CN110274762A - 一种基于大数据的水轮机导轴承故障诊断*** - Google Patents
一种基于大数据的水轮机导轴承故障诊断*** Download PDFInfo
- Publication number
- CN110274762A CN110274762A CN201910642495.0A CN201910642495A CN110274762A CN 110274762 A CN110274762 A CN 110274762A CN 201910642495 A CN201910642495 A CN 201910642495A CN 110274762 A CN110274762 A CN 110274762A
- Authority
- CN
- China
- Prior art keywords
- data
- guide bearing
- fault diagnosis
- throw
- system based
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种基于大数据的水轮机导轴承故障诊断***,涉及故障诊断技术领域,为解决传统的状态监测***仅仅能在机组发生故障的时候发出警报,无法事先发现潜在故障源的问题,包括:温度传感器、摆度传感器、数据采集器、电厂数据管理服务器、本地云服务平台和显示装置,所述温度传感器用于实时检测导轴承各部件的温度情况;所述摆度传感器用于采集导轴承大轴摆度的相关数据;所述数据采集器将温度传感器和摆度传感器采集的模拟量信号转换为数字量信号存储在电厂数据管理服务器内,通过本地云服务平台将数据进行分布式存储,并且通过诊断逻辑程序对数据进行分析处理,然后将监测和诊断信息发送给显示装置。本发明能事先发现潜在故障源。
Description
技术领域
本发明涉及故障诊断技术领域,具体为一种基于水轮机导轴承故障诊断***。
背景技术
电站机组基本都安装了状态监测***,但是传统的状态监测***仅仅能在机组发生故 障的时候发出警报,无法事先发现潜在故障源,不能分析故障产生的原因,也不能提出检 修维护策略。随着电网和电站的安全稳定运行、规范化、标准化和精细化管理水平的不断 提高,电站对发电设备智能远程运维***的服务需求越发迫切。
智能电站的运行取决于各部分主要部件的智能化程度,针对水轮机重要部分导轴承开 发智能诊断服务装置,建立导轴承***现地智能诊断***,为开发智能电站打下坚实基础。
发明内容
本发明的目的是:针对传统的状态监测***仅仅能在机组发生故障的时候发出警报, 无法事先发现潜在故障源的问题,提出一种基于大数据的水轮机导轴承故障诊断***。
本发明为了解决上述技术问题采取的技术方案是:一种基于大数据的水轮机导轴承故 障诊断***,包括:温度传感器、摆度传感器、数据采集器、电厂数据管理服务器、本地云服务平台和显示装置,
所述温度传感器用于实时检测导轴承各部件的温度情况;
所述摆度传感器用于采集导轴承大轴摆度的相关数据;
所述数据采集器将温度传感器和摆度传感器采集的模拟量信号转换为数字量信号存储 在电厂数据管理服务器内,通过本地云服务平台将数据进行分布式存储,并且通过诊断逻 辑程序对数据进行分析处理,然后将监测和诊断信息发送给显示装置。
进一步的,所述诊断逻辑程序具体包括以下步骤:
步骤一:由本地云服务平台提供水轮机导轴承监测点数据VR,,并在数据库中以map集合形式存储;
步骤二:根据历史数据采用无监督机器学习算法训练建立健康特征模型HM,模型边 界由阈值组成,满足VTU=(1+X%)VL,VTD=(1-Y%)VL,VL为理论值,VTU为上限阈 值,VTD为下限阈值;
步骤三:给出置信度,调取map集合,对所有监测点数据VR逐个进行比较,若VR-VTU>0或VR-VTD<0,则判定该监测点数值超界,发出数据异常报警,并根据数值偏移量提供 置信度DP;
步骤四:根据发出的数据异常报警诊断结果,由人工专家评审后给用户发送综合评估 报告。
进一步的,所述步骤一中本地云服务提供的水轮机导轴承监测点数据VR包括:水轮发 电机上导轴承摆度峰峰值VRU、下导轴承摆度峰峰值VRD和水导轴承摆度峰峰值VRW。
进一步的,所述诊断逻辑程序采用json数据接口格式。
进一步的,所述温度传感器为热电偶。
进一步的,所述导轴承各部件的温度情况包括上导轴承、下导轴承和水导轴承的瓦温。
进一步的,所述摆度传感器为涡流型振动检测器。
本发明的有益效果是:本发明经过仿真软件对应力场、电磁场等分析而确定的传感器 安装位置,能够保证传感器采集数据的精度及质量,本地云服务可以将数据分布式存储实 现快速操作历史数据,对数据进行预处理和建立健康模型,提高了存取效率;而且本发明 采用大数据机器学习技术,通过***所积累的与发电设备相关的海量数据,利用***的评 价指标及逻辑算法,不断修正健康特征模型阈值范围,减小数据偏移量,不断提升模型精 度。
