基于KD-Tree与DBSCAN的水电机组状态监测数据清洗方法

针对水电机组状态监测数据量逐步增大,数据质量差的问题,提出了一种基于改进K维树（K-Dimensional Tree,KD-Tree）与基于密度的空间聚类算法（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）的水电机组状态监测数据清洗方法,首先对输入数据建立KD-Tree,再使用DBSCAN在最近邻样本上扫描完成聚类,聚类结束以后会分离出噪声点,将噪声点去除即可完成对水电机组状态监测数据清洗。选取某水电站状态监测系统上导摆度数据1 088条,再以相同时间间隔插入随机数据100条,通过算例与常规DBScan、K-means、OCSVM算法对比聚类性能与时间性能,所提出的方法识别正确率最高,为97.78%,消耗时间最少,为0.007 732 s,数据清洗效果最优,并可以大幅减少计算时间。     

基于有限元法的水轮发电机组临界转速研究

研究水轮发电机组的临界转速对于其故障诊断与结构优化具有重要意义，但由于现场试验困难、工况与边界条件复杂，使得临界转速的高精度求解成为难题。以某水电站的二导悬式水轮发电机组为例，采用大型通用有限元分析软件ANSYS，综合考虑各类轴承边界条件的耦合作用，基于流体润滑Reynold方程建立轴承动力特性参数的计算模型，求解水导、上导、推力轴承的刚度与阻尼，以此为基础分别构建无机械故障、转子或转轮质量偏心、联轴法兰不对中的三维有限元分析模型，随后考虑陀螺效应进行转子动力学分析，采用QR Damped法提取模态，并绘制Campbell图求得临界转速从而分析轴系动力学特性。结果表明，正常工况下机组飞逸转速远小于第一阶临界转速，其动态性能满足设计要求，且在转子或转轮质量偏心、联轴法兰不对中等工况下临界转速受到的影响很小，机组依旧能够保持稳定运行。