潘羅平，唐波,周葉,唐澍

(1.中國水利水電科學(xué)研究院水力機電所,北京100038;2.三峽總公司機電工程部,湖北宜昌443002)

水電機組狀態(tài)檢修是以水電機組的運行狀態(tài)為基礎(chǔ)的預(yù)防維修方式，它根據(jù)機組狀態(tài)監(jiān)測和故障診斷系統(tǒng)提供的信息，經(jīng)過統(tǒng)計分析和數(shù)據(jù)處理，來判斷機組的整體和部件的劣化程度，并在故障發(fā)生前有計劃地進行針對性維修，能明顯提高水電機組運行的可靠性，延長機組維修周期，降低水電機組檢修費用。

要在水電廠逐步推行“狀態(tài)檢修”技術(shù)，首先需要進行設(shè)備狀態(tài)監(jiān)測和故障診斷技術(shù)的研究、推廣和應(yīng)用。通過測量、采集和數(shù)據(jù)獲取機組工作狀態(tài)，將獲取的狀態(tài)監(jiān)測數(shù)據(jù)進行綜合評估和診斷，對機組可能發(fā)生或已發(fā)生的故障進行預(yù)測和判斷，提出消除解決故障的措施和辦法。

水電機組屬于低速旋轉(zhuǎn)機械，故障的發(fā)展一般是漸變過程，突發(fā)的惡性事故比較少，故障的發(fā)展有一個從量變到質(zhì)變的漸變過程，使得利用狀態(tài)監(jiān)測、故障診斷和趨勢分析技術(shù)來捕捉事故征兆、早期預(yù)警和防范故障成為可能。因此，為了最終實現(xiàn)狀態(tài)檢修機制，指導(dǎo)機組安全經(jīng)濟運行，故障診斷方法的研究和應(yīng)用具有重要的現(xiàn)實意義和工程應(yīng)用前景。

1 故障診斷技術(shù)應(yīng)用現(xiàn)狀

近年來，狀態(tài)監(jiān)測技術(shù)，在水電廠也得到了較為廣泛的應(yīng)用，但故障診斷技術(shù)的研究，卻大多停留在理論階段，實際應(yīng)用也僅限于機組某部件或某種故障的診斷，能夠?qū)顟B(tài)檢修起指導(dǎo)作用的成熟的故障診斷系統(tǒng)還沒有。

國內(nèi)產(chǎn)品大多還不具備智能故障診斷功能，僅提供機組運行狀態(tài)數(shù)據(jù)供工程技術(shù)人員處理和分析，由人工判斷機組健康狀態(tài)和潛在故障。相對來說，國外產(chǎn)品系統(tǒng)結(jié)構(gòu)較為完整，已初步具備智能故障診斷功能，具有故障庫平臺、征兆輸入接口、規(guī)則編輯工具和診斷結(jié)果解釋等功能模塊。但由于至今為止在水電行業(yè)應(yīng)用較少，且不能做到故障定位，輸出的診斷結(jié)果還是需要技術(shù)人員或?qū)＜易罱K分析判斷，因此在診斷后期處理上，仍然需進一步的研究和開發(fā)。具有代表性的有美國GEBently公司的System1系統(tǒng)平臺、瑞士Vibro-Meter公司的VM600系統(tǒng)和丹麥Rovsing公司的OPENpredictor系統(tǒng)。

美國GEBently的System1系統(tǒng)平臺，是美國紐約電力局(NYPA)針對水電機組狀態(tài)檢修實行的HydroX項目所采用的平臺，該平臺提供了決策支持模塊(DecisionSupport)，采用規(guī)則推理為主、神經(jīng)網(wǎng)絡(luò)為輔的綜合診斷方法，其RuleDesk子模塊允許接收監(jiān)測系統(tǒng)傳送的狀態(tài)數(shù)據(jù)和故障征兆，并允許用戶將知識和案例輸入到系統(tǒng)中，將數(shù)據(jù)轉(zhuǎn)換為可用信息。而RulePak子模塊作為故障知識庫，保存了大量機組故障規(guī)則知識，能夠?qū)C組常見故障進行智能診斷[1]。其具體診斷流程如圖1所示:

