基于改進支持向量機和特征信息融合的水電機組故障診斷.pdf

1、當前，我國經濟高速發(fā)展，電力需求十分旺盛，系統(tǒng)供電的可靠性要求越來越高。近三十年來，我國大力開發(fā)水電能源，水電裝機容量在電力系統(tǒng)中所占的比重逐步提高。同時，隨著制造技術的發(fā)展，水電機組單機容量越來越大，在系統(tǒng)中的調頻、調峰和事故備用功能亦越來越重要。水電機組運行的安全性和可靠性已經成為水電能源學科學術界和工程界研究的熱點之一。 水電機組是強耦合、非線性的復雜系統(tǒng)，其故障特征分布也具有耦合性和非線性，如果采用單一的、線性的方法，很

2、難對其運行狀態(tài)做出準確的評價。信息融合能夠綜合水電機組異源異構信息，全面了解機組狀態(tài)。帶有核函數的支持向量機能夠實現輸入空間向特征空間的非線性映射，適宜解決非線性問題。這些方法的采用對實施水電機組故障診斷，進而實現水電機組狀態(tài)檢修具有重要的現實意義。 現有的故障診斷方法通常在平穩(wěn)工況下進行，由于開機工況及其過程復雜，信號不容易處理，因此，較少考慮機組啟停過程的過渡特性進行故障診斷。實際上，在開機過程中能夠獲取更多機組故障特征信息

3、，有利于提高故障診斷準確性。同時，結合工程中水電機組振動試驗（轉速試驗、勵磁試驗和負荷試驗）的要求，本文提出了基于多特征信息融合的開機自診斷故障診斷方法。水電機組開機過程包括加速、加勵磁和加負荷三個階段，利用機組開機過程，獲取機組頻率、時間和空間特征信息，進而對其進行信息融合，這將提高機組故障診斷的準確度。 軸心軌跡是水電機組狀態(tài)信息在數據層時域信息空間的融合結果，其圖形特征從另一個角度反映了機組的運行狀態(tài)。曲線不變矩滿足軸心軌

4、跡不封閉的特點，能夠表征軸心軌跡的圖形特征。但是，離散的曲線不變矩不具有縮放不變性，因此本文在討論軸心軌跡曲線不變矩不變性的基礎上，提出了改進曲線不變矩。實驗結果表明，改進后的曲線不變矩具有平移、旋轉和縮放不變性。 為了有效實現信息輸入空間向信息特征空間的非線性映射，本文針對支持向量機中的RBF核函數，研究了其幾何特性，采用以黎曼幾何為基礎的數據依賴性改進方法，以此剔除支持向量機的冗余支持向量，從而顯著提高了支持向量機故障診斷的速

5、度和準確度。此外，本文將改進支持向量機應用于水電機組故障診斷。通過理論分析和實驗驗證，闡明了支持向量機具有較強的泛化推廣能力和小樣本學習能力，適應于水電機組故障診斷先驗知識不足的現實情況。故障實例分析表明，改進支持向量機能夠提高機組故障診斷的速度和準確度。 針對多元數據融合過程中的“組合爆炸”問題，并在分析證據聯合計算復雜度的基礎上，提出采用交換律和結合律進行D-S證據信息融合的分解，以降低計算的復雜度。利用相關故障數據進行診斷

6、測試，證實了D-S證據理論交換律和結合律的成立。此外，將信息融合技術應用于水電機組故障診斷，得到了更準確的診斷結論。與單一特征診斷相比，通過水電機組故障信息的頻率階次特征、時間特征和空間特征的融合，故障診斷結論的不確定性更低，而可信度更高。 最后，本文設計了一套水電機組穩(wěn)定性狀態(tài)監(jiān)測及故障診斷原型系統(tǒng)。在系統(tǒng)總體設計的框架下，完成了各功能模塊的硬件設計和軟件設計，建立了故障診斷專家子系統(tǒng)和SVM輔助決策子系統(tǒng)，以滿足水電機組穩(wěn)定