实际测试证明该方法可以有效预测出参数的变化趋势。(3)针对当前故障预警方法存在响应不及时的问题,提出基于能量算子和K均值聚类的预警方法。对采集数据计算Teager能量算子获取振动能量值,并通过神经网络-欠完备自编码器综合模型预测出振动能量趋势信息,并以预测值和历史序列为输入进行聚类模型判断是否出现状态异常,从而实现对机组突变故障的预警。通过真实机组稳态工况运行和插入故障的数据分别对该方法进行验证,从预警结果可见本文提出的预警方法能够有效对振动能量跃迁进行判断,即能够有效对突变故障进行预警。(4)对故障诊断中故障类型多分类问题构建了多种常用的固有多分类模型和组合多分类模型,并在仿真特征数据集上对比其分类效果。由测试结果可见随机森林模型分类效果最佳,同时在二分类模型的组合方式上,一对一的二分类组合方式虽然在模型计算复杂度上高于一对多组合方式,但其在测试样本上的准确率和查准率方面表现优于一对多组合方式。(5)针对机组故障样本稀少导致的样本不平衡问题,提出基于生成式对抗网络的样本生成模型,其通过对小样本进行高精度伪造从而实现样本集的扩充。在仿真数据集上对该模型进行测试,结果表明在伪造样本频域和时域特征上与输入样本相差很小,可应用于解决样本不平衡问题。
刘刚[2](2020)在《基于水气两相流理论的高坝泄洪雾化计算研究》文中进行了进一步梳理泄洪雾化是水利工程高速泄洪时出现的一种水气弥散现象,伴随泄洪雾化产生的强风和强降雨会对水电站正常运行、边坡稳定、交通安全等造成较大危害。我国的高坝枢纽工程往往具有高水头、大流量、窄河谷、高边坡等特征,许多指标位居世界前列,泄洪伴生的雾化问题尤其突出,使得泄洪雾化安全防护的难度大为增加。对泄洪雾化展开研究,构建复杂泄洪环境下的精准预测模型、定量分析各因素对泄洪雾化的影响、探究泄洪过程中水气的运移规律,对推动我国高坝枢纽泄洪雾化研究从经验走向科学,保障重大水利水电工程建设及长期安全高效运行具有十分重要的工程现实需求及科学理论价值。相较于原型观测、物理模型试验、理论分析计算等方法,数值模拟方法具有经济高效、不受模型相似率限制、对原型观测数据依赖度低等优势。本文基于水气两相流理论,采用数值模拟方法围绕泄洪雾化的数学描述、参数界定、数值求解以及水气运移规律展开。基于水气两相流理论,发展了描述泄洪雾化过程中水气运动的数学模型,研究了泄洪雾化数学模型的数值求解方法及技术,并编写了相应的有限元计算程序,根据数值模拟的需要,提出了考虑掺混程度影响的水气两相混合流体动力粘滞性模型,利用水布垭电站泄洪雾化原型观测数据对数学模型进行了验证,并定量分析了河谷宽度、初始下泄流速以及下游水深等因素对泄洪雾化的影响。主要研究内容如下:1)基于水气两相流理论,发展了描述泄洪雾化过程中水气运动的数学模型。该模型由水气两相流体总的的质量、动量守恒方程,气的动量守恒方程,水的质量守恒方程以及雾雨转化公式组成,能够对不同消能型式下的泄洪雾化过程进行描述。通过混合流体的质量守恒方程可导出流体压力求解方程,实现了压力的直接求解,提高了数值求解过程中的稳定性及收敛性。描述气体运动的动量守恒方程包含了水气相间作用力的影响,能够对水、气运动的差异性进行较为完备的描述。通过水的质量守恒方程导出浓度传输方程,结合雾雨转化公式能够实现泄洪雾化降雨强度的预测。2)采用有限单元法,研究了泄洪雾化数学模型的求解方法及求解技术,发展了大型高度非线性偏微分方程组的数值求解方法,提高了数值求解泄洪雾化过程中的数值稳定性及收敛性,实现了泄洪雾化过程的数值模拟。在泄洪雾化数值求解中,采用有限单元法对泄洪雾化数学模型中的偏微分方程组进行空间离散,利用大涡模拟方法(LES)对泄洪雾化中的湍流进行处理,寻求合适的压力-速度耦合求解策略以保证数值求解的稳定性及收敛性,避免了传统商业软件因求解难题而进行的简化,进而编写了三维有限元计算程序并对程序正确性及有效性进行了考证。3)开展了水气两相混合流体动力粘滞性试验测试研究,发展了一种适用于水气混合流体的动力粘滞性测试方法,测试了不同掺气量及掺混程度下的水气混合流体动力粘滞性,进而推导了包含掺气量及掺混程度的水气混合流体动力粘滞系数模型。采用物理试验与数值模拟相结合的手段,通过试验测试物体在混合流体中运动时所受的粘滞力,结合数值模拟得到物体在不同粘滞性流体中所受的粘滞力,建立试验测试与数值模拟间的相关关系,进而实现水气混合流体动力粘滞系数的测试。推导了考虑掺气量及掺混程度的水气混合流体动力粘滞系数模型并分析了掺气量及掺混程度对水气混合流体动力粘滞性的影响:当掺混程度较大时,水气两相混合流体的动力粘滞系数随掺气量的增加呈先增加后减小的变化趋势,当掺混程度较小时,水气两相混合流体的动力粘滞系数随掺气量的增加呈线性减小的变化趋势。水气两相混合流体动力粘滞性相关的研究为数值模拟泄洪雾化提供了参数支撑。4)采用本文的泄洪雾化数学模型,成功实现了水布垭电站泄洪雾化的三维仿真计算模拟,结合水布垭电站泄洪雾化监测资料,对模型计算结果的正确性及有效性进行了验证,在此基础上,研究了泄流量及闸门组合方式对电站泄洪雾化的影响。通过与水布垭电站泄洪雾化原型监测数据的对比分析表明,数值模拟方法对泄洪雾化过程中的风速及降雨强度具有较好的预测能力,其中,风速的预测偏差在±15%以内,降雨强度的预测偏差在±20%以内。水布垭电站泄洪雾化过程中的风速及降雨强度均随着泄流量的增加而不断增大,但在变化趋势上又有所不同:泄流量较小时,两者均随泄流量增大呈线性增加关系,而泄流量增大到一定值后,最大雾化风速的增速逐渐放缓,最大雨强却随泄流量增大呈指数增加趋势。5)通过对水布垭电站泄洪雾化进行仿真模拟,研究了泄洪雾化过程中的水气运移规律。结果表明,泄洪过程中水气运动受地形约束较为明显,从近地表水气运动来看,水气在局部受阻挡区域易形成“回流”现象,并沿障碍物爬升;远离地表以后,不同高程平面内的水气既有向上也有向下运动的区域,呈现一定程度的跃动现象;当高程达到一定高度后,水气运动方向均向下,表明水雾不会上升至这一高程。根据水、气运动过程中的压力分布及水气运动方向,可将泄洪雾化分为三个区域,即:水气掺混区、水雾生成区和水雾扩散区。在水气掺混区,水体中的压力小于外界气压,大气中的空气通过掺气设施、水体表面不断掺进水体,形成水气掺混流体;当掺气水流落入下游河道时,水体内压力迅速增加,水中气泡大量逸出,气泡破裂产生许多微小雾滴,形成水雾;在水雾扩散区,水体中逸出的气体不断向高空及下游河道方向运动,并“裹挟”雾滴运动,从而形成常见的雾化现象。6)针对溢洪道挑流消能方式,计算研究了河谷宽度、初始下泄流速以及下游水深等因素对雾化风速、降雨强度时空分布的影响。结果表明,河谷宽度对雾化风速的影响较为显着,河谷越窄,水雾沿河道传播的距离越远,近坝区的雾化强度越大;本研究中,当河谷宽度增加五倍时,泄洪稳定时近坝区的雾化风速降幅可达到一半以上。初始下泄流速对雾化风及雾化降雨的影响各不相同,当初始下泄流速大于5 m/s以后,初始下泄流速的增加并不会引起近坝区雾化风速的显着增大,而是受雾化风影响的范围显着增大;近坝区雾化降雨强度则随着初始下泄流速的增加而不断增加,基本呈指数增加趋势。下游水深的增加对减小泄洪雾化风速是有利的,在本研究中,下游水深每增加1 m,泄洪稳定时的雾化风速则减小0.2 m/s左右;下游水深对水舌落点处河道底板所受的压力影响较大,水深越深,泄洪达到稳定时引起的河道底板压力增量越小,当下游水深深度合适时,泄洪引起的河道底板压力增量为零。