圖1 美國GEBently公司RulePak診斷模塊基于規(guī)則的推理流程

瑞士VibroMeter公司的VM600系統(tǒng)則提供了完整的診斷規(guī)則工具箱模塊，可以在故障庫中生成標(biāo)準(zhǔn)的診斷過程模版，并在條件匹配時自動進行故障診斷。其診斷推理采用的仍然是基于規(guī)則的故障推理方法，由于提供了較為強大的規(guī)則編輯工具，其征兆輸入、規(guī)則組合和診斷結(jié)果輸出能完全由用戶定制，結(jié)構(gòu)功能較為完整。

2 故障診斷原則

故障診斷系統(tǒng)是一個由軟硬件組成的框架平臺，其診斷能力和應(yīng)用效果取決于診斷知識的多少，故障知識來源于相關(guān)專業(yè)領(lǐng)域故障的分析和研究。對水電機組需要診斷的部位和可能發(fā)生的故障，必須進行詳細(xì)調(diào)研和需求調(diào)查，確定哪些可以診斷，哪些需要診斷，以及哪些可以進行機理研究實現(xiàn)智能診斷。

奧地利的VATECHHYDRO監(jiān)測與故障診斷中心提出，對于水電機組可能發(fā)生的故障，基于計算機監(jiān)測診斷系統(tǒng)的局限性，可以分為三類，以此為依據(jù)我們可以逐步實現(xiàn)機組主要部件的故障診斷。

a)故障機理基本清楚，且能夠用數(shù)學(xué)算法描述出來的故障，可以用基于計算機的模塊進行智能診斷；

b)故障機理基本清楚，但不能用數(shù)學(xué)算法描述的故障，不能被基于計算機的模塊診斷識別發(fā)現(xiàn)；

c)機理尚不清楚的故障，盡管它們發(fā)生了，目前還不能被基于計算機的診斷模塊診斷。

在故障診斷系統(tǒng)中，每一種類型的機器故障或故障機理，都必須能按照診斷系統(tǒng)的程序規(guī)則，繪制故障推理流程圖來描述該故障，給出相應(yīng)的征兆輸入和診斷結(jié)果輸出，并輸入到知識庫中，才能讓平臺實現(xiàn)自動智能診斷。因此，診斷系統(tǒng)能夠診斷某一故障的前提是我們能清晰的給出該故障推理的邏輯關(guān)系，并能夠用計算機語言描述出來。

對故障機理基本清楚的故障，如水電廠保存的故障案例，必須按照數(shù)學(xué)算法或推理規(guī)則轉(zhuǎn)換為計算機語言，這是建立故障診斷知識庫的系統(tǒng)框架后，需要大量專業(yè)人員和工程師投入才能完成的工作，也是故障診斷系統(tǒng)能夠在現(xiàn)場發(fā)揮實際工程應(yīng)用的重要步驟。

近年來，國內(nèi)廣州抽水蓄能水電站和大亞灣核電站在美國RCM專家的指導(dǎo)下，開展實施了以可靠性為中心的狀態(tài)檢修項目(ReliabilityCentreMaintenance，簡稱為RCM)，對故障機理清楚的關(guān)鍵系統(tǒng)進行RCM分析，分析確定這些關(guān)鍵系統(tǒng)的功能和性能標(biāo)準(zhǔn)；再判斷這些功能的失效模式和可能原因；通過分析故障影響和故障后果，最終利用決策樹確定不同設(shè)備采用的維修類型和頻度?，F(xiàn)階段已經(jīng)完成的《維修導(dǎo)則》和《維修大綱》紙質(zhì)報告，可以說是故障知識庫的雛形，也是故障診斷知識規(guī)則化的一次嘗試。

