适于调相机系统的远程故障预测方法和系统技术方案

本发明专利技术公开了一种适于调相机系统的远程故障预测方法，包括：确定所有运行参数对应的正常值范围；结合已知故障，采用人工智能学习技术，针对不同电气设备按照设备参数特点创建相应的智能监测模型；将采集到的当前运行参数与对应的正常值范围进行比对，当任意一个运行参数超出正常值范围时，判定此时调相机系统处于异常状态，定位到发生异常的电气设备，生成异常预警信号；将采集到的发生异常的电气设备的当前运行参数导入对应的智能监测模型，对该电气设备进行故障分析，输出故障类型、故障机理、排障建议。本发明专利技术能够在发现早期潜在缺陷的前提下，尽可能地避免状态误报警并通过多参数综合考虑、环境及外部因素考虑实现自动监测。

Remote fault prediction method and system suitable for condenser system

【技术实现步骤摘要】
适于调相机系统的远程故障预测方法和系统
本专利技术涉及调相机故障预测
，具体而言涉及一种适于调相机系统的远程故障预测方法和系统。
技术介绍
特高压直流大规模发展导致直流受端系统的动态无功储备下降，电压调节特性恶化，从而使得电压稳定和换相失败等问题日益严峻。同时，直流送端系统的暂态过电压问题也极大地制约了直流输电功率。电网结构和运行特性的显著变化要求动态无功补偿装置在系统故障期间具有更好的瞬时无功支撑和暂态无功响应特性以便及时抑制系统的暂态过电压和低电压，从而尽量避免送端系统新能源脱网或受端系统电压崩溃。相比于SVC和SVG，同步调相机在瞬时无功支撑，短时过载、动作可靠性方面具有独特优势，同时还可为薄弱的特高压直流送端系统提供一定的短路容量和转动惯量支撑，在提高新能源消纳和抑制换相失败方面可望发挥重要作用。但是，同步调相机在运行过程中经常面临振动、油液、电气监护、冷却系统、轴系状态问题，亟需提供相应的安全预警信息。传统监测预警依赖固定阈值报警方式，阈值范围过大或过小容易发生“漏报”或误报，并且易受设备工况转换、设备试验影响，因此严重依赖工作人员的实时监测、经验判断，这大大增加了现场运维人员的数量和负担。
技术实现思路
本专利技术目的在于提供一种适于调相机系统的远程故障预测方法和系统，通过分析历史正常数据，发现当前测量值相对于历史正常值不同的异常情况，发出异常的预警信息；综合运用已知规则和人工智能学习技术，对不同的设备按照设备参数特点建立相应的智能监测模型；针对异常预警信息做进一步的智能监测分析。本专利技术能够在发现早期潜在缺陷的前提下，尽可能地避免状态误报警并通过多参数综合考虑、环境及外部因素考虑实现自动监测。为达成上述目的，结合图1，本专利技术提出一种适于调相机系统的远程故障预测方法，所述远程故障预测方法包括：S1：定期分析调相机系统正常运行时的历史运行数据，确定所有运行参数对应的正常值范围；S2：结合已知故障，采用人工智能学习技术，针对不同电气设备按照设备参数特点创建相应的智能监测模型，智能监测模型用于根据输入的电气设备的运行参数进行故障分析，输出故障类型、故障机理、排障建议；S3：实时采集调相机系统的当前运行参数，将采集到的当前运行参数与对应的正常值范围进行比对，当任意一个运行参数超出正常值范围时，判定此时调相机系统处于异常状态，定位到发生异常的电气设备，生成异常预警信号；S4：将采集到的发生异常的电气设备的当前运行参数导入对应的智能监测模型，对该电气设备进行故障分析，输出故障类型、故障机理、排障建议。进一步的实施例中，所述运行参数包括振动监控参数、油液监控参数、电气监控参数、冷却水监控参数。基于前述远程故障预测方法，本专利技术还提及一种适于调相机系统的远程故障预测系统，所述远程故障预测系统包括数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层、系统管理层；所述系统管理层分别与数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层连接，用于对数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层进行管理；所述数据源层用于获取调相机系统的相关运行数据；所述数据采集层与数据源层连接，用于从数据源层采集所需数据，将所述数据存储至存储层；所述数据存储层采用分布式存储方式，至少包括用于存储历史运行数据的历史数据库、用于存储实时运行数据的综合数据库、用于存储故障相关信息的故障数据库；所述数据计算层包括在线计算框架和离线计算框架，用于根据系统管理层的控制指令，从模型层中调取对应的智能监测模型或历史运行数据处理模型，对存储层中的相关数据进行处理；所述模型层包括用于管理智能监测模型的模块，和用于管理历史运行数据处理模型的模块；所述接口层用于连接所有外部功能模块。进一步的实施例中，所述数据源层包括振动在线系统、内置传感器、DCS/MIS系统、第三方数据库。进一步的实施例中，所述数据采集层包括日志采集框架、DB数据处理工具、文件数据处理工具。进一步的实施例中，所述智能监测模型包括：(1)调相机轴/瓦振动监测模型；(2)调相机局放、轴电压、匝间短路及端部振动监测模型；(3)油液在线状态监测模型；(4)冷却系统监测模型。进一步的实施例中，所述调相机轴/瓦振动监测模型用于对调相机运行中振动数据进行分析，获取包括波形、频谱、幅值和相位在内的相关振动信息，根据每个故障存在的充分和必要条件，从相关振动信息中提取出故障特征，计算得到故障类型和对应的故障性质；所述对调相机运行中振动数据进行分析包括：在调相机冷态、转子静止状态下记录轴承X、Y轴振传感器直流分量，作为后续调相机包括轴承间隙、密封瓦间隙、轴向间隙和轴承油膜厚度在内的动静间隙的实时计算的基准值；结合转子振动模态，对包括轴端密封瓦间隙、轴承油挡间隙在内的动静间隙进行近似计算。进一步的实施例中，所述油液在线状态监测模型用于针对润滑油铁谱、粘度、水分三方面进行可视化智能安全预控，对每个电气设备的磨损状态、润滑性能进行多维监测，从机器摩擦状态判断、故障预测、寿命分析三个方面对电气设备进行评估监控。进一步的实施例中，所述冷却系统监测模型用于对冷却水系统内泵及水质、水温进行可视化智能安全预控，在调相机励磁回路绝缘监测电压表，配合转子接地保护，智能安全预控调相机内外相对湿度，远程监控调相机冷却系统可能存在的堵塞或漏水故障。以上本专利技术的技术方案，与现有相比，其显著的有益效果在于：(1)通过分析历史正常数据，发现当前测量值相对于历史正常值不同的异常情况，发出异常的预警信息；综合运用已知规则和人工智能学习技术，对不同的设备按照设备参数特点建立相应的智能监测模型；针对异常预警信息做进一步的智能监测分析。本专利技术能够在发现早期潜在缺陷的前提下，尽可能地避免状态误报警并通过多参数综合考虑、环境及外部因素考虑实现自动监测。(2)有选择地将异常情况下的运行参数导入智能监测模型进行分析，减少智能监测模型的运算量，间接提高了监测效率。(3)实践表明，专业、智能和实用是调相机安全预警系统未来发展的主要方向，可有效提高调相机运行、维护水平，同时降低设备运维成本、减少设备故障几率、提高设备使用寿命并且减少现场运维人员数量和工作负担。应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的专利技术主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的专利技术主题的一部分。结合附图从下面的描述中可以更加全面地理解本专利技术教导的前述和其他方面、实施例和特征。本专利技术的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本专利技术教导的具体实施方式的实践中得知。附图说明附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部本文档来自技高网...

