瀑布沟水电站设备运行监测分析系统建设与应用

摘 要：目前，国内大多水电站都实现了自动化、数字化，基本实现了“无人值班、少人值守、远方集控”的运行模式，但对于站内各设备运行状态、指标运行趋势及故障分析的手段仍处于人工评判的方式。缺乏自动预警、自主学习、自动诊断故障的能力，尤其是在大数据、物联网、机器学习等高新技术发展的今天，更应该建立一套智能监测分析系统，实现对设备状态进行实时监测、对运行参量与指标进行趋势分析、对基本故障进行自主诊断。及时发现设备隐患，将故障消除在萌芽状态，实现变“事后处理”为“事前预防”的设备管理新模式。同时，水电站运行工作中存在大量报表需要运行人员人工填报与计算，耗时耗力且工作量繁重，设备运行监测分析系统开发了切合运行生产的各类智能报表，彻底改变人工抄表的模式，大大减轻了值班人员的工作量。本文将从系统建设的各项功能进行介绍，对智能电站的建设具有重要的指导意义，可供同类系统建设借鉴与参考。 关键词：实时监测；趋势分析；故障诊断；智能报表 1 概 述

水电站对设备运行状态的监视与控制都依赖于计算机监控系统，虽然计算机监控系统能对异常运行的设备进行报警，但报警逻辑仅限于实时数据，存在单一性、瞬时性、孤立性的特点，只有当设备出现异常时，监控系统才发出报警信息。未能建立有效指标对系统工况进行实时监测，缺乏专门的监测预警模型，未能实现从报警到预警的转变。同时，水电站各子系统众多，例如：发电机局部放电在线监测系统、机组振摆在线监测系统、主变油色谱系统、通风空调系统、渗漏及检修排水系统。各子系统与计算机监控系统之间并未完全建立所有数据的通信，各系统想对孤立、不利于数据分析。建设全覆盖的设备运行监测分析系统就必须基于一体化数据平台而进行。本系统主要包含四个方面的功能：智能监盘、趋势预警、故障诊断、智能报表。 2 系统架构

瀑布沟电站各子系统数据大致包含结构化数据、非结构化数据、波形数据及其他特征数据。数据传输路径是先将各子系统数据汇集到站内综合数据平台，通过对原始数据进行统一编码后存入综合数据平台数据库，再将数据送至成都云中心平台集中统一存储。图1是设备运行监测分析系统网络架构，通过制定综合数据平台系统的数据命名规范和标准，实现水电站统一的系统管理和分布式数据应用[1]。 图1 设备运行监测分析系统网络架构

设备运行监测分析系统服务器安装于云中心虚拟服务器平台上，直接从云中心数据库中取出后进行功能开发与高级应用。同时，系统引入机器学习、孤立森林、神经网络、时间序列预测等新技术，对海量运行数据实时监测与分析，拟定能有效表征水电站设备健康特征的指标；综合各类设备特性、变化趋势和后果影响等方面因素，制定科学合理的趋势预警阈值；归纳提炼专家理论和经验，同时结合数学模型，将水电站设备故障处理经验转变为自动运行算法，在系统运行中实时预警。 3 系统功能 3.1 智能监盘

智能监盘是通过各系统数据内在关系、依照相关专家知识、运行经验建立的多参数联合分析数字化监盘模型，将运行人员的经验积累沉淀，通过系列规则、逻辑关系或函数表达式把专家思路与运行逻辑固化在软件系统中。同时，自动计算科学的动态报警阈值，实现设备在不同运行工况下的动态报警。例如：机组在不同工况下，振动摆度有很大区别，如果仅设置一个固定的报警阈值，则无法在振摆发生异常变化早期发出报警信息，同时也无法真实掌控机

组运行的健康状态。智能监盘能够实时监视分析上万个监测点，代替现阶段主流的人工监盘，大大减轻了运行值班人员的工作量，况且人共监盘，受运行经验、技能水平影响等问题，存在误判、漏判的现象。而智能监盘不仅可以规避这些问题，还可以减轻人员工作量，提高监盘的准确度。 3.2 趋势预警