李敏[3](2020)在《水轮发电机不平衡磁拉力与振动特性研究》文中提出轴系振动是影响水力发电机组稳定运行的重要因素之一,主要受水力、电气、机械三方面的影响,在轴系结构中,水轮机转轮上的附加外力有密封力、随机水力激励、尾水管压力脉动以及转轮叶片不均衡力等,发电机转子上的附加外力有机械不平衡力和不平衡磁拉力等。轴系不平衡外力是影响振动的主要因素,其精确计算和实测是富有挑战性的工作,其中不平衡磁拉力的计算和测试已有一定的理论基础。本文基于不平衡磁拉力的计算原理及方法入手,重点针对线性计算方法进行了分析。首先,结合测量原理,推导得到不平衡磁拉力计算综合误差描述模型,对不平衡磁拉力测量参数的误差影响进行量化分析;其次,结合各项参数测试精度分析,发现气隙测量误差是影响不平衡磁拉力测量误差的主导因素。进一步地,介绍了轴系振动的集中参数模型的建模过程,以及振动方程刚度解耦后得到的发电机转子摆度表达式;结合发电机转子摆度表达式和平衡磁拉力构成,从理论上分析了不平衡磁拉力与发电机转子摆度之间的关系,提出一种利用可测摆度间接校正发电机气隙的思路;接着阐述了本文仿真的水力机组运行模拟系统并构建了模拟系统,并对其中需要的模型进行了简单的介绍及推导。最后,基于包括轴系振动模型的水力机组运行模拟平台进行仿真计算,研究不平衡磁拉力误差对机组振动幅值偏差的影响,结合仿真振幅数据分析发电机转子幅值偏差与气隙偏差的关系;根据推导的转子摆度与不平衡磁拉力之间的关系公式,对公式中的A值和KM值进行了仿真试算。
张炜博[4](2019)在《基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研究》文中认为随着我国能源结构的不断调整,水电能源已成为构建现代多功能互补、供需协调智慧能源系统中的重要一环。大力开发水电能源对于推动我国能源绿色低碳发展,提高能源供应能力和优化能源布局起着重大战略意义。作为水电站能源转换核心设备,水电机组正向巨型化、复杂化、智能化方向发展,且机组结构日趋复杂,集成化程度越来越高,机组的安全问题日益凸显。同时,水电机组作为一类复杂非线性动力学系统,其运行过程受到水机电复杂耦合因素影响,机组振动信号通常呈现强非平稳、非线性特性,传统水电机组状态分析与故障诊断方法在准确表征故障与征兆间复杂映射关系,实现机组状态准确评估和故障精准诊断方面存在一定的理论和工程技术难点。因此,亟需探究新的状态分析与故障诊断方法,以提高故障诊断的可靠性和状态趋势预测的准确性,为事后维修决策和事前预知维护提供合理的指导意见。针对上述问题,本文围绕水电机组在非平稳信号分析与特征提取、故障检测与故障分类、以及状态趋势预测等工程应用中存在的关键问题,引入先进信号处理方法、非线性动力学理论以及智能故障诊断方法,以经验模态分解、多尺度非线性熵、基于互信息的最大相关最小冗余特征约简、极限学习机和随机森林等作为理论分析手段,探究并改进现有方法中存在的理论和应用不足,设计了水电机组非平稳振动信号分析的改进方法,提出了基于特征空间重构与多尺度排列熵的水电机组非线性特征提取方法,发展了故障检测、故障分类的两阶段综合故障诊断方法,构建了基于散布熵判别与极限学习机的水电机组状态趋势分段预测模型,为水电机组智能故障诊断和状态趋势预测领域的方法创新拓展了思路,并具有一定的工程应用价值。论文的主要研究内容及创新性成果如下:(1)针对经验模态分解中存在的端点效应问题,深入分析了端点效应产生的原因及对信号分解结果的影响,提出了基于极限学习机与镜像延拓的经验模态分解端点效应抑制方法。该方法有效融合了极限学习机延拓和镜像延拓两种单一延拓方法在抑制端点效应上的优势,在每一次筛选本征模态函数的过程中,完成信号极值点两阶段延拓。在第一阶段,利用极限学习机在数据预测上的良好性能,在信号极值点序列两端进行初步延拓;在第二阶段,利用镜像延拓方法对初步延拓后的极值点序列两端进行延拓,以避免在分解过程中极值点序列不足而导致包络线拟合失真的缺陷。最后,在仿真信号实验中,通过定性和定量对比分析,验证了所提方法的有效性。并将其应用于水轮机尾水管压力脉动信号分析,验证了其具有一定的工程应用价值。(2)考虑到强背景噪声干扰、多振源激励耦合作用下水电机组故障与征兆之间映射关系难以准确表征的问题,提出了一种基于特征空间重构与多尺度排列熵的水电机组非线性特征提取方法。该方法首先针对机组故障信号呈现的非平稳特性,且易发生模态混叠、能量泄露等现象,设计了基于集合经验模态分解的特征空间重构方法。该方法以能量为衡量标准,将与故障信息高度敏感的本征模态分量重构,实现故障特征的初步提取;同时结合多尺度排列熵在不同尺度检测信号动力学突变行为的优势,进一步对初步提取的重构特征空间进行多尺度排列熵分析,完成对机组故障特征的充分表征,通过国际标准故障诊断案例验证了所提特征提取方法的有效性和先进性。最终将所提方法成功应用于水电机组空化信号特征提取,表明了其工程实用性。(3)针对水电机组实际运行中多类故障的不同衍生和发展规律,深入考虑故障初步检测与不同故障类型、不同故障程度精准识别的实际诊断需求,提出了基于精细复合多尺度散布熵与快速集合经验模态分解的故障检测与分类的两阶段综合故障诊断策略。在故障检测阶段,考虑机组存在“正常”或“故障”状态的判别需要,探究了故障信号与正常信号对精细复合多尺度散布熵尺度因子具有不同敏感性的变化规律,提出了基于精细复合多尺度散布熵判据的故障检测方法,实现了对机组健康状况的快速判断。进一步,如果检测到故障,考虑到单一散布熵对不同故障种类和故障程度表征的不足,综合快速集合经验模态分解对复杂非线性信号高效处理性能以及精细复合多尺度散布熵在多个尺度度量信号不确定性或不规则性的优势,提出了一种基于快速集合经验模态分解与精细复合多尺度散布熵的广义多尺度特征提取方法,实现对故障特征的多维广域提取;考虑到所提取特征存在的高维、冗余特性,建立了基于互信息的最大相关最小冗余的最优特征选择和随机森林分类器的故障分类机制,实现了对不同故障种类、故障程度的准确分类。故障诊断实例表明,所提综合故障诊断策略能有效的实现对故障的检测与分类,为解决工程实际中的故障诊断问题提供了一种有效思路。(4)随着运行时间的不断积累,水电机组不可避免的存在性能下降、设备失效问题,结合机组运行状态特性,提出了一种基于散布熵判别与极限学习机的分段预测模型,实现对机组状态趋势的有效预测,以便及早捕捉异常征兆。该模型考虑极限学习机对不同波动趋势信号预测精度的不同,通过集合经验模态分解将表征运行状态的复杂信号序列的不同尺度波动或趋势逐级分解为不同本征模态函数分量,建立以散布熵为信号复杂度的衡量标准,对具有相近复杂度的本征模态函数分量整合预测,提高了预测精度,并降低了预测的复杂度,最后将各分段预测结果累加完成原始状态信号的预测。将所提预测模型成功应用于水电机组振动状态趋势预测,验证了其有效性。