3 故障診斷方法

水電機組的故障診斷過程首先必須提取機組狀態(tài)特征和故障征兆，然后進行故障的推理和識別，最后是故障趨勢的預(yù)測和結(jié)果分析。其中故障的推理識別方法，一直是研究的熱門話題，故障診斷技術(shù)經(jīng)過十幾年的迅速發(fā)展，到目前為止已經(jīng)出現(xiàn)基于不同原理的眾多方法。目前應(yīng)用在水電領(lǐng)域較多的診斷方法有:基于規(guī)則的診斷方法、基于神經(jīng)網(wǎng)絡(luò)的診斷方法、基于故障樹的診斷方法、基于貝葉斯網(wǎng)絡(luò)的診斷方法、基于灰色理論的推理方法等，由于篇幅限制，這里僅對目前應(yīng)用較多的基于規(guī)則和基于神經(jīng)網(wǎng)絡(luò)的診斷方法進行簡單的論述。

3.1 基于規(guī)則的診斷方法

基于規(guī)則的推理方法，是知識工程師構(gòu)建專家系統(tǒng)最常用的方式，也是現(xiàn)階段實踐中應(yīng)用較多的方法，這主要歸功于大量成功的基于規(guī)則的專家系統(tǒng)實例和可行的基于規(guī)則的專家系統(tǒng)開發(fā)工具的出現(xiàn)。而基于規(guī)則的專家系統(tǒng)的工作模型，即我們常見的產(chǎn)生式規(guī)則，雖然它的思想比較簡單，卻十分有效。甚至可以說，產(chǎn)生式規(guī)則是整個專家系統(tǒng)的基礎(chǔ)，專家系統(tǒng)就是由產(chǎn)生式系統(tǒng)發(fā)展而成的，目前較為成熟和系統(tǒng)化的水電機組故障診斷系統(tǒng)，大多基于這種推理方法。

在基于規(guī)則的產(chǎn)生式系統(tǒng)中，知識分為兩個部分:事實用來表示靜態(tài)知識，如事物、事件和它們之間的關(guān)系；用規(guī)則表示推理過程和行為，由于這類系統(tǒng)的知識庫主要用來存儲規(guī)則，因此又把產(chǎn)生式系統(tǒng)稱為基于規(guī)則的系統(tǒng)(Rule-Based System)。

對水電機組而言，事實就是水電機組不同類型的部件和故障，以及他們之間簡單的對應(yīng)關(guān)系；規(guī)則就是故障發(fā)生的過程推理，以及征兆和故障對應(yīng)的邏輯關(guān)系。

圖2為GEBently公司的System1平臺采用規(guī)則推理對電機鐵芯過熱采用的診斷流程。

圖2 電機鐵芯過熱診斷流程圖

3.2 人工神經(jīng)網(wǎng)絡(luò)診斷方法

人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,簡稱ANN)是模擬人類神經(jīng)系統(tǒng)傳輸、處理信息過程的一種人工智能技術(shù)。自1943年Mcculloch和Pitts第一次提出模擬神經(jīng)元以來，它迅速發(fā)展成為與專家系統(tǒng)并列的人工智能技術(shù)的另一個重要分支，與基于規(guī)則的專家系統(tǒng)相比，人工神經(jīng)網(wǎng)絡(luò)具有獨特的容錯、自學(xué)習(xí)、自適應(yīng)等優(yōu)點[2]。

運用神經(jīng)網(wǎng)絡(luò)技術(shù)進行故障診斷可以看作模式識別過程。通過大量狀態(tài)參數(shù)的測量，用神經(jīng)網(wǎng)絡(luò)從測試空間影射到故障空間來實現(xiàn)故障診斷。訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)能存儲有關(guān)過程的知識，能直接從定量的、歷史故障信息中學(xué)習(xí)?？梢愿鶕?jù)對象的歷史數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，然后將此信息與當(dāng)前的測量數(shù)據(jù)進行比較，以確定故障。