本发明将水轮机导轴承运行情况和诊断结果实时反馈给电站用户,可以事先发现潜在 故障源,电站用户可以根据反馈结果对导轴承建立检修计划,保证水轮机导轴承部分的正 常运行。
附图说明
图1为本发明的***架构图。
图2为本发明的数据诊断原理图。
图3为本发明的数据诊断结果故障报告图。
图4为本发明的数据诊断方向流程图。
具体实施方式
具体实施方式一:参照图1和图2具体说明本实施方式,本实施方式所述的一种基于 大数据的水轮机导轴承故障诊断***,包括:温度传感器、摆度传感器、数据采集器、电厂数据管理服务器、本地云服务平台和显示装置,
所述温度传感器用于实时检测导轴承各部件的温度情况;
所述摆度传感器用于采集导轴承大轴摆度的相关数据;
所述数据采集器将温度传感器和摆度传感器采集的模拟量信号转换为数字量信号存储 在电厂数据管理服务器内,通过本地云服务平台将数据进行分布式存储,并且通过诊断逻 辑程序对数据进行分析处理,然后将监测和诊断信息发送给显示装置。
本实施方式如图1所示,图1中温度传感器P1、摆度传感器P2、数据采集器U1、电 厂数据管理服务器U2、本地云服务平台U3及显示装置S1。
具体实施方式二:本实施方式是对具体实施方式一所述的作进一步说明,本实施方式 与具体实施方式一的区别是所述诊断逻辑程序具体包括以下步骤:
步骤一:由本地云服务提供水轮机导轴承监测点数据VR,,并在数据库中以map集合 形式存储;
步骤二:根据历史数据采用无监督机器学习算法训练建立健康特征模型HM,模型边 界由阈值组成,满足VTU=(1+X%)VL,VTD=(1-Y%)VL,VL为理论值,VTU为上限阈 值,VTD为下限阈值,VTU、VTD根据X、Y修正,X、Y为百分数的数值,即调节参数;
步骤三:给出置信度,调取map集合,对所有监测点VR逐个进行比较,若VR-VTU>0或VR-VTD<0,则判定该监测点数值超界,发出数据异常报警,并根据数值偏移量提供置 信度DP;
步骤四:根据发出的数据异常报警诊断结果,由人工专家评审后给用户发送综合评估 报告。
步骤一中本地云服务提供的水轮机导轴承监测点数据VR还可以以其他集合形式存储。
本实施方式如图2或图4所示,其中图2为本发明的数据诊断原理图,图4为本发明的数据诊断方向流程图。
具体实施方式三:本实施方式是对具体实施方式二所述的作进一步说明,本实施方式 与具体实施方式二的区别是所述步骤一中本地云服务提供的水轮机导轴承监测点数据VR包括:水轮发电机上导轴承摆度峰峰值VRU、下导轴承摆度峰峰值VRD和水导轴承摆度峰峰值VRW。
具体实施方式四:本实施方式是对具体实施方式二所述的作进一步说明,本实施方式 与具体实施方式二的区别是所述诊断逻辑程序采用json数据接口格式。
具体实施方式五:本实施方式是对具体实施方式一所述的作进一步说明,本实施方式 与具体实施方式一的区别是所述温度传感器为热电偶。
具体实施方式六:本实施方式是对具体实施方式一所述的作进一步说明,本实施方式 与具体实施方式一的区别是所述导轴承各部件的温度情况包括上导轴承、下导轴承和水导 轴承的瓦温。
具体实施方式七:本实施方式是对具体实施方式一所述的作进一步说明,本实施方式 与具体实施方式一的区别是所述摆度传感器为涡流型振动检测器。
实施例:
如图1所示的一种基于大数据的水轮机导轴承故障诊断***,由温度传感器P1、摆度 传感器P2、数据采集器U1、电厂数据管理服务器U2、本地云服务平台U3及显示装置S1 构成,在被测导轴承内植入相应感知器件,其中温度传感器P1选用热电偶,用于实时检测 机组各个部件的温度情况,实时检测的部件温度情况包括:上导轴承、下导轴承及水导轴 承的瓦温;摆度传感器P2采用涡流型振动检测器,分别安装在电站机组的上导轴承、下导 轴承及水导轴承处,用于采集大轴摆度的相关数据;数据采集器U1,将感知器件采集的模 拟量信号转换为数字量信号存储在电厂数据管理服务器U2内,通过云服务平台U3将数据 进行分布式存储、预处理和模型建立,划分为实时数据库DB1、历史数据库DB2、模型数 据库DB3。
诊断实施方式:
1)大数据机器学习智能诊断软件基于json数据接口格式,采集存储水轮发电机上导轴 承摆度峰峰值VRU、下导轴承摆度峰峰值VRD、水导轴承摆度峰峰值VRW、上导轴承摆度峰峰值1X频占比R,每一秒刷新一次,在数据库中以map或其他集合形式存储。
2)健康特征模型建立。健康特征模型HM由历史数据训练建立,模型边界由阈值组成, 根据该型机组上导摆度峰峰值理论值VL,HM上限阈值为VTU=(1+5%)VL。大数据诊断方法请求上导摆度峰峰值上限阈值VTU。
3)大数据诊断,给出置信度。大数据诊断方法调取map集合VRU,计算VRU-VTU>0, 该监测点数值超界,大数据诊断方法发出数据异常报警,并根据数值偏移量提供置信度DP
4)诊断结果处理。智能诊断方法直接调取历史数据进行分析诊断,诊断结果生成故障 报告如附图3,采用报警的方式发送给用户。