刘涵[5](2019)在《水电机组多源信息故障诊断及状态趋势预测方法研究》文中认为随着我国绿色清洁能源的逐步开发,风能、太阳能、潮汐能等新能源稳定发展,常规水电机组与抽水蓄能机组装机容量也随之快速增长。与此同时,水电能源在电力系统中将承担更多的调峰调频任务从而减少新能源并网时带来的冲击。在此背景下,为了切实保障电网的安全稳定运行,对水电站可靠运行与健康管理提出了更高的要求。水轮发电机组作为水电站水能转换的核心设备,其构成部件相互耦合,呈现出复杂化、高度集成化的发展趋势,传统的机组故障诊断方法已无法满足工程实际需求。因此,为确保水电机组的安全稳定运行,本文针对水轮发电机组故障诊断与趋势预测中的若干科学问题,分析了现有理论与研究方法的局限性,以水电机组多源信息融合为切入点,提出了水电机组运行参数关联分析方法;以参数关联关系为基础,结合机器学习与对抗学习等先进技术手段,构建了完备的水电机组故障诊断体系;进一步引入信号处理与深度学习理论,搭建了水电机组多步非线性趋势预测模型,大幅提高了机组状态趋势预测步长,准确预测了水电机组的状态变化趋势。论文的主要研究工作与创新成果如下:(1)为有效利用水电机组运行监测海量数据,挖掘机组多源信息间的关联关系,结合数据离散方法与数据挖掘算法,提出了水电机组运行参数关联分析方法。首先分析了机组运行参数在故障状态下存在少量异常点的特点,采用K-Mediods聚类方法对机组运行参数进行离散处理,对比分析不同聚类结果的轮廓系数,优化聚类个数,并给出了聚类后每个区间对应的实际物理含义。通过收集整理电站机组故障下的运行参数数据,构建了离散后的机组故障样本事务集,采用FP-Grwoth算法挖掘其中频繁项集,并提取重要关联关系,为电站运维人员提供了实际检修指导建议。(2)机组运行参数关联分析结果指明了不同参数间蕴含了潜在的故障特征,在此基础上,结合循环神经网络,提出了基于GRU-NP-DAE的水电机组多源信息故障诊断方法。传统故障诊断方法在构建故障样本时忽略了机组振动信号本身的时序关系,且无法有效提取不同振源间的关联特征。所提方法通过循环神经网络有效存储机组振动信号时序信息,将多源振动信号共同作为输入构建不同故障状态下的振动模式,对比分析输入数据在不同振动模式下的重构误差,确定当前故障状态,提高了模型诊断的精确度。同时,通过采用降噪自编码器、变步长输入等技术手段,加强了诊断模型的泛化能力。将所提模型应用至滚动轴承故障数据与水电机组实测数据中,结果表明所提体方法不仅能够具备高精度的诊断结果,同时在复杂噪声环境与变工况条件下仍能保持较高准确性。(3)在故障诊断方法实际运用中,数据样本常常缺乏相应的故障标签导致无法进行有监督模式下的模型训练。为了突破有监督故障诊断模式对故障标签的依赖,本文提出了多分类对抗式自编码器模型对水电机组运行样本数据进行无监督故障聚类。首先通过自编码器将高维的机组运行特征数据降维至低维的特征空间,结合对抗训练方法使低维特征空间中的样本点符合先验高斯混合分布。在此基础上,研究了无监督下的多分类器输出损失函数,构建了基于多分类对抗式自编码器的无监督故障聚类架构。通过滚动轴承多故障数据应用表明,该模型能将高维的输入样本有效的降维至服从高斯混合分布的低维空间,同一类别的样本被成功聚至同一簇中,不同的簇中心间距明显,具备优异的聚类效果。最后结合水电机组实际运行故障数据,所提方法达到了100%的聚类准确率与召回率,验证了其工程应用价值。(4)单纯的水电机组故障诊断方法无法满足机组预先维护的策略,需结合机组状态变化过程详尽分析故障演化机理,而现有的趋势预测方法多为单步预测体系,虽然在单步预测下拟合效果均较为理想,但无法长期精确预测机组状态变化趋势,缺少工程实际应用价值。为真正实现机组状态检修,发现机组早期故障征兆,本文针对水电机组运行数据趋势分析,提出了基于变分模态分解和卷积神经网络的多步非线性趋势预测方法。该方法通过先进的信号分解技术将强非平稳、非线性的水电机组振动信号分解为中心频率集中的本质模态分量,将各个本征模态分量视为卷积神经网络输入中的各个通道,结合卷积核操作提取不同模态分量间的关系与各个模态的局部特征,构建了多步输出的卷积网络预测模型。将所提模型运用至水电机组顶盖振动实测数据上,预测结果表明所提模型具有较低的拟合误差与较高的相关系数,实现了精确的机组振动信号多步预测。(5)基于上述理论研究成果,设计开发了一种面向服务的水电机组多源信息挖掘与故障诊断系统。通过融合水电机组多源异构数据,构建了统一的大数据水电机组知识管理平台,可依据电站运行数据和巡检报告等及时更新或补充先验知识,实现了机组关联分析、故障诊断、故障预警、趋势预测与状态评估等功能模块。该系统目前已成功应用至湖北白莲河抽水蓄能电站,为电站运维人员提供检修指导与决策建议。
王芳芳[6](2019)在《超声波测流的误差控制及其LabVIEW应用》文中研究指明水轮机的效率是水电经济运营的重要指标,其数值即使0.1%的提升,也能大幅提高经济效益。对水轮机进行效率测试试验除了能掌握机组运行情况,还便于及时对运行做出调整,以尽可能保证其在高效率区域工作。而流量测量是效率试验中的重点内容,也是最难进行的项目,其准确性对效率试验测试结果有着决定性的作用,且测量精度及误差构成尚无有效的校验方法。本文以水力机组效率试验基本原理及方法入手,重点针对其中的流量测量进行了分析,最终选取时差法超声波测流方式来进行研究。通过推导该方法下的流量公式发现其误差与管道内径D、声路角θ、超声波在水中的速度c及流量系数K有关,因此根据影响因素建立了测流误差描述模型,提出了一种基于流量测量理想系统来进行误差分析的量化方法,分析了各项参数测量误差对系统综合误差的影响,针对影响较大的主导因素提出了相关控制方法,并对系统综合误差的控制进行了分析。在明确整个机组效率试验过程的基础上,采用测试系统与计算机计算相结合的虚拟器来为水力机组的效率测试提供平台。在此基础上借助LabVIEW相关平台建立一套基于超声波测流法的水轮机效率测试系统。最后,根据效率试验结果对提出的超声波测流方法的误差控制进行了验证,并初步证明其可行性,为后期超声波流量计的研究和设计提供了一定的指导作用。而效率测试的开发和运用对于水利资源的利用、水电厂经济效益的提升和实现发电机组及电网更好地运行都有很好的参考价值。
