[發明專利]基于多因素的水電站發電機推導油位預測方法

在審

• 申請號: 202310032338.4
• 申請日: 2023-01-10
• 公開（公告）號: CN116050130A
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 劉松林;張鵬;艾遠高;夏國強;楊云
• 申請（專利權）人: 中國長江電力股份有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06Q10/04;G06Q50/06;G06F119/06;G06F113/08
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 高陽

一種基于多因素的水電站發電機推導油位預測方法，步驟為：通過傳感器獲得原始數據，再得到原始因素數據矩陣R和油位原始矩陣D；對原始因素數據矩陣R和油位原始矩陣D進行無量綱化處理；得到標準化因素數據矩陣X；對標準化因素數據矩陣X賦權；建立油位預測模型，使用三層反向傳播神經網絡來進行油位預測模型的訓練；輸入訓練樣本計算誤差；判斷油位預測模型是否訓練完成；若訓練完成，使用油位預測模型進行預測。本發明提高推導油位的準確率和效率，使用多維度的因素去建立溫度預測模型，避免了對油位本身的歷史趨勢分析的影響；從而使得油位預測結果更加合理，準確。能有效提升水電站發電機組的運行可靠性。

技術領域

本發明屬于推導油位預測技術領域，特別涉及一種基于多因素的水電站發電機推導油位預測方法。

背景技術

水電站發電機推導油位能直觀反映出機組的運行狀態，當推導油位過高(滲水)或者過低(漏油)時發電機會因潤滑不充足導致燒瓦甚至大軸損壞。因此及時準確的預測出水電站發電機推導油位的變化趨勢實際意義重大，能提前預警并使得運維人員有充足的時間采取相關應急措施。

現有的水電站推導油位預測方法有最小二乘法擬合推導油位趨勢曲線。該方法依靠測取n個具有相等時間間隔的推導油位數據，通過最小化誤差的平方和尋找數據的最佳函數匹配，得到一個推導油位關于時間的函數，使得這n個點到該函數曲線的距離之和最小。再把未來的t時刻代入函數，得到推導油位的預測值。現有技術的缺點：

1)自變量單一，推導油位目標函數的自變量只有時間。而推導油位的變化受到很多因素如機組轉速、推導外循環油流量等的影響，預測結果不夠合理。

2)最小二乘法在求取目標函數的過程中會忽略掉一些噪點的影響，而這些噪點往往可能是由設備故障引發，對于油位預測十分重要。這樣計算出來的目標函數會一定程度上失真。

發明內容

鑒于背景技術所存在的技術問題，本發明所提供的基于多因素的水電站發電機推導油位預測方法，本發明提高推導油位的準確率和效率，使用多維度的因素去建立溫度預測模型，避免了對油位本身的歷史趨勢分析的影響；從而使得油位預測結果更加合理，準確。能有效提升水電站發電機組的運行可靠性。

為了解決上述技術問題，本發明采取了如下技術方案來實現：

一種基于多因素的水電站發電機推導油位預測方法，步驟為：

步驟1：通過傳感器獲得原始數據，所述的原始數據包括等時間間隔t獲得的m個有功功率數據、轉速數據、推導油流量數據、推導透平油溫度數據、推導冷卻水流量數據和推導油槽油位數據；再得到原始因素數據矩陣R和油位原始矩陣D；

步驟2：對原始因素數據矩陣R和油位原始矩陣D進行無量綱化處理；得到標準化因素數據矩陣X；

步驟3：對標準化因素數據矩陣X賦權；

步驟4：建立油位預測模型，使用三層反向傳播神經網絡來進行油位預測模型的訓練；

步驟5：輸入訓練樣本計算誤差；

步驟6：判斷油位預測模型是否訓練完成；若訓練完成，則進入步驟7；

步驟7：使用油位預測模型進行預測。

優選地，步驟1的操作方式如下：

從當前時刻T開始，通過機組功率傳感器測量得到等時間間隔t的m個有功功率數據點r₁₁、r₂₁、r₃₁......r_m1；

從當前時刻T開始，通過轉速測量裝置測量得到等時間間隔t的m個轉速數據點r₁₂、r₂₂、r₃₂、......r_m2；