[发明专利]一种发电机信号的智能诊断方法

说明书

本发明提供了一种发电机信号的智能诊断方法，包括：从发电机控制系统的电力数据库中的数据接口中获取分布式的发电机信号，通过一划分模块将分布式的发电机信号中划分出慢变信号，所述慢变信号包括温度信号和电流信号；所述慢变信号通过第一策略进行处理得到慢变信号处理结果；将所述慢变信号处理的结果整合并输出。以将快变信号和慢变信号区分，通过对慢变信号进行单独处理，实现发电机智能诊断的效果。

技术领域

本发明涉及发电机技术领域，具体是涉及一种发电机信号的智能诊断方法。

背景技术

电力工业是国民经济可持续发展的关键一环。随着电力工业的发展，火力发电机组向高参数、大容量方向发展，其安全性和可靠性要求不断提高。发电机组一旦出现故障，不仅会损伤昂贵的机身，造成直接的经济损失，而且会影响电力系统的供电，造成恶劣的社会影响。智能诊断技术能够在故障发生之前进行有效的预报警，防止故障发生，所以智能诊断方法研究对于保障发电设备的可靠运行具有重要的意义。

目前，国内运行容量在125MW以上的发电机组，发电机信号(DCS信号)可分为慢变信号和快变信号，信号中蕴含着丰富的设备状态信息，可以判断发电机组的状态，发电机组的快变信号主要指振动信号，该信号能迅速、直接地反映发电机的运行状态；慢变信号指的是温度、电流等信号，而目前现有的故障分析系统直接对DCS信号进行统一的分析处理，由于变化频率不同，所以处理效率较低，同时误差较大，难以统一规范化处理，同时浪费人力资源成本。

发明内容

针对现有技术中存在的上述问题，现旨在提供一种发电机信号的智能诊断方法，以将快变信号和慢变信号区分，通过对慢变信号进行单独处理，实现发电机智能诊断的效果。

具体技术方案如下：一种发电机信号的智能诊断方法，包括：

从发电机控制系统的电力数据库中的数据接口中获取分布式的发电机信号，通过一划分模块将分布式的发电机信号中划分出慢变信号通过预设的第一策略对所述慢変信号进行处理得到慢变信号处理结果；以及

输出所述慢变信号处理结果；

所述慢变信号包括温度信号和电流信号。

进一步地，所述第一策略包括通过第一训练样本训练慢变信号预测模型、通过第二训练样本训练所述慢变信号故障诊断模型并包括以下步骤，

实时获取一慢变信号，根据所述慢变信号预测模型对所述慢变信号进行预测得到慢变信号预测数据；

配置第一预设数据范围以及第一预设时间，判断所述慢变信号预测数据是否超出第一预设数据范围持续超过第一预设时间，并在所述慢変信号预测数据超出所述第一预设数据范围并持续超过所述第一预设时间时将所述慢変信号输入到所述慢変信号故障诊断模型中；以及

采用所述慢変信号故障针对模型对所述慢変信号进行处理以得到一慢变信号健康数据并输出；

所述慢变信号处理结果包括所述慢变信号的健康数据，所述健康数据包括所述慢変信号的健康状态信息，所述健康状态信息包括健康状态、亚健康状态以及故障状态三种状态。

进一步地，对所述慢变信号预测模型训练的具体步骤包括：

从发电机控制系统的电力数据库中获取慢变信号历史数据，随后处理慢变信号历史数据得到所述第一训练样本；

对所述第一训练样本中的数据通过预设分析方法进行降维，以使特征维数最优；以及

将降维后的所述第一训练样本通过预置的训练算法进行训练以训练得到所述慢变信号预测模型。

进一步地，在处理所述慢変信号历史数据得到所述第一训练样本的过程中，还包括剔除所述第一训练样本中的数据的异常特征点的步骤。

进一步地，所述预设分析方法包括：