[發(fā)明專利]一種水輪機空化狀態(tài)監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 201811533335.4
• 申請日: 2018-12-14
• 公開（公告）號: CN109342018A
• 公開（公告）日: 2019-02-15
• 發(fā)明（設(shè)計）人: 張永慧;于月亮;畢帥;叢學飛;葉倩倩;劉志宇;于航;時聞治;夏春芬;楊成旺;劉淑艷;王環(huán)東
• 申請（專利權(quán)）人: 國家電網(wǎng)有限公司;國網(wǎng)新源水電有限公司;吉林松江河水力發(fā)電有限責任公司
• 主分類號: G01M10/00
• 分類號: G01M10/00
• 代理公司: 北京智繪未來專利代理事務(wù)所(普通合伙) 11689
• 代理人: 張紅蓮

一種水輪機空化狀態(tài)監(jiān)測方法，對水輪機空化聲發(fā)射信號進行采集，將其變成一維的信號；對信號進行分割，利用噪聲估計方法對信號對進行噪聲標準差估計；觀測信號結(jié)合實際信號，利用結(jié)構(gòu)塊確定相關(guān)參數(shù),通過非局部均值算法對實際信號進行降噪，去噪后的水輪機空化聲特征量即樣本熵、標準差、均值，判斷水輪機的空化程度。本發(fā)明能有效地監(jiān)測水輪機空化狀態(tài)，評估水輪機的使用壽命，保障水電站的安全經(jīng)濟運行。

技術(shù)領(lǐng)域

本發(fā)明屬于水輪機檢測技術(shù)領(lǐng)域，涉及水輪機相關(guān)信號降噪處理，尤其涉及一種水輪機空化狀態(tài)監(jiān)測方法。

背景技術(shù)

空化現(xiàn)象最早發(fā)現(xiàn)于1893年，當英國一艘驅(qū)逐艦在做高速試航時，發(fā)現(xiàn)其螺旋槳推進器葉片被剝蝕，其后在水力機械(水泵、水輪機)的葉片上也發(fā)現(xiàn)了類似情況而水輪機葉片運行狀態(tài)的好壞直接影響著機組的壽命、效益和安全，一旦水輪機組發(fā)生故障所造成的損失是巨大的。為了避免水輪機組發(fā)生故障，掌握機組的運行狀態(tài)，狀態(tài)監(jiān)測技術(shù)逐漸被應(yīng)用到水電站。目前國內(nèi)大中型水電廠也正朝著無人值班、少人值班的管理模式發(fā)展，設(shè)備維修的方式逐漸從定期預(yù)防性維修方式向以狀態(tài)監(jiān)測為基礎(chǔ)的預(yù)測性維修方式過渡。這就需要將自動監(jiān)測系統(tǒng)投入到實際運用中來，使水輪機組的故障診斷變得更加快捷、準確。空化監(jiān)測系統(tǒng)就是這樣一種系統(tǒng)，它主要通過監(jiān)測與空化相關(guān)的特征信號達到間接監(jiān)測的目的。

空化易造成水輪機能量特性下降、穩(wěn)定性惡化，嚴重時會導致過流部件表面破壞、使用壽命縮短，威脅水電站的安全經(jīng)濟運行。水輪機中發(fā)生空化時，伴隨空泡瞬間形成和潰滅而產(chǎn)生的沖擊波作用于葉片和管壁，將產(chǎn)生一種頻率范圍在20Hz以上的聲發(fā)射(AE)信號。

但是由于受水輪機工作環(huán)境、采集儀器、測點位置和其他故障引發(fā)的沖擊等因素影響，水輪機空化狀態(tài)下采集到的聲發(fā)射信號易被各種噪聲污染，這些噪聲的存在將直接影響后續(xù)的特征提取和狀態(tài)識別。然而，對水輪機空化聲發(fā)射信號降噪處理的研究尚不多見，小波閾值降噪是目前最常用的一種降噪方法，其機理是基于信號與噪聲的小波系數(shù)在尺度上的不同性質(zhì)，對不同尺度上的含噪系數(shù)采用相應(yīng)閾值函數(shù)進行處理，以達到降噪目的。盡管該方法已經(jīng)應(yīng)用于很多領(lǐng)域，但在處理空化聲發(fā)射信號這類非線性、非平穩(wěn)性信號時存在小波基和分解層數(shù)選擇上的局限性。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中存在的以上問題，本發(fā)明公開了一種水輪機空化狀態(tài)監(jiān)測方法。

為實現(xiàn)上述發(fā)明目的，本發(fā)明具體采用以下技術(shù)方案：

一種水輪機空化狀態(tài)監(jiān)測方法，其特征在于，所述空化狀態(tài)監(jiān)測方法包括以下步驟：

一種水輪機空化狀態(tài)監(jiān)測方法，其特征在于，所述空化狀態(tài)監(jiān)測方法包括以下步驟：

步驟1：將超聲波傳感器傳感器安裝在在水輪機上，采集水輪機空化聲波信號y(n)；

步驟2：對步驟1所采集的水輪機含有噪聲的空化聲信號進行分割，利用基于相似塊對信號y(n)進行噪聲標準差估計；

步驟3：通過非局部均值算法對實際水輪機空聲發(fā)射信號y(n)進行降噪處理，得到去燥后的水輪機空化聲信號

步驟4：根據(jù)步驟3得到的去噪后的水輪機空化聲信號，進行LMD分解，得到去噪后的水輪機空化聲特征量，然后對特征量進行提取樣本熵、標準差、均值；

步驟5：根據(jù)步驟4得到的去噪后的水輪機空化聲特征量即樣本熵、標準差、均值，判斷水輪機的空化程度：

當樣本熵低于1，并且均值低于1.2，并且標準差高于0.75時，判斷水輪機處于嚴重的空蝕狀態(tài)；

當樣本熵高于3.2，并且均值高于2，并且標準差低于0.025時，判斷水輪機運行狀態(tài)良好。

當樣本熵高于1小于3.2，或者均值高于1.2小于2，或者標準差高于0.025小于0.75時，判斷水輪機處于一般的空化狀態(tài)；