张振凯[7](2019)在《水轮机流量的间接计算方法及其LabVIEW应用》文中进行了进一步梳理水轮机是水力发电机组的核心组成部分,水轮机的流量是水电站经济运行的重要参数。本文通过分析水电站常用测流方法的原理和特点,并依据水轮机功率稳态模型得出了水轮机流量的间接计算模型,即可通过检测水轮机组容易准确测量的参数间接计算水轮机流量。通过分析发现,选择合适的水轮机功率稳态模型是关键。国内常用的水轮机功率模型是六个传递系数模型,但是,其需要确定的未知参数较多使用困难。通过对各种水轮机功率模型对比发现,IEEE Working Group推荐的水轮机功率代数模型应用到流量的间接计算相对简便且成本较低,于是基于IEEE推荐的模型构建了水轮机流量的间接计算模型。由于,现场流量测定通常仅在某一特定水头下进行,将测量结果应用于分析该机组其它水头下的运行效率时会存在较大的误差,影响机组的经济运行。为解决这一问题,本文对模型做了进一步改进,将水轮机流量间接计算方法扩展到任意水头下,进而可得到不同水头下机组效率。为验证流量模型的有效性,首先进行了实例计算,计算结果表明,本文提出的方法具有较高的精度。其次针对方法的实际应用和各个参数的准确测取做了分析。结合流固耦合昆明理工大学重点实验室,构建了相应的验证平台,并与超声波法测取的流量数值进行了对比。相关数据表明采用本方法测取的流量数值与超声波法测取的数值相差较小,进一步验证了本方法的有效性。在应用方面,结合蜗壳差压流量计的原理和不受水头变化影响的特点推导得到了蜗壳差压系数计算模型。为方便实际的测试应用,根据水轮机各个参数现场试验规范,融合LabVIEW和NI虚拟信号采集仪器系统开发了相应的测试系统,并在LabVIEW软件内完成了流量间接计算、水轮机效率计算和水轮机蜗壳压差系数系统显示界面的开发。完成了相应测试系统内部算法模块的开发和集成,方便实际应用时将开发完成的测试软件安装到NI虚拟仪器系统中,通过测试平台可实时简便的测量计算相应参数。
卢鹏[8](2016)在《梯级水电站群跨电网短期联合运行及经济调度控制研究》文中进行了进一步梳理梯级水电站群短期联合发电调度具有时空多维、送电电网负荷特性差异大、调度主体多元、电站调节性能及机组动态特性各异等诸多特点,且受水文气象、径流过程、电网调峰需求、电力系统电源结构、电站调度模式等诸多因素影响,是一类典型的大规模、强耦合、多约束、动态、离散的复杂非线性优化问题,也是水电能源优化运行领域的研究热点之一。随着我国西南地区水能资源的大规模开发和跨区特高压交直流混联电网的形成,跨流域水电站群多电网联合调度成为可能;新能源大规模接入、负荷剧烈波动、水电跨省区外送消纳、水电站群“一库两站两调”等问题对流域梯级水电站群联合优化调度提出了更高的要求,导致水电能源系统运行、控制和管理较之传统更加复杂。因此,本文以满足水电能源电力输出与相应电网负荷需求间的协同匹配需求为切入点,围绕区域互联大电网背景下梯级水电站群跨电网联合优化运行面临的若干关键科学问题和技术瓶颈,以水电能源学、群智能优化、系统科学理论为研究基础,以金沙江下游溪洛渡-向家坝梯级水电站和华中区域大型国调及直调水电站为对象,采用问题建模、仿真分析和工程实践相结合的研究方法,对梯级水电站群跨电网短期联合运行及经济调度控制建模及求解方法展开深入研究,研究成果在金沙江流域调控中心和华中电网调通中心相关生产调度系统中得到应用。主要研究内容和创新成果如下:(1)综合分析流域集控中心梯级水电站经济调度控制(EDC)模块的基本构成和工作模式,结合梯级电站间水力、电力补偿特性,建立以调度期内总耗水量最小或蓄能最大为目标的梯级水电站经济调度控制数学模型,提出适用于求解多机组巨型水电站机组组合优化问题的改进二进制-实数编码蜂群算法,通过外层站间负荷分配和内层单站经济运行两个子问题的嵌套迭代求解实现梯级水电站经济调度控制优化,合理分配梯级电站厂间负荷,制定最佳机组起停机状态组合和最优出力方案,为保障电力系统安全、稳定、经济运行提供技术支撑。(2)从流域集控中心水调与电调部门业务关联性及调度目标差异性分析入手,构建了梯级水电站发电计划编制与厂内经济运行一体化调度模式,提出基于峰荷比调峰方式的梯级水电站发电计划精细化编制方法,将发电计划编制结果作为厂内经济运行模型输入,利用厂内仿真结果对出力计划进行循环反馈修正,制定满足水力电力多重复杂约束要求、兼顾电网调峰需求的梯级水电站最优出力计划、机组起停机状态组合和机组间负荷分配策略,实现水调和电调部门协同运行。(3)针对特大型梯级水电站群联合发电调度必须兼顾多个电网调峰的复杂工程应用需求,综合分析电网间负荷互补特性,建立了以受端电网余荷均方差最小为目标的梯级水电站多电网调峰调度模型,提出一种水电站群跨区多电网调峰优化调度和电力跨省区协调分配方法,在给定电网受电量、电站调峰容量及输电线路稳定运行限制要求下,通过提出的改进实数编码蜂群算法对电网受电计划进行启发式搜索,制定能均衡地响应各受端电网调峰需求的电站出力计划及电力网间分配方案,充分挖掘梯级水电站发电能力及调峰潜力。(4)综合分析电网水火风多能源互补特性,结合风电出力不确定性的描述与表征方式,构建了均衡考虑经济节约和环境保护两方面需求的水-火-风多能源短期联合互补调度模型,并提出一种基于精英档案集指导、自适应交叉/选择机制、局部搜索以及启发式约束处理等优化策略的改进多目标蜂群算法(EMOBCO);将提出的EMOBCO算法应用于水火风多目标模型的求解中,快速制定出一组分布广泛且均匀的非支配调度方案集,为电力系统能源优化配置、安全高效经济运行提供指导。
薛小明[9](2016)在《基于时频分析与特征约简的水电机组故障诊断方法研究》文中进行了进一步梳理在新时代绿色能源背景下,大力发展水电能源对我国能源结构优化调整和社会经济可持续发展具有重要的战略意义。作为水电站能源转换的关键核心设备,目前,水电机组呈现出巨型化、综合化、高速化、超临界化和智能化的发展趋势,其运行过程面临的故障安全问题日益突出。为降低机组故障事故风险,确保机组安全稳定运行,积极开展水电机组故障诊断研究已在工程界和学术界达成共识。实际应用中,除因机组自身复杂结构特性和多种激励振源干扰外,现有故障诊断理论方法的不足和局限性,在一定程度上阻碍了故障诊断从理论研究向工程应用的转化。基于此,本文围绕水电机组故障诊断中存在的非平稳信号分析处理和特征提取、多维特征约简以及复杂故障模式识别等问题,以经验模态分解、流行学习、混合引力搜索、支持向量机和随机森林等为理论基础与研究手段,探索并克服现有方法存在的理论与应用缺陷,提出了若干有效的水电机组非平稳振动信号分析与特征提取改进方法,针对高维特征冗余干扰等问题,探索并构建了基于空间映射和智能搜索的两种特征约简方法,最终通过引入支持向量机和随机森林故障识别理论,构建了融合时频分析和特征约简的水电机组混合故障诊断模型,为该领域的理论方法创新提供了新的研究思路,并具有一定的工程应用价值。