趋势预警主要对机组四部轴承油位、油温、瓦温，机组振动摆度等这类具有时间序列特征的模拟量数据进行预测分析。通过挖掘设备运行的海量历史数据，引入机器学习、时间序列预测的方法，实时预测其变化趋势状态，当监测量将要出现异常趋势时，发出预警信息。目前，系统中用到的预测方法主要有多项式拟合趋势分析、基于LSTM时间序列预测两种，通过对历史数据过滤清洗、训练模型，使模型学习掌握数据运行状态趋势，利用趋势模型实现长时间的数据预测。相对于监控系统简单的阈值报警，趋势预警分析同时也综合了横向分析、纵向分析、机器学习等方法，结合时间序列预测结果进行综合分析，对设备指标或状态将要有异常变化趋势时就发出预警。使得运行人员有充分的时间采取相应的措施，将故障消除在萌芽状态，避免事故的发生。

图2为瀑布沟5F机组下导摆度数据的预测，通过预测的结果来看，预测准确度较高，RMSE值为7.85，准确度基本达到了92%。目前，这种预测结果在2小时内准确度几乎达到99%以上，时间越长准确度相对下降。 图2 下导摆度预测曲线与实时曲线 3.3 故障诊断

故障诊断就是对机组出现的报警信息进行诊断分析，保证机组正常运行。水电机组安全稳定运行的重要性不言而喻,一旦出现故障问题,就会给水电厂带来巨大的经济损失,为此要选择适合的诊断技术,才能确保水电机组运行的稳定性[2]。运行监测分析系统监测到报警信号后，自动根据横向比较、纵向比较以及关联分析的原则，根据专家经验，识别数据中的关联关系，并建立故障诊断模型，自动调取与故障信息有关的相关数据，分析变量之间、状态与变量、当前状态与历史状态的关联关系，自动判断故障信号属于信号问题还是被监测设备本身问题，辨别信号“真伪”，最后进行综合诊断分析，给出诊断结论及处理意见。如图3，当监控系统报“剪断销剪断”报警后，系统根据故障诊断逻辑进行判别，最终将故障真正原因推送给运行人员，同时给出处理意见，方便运行人员在事故处理时有条不紊进行应急处置。 图3剪断销故障诊断逻辑图 3.4 智能报表

运行报表的编制，对于运行人员而言也是很重要的一项工作，据了解国内大部分电站的各类报表均处于人工抄录、表格人工编制、运行状态人工分析的状态，此项工作难度简单，但工作量极为繁重，基于这种背景下智能报表功能应运而生。系统能按照我们运行值班和设备管理要求，定期自动对站内设备运行数据进行分析，形成分析报表、结论。同时为满足用户需求，智能报表可以根据实际要求进行配置，这个大大减少了我们抄表、计算的工作量，同时也提高了工作效率。 4 结语

本文在分析国内水电机组状态分析的基础上，探索水电站设备运行监测分析系统，根据数据整合原则，首先建立综合数据平台，把电站内各孤立系统的数据按照统一标准接入电站端综合数据平台数据库，再将数据送至大渡河公司云平台数据中心。运行监测分析系统可以根据站内各子系统所有数据进行综合分析，准确评判设备运行趋势、诊断故障原因。同时结合目

前电站运维实际需求，开发了智能报表功能，减轻运维人员工作量。本系统通过在瀑布沟电站的研究与应用，具有较好的成效，可供同类工程借鉴与参考。 参考文献

[1]肖瑞. 大数据时代智能一体化数据平台在水电行业的应用分析[J].电声技术，2019，43（9）:48-50

[2]王永潭,王振羽,王树新,孟繁欣,王长营,刘忠仁.故障诊断专家系统在水电厂的应用[J].科学技术创新,2019(36):63-64.

作者简介：华维，男，1989.11，助理工程师，现从事水电站运行维护方面工作。