[發明專利]一種電站風機狀態預警方法、系統及其應用

在審

• 申請號: 202111242835.4
• 申請日: 2021-10-25
• 公開（公告）號: CN113919525A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 張榮彬;劉勇;厲昂;牛玉廣;杜鳴;湯婧婧;周振華;姜曉弢;王洪剛
• 申請（專利權）人: 華北電力大學;國電電力大連莊河發電有限責任公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q50/06;G06N3/04;G06N3/08;G06N7/00
• 代理公司: 北京君有知識產權代理事務所(普通合伙) 11630
• 代理人: 焦麗雅

1.一種電站風機狀態預警方法，具體包括以下步驟：

步驟1：采集風機正常運行振動、噪聲信號；

步驟2：采集風機過程參數時間序列；所述風機過程參數時間序列包括風機運行數據和所述風機運行數據對應的風機運行狀態，所述風機運行狀態包括正常運行狀態和故障狀態；

步驟3：采用基于小波包分解方法在所采集的風機正常運行狀態下的振動數據時間序列中提取并構建小波能量譜；

步驟4：采用基于1/3倍頻程分解方法在所采集的風機正常運行狀態下的噪聲數據時間序列中提取并構建頻帶能量譜；

步驟5：分別以所述過程參數、振動、噪聲能量譜數據為輸入，通過構建堆疊稀疏降噪自編碼網絡進行模型訓練，獲得過程參數、風機振動、噪聲預警模型；

步驟6：獲取待評估時間段內的過程參數、振動、噪聲能量譜數據X_obs，分別輸入過程參數、風機振動、噪聲預警模型，得到模型重構值X_rec；

步驟7：構建基于模型觀測值X_obs和重構值X_rec之間歐氏距離和余弦距離的相似度指標；

步驟8：采用貝葉斯最大后驗概率估計方法，對上述單一預警模型的相似度指標進行融合，構造一個基于多源信息融合的風機狀態預警指標，設置狀態預警閾值，并根據故障預警閾值判斷是否出現故障。

2.根據權利要求1所述的一種電站風機狀態預警方法，其特征為：所述步驟3具體包括以下步驟：

步驟3.1，對采集的振動信號進行頻譜分析，從而確定小波包分解時劃分合適的頻段；

步驟3.2，確定小波包分解的層數，在進行小波包分解時，分解的層數與時頻域信號的分析精度有顯著關聯；

步驟3.3，對信號進行小波包分解與重構，并求取各子帶信號的能量，得到重構后的信號能量譜；

步驟3.4，對重構后的信號能量譜進行劃分得到相鄰且相等的頻段，計算出各個頻段的歸一化信號能量比。

3.根據權利要求1所述的一種電站風機狀態預警方法，其特征為：所述步驟4具體包括以下步驟：

步驟4.1，對采集的噪聲信號進行快速傅里葉變換；

步驟4.2，根據功率相等恢復系數添加漢寧窗得到噪聲的初步頻譜圖；

步驟4.3，提取中心頻率標稱值和1/3倍頻程范圍，并對1/3倍頻程運用振動振級的方法將圖形轉變成未計權1/3倍頻程聲壓級頻譜圖；

步驟4.4，經過C計權聲級修正，得到噪聲的C計權1/3倍頻程聲壓級頻譜圖。

4.根據權利要求3所述的一種電站風機狀態預警方法，其特征為：所述步驟4.2中，漢寧窗窗長歸一化后的時域表達式為：

所述步驟4.3中，聲壓級的定義如下：

式中:L_p為聲壓級，dB；p₀＝2×10^－5Pa，為基準聲壓，基準聲壓本身的聲壓級為0dB；p_e為有效聲壓；

所述步驟4.4中，C計權的計算公式為：

5.根據權利要求1所述的一種電站風機狀態預警方法，其特征為：所述步驟5具體包括以下步驟：

步驟5.1，將歷史數據作歸一化處理，用以防止數據數量級的不同造成量級較大的屬性占主導地位并緩解數量級的不同導致的迭代收斂速度變慢；

步驟5.2，將已歸一化數據劃分成訓練集數據和測試集數據；

步驟5.3，對輸入數據x進行增加噪聲處理得新的輸入生成堆疊降噪自編碼器；

步驟5.4，確定初始SSDAE網絡的隱含層數、各層的神經元數及激活函數；

步驟5.5，堆疊降噪自編碼器損失函數中加入約束生成深度稀疏降噪自編碼器，即堆疊稀疏降噪自編碼網絡；

步驟5.6，采用優化器對堆疊稀疏降噪自編碼網絡參數進行優化；

步驟5.7，保存訓練最優模型,即預警模型及網絡參數；

步驟5.8，重復步驟5.1-5.7，分別以過程參數、風機振動、噪聲為輸入訓練并保存預警模型。