论文的主要研究内容及创新性成果如下:(1)针对经验模态分解存在的端点飞翼现象,深入分析了端点效应发生的本质原因与解决方法,提出了一种极值点混合延拓的经验模态分解端点效应抑制方法,该方法有效融合了支持向量回归机和镜像偶延拓的方法优点。在信号分解初始阶段,利用支持向量回归机良好的近端点预测能力对信号极值点序列进行两端延拓;在信号低频部分,通过镜像偶延拓方法有效规避了支持向量回归机极值点样本训练数据不充足,且抑制效果不理想的问题。最后,采用所提方法对水电机组多故障振动仿真信号进行分解,并与镜像延拓和支持向量回归机信号序列延拓方法进行对比分析,结果表明所提方法能够有效抑制端点效应,并具有较低的计算时耗。(2)考虑到水电机组尾水管压力脉动信号的非平稳及噪声冲击特性,为提高经验模态分解方法的模态混叠抑制能力,引入集成经验模态分解时频分析方法。针对集成经验模态分解存在的参数选择难、高时耗、残噪污染等问题,在互补集成经验模态分解的基础上,创造性地提出了一种自适应快速集成经验模态分解算法。研究通过揭示白噪声频率上限与集成经验模态分解计算效率的间接正比例增长规律,描述了集成经验模态分解小噪声幅值情况下模态混叠问题的消除机制,基于此,将白噪声幅值和集成试验次数分别固定设置为目标信号序列标准差的0.01倍和2,提出了一种相对均方根误差指标的白噪声频率上限自适应确定方法,突破了集成经验模态分解关键参数难以设定的难题。通过仿真实例和国际标准故障诊断案例验证了所提方法的有效性与先进性。最终,将所提方法应用到水电机组尾水管压力脉动信号分析中,表明了方法的工程实用性。(3)为了抑制高维特征空间存在的特征冗余和敏感信息易淹没等问题,通过分析局部和总体主成分分析算法的优势和局限性,构建了样本点邻域关系的皮尔逊相似系数的衡量指标和边权重确定规则,进而提出了自适应近邻关系的监督型局部和总体主成分分析新型数据约简方法。同时考虑到水电机组故障小样本特性,建立了融合流行学习特征约简和支持向量机的多类故障诊断模型,通过电站实际故障案例验证了模型的有效性,并与其他特征降维方法进行了对比分析。此外,针对更为复杂的故障诊断问题,提出了一种多维广域特征的振动故障混合诊断策略,该方法有效融合了概率统计分析和基于机器学习的诊断方法,将整个诊断过程简化为三大步骤:故障初步监测、故障类型识别和故障程度确定。最后,将混合诊断策略应用于旋转机械故障诊断中,结果表明所提方法不仅提高了故障诊断精度,而且有效降低了诊断模型的复杂度,改善了计算效率,同时,为水电机组复杂故障诊断问题提供了一种有效的解决思路。(4)针对基于空间映射的特征约简方法难以评价各特征属性优劣程度的问题,同时为消除模型参数对随机森林诊断精度的影响。从另一特征约简角度出发,提出了一种基于混合引力搜索算法和随机森林的转子系统故障诊断模型。该模型从特征子集和模型参数两方面对随机森林故障诊断模型进行了优化改进,针对特征子集选择,采用二进制引力搜索算法进行最优子集寻优,同时采用实数引力搜索算法对随机森林的决策树数目进行优化处理。最后,将所提方法应用于转子系统故障诊断中,通过8种故障类型诊断试验,结果表明所提方法能够有效剔除冗余特征信息干扰,解决了随机森林决策树数目选择难的问题,在一定程度上提高了随机森林诊断模型的精度和效率,此外,基于随机森林的袋外数据估计特性,进一步实现了最优特征属性的重要度评估。
胡开良[10](2016)在《灾后渔子溪水电站监控系统改造研究》文中研究表明实现生产现场的综合自动化已成为水电行业的发展方向,“无人值班”、“梯级调度”是当今水电发展的必然趋势。渔子溪水电站特别是在遭受5.12大地震及特大泥石流灾害影响后,监控系统出现了兼容性差、机组供水、油压监控准确性降低,系统误报率高,部分监控功能不能实现,机组调速效果变差,以及球阀、高/低压气机监控缺失等问题。同时,由于渔子溪水电站新老设备共同运行、机组运行环境苛刻且特殊,电站承担调峰任务的同时还需适应多种运行工况,如监控系统不能及时判断或排除以上故障,不仅会增加运行人员负担,还会影响电站的正常运行甚至导致严重的人身、设备安全事故。根据电站实际情况,考虑投资成本、运行人员水平等因素,拟定在原有监控系统的基础上进行升级改造,以期达到监控系统的匹配最优化及提高监控准确性,论文主要研究内容如下:首先,根据渔子溪水电站的现有监控系统的情况,提出了一套采用分层分布式结构的监控系统改造方案。电站在受灾后形成了独特运行环境及运行工况,论文通过分析该电站厂站层及现地控制层对监控功能的需求(如系统通信、人机接口、安全运行及监测等),设计了厂站层与现地层结构改造方案,并根据设计方案完成厂站层、现地控制层硬件的选型工作。文章分析对比了现代水电站常采用的双星型、双环型组网方案优缺点,设计了一套采用双星型结构的网络改造方案并完成布网搭建工作。其次,通过分析渗漏/检修排水装置、球阀油压装置及高/低压气机监控等装置出现的监控缺失及误报率高等问题,完成测量变送器改造选型工作,并根据所选设备的性能对调速器油压、高/低压气罐压力、机组轴承温度等参数的设定与修订,同时完成各测量设备与LCU的具体连接改造工作。然后,针对渔子溪水电站机组转速控制效果不理想,调节精度降低的问题,通过剖析水轮机调节系统的结构、工作流程、动/静态特性,建立了引水系统、发电机、水轮机的数学模型,并完成水轮机调节系统的Simulink建模与仿真工作。文章设计了一套针对水轮机调节系统的开机流程、有水实验,完成现场实验并采集实验数据,通过现场实验结果与仿真结果的对比分析,显示出模型的调节效果优于现有设备的调节效果。通过对系统的升级改造,经过试运行,渔子溪水电站各项指标达到或超过了改造前的水平,监控系统稳定性、监控范围及效率得以提高,系统误报率降低。该系统可供同类型灾后高水头水电站在进行监控系统改造设计时参考。
二、安仁溪水电站机组动能参数在线监测(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、安仁溪水电站机组动能参数在线监测(论文提纲范文)
(1)基于机器学习的水电机组运行安全保障方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景与意义 |
1.2 机器学习技术发展历程及现状 |
1.3 水电机组安全保障方法概述 |
1.4 本文主要研究内容与结构 |
第二章 机器学习基础理论 |
2.1 引言 |
2.2 机器学习模型 |
2.2.1 分类模型 |
2.2.2 回归模型 |
2.2.3 聚类模型 |
2.3 深度学习模型 |
2.3.1 循环神经网络 |
2.3.2 卷积神经网络 |
2.3.3 生成式对抗网络 |