需要注意的是,具体实施方式仅仅是对本发明技术方案的解释和说明,不能以此限定 权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的,仍应落入本 发明的保护范围内。
Claims (7)
1.一种基于大数据的水轮机导轴承故障诊断***,其特征在于包括:温度传感器、摆度传感器、数据采集器、电厂数据管理服务器、本地云服务平台和显示装置,
所述温度传感器用于实时检测导轴承各部件的温度情况;
所述摆度传感器用于采集导轴承大轴摆度的相关数据;
所述数据采集器将温度传感器和摆度传感器采集的模拟量信号转换为数字量信号存储在电厂数据管理服务器内,通过本地云服务平台将数据进行分布式存储,并且通过诊断逻辑程序对数据进行分析处理,然后将监测和诊断信息发送给显示装置。
2.根据权利要求1所述的一种基于大数据的水轮机导轴承故障诊断***,其特征在于所述诊断逻辑程序具体包括以下步骤:
步骤一:由本地云服务平台提供水轮机导轴承监测点数据VR,,并在数据库中以map集合形式存储;
步骤二:根据历史数据采用无监督机器学习算法训练建立健康特征模型HM,模型边界由阈值组成,满足VTU=(1+X%)VL,VTD=(1-Y%)VL,VL为理论值,VTU为上限阈值,VTD为下限阈值;
步骤三:给出置信度,调取map集合,对所有监测点数据VR逐个进行比较,若VR-VTU>0或VR-VTD<0,则判定该监测点数值超界,发出数据异常报警,并根据数值偏移量提供置信度DP;
步骤四:根据发出的数据异常报警诊断结果,由人工专家评审后给用户发送综合评估报告。
3.根据权利要求2所述的一种基于大数据的水轮机导轴承故障诊断***,其特征在于:所述步骤一中本地云服务提供的水轮机导轴承监测点数据VR包括:水轮发电机上导轴承摆度峰峰值VRU、下导轴承摆度峰峰值VRD和水导轴承摆度峰峰值VRW。
4.根据权利要求2所述的一种基于大数据的水轮机导轴承故障诊断***,其特征在于:所述诊断逻辑程序采用json数据接口格式。
5.根据权利要求1所述的一种基于大数据的水轮机导轴承故障诊断***,其特征在于:所述温度传感器为热电偶。
6.根据权利要求1所述的一种基于大数据的水轮机导轴承故障诊断***,其特征在于:所述导轴承各部件的温度情况包括上导轴承、下导轴承和水导轴承的瓦温。
7.根据权利要求1所述的一种基于大数据的水轮机导轴承故障诊断***,其特征在于:所述摆度传感器为涡流型振动检测器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910642495.0A CN110274762A (zh) | 2019-07-16 | 2019-07-16 | 一种基于大数据的水轮机导轴承故障诊断*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910642495.0A CN110274762A (zh) | 2019-07-16 | 2019-07-16 | 一种基于大数据的水轮机导轴承故障诊断*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110274762A true CN110274762A (zh) | 2019-09-24 |
Family
ID=67964498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910642495.0A Pending CN110274762A (zh) | 2019-07-16 | 2019-07-16 | 一种基于大数据的水轮机导轴承故障诊断*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110274762A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111076962A (zh) * | 2020-01-03 | 2020-04-28 | 中国电建集团华东勘测设计研究院有限公司 | 一种面向智慧水电厂的机电设备故障诊断方法 |
CN111947928A (zh) * | 2020-08-10 | 2020-11-17 | 山东大学 | 一种多源信息融合的轴承故障预测***及方法 |
CN113281046A (zh) * | 2021-05-27 | 2021-08-20 | 陕西科技大学 | 一种基于大数据的纸机轴承监测装置及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11150993A (ja) * | 1997-11-20 | 1999-06-02 | Hitachi Ltd | 水車発電機の状態監視方法及びその装置 |
US20060124864A1 (en) * | 2004-12-14 | 2006-06-15 | Nikon Corporation | Air bearing compatible with operation in a vacuum |