人工神經(jīng)網(wǎng)絡(luò)具有濾出噪聲及在有噪聲情況下做出正確結(jié)論的能力，可以訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)來識別故障信息，使其在噪聲環(huán)境中有效的工作，這種濾除噪聲的能力使得人工神經(jīng)網(wǎng)絡(luò)適合在線監(jiān)測和診斷。

人工神經(jīng)網(wǎng)絡(luò)對知識的掌握是通過對樣本的學(xué)習(xí)來實現(xiàn)，通過對大量實例的學(xué)習(xí)來修正全職，最終掌握輸入與輸出之間的關(guān)系。對水電機組而言，狀態(tài)監(jiān)測系統(tǒng)建立的時間還不長，機組實際發(fā)生事故的幾率也很低，因此獲取事故的實例并不豐富，因此，神經(jīng)網(wǎng)絡(luò)診斷方法在實際應(yīng)用中目前還存在一定困難。但基于神經(jīng)網(wǎng)絡(luò)的診斷方法其容錯除噪和特征提取功能，能保證對機組設(shè)備故障診斷的準(zhǔn)確性和有效性，在實際應(yīng)用中方法比較直觀、有效，易于進行計算機實現(xiàn)，容易與其他診斷方法結(jié)合進行故障診斷。當(dāng)前，基于規(guī)則的專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)診斷方法相結(jié)合，充分利用專家系統(tǒng)的組織結(jié)構(gòu)優(yōu)點和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)推理能力，是目前研究和應(yīng)用的一個趨勢。

4 故障診斷技術(shù)的發(fā)展

現(xiàn)階段機組狀態(tài)監(jiān)測和故障診斷系統(tǒng)并不能完全避免機組的所有故障，但好的水電機組故障診斷系統(tǒng)應(yīng)該能夠提供兩個主要功能，一個是在故障未發(fā)生時，提供機組運行健康狀態(tài)和故障預(yù)警，避免和預(yù)防故障的發(fā)生，為實現(xiàn)狀態(tài)檢修提供技術(shù)支持，二是在故障即將發(fā)生或已經(jīng)發(fā)生時，減輕故障影響和事故后果，并指導(dǎo)后期維修。另外，故障診斷專家系統(tǒng)還可以使水電廠和水電專家常年積累的專業(yè)知識，得以系統(tǒng)化的保存、再現(xiàn)和應(yīng)用。在近幾十年，水電機組故障診斷技術(shù)取得了較大的進展，主要表現(xiàn)在以下幾個方面[3]:

(1)計算機技術(shù)的發(fā)展使得水電機組狀態(tài)監(jiān)測技術(shù)日益完善。市場上已經(jīng)出現(xiàn)較為成熟的水電機組狀態(tài)監(jiān)測系統(tǒng)，水電廠積極開展?fàn)顟B(tài)監(jiān)測設(shè)備的安裝和應(yīng)用，使得狀態(tài)檢修這種科學(xué)的檢修制度有了一定的技術(shù)基礎(chǔ)，并使得實時診斷成為可能。

(2)故障診斷方法不斷出現(xiàn)新成果。貝葉斯網(wǎng)絡(luò)、灰色理論分析、時間序列分析、全息譜分析、故障診斷專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)等技術(shù)在故障診斷中得到了較為廣泛的研究和初步應(yīng)用。這些方法的出現(xiàn)使得水電機組故障診斷水平得到了一定的提高。

本文通過對現(xiàn)階段自動氣象站在農(nóng)業(yè)發(fā)展中所起到的作用入手，結(jié)合相關(guān)防雷措施，對自動氣象站的防雷技術(shù)進行研究發(fā)現(xiàn)，只有通過采取合適的措施，提高自動氣象站的防雷效果，才能實現(xiàn)農(nóng)業(yè)的進一步發(fā)展。

(3)傳感器技術(shù)和檢測技術(shù)的發(fā)展，如超聲波技術(shù)、聲發(fā)射技術(shù)、熱成象診斷技術(shù)、油樣分析技術(shù)等技術(shù)的應(yīng)用日趨成熟，擴大了故障診斷技術(shù)在水電機組的應(yīng)用范圍。