2.4 本章小结 |
第三章 监测信号预处理及特征提取 |
3.1 引言 |
3.2 小波分解 |
3.3 经验模态分解 |
3.4 信号预处理及特征提取 |
3.5 本章小结 |
第四章 水电监测数据组织方法研究 |
4.1 引言 |
4.2 稳定性数据获取 |
4.3 水电状态监测数据库 |
4.3.1 监测数据库结构 |
4.3.2 监测数据存储策略 |
4.4 基于元数据的数据集快速构建方法 |
4.4.1 数据单元 |
4.4.2 基于元数据的数据集构建方法 |
4.5 本章小结 |
第五章 水电机组劣化状态评估及故障预测 |
5.1 引言 |
5.2 水电机组健康状态评估及劣化趋势表示 |
5.3 水电机组故障预测 |
5.4 基于长短记忆网络的水电机组稳定性参数预测 |
5.4.1 预测模型结构设计 |
5.4.2 实例分析 |
5.5 本章小结 |
第六章 水电机组故障预警方法研究 |
6.1 引言 |
6.2 基于概率统计的故障预警方法 |
6.3 基于机器学习的故障预警方法 |
6.4 基于K均值聚类的故障预警研究 |
6.4.1 振动能量序列预测 |
6.4.2 综合趋势预测模型 |
6.4.3 实例分析 |
6.5 本章小结 |
第七章 水电机组故障诊断方法研究 |
7.1 引言 |
7.2 故障类型多分类方法研究 |
7.3 基于生成式对抗网络的样本生成研究 |
7.3.1 故障诊断数据不平衡问题 |
7.3.2 故障样本生成模型设计 |
7.3.3 样本生成实例 |
7.4 本章小结 |
第八章 总结与展望 |
8.1 总结 |
8.2 展望 |
参考文献 |
硕士期间发表论文及其它成果 |
致谢 |
(2)基于水气两相流理论的高坝泄洪雾化计算研究(论文提纲范文)
内容摘要 |
abstract |
1 绪论 |
1.1 问题的提出 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
2 泄洪雾化水气两相流模型与求解 |
2.1 水气两相流基本理论 |
2.2 泄洪雾化水气两相流模型 |
2.3 模型主要参数 |
2.4 泄洪雾化模型的有限元求解 |
2.5 算例考证 |
2.6 本章小结 |
3 水气两相流体动力粘滞性研究 |
3.1 流体粘滞性测试方法概述 |
3.2 两相混合流体动力粘滞性测试方法 |
3.3 水气两相流体粘滞性试验测试研究 |
3.4 考虑掺混程度影响的粘滞系数模型 |
3.5 本章小结 |
4 泄洪雾化模型验证及其应用研究 |
4.1 水布垭电站泄洪雾化概况 |
4.2 有限元计算模型及初、边界条件 |
4.3 泄洪雾化模型验证研究 |
4.4 下泄流量及闸门组合对泄洪雾化影响 |
4.5 泄洪雾化水气运移规律 |
4.6 本章小结 |
5 高坝枢纽泄洪雾化影响因素研究 |
5.1 计算几何模型及初、边界条件 |
5.2 雾化风速及雾化雨强的时空分布 |
5.3 河谷宽度对泄洪雾化的影响 |
5.4 初始下泄流速对泄洪雾化的影响 |
5.5 下游水深对泄洪雾化的影响 |
5.6 本章小结 |
6 结论与展望 |
6.1 主要研究结论 |
6.2 展望 |
参考文献 |
致谢 |
附录 :攻读博士学位期间发表的部分学术论着 |
(3)水轮发电机不平衡磁拉力与振动特性研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题来源 |
1.2 研究背景及意义 |
1.3 水力机组轴系振动研究现状 |
1.3.1 机械振动 |
1.3.2 电磁振动 |
1.3.3 水力振动 |
1.3.4 水-机-电耦合振动的研究 |
1.4 本文的主要研究内容 |
第二章 不平衡磁拉力的影响因素分析 |
2.1 不平衡磁拉力计算原理 |
2.1.1 线性解析表达式 |
2.1.2 非线性解析表达式 |
2.1.3 数值计算方法 |
2.2 单因素误差分析 |
2.2.1 转子直径、长度误差 |
2.2.2 偏心距误差 |
2.2.3 磁密度误差 |
2.2.4 气隙误差 |
2.3 不平衡磁拉力系统误差控制 |
2.4 本章小结 |
第三章 转子振动幅值与不平衡磁拉力的关系 |
3.1 概述 |
3.2 水力机组轴系模型 |
3.2.1 基本轴系模型 |
3.2.2 轴系基本模型的简化 |
3.2.3 发电机转子振动幅值与气隙 |
3.3 本章小结 |
第四章 水力机组运行模拟系统 |
4.1 概述 |
4.2 水力系统模型 |
4.2.1 水击模型 |
4.2.2 水轮机模型 |
4.3 发电机模型 |
4.4 控制系统模型 |
4.4.1 PID调速器模型 |
4.4.2 PI励磁控制器 |
4.5 本章小结 |
第五章 轴系振动仿真计算 |
5.1 仿真计算 |
5.1.1 理想状态下水力机组轴系运动分析 |
5.1.2 不平衡磁拉力幅值误差试算 |
5.1.3 误差综合试算 |
5.2 不平衡磁拉力与振动幅值的关系 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
附录 A 硕士阶段发表论文情况 |
附录 B 硕士阶段参与项目情况 |
(4)基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究的背景和意义 |
1.2 水电机组振动机理 |
1.3 振动信号的时频分析方法概述 |
1.4 振动信号的特征提取和高维特征约简 |
1.5 水电机组智能故障诊断方法综述 |
1.6 水电机组状态趋势预测方法概述 |
1.7 本文主要研究内容与结构 |
2 基于极限学习机与镜像延拓的EMD端点效应抑制方法及其应用 |
2.1 引言 |
2.2 经验模态分解与端点效应问题 |
2.3 基于极限学习机与镜像延拓的EMD端点效应抑制方法 |
2.4 实例分析 |
2.5 本章小结 |
3 基于特征空间重构与多尺度排列熵的水电机组非线性特征提取 |
3.1 引言 |
3.2 基于EEMD的特征空间重构方法 |
3.3 排列熵与多尺度排列熵 |
3.4 基于特征空间重构与多尺度排列熵的非线性特征提取 |
3.5 工程实例 |
3.6 本章小结 |
4 基于精细复合多尺度散布熵与FEEMD的综合故障诊断策略 |
4.1 引言 |
4.2 基于精细复合多尺度散布熵的故障检测 |
4.3 基于FEEMD与精细复合多尺度散布熵的故障分类 |
4.4 综合故障诊断策略 |
4.5 诊断实例 |
4.6 本章小结 |
5 基于散布熵判别与极限学习机的水电机组状态趋势预测 |
5.1 引言 |
5.2 水电机组运行状态特性 |
5.3 基于散布熵判别与极限学习机的分段预测模型 |
5.4 水电机组运行状态趋势预测实例分析 |