CN101289990A (zh) * | 2008-06-17 | 2008-10-22 | 四川中鼎自动控制有限公司 | 水轮发电机组振动保护的实现方法 |
CN103456141A (zh) * | 2013-08-23 | 2013-12-18 | 国家电网公司 | 一种基于多维变量样本信息库的水电机组状态报警方法 |
US20140122011A1 (en) * | 2011-01-20 | 2014-05-01 | Vestas Wind Systems A/S | Method for diagnostic monitoring of a wind turbine generator system |
CN104596574A (zh) * | 2014-12-08 | 2015-05-06 | 哈动国家水力发电设备工程技术研究中心有限公司 | 大型水力发电设备远程诊断服务平台装置 |
CN106017936A (zh) * | 2016-05-24 | 2016-10-12 | 国家电网公司 | 一种水轮机组运行状态监测诊断方法 |
CN205748259U (zh) * | 2016-05-18 | 2016-11-30 | 哈尔滨电机厂有限责任公司 | 水轮发电机导轴承摆度测量用电涡流传感器的安装装置 |
CN206905722U (zh) * | 2017-07-21 | 2018-01-19 | 南昌工程学院 | 一种用于测量水电机组导轴承摆度的测量传感器支架结构 |
CN108681747A (zh) * | 2018-05-11 | 2018-10-19 | 武汉理工大学 | 基于深度学习的旋转机械故障诊断与状态监测***及方法 |
CN109683565A (zh) * | 2018-12-12 | 2019-04-26 | 电子科技大学 | 一种基于多方法融合的仪器仪表故障检测方法 |
CN109740727A (zh) * | 2018-12-05 | 2019-05-10 | 中国软件与技术服务股份有限公司 | 一种基于神经网络的水轮机转轴状态监测方法和*** |
-
2019
- 2019-07-16 CN CN201910642495.0A patent/CN110274762A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11150993A (ja) * | 1997-11-20 | 1999-06-02 | Hitachi Ltd | 水車発電機の状態監視方法及びその装置 |
US20060124864A1 (en) * | 2004-12-14 | 2006-06-15 | Nikon Corporation | Air bearing compatible with operation in a vacuum |
CN101289990A (zh) * | 2008-06-17 | 2008-10-22 | 四川中鼎自动控制有限公司 | 水轮发电机组振动保护的实现方法 |
US20140122011A1 (en) * | 2011-01-20 | 2014-05-01 | Vestas Wind Systems A/S | Method for diagnostic monitoring of a wind turbine generator system |
CN103456141A (zh) * | 2013-08-23 | 2013-12-18 | 国家电网公司 | 一种基于多维变量样本信息库的水电机组状态报警方法 |
CN104596574A (zh) * | 2014-12-08 | 2015-05-06 | 哈动国家水力发电设备工程技术研究中心有限公司 | 大型水力发电设备远程诊断服务平台装置 |
CN205748259U (zh) * | 2016-05-18 | 2016-11-30 | 哈尔滨电机厂有限责任公司 | 水轮发电机导轴承摆度测量用电涡流传感器的安装装置 |
CN106017936A (zh) * | 2016-05-24 | 2016-10-12 | 国家电网公司 | 一种水轮机组运行状态监测诊断方法 |
CN206905722U (zh) * | 2017-07-21 | 2018-01-19 | 南昌工程学院 | 一种用于测量水电机组导轴承摆度的测量传感器支架结构 |
CN108681747A (zh) * | 2018-05-11 | 2018-10-19 | 武汉理工大学 | 基于深度学习的旋转机械故障诊断与状态监测***及方法 |
CN109740727A (zh) * | 2018-12-05 | 2019-05-10 | 中国软件与技术服务股份有限公司 | 一种基于神经网络的水轮机转轴状态监测方法和*** |
CN109683565A (zh) * | 2018-12-12 | 2019-04-26 | 电子科技大学 | 一种基于多方法融合的仪器仪表故障检测方法 |