(4)國內(nèi)外從事故障診斷的專業(yè)人員和專業(yè)機構(gòu)大大增加。近年來,國內(nèi)外許多高校和研究院就設(shè)置了故障診斷方面的研究，開展了大量水電機組故障診斷課題的研究，既培養(yǎng)出一批故障診斷專業(yè)人才，也出了一些研究成果，加快了水電機組故障診斷技術(shù)學(xué)科的發(fā)展。

5 故障診斷技術(shù)的不足

由于故障診斷需要狀態(tài)監(jiān)測系統(tǒng)提供大量的機組狀態(tài)數(shù)據(jù)，因此，故障診斷的初級功能，往往是作為狀態(tài)監(jiān)測系統(tǒng)中高級功能模塊出現(xiàn)，而現(xiàn)階段國內(nèi)外應(yīng)用的水電機組狀態(tài)監(jiān)測系統(tǒng)大多不具備故障診斷功能，僅提供機組狀態(tài)數(shù)據(jù)供工程人員處理和分析，并由人工判斷機組健康狀態(tài)和潛在故障。整體而言，目前水電行業(yè)的故障診斷系統(tǒng)應(yīng)用情況還存在許多不足，還不能滿足水電廠狀態(tài)檢修的實際需要，其主要原因總結(jié)如下:

(1)診斷方法和診斷平臺的可用性不足。診斷方法在技術(shù)研究層面進行的較多，人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、貝葉斯網(wǎng)絡(luò)、灰色理論等診斷方法在高校和科研院所都已進行了大量的研究，但涉及技術(shù)實現(xiàn)和現(xiàn)場應(yīng)用的較少，缺少足夠的電廠實踐經(jīng)驗。國內(nèi)故障診斷軟硬件平臺一直沒有成熟的商業(yè)化產(chǎn)品出現(xiàn)，僅作為水電機組狀態(tài)監(jiān)測系統(tǒng)報警功能的擴展，不具備獨立的智能診斷功能，大多只能給出簡單的文本消息提示。故障診斷是一門實踐性極強的技術(shù)，研究人員必須結(jié)合從事現(xiàn)場實際診斷的工程技術(shù)人員以及具有豐富領(lǐng)域知識的專家，將具體的案例轉(zhuǎn)換為計算機可以識別的規(guī)則，并將推理機制與實際診斷思維方法、診斷信息相結(jié)合，才能建立接近人工診斷的推理系統(tǒng)機制。在沒有成熟的商業(yè)化診斷平臺之前，很難進行專家知識的收集和積累工作。

(2)知識庫缺乏水電故障診斷知識的支持。診斷知識庫缺乏足夠的水電機組診斷知識支持。電廠機組常年的運行和大小修，可以得到許多機組的故障案例和寶貴的運行維修經(jīng)驗，但大多數(shù)電廠只是以紙質(zhì)或電子檔案的形式保存案例，并不具備系統(tǒng)化的利用價值。

(3)部分水電故障機理尚不明。水力機械的振動故障復(fù)雜，除了考慮機械方面的原因外，還需考慮流體、動力以及發(fā)電機電磁力的影響，且某些故障的產(chǎn)生機理及表現(xiàn)形式還沒有研究透徹，一定程度上增加了故障診斷的難度。

6 故障診斷技術(shù)的展望

我國水電機組故障診斷系統(tǒng)的研究開發(fā)工作尚處于不斷創(chuàng)新和發(fā)展的階段，尤其是故障診斷技術(shù)在電站應(yīng)用較少，還未形成一套完善、可逐漸改善的系統(tǒng)結(jié)構(gòu)模式，作為對建立“無人值班、少人職守”和“廠網(wǎng)分開、競價上網(wǎng)”等符合市場經(jīng)濟規(guī)律的現(xiàn)代化管理模式的強有力的技術(shù)支持，水電機組故障診斷系統(tǒng)的應(yīng)用前景將是十分廣闊。個人認(rèn)為，在今后的研究和應(yīng)用中還有許多工作需要開展，尤其是故障診斷理論的研究和現(xiàn)場應(yīng)用實踐兩方面都要同步進行。