【技术保护点】
1.一种适于调相机系统的远程故障预测方法，其特征在于，所述远程故障预测方法包括：/nS1：定期分析调相机系统正常运行时的历史运行数据，确定所有运行参数对应的正常值范围；/nS2：结合已知故障，采用人工智能学习技术，针对不同电气设备按照设备参数特点创建相应的智能监测模型，智能监测模型用于根据输入的电气设备的运行参数进行故障分析，输出故障类型、故障机理、排障建议；/nS3：实时采集调相机系统的当前运行参数，将采集到的当前运行参数与对应的正常值范围进行比对，当任意一个运行参数超出正常值范围时，判定此时调相机系统处于异常状态，定位到发生异常的电气设备，生成异常预警信号；/nS4：将采集到的发生异常的电气设备的当前运行参数导入对应的智能监测模型，对该电气设备进行故障分析，输出故障类型、故障机理、排障建议。/n

【技术特征摘要】
1.一种适于调相机系统的远程故障预测方法，其特征在于，所述远程故障预测方法包括：
S1：定期分析调相机系统正常运行时的历史运行数据，确定所有运行参数对应的正常值范围；
S2：结合已知故障，采用人工智能学习技术，针对不同电气设备按照设备参数特点创建相应的智能监测模型，智能监测模型用于根据输入的电气设备的运行参数进行故障分析，输出故障类型、故障机理、排障建议；
S3：实时采集调相机系统的当前运行参数，将采集到的当前运行参数与对应的正常值范围进行比对，当任意一个运行参数超出正常值范围时，判定此时调相机系统处于异常状态，定位到发生异常的电气设备，生成异常预警信号；
S4：将采集到的发生异常的电气设备的当前运行参数导入对应的智能监测模型，对该电气设备进行故障分析，输出故障类型、故障机理、排障建议。


2.根据权利要求1所述的适于调相机系统的远程故障预测方法，其特征在于，所述运行参数包括振动监控参数、油液监控参数、电气监控参数、冷却水监控参数。


3.一种适于调相机系统的远程故障预测系统，其特征在于，所述远程故障预测系统包括数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层、系统管理层；
所述系统管理层分别与数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层连接，用于对数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层进行管理；
所述数据源层用于获取调相机系统的相关运行数据；
所述数据采集层与数据源层连接，用于从数据源层采集所需数据，将所述数据存储至存储层；
所述数据存储层采用分布式存储方式，至少包括用于存储历史运行数据的历史数据库、用于存储实时运行数据的综合数据库、用于存储故障相关信息的故障数据库；
所述数据计算层包括在线计算框架和离线计算框架，用于根据系统管理层的控制指令，从模型层中调取对应的智能监测模型或历史运行数据处理模型，对存储层中的相关数据进行处理；
所述模型层包括用于管理智能监测模型的模块，和用于管理历史运行数据处理模型的模块；
所述接口层用于连...

【专利技术属性】
技术研发人员：帅云峰，张泰岩，杨小龙，于国强，刘晓锋，于大海，李志强，马晓光，何立荣，
申请(专利权)人：江苏方天电力技术有限公司，中国电力科学研究院有限公司，
类型：发明
国别省市：江苏;32