Non-Patent Citations (1)
Title |
---|
梁武科 等: "基于多传感器信息融合的水轮机导轴承故障诊断方法", 《水力发电学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111076962A (zh) * | 2020-01-03 | 2020-04-28 | 中国电建集团华东勘测设计研究院有限公司 | 一种面向智慧水电厂的机电设备故障诊断方法 |
CN111076962B (zh) * | 2020-01-03 | 2022-03-29 | 中国电建集团华东勘测设计研究院有限公司 | 一种面向智慧水电厂的机电设备故障诊断方法 |
CN111947928A (zh) * | 2020-08-10 | 2020-11-17 | 山东大学 | 一种多源信息融合的轴承故障预测***及方法 |
CN111947928B (zh) * | 2020-08-10 | 2021-11-05 | 山东大学 | 一种多源信息融合的轴承故障预测***及方法 |
CN113281046A (zh) * | 2021-05-27 | 2021-08-20 | 陕西科技大学 | 一种基于大数据的纸机轴承监测装置及方法 |
CN113281046B (zh) * | 2021-05-27 | 2024-01-09 | 陕西科技大学 | 一种基于大数据的纸机轴承监测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110274762A (zh) | 一种基于大数据的水轮机导轴承故障诊断*** | |
CN110469462B (zh) | 一种基于多模板的风电机组智能状态监测*** | |
CN108345282B (zh) | 一种基于人工智能的泵站运行异常诊断方法及*** | |
CN101555806B (zh) | 发电厂生产实时参数分类报警和识别辅助方法 | |
CN106655522A (zh) | 一种适用于电网二次设备运维管理的主站*** | |
CN102022263B (zh) | 用以调节风轮机中部件警报水平的方法和*** | |
CN104819107B (zh) | 一种风电机组功率曲线异常漂移的诊断方法及*** | |
CN112526251B (zh) | 一种基于数据驱动的变电站电力设备故障诊断方法 | |
CN101590918A (zh) | 卫星自主故障诊断方法及其诊断*** | |
CN105160489A (zh) | 一种水电机组变权劣化评估***及评估方法 | |
CN105205569A (zh) | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 | |
CN104596574A (zh) | 大型水力发电设备远程诊断服务平台装置 | |
CN103912448A (zh) | 一种区域风电场机组功率特性监测方法 | |
CN102800030A (zh) | 地区电网继电保护设备综合可靠性互动迭代评估方法 | |
CN116292146B (zh) | 一种使用倾角传感器的塔筒安全诊断***及方法 | |
US20220091601A1 (en) | Method, system and computer program product for evaluation of energy consumption in industrial environments | |
CN107545339A (zh) | 基于scada警报信号的ds证据理论的风力发电机组在线故障诊断方法 | |
CN110908985A (zh) | 一种气象环境自动监测站异常数据智能筛选方法和*** | |
KR20200084108A (ko) | 풍력발전기 유지보수 의사 결정 지원 시스템 | |
CN110106800A (zh) | 高速铁路声屏障健康指标管理评价***和监测装置 | |
Khatab | Performance analysis of operating wind farms | |
CN114060232A (zh) | 风力发电机组发电状态监测方法 | |
CN210222818U (zh) | 一种结合质控的风资源评估*** | |
CN109932024A (zh) | 一种工业流量仪表故障远程判断方法及*** | |
CN113323819A (zh) | 一种基于模糊专家***的风机安全链故障分析方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190924 |
|
RJ01 | Rejection of invention patent application after publication |