模糊故障诊断在水电机组中的应用

根据水轮发电机组的振动特点，本文探讨了适合于水轮发电机组的振动故障诊断方法，提出了将模糊技术应用于水轮发电机组振动故障诊断的思想，简要阐述了模糊故障诊断的基本原理，列出了水轮发电机组的征兆集和故障集，并根据征兆集和故障集的相互关系，提出了相应的模糊关系矩阵。最后通过模糊关系矩阵的运算，确定水轮发电机组的故障模糊向量。并以实际机组的振动故障为实例，验证模糊故障诊断方法的可行性和优越性。     

基于Matlab的水电机组一次调频考核分析平台设计与实现

水电机组一次调频在电力系统稳定和优化电网调度方面担负着重要的作用,为确保水电机组一次调频功能投入且效果良好,需要基于水电机组一次调频现场试验或实时仿真分析水轮机调节系统的调节性能,为电能生产提供科学指导。综合水电机组建模仿真与数据分析的需求和MatlabGUI友好的人机交互性能,以GUI作为平台开发工具,设计开发了水电机组一次调频考核分析平台。平台主要功能包括水电机组一次调频现场试验数据分析和仿真分析功能。实际应用验证了本平台的先进性和可行性。     

汉江多参数水质连续自动在线监测系统

介绍了汉江多参数水质在线监测系统的研制开发，分析了系统的基本原理和整体设计方案，介绍了系统硬件设计方案以及软件设计。水质参数数据经过存储和网络传送以及基于人工智能的预测分析，相互传输数据，实现了对汉江水质的监控和预测，为建立完备的汉江水质监测数据库打下基础，同时为有关部门对汉江水环境的治理提供依据。     

抽水蓄能电站机组数字化检修吊装作业推演技术研究

抽水蓄能机组结构与检修过程复杂,结合数字化技术,搭建抽水蓄能机组数字化检修作业平台,实现机组吊装推演,是检修智能化领域研究热点。提出数字化吊装推演技术,以作业过程数字化、风险预警可视化手段预演机组吊装作业方案,通过三维数字化模型融合设备多源数据,生成二三维吊装推演服务和空间数据分析服务,搭建机组数字化检修吊装作业推演平台,实现吊装作业仿真,二三维场景联动和风险辨识,使得吊装作业过程具备可追溯性和风险可预见性,辅助决策最优作业方案,提升抽水蓄能机组检修吊装作业质效,具有较好的工程应用价值。     

闸门综合自动化故障诊断专家系统的知识表达

针对水电站大坝溢洪闸门综合自动化这样复杂的系统，提出了按系统功能分解策略进行分析的模块化故障诊断策略，采用IDEF0方法建立了闸门综合自动化系统的功能结构图。在面向对象的知识表示法中引入产生式规则表示法，将两者进行融合，提出了一种混合式的面向对象的知识表示方法来构造水电站大坝溢洪闸门综合自动化故障诊断专家系统。利用面向对象技术的封装性、继承性等特点，使系统的代码重用、消息传递、图形化界面的实现取得了较好效果。增强了专家系统开发工具的结构化知识表示能力，有利于开发大型专家系统。     

基于AHP与TOPSIS的水电站能效管理水平评价方法研究

针对现有水电站能效管理水平评价方法的不足,将层次分析法（AHP）和优劣解距离法（TOPSIS）引入评价过程中,综合考虑经济、安全和管理3个方面的因素,构建了水电站能效管理评价指标体系;针对九分位标度法的不足,采用指数标度法确定各指标权重;分别利用TOPSIS方法和专家打分法对定量指标、定性指标进行评分,并进一步实现水电站能效管理水平的综合评价;以某实际水电站为例,分析和计算2018-2022年的水电站能效管理水平得分,结果表明该电站能效管理水平总体上呈上升趋势。     

大型泵机组在线监测系统

大型泵站提高其工作的可靠性对工农业发展以及泵站的效益有积极的作用,传统的故障检测以及维修方法不仅影响到泵站的经济效益,同时也会增加泵站的维修费用,在一定程度上还可能缩短泵站相关设备的寿命。本文介绍一种大型泵站的在线监测系统,其对于泵站目前检修现状进行了革命性的改革,在提高泵站可靠性及效益上将作出很大的贡献。     

基于无模型自适应与滑模控制相结合的水电机组优化控制

水电站作为优质的调峰调频电源,对保证电网安全稳定运行发挥着重要的作用,这对水电机组调节性能提出了更高要求。为提高水轮机调节系统的控制品质,在非线性水轮机模型的基础上,根据动态线性化理论以及Lipschitz条件,提出无模型自适应控制(MFAC)与离散滑模趋近律控制相结合的水电机组调节系统优化控制策略,并利用天牛须算法(BAS)结合误差积分准则函数,实现控制参数优化。仿真结果表明在不同工况下,相比于最优PID控制器,MFAC滑模控制器系统具有超调量小,上升时间短的优点,而BAS算法参数寻优效果优秀,计算耗费时间短,具有较好的应用前景。     

基于一维卷积神经网络与近似熵特征融合的水电机组故障诊断

针对水电机组振动信号存在非平稳和非线性,单一特征提取难以实现高精度故障诊断问题,提出了一种基于卷积神经网络和近似熵特征融合的故障诊断方法。利用卷积神经网络提取振动信号特征;EEMD与近似熵构建信号特征向量,将两种方法提取的状态特征融合构建融合特征向量;进一步,将融合特征作为输入、故障类别作为输出,训练BP神经网络得到水电机组故障识别器,识别水电机组运行状态,即正常或具体故障类型。结合转子实验台实验数据,验证了所提方法在挖掘信号特征方面的有效性及较高的故障诊断准确率。