[发明专利]发电机故障诊断及预测方法

说明书

本公开提供了一种发电机故障诊断及预测方法，包括以下步骤：获取发电机正常运行的历史数据，构建发电机数据库，采用皮尔逊相关系数确定发电机关键部件的温度变化相关检测特征；采集发电机实时运行的状态数据信息，提取所述发电机关键部件的实时运行温度变化数据；利用温度变化相关检测特征，构建基于CNN‑LSTM的温度预测模型；通过基于CNN‑LSTM的温度预测模型对实时运行温度变化数据进行训练，预测发电机关键部位的温度，将得到的温度预测值与实时采集到的温度值作差，得到温度残差，将得到的温度残差与预设的温度残差阈值比较进行发电机的故障诊断，结合温度残差的变化进行温升预警以实现故障预测。

技术领域

本公开属于故障诊断技术领域，具体涉及一种发电机故障诊断及预测方法。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

近年来，随着电网规模的不断扩大，电力系统运行设备的不断增加，系统运行的复杂性也随之增加，电力系统的安全稳定运行变得越来越重要。因此电力系统运行过程的状态监测技术和故障诊断技术越来越引起电网的重视。对发电机的关键部件进行故障诊断及预测，直接关系到电力生产的安全可靠。

据发明人了解，目前针对发电机故障诊断技术的研究大多以故障发生后的分析处理为主，这无助于减少设备故障发生的概率以及缩短故障处理的时间。研究故障预测技术，将故障后维修的被动策略转变为故障前预防的主动策略，依据预测诊断趋势实施有效的健康管理，优化故障诊断策略，提高电网运行可靠性，减少设备故障次数，为实现机组“零非停”提供有力的技术保障。故障诊断及预测是通过智能化算法进行有无故障的判断并及时预测，是一种比故障诊断更高级的维修保障方式，帮助维修人员更加及时的实现预防和维修工作。

目前，发电机进行准确地故障诊断及预测的技术仍不成熟，需要进行相关技术的研究。

发明内容

为了解决上述问题，本公开提出了一种发电机故障诊断及预测方法，有效掌握发电机的运行状态，降低发电机的故障率，增加发电机组的维修能力，提高发电机运行的经济可靠性。

根据一些实施例，本公开的方案提供了一种发电机故障诊断及预测方法，采用如下技术方案：

发电机故障诊断及预测方法，包括以下步骤：

获取发电机正常运行的历史数据，构建发电机数据库，采用皮尔逊相关系数确定发电机关键部件的温度变化相关检测特征；

采集发电机实时运行的状态数据信息，提取所述发电机关键部件的实时运行温度变化数据；

利用温度变化相关检测特征，构建基于CNN-LSTM的温度预测模型；

通过基于CNN-LSTM的温度预测模型对实时运行温度变化数据进行训练，预测发电机关键部位的温度，将得到的温度预测值与实时采集到的温度值作差，得到温度残差，将得到的温度残差与预设的温度残差阈值比较进行发电机的故障诊断，结合温度残差的变化进行温升预警以实现故障预测。

与现有技术相比，本公开的有益效果为：

1.本公开通过CNN获取实时运行温度变化数据的空间特征，构建实时运行温度变化的时空特征矩阵，使得数据特征体系更加完备，以进行更精确的模型预测。

2.本公开采用了CNN-LSTM的组合模型，在发电机故障诊断的基础上，提高了维修的预知性，通过对发电机关键部位的温度进行相关趋势的预测，更加清晰的了解发电机运行工况，效掌握发电机的运行状态，降低发电机的故障率，增加发电机组的维修能力，提高发电机运行的经济可靠性。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。