具體需要研究并總結(jié)機組主要設(shè)備常見故障和特殊故障的表現(xiàn)特征及危害程度；研究并挖掘機組主要設(shè)備隱含故障的表現(xiàn)特征及發(fā)展趨勢；研究并總結(jié)機組主要設(shè)備運行健康狀態(tài)下的特征參數(shù)，建立機組運行健康狀態(tài)的評估標(biāo)準(zhǔn)；

(2)需要進一步加強診斷平臺的研究和建設(shè)。目前國內(nèi)還沒有具有較高易用性和實用性的水電機組故障診斷系統(tǒng)商業(yè)化平臺，因此水電站的故障診斷工作很難開展，高校和科研院所的診斷方法研究也很難集成體現(xiàn)在診斷平臺中，在水電廠現(xiàn)場得到實際應(yīng)用和發(fā)展。

(3)進行多種方法聯(lián)合診斷的研究。目前故障診斷技術(shù)的研究和應(yīng)用趨勢是多方法多參數(shù)聯(lián)合診斷，能夠有效克服某種方法的局限性，充分發(fā)揮一些技術(shù)方法在針對特定類型故障的診斷優(yōu)點[4]。

如GEBently公司的System1平臺就采用基于規(guī)則的推理方法為主，人工神經(jīng)網(wǎng)絡(luò)診斷方法為輔的診斷策略，對于機理清楚、征兆明顯的機組運行情況，可以通過基于規(guī)則的推理方法，直接得到故障診斷的結(jié)果，并給出相關(guān)處理建議和意見。如果系統(tǒng)得到的征兆并不能滿足當(dāng)前診斷規(guī)則，或者推理條件不足時，可以采取人工神經(jīng)網(wǎng)絡(luò)診斷方法，將得到的信號征兆輸入到已經(jīng)預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，進行權(quán)值計算，最終得到可能的機組故障診斷結(jié)果。

(4)進一步進行水電機組故障機理研究。由于大型水電機組的結(jié)構(gòu)復(fù)雜，對機組振動的影響原因很多，其故障是機械、電磁和水力等因素聯(lián)合作用的結(jié)果，對深層次故障機理的研究還很缺乏，為了提高故障診斷準(zhǔn)確率，有必要對深層次的故障機理進行廣泛研究。如對水電機組水力振動與穩(wěn)定性、空化空蝕、關(guān)鍵部件應(yīng)力與裂紋以及發(fā)電機絕緣等故障狀態(tài)進行重點研究，并總結(jié)其故障類型、故障原因和處理辦法，建立一個較為完善、方便使用的故障知識檢索系統(tǒng)。

隨著我國電力工業(yè)的迅速發(fā)展和我國多年來從事的故障診斷工作研究,水電站設(shè)備故障診斷技術(shù)及故障診斷系統(tǒng)日益引起制造廠、電廠和科研院所的認(rèn)識和重視。通過對國內(nèi)外水電站故障診斷技術(shù)及應(yīng)用情況的了解，認(rèn)識故障診斷系統(tǒng)存在的不足,積極開展故障診斷系統(tǒng)的研究工作,將會更快地推動我國水電機組故障診斷技術(shù)的發(fā)展。

[1]潘羅平,周葉，等.水輪發(fā)電機組狀態(tài)監(jiān)測技術(shù)的現(xiàn)狀及展望[J].水電站機電技術(shù),2008，12

[2]孫竹梅,張麗香.人工智能技術(shù)在國內(nèi)電廠中的應(yīng)用研究[J].電力學(xué)報,2005，2.

[3]羅一新.機械故障診斷技術(shù)趨向分析[J].機床與液壓,2002，2.

[4]陸春月,王俊元.機械故障診斷的現(xiàn)狀與發(fā)展趨勢[J].機械管理開發(fā)，2004，12.