5.5 本章小结 |
6 全文总结与展望 |
6.1 全文工作总结 |
6.2 进一步研究展望 |
致谢 |
参考文献 |
附录1:攻读硕士期间发表的论文 |
附录2:攻读硕士期间完成和参与的科研项目 |
(5)水电机组多源信息故障诊断及状态趋势预测方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 论文研究的背景和意义 |
1.2 水电机组振动故障机理概述 |
1.3 水电机组振动信号处理方法概述 |
1.4 水电机组智能故障诊断研究方法概述 |
1.5 水电机组状态趋势预测研究现状 |
1.6 本文主要研究内容与结构 |
2 水电机组运行数据关联关系挖掘 |
2.1 引言 |
2.2 关联规则相关概念及挖掘算法 |
2.3 数据离散化方法 |
2.4 基于K-Mediods的水电机组运行数据离散化研究 |
2.5 水电机组关联关系挖掘算法研究 |
2.6 水电机组运行数据实例分析 |
2.7 本章小结 |
3 水电机组多源信息融合故障诊断方法研究 |
3.1 引言 |
3.2 循环降噪自编码器原理 |
3.3 基于GRU-NP-DAE的水电机组多源故障诊断方法 |
3.4 工程实例验证 |
3.5 本章小结 |
4 水电机组无监督故障聚类方法研究 |
4.1 引言 |
4.2 生成式对抗网络相关原理介绍 |
4.3 基于分类对抗自编码器的水电机组无监督故障聚类 |
4.4 工程实例验证 |
4.5 本章小结 |
5 水电机组振动信号多步非线性趋势预测 |
5.1 引言 |
5.2 变分模态分解相关原理 |
5.3 卷积神经网络相关原理介绍 |
5.4 基于VMD与CNN的水电机组非线性振动趋势预测模型 |
5.5 水轮机振动数据多步预测结果分析 |
5.6 本章小结 |
6 水电机组多源信息挖掘与故障诊断系统设计 |
6.1 引言 |
6.2 水电机组多源信息挖掘与故障诊断系统架构设计 |
6.3 水电机组多源信息挖掘与故障诊断系统在白莲河抽水蓄能电站中的应用 |
6.4 本章小结 |
7 结论与展望 |
7.1 全文工作总结 |
7.2 进一步研究展望 |
致谢 |
参考文献 |
附录1 :攻读博士期间发表的论文 |
附录2 :攻读博士期间完成和参与的科研项目 |
(6)超声波测流的误差控制及其LabVIEW应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题来源 |
1.2 引言 |
1.3 本研究背景和目的 |
1.4 国内外发展现状 |
1.4.1 国内现状 |
1.4.2 国外现状 |
1.5 本文主要内容 |
第二章 试验研究的基本原理及参数 |
2.1 引言 |
2.2 水轮机效率测量的原理 |
2.3 发电机有功功率的测量 |
2.3.1 发电机有功功率的测定方法 |
2.3.2 发电机有功功率测定的遵循条件 |
2.4 水轮机水头的测量 |
2.5 水轮机流量的测量 |
2.5.1 流量测量方法 |
2.5.2 本系统测量方法—超声波法 |
2.6 本章小结 |
第三章 超声波法流量测量介绍及其误差控制 |
3.1 引言 |
3.2 时差法超声波流量计工作原理 |
3.3 理想系统的提出 |
3.4 单因素误差分析 |
3.4.1 管径误差 |
3.4.2 声路角误差 |
3.4.3 声速误差 |
3.4.4 流量系数K造成的误差 |
3.5 主导因素修正 |
3.5.1 声路角误差修正 |
3.5.2 K值的修正 |
3.6 系统误差控制 |
3.7 本章小结 |
第四章 LabVIEW综合测试系统 |
4.1 虚拟仪器的概述 |
4.2 测试系统构成 |
4.3 测试系统硬件设计 |
4.3.1 硬件构成、性能及特点 |
4.3.2 硬件系统要求 |
4.3.3 数据采集器 |
4.4 数据采集系统与上位机软件的USB口通信 |
4.5 测试系统测试应用 |
4.5.1 本系统试验流程和主界面 |
4.5.2 实验应用 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录 |
附录A 硕士阶段发表论文情况 |
附录B 硕士阶段参与项目情况 |
(7)水轮机流量的间接计算方法及其LabVIEW应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题来源 |
1.2 研究背景及意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 本文主要内容 |
第二章 LabVIEW软件及水力机组测流常用方法分析 |
2.1 LabVIEW软件 |
2.1.1 LabVIEW仪器的特点 |
2.1.2 LabVIEW通用仪器的平台 |
2.1.3 LabVIEW软件平台逻辑关系图 |
2.2 水轮发电机组常用测流方法 |
2.2.1 流速仪法 |
2.2.2 水锤法 |
2.2.3 示踪法 |
2.2.4 超声波法 |
2.2.5 蜗壳压差法 |
2.3 常用测流方法分析 |
2.4 本章小结 |
第三章 水力机组流量的间接计算方法 |
3.1 水轮机力矩模型 |
3.1.1 传递系数描述的水轮机力矩模型 |
3.1.2 水轮机出力的代数方程 |
3.2 水轮机流量计算模型 |
3.2.1 空载点参数的扩展 |
3.2.2 水轮机流量计算模型的修正 |
3.3 本章小结 |
第四章 计算模型的验证及参数的获取方法 |
4.1 测流方法的实例验证 |
4.1.1 实例计算数据的获取 |
4.1.2 实例计算验证 |
4.2 相关参数测试方法 |
4.2.1 空载点流量的获取 |
4.2.2 水轮机水头H |
4.2.3 水轮机静水头及水轮发电机有功的获取 |
4.3 试验验证 |
4.3.1 试验平台基本情况 |
4.3.2 数据处理和计算 |
4.4 基于LabVIEW构建平台 |
4.5 本章小结 |
第五章 相关应用扩展 |
5.1 应用于蜗壳压差流量系数的求取 |
5.1.1 提高精度的理论分析 |
5.1.2 差压系数计算公式实例计算 |
5.2 应用于水轮机效率的计算 |
5.3 LabVIEW程序的应用完善 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
附录 A(攻读硕士学位期间发表论文) |
附录 B(攻读硕士学位期间参加的科研工作) |
(8)梯级水电站群跨电网短期联合运行及经济调度控制研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 引言 |
1.2 选题背景与研究目标 |
1.3 流域梯级水电站群短期联合优化运行研究进展 |
1.4 本文主要研究内容与框架 |
2 梯级水电站经济调度控制研究 |
2.1 引言 |
2.2 梯级水电站经济调度控制(EDC)问题 |
2.3 梯级水电站经济调度控制模型 |
2.4 梯级水电站经济调度控制模型求解 |
2.5 实例研究与应用 |
2.6 本章小结 |
3 梯级水电站短期发电计划编制与厂内经济运行一体化调度 |
3.1 引言 |
3.2 问题描述 |
3.3 短期发电计划编制与厂内经济运行模型 |
3.4 短期发电计划编制与厂内经济运行一体化调度模式 |
3.5 实例研究与应用 |
3.6 本章小结 |
4 梯级水电站群跨区多电网短期联合调峰调度方法 |
4.1 引言 |
4.2 水电站群跨区多电网送电及调峰问题 |
4.3 水电站群短期多电网调峰调度模型 |
4.4 梯级水电站群短期多电网调峰调度模型求解 |
4.5 实例研究与应用 |
4.6 本章小结 |
5 梯级水电站群与火电、风电短期联合互补调度 |
5.1 引言 |
5.2 水-火-风多能源互补特性分析 |
5.3 风功率不确定性描述方法 |
5.4 水-火-风多能源短期联合互补调度建模 |
5.5 改进多目标蜂群算法研究 |
5.6 基于改进多目标蜂群算法的模型高效求解方法 |
5.7 实例研究 |
5.8 本章小结 |
6 总结与展望 |
6.1 研究工作总结 |
6.2 工作展望 |
致谢 |
参考文献 |
附录1:攻读博士期间发表的论文 |
附录2:攻读博士期间完成和参与的科研项目 |
附录3:与导师合作申请的发明专利和软件着作权 |
附录4:攻读博士期间奖励与授权研究成果 |
(9)基于时频分析与特征约简的水电机组故障诊断方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究的背景及意义 |
1.2 水电机组振动故障诱因概述 |
1.3 振动信号的时频分析方法 |
1.4 信号的多维特征约简方法 |
1.5 水电机组故障诊断方法概述 |
1.6 论文结构与主要研究内容 |
2 基于混合延拓的EMD端点效应抑制方法及其应用 |
2.1 引言 |
2.2 经验模态分解及其端点效应 |
2.3 基于混合延拓的EMD端点效应抑制方法 |
2.4 水电机组振动仿真信号实例分析 |
2.5 本章小结 |
3 自适应快速EEMD及其在尾水管压力脉动信号分析中的应用 |
3.1 引言 |
3.2 集成经验模态分解算法及Hilbert变换 |
3.3 噪声频率对EEMD计算效率的影响 |
3.4 自适应快速集成经验模态分解 |
3.5 AFEEMD算法性能验证分析 |
3.6 尾水管压力脉动信号实例分析 |
3.7 本章小结 |
4 考虑流行学习特征约简的水电机组混合故障诊断策略 |
4.1 引言 |
4.2 LGPCA算法理论介绍 |
4.3 自适应近邻关系的监督型LGPCA |
4.4 基于M-LGPCA和SVM的水电机组故障诊断 |
4.5 多维广域特征的振动故障混合诊断策略 |
4.6 诊断实例分析 |
4.7 本章小结 |
5 基于混合引力搜索和随机森林的转子系统故障诊断 |
5.1 引言 |
5.2 随机森林 |
5.3 混合引力搜索算法 |
5.4 HGSA-RF故障诊断系统 |
5.5 振动信号采集和特征提取 |
5.6 结果与分析 |
5.7 本章小结 |
6 全文总结与研究展望 |
6.1 全文总结 |
6.2 研究展望 |
致谢 |
参考文献 |
附录1:攻读博士期间发表的论文 |
附录2:攻读博士期间完成和参与的科研项目 |
(10)灾后渔子溪水电站监控系统改造研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 水电站监控系统的发展现状 |
1.2.1 国外水电厂监控系统发展现状 |
1.2.2 国内水电厂监控系统发展现状 |
1.3 论文研究目的及主要工作 |
1.4 本章小结 |
第2章 灾后渔子溪水电站监控系统现状及改造原则 |
2.1 渔子溪水电站简介 |
2.2 渔子溪水电站监控系统现状 |
2.3 电站监控系统改造原则 |
2.4 本章小结 |
第3章 监控系统结构改造 |
3.1 现有监控系统现状 |
3.2 监控系统改造要求及总体结构改造 |
3.3 厂站层与现地层功能需求分析 |
3.4 系统网络结构改造与搭建 |
3.5 本章小结 |
第4章 监控系统硬件改造 |
4.1 系统硬件改造必要性 |
4.2 现场测量变送器选型与搭建 |
4.3 厂站层硬件改造与功能实现 |
4.4 现地层硬件改造与功能实现 |
4.5 本章小结 |
第5章 水轮机转速调节系统改造 |
5.1 水轮机转速调节系统改造必要性 |
5.2 水轮机转速调节系统建模 |
5.2.1 引水系统数学模型 |
5.2.2 混流式水轮机数学模型 |
5.2.3 发电机数学模型 |
5.2.4 调速器调节模块 |
5.2.5 水轮机调节系统数学模型 |
5.3 实验验证与仿真 |
5.3.1 开机流程仿真 |
5.3.2 空载频率扰动仿真 |
5.3.3 单机负荷扰动与甩负荷仿真 |
5.4 现场应用 |
5.4.1 开机流程实验 |
5.4.2 有水实验 |
5.4.3 现场实验效果与仿真结果对比 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
攻读硕士期间发表的学术论文 |
附录 |
四、安仁溪水电站机组动能参数在线监测(论文参考文献)
- [1]基于机器学习的水电机组运行安全保障方法研究[D]. 曲力涛. 中国水利水电科学研究院, 2020(04)
- [2]基于水气两相流理论的高坝泄洪雾化计算研究[D]. 刘刚. 三峡大学, 2020(06)
- [3]水轮发电机不平衡磁拉力与振动特性研究[D]. 李敏. 昆明理工大学, 2020(04)
- [4]基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研究[D]. 张炜博. 华中科技大学, 2019
- [5]水电机组多源信息故障诊断及状态趋势预测方法研究[D]. 刘涵. 华中科技大学, 2019
- [6]超声波测流的误差控制及其LabVIEW应用[D]. 王芳芳. 昆明理工大学, 2019(04)
- [7]水轮机流量的间接计算方法及其LabVIEW应用[D]. 张振凯. 昆明理工大学, 2019(04)
- [8]梯级水电站群跨电网短期联合运行及经济调度控制研究[D]. 卢鹏. 华中科技大学, 2016(08)
- [9]基于时频分析与特征约简的水电机组故障诊断方法研究[D]. 薛小明. 华中科技大学, 2016(08)
- [10]灾后渔子溪水电站监控系统改造研究[D]. 胡开良. 西南石油大学, 2016(03)