水电站辅助系统设备状态监测算法及数据分析模型框架技术研究

付恩狄 欧泽波 张豪 莫理 张勇

摘要：文章简述水电站辅助系统的应用情况，并探讨可用的状态监测算法与数据分析问题。结合水电站日常对辅助系统设备的运维管理需要与作业习惯，注重基础引擎、数据分析与风险评估预警等。以供参考。

关键词：水电站;状态监测;数据分析

引言

辅助系统设备虽然不是直接产生电能的装置，但对稳定水电站运行，也有较大的作用。基于电力信息化系统，掌握设备工况，提炼出其运行特征。通过实时状态监测与数据分析，为设备提供可靠的管理保障。

一、辅助系统应用状况

现阶段，水电站设有计算机监控与诸多在线监测等，用于日常管理的辅助系统，可以不间断获取监测系统，支持所需决策处理。但对于比较分散、信息量大的监测数据，通常会出现无法获取的情况。目前，主要存在的系统应用问题是：使用者无法清楚地表达对于数据资源的需求方向，系统未配备相应的可用工具，导致需求描述上可能出现偏差。另外，现实应用中，即便使用者能够确定实际需要，但没有采取后续的处理，直接将数据输出，没能采取适宜的分析方式与辅助方法，导致监测数据无法直观反映设备的现实状态，过于表面[1]。

二、设备状态监测算法与数据分析模型框架

根据设备状态监测时出现的问题，选择运用机器学习，让所得数据对设备状态表述更为直观清楚，满足相关应用者的监测工作需要与运用习惯。对于故障检测，运用机器学习方法，可让应用者更准确地了解设备工作状态，并预警隐藏的异常风险，同时，基于状态分析结果，系统能自动从已有资料中，筛选出最佳的检修方案，方便快速处理。针对水电站的辅助系统装置，可围绕机器学习，设置监测算法与数据模型架构，继而得到具有实用性的系统模型，统一设置在数据平台上，方便日常管理。

（一）总体分析

在开发设备状态的监测算法与相关技术中，要求先制定严谨的技术方案，保障为后期研究提供统筹指导。基于水电站当下配备的监控系统布设情况和应用状态，注重对辅助系统的设备工作情况，尝试运用好数据通信与分析、结果形成等多个环节的运用方式。而为支持实现对检测算法与模型框架的开发分析，需有足够的配套装置，以确保软硬件开发、装置调试和试运效果等步骤得以顺利进行。

（二）开发方向

对于辅助系统设备的日常检修工作来说，为满足现代化的经营需要，应当对相应的辅助模型加以分析，支持日常管理任务。以当前依旧比较成熟的电力平台为基础，掌握各设备的工作状态与有关表述信息，并在大数据中，研究存在的规律性因素，由此掌握设备运转情况变化之间，内在联系与整体走向，立足于机器学习，形成数据模型框架，在水电站中运用到的模型有状态评价、动态告警、风险评估以及智能选择检修方案等。

（三）系统功能

按照正常的管理应用系统模型平台设计，均要有搜索引擎，实现指定的操作界面跳转以及其他的使用功能。在此数字化系统中，采用更多维的分析引擎，以求数据虚拟立方能完成基本的保存与逻辑映射等，按照操作界面的功能显示，进行有关操作，并直接生成若干sql查询记录，将查询和信息结果进行整合，支持多维分析。在系统应用中，大部分监测与评估等数据，均可以通过图表的方式呈现。在不同主题下的操作界面，能采取整体的查询筛选，使用者能根据查询需要，挑选合适的过滤器，系统会基于设定条件，输出对应资料。另外，已选的限定条件，会直接在操作界面上方显示，避免重复或漏选。在系统中的数据并非完全独立存在的，会有某些维度上的联系，使用者在某个图表上进行调整，其余资料的相关数据也会随之更新，可避免数据资料有出入。在操作界面上，能对各数据放大至全屏，把其他暂时无用的工具栏内容隐藏起来，让使用者能专注于工作，完成业务管理分析。在系统模型框架设计中，考虑到辅助设备状态变化规律多以图表形式呈现，因此，要保障图表资料也能进行实现引擎操作。具体来说，首先，信息导出，使用者可查看所需资料，并能批量处理;其次，在统计图上能进行单选或多选，而且各图表还有联动性，如果是散点图，可画出选择区域;最后，系统管理，能针对组织、权限等采取后台管理。此外，还应考虑到数据集成的问题，采取SCADA系统，完成基本接入，保障动态监测信息能稳定收集。

（四）系统开发

在水电站中，辅助设备是指压油设备、排水与空压机系统，而应用于此类系统设备的监测系统，必须要对这三种装置的状态情况，可以进行评估分析与监测作业，基于此，建立相应的状态模型，秉承对不同设备工作状态的量化分析原则。在状态模型系统使用中，日常的监测预警工作，要参照设备已有的历史记录资料，提炼出其运行特征量，继而得到其设备运转中，动态性的基本规律。根据相关人员日常的管理需要，可支持以图表的形式呈现，让其能直接看出规律性波动，迅速发现异常。另外，基于设备状态特征的实际情况，结合可用算法，得到设备正常运行的阈值区间。在试运及正式应用中，能根据不间断监测到的设备状态数据，进行阈值比对，一旦未稳定在标准区间内，会立即给出告警反馈。而在评估设备当前运行状态中，要结合现场采集到的状态资料，智能分析状态量化起伏情况，同样能选择图表输出，保障状态评估的实用性。在最终确定评分中，需考虑到特征量与评估标准，以提高评分结果的合理性与可靠性，而后根据评分结果，划分不同的健康级别，完成辅助设备可用性的评估，为后续使用管理，提供所需要资料[2]。

开发系统设备的状态监测模型，主要是为预防与及时处理的异常风险问题，所以要求数据模型拥有对设备运行异常的识别判断能力，结合有关维护标准，数据分析出设备工作的隐患问题，以及由此能引发的损失量等，设置对风险的评估指标与规则，基于此，结合动态监测到的数据，计算出每个设备的风险状态和级别，给维修管理予以大体上的方向。在完成风险评估后，对于有异常的系统设备，需及时安排检修处理。在该系统模型运行中，需配备检修方案的数据库，将已有的相关记录，直接录入到系统中，要求包含水电站所有辅助装置，如压油设备，以此形成历史资料库，在识别出故障后，可从中选择更为贴近的故障类型方案，可供需检修人员快速確定作业方向与具体程序，借此还能减少人为判断失误，带来的风险。在检修方案的设置处理上，其包含大量的要素，还面对多决策者的问题，为满足现实应用诉求，选择模糊多属性决策等分析算法，以形成检修方案数据库。此外，通过打造多维数据的立方模型，具体的构成要素有维度及成员、监控度量、计算规则及频率等。借此参照系统实际状态监测结果与风险状态等信息，支持后续的完成多角度数据分析。在运用该模型进行数据计算中，由于系统对设备状态是进行不间断检测，所以搭配的计算分析模块，会获取动态的源数据，可实时进行相关处理。同时，也能根据水电站管理情况，设置成定期处理与分析模式，完成一系列转换与度量的计算保存。

结束语

经过上文内容讨论，了解到水电站辅助系统的应用不足。而利用机器学习，提高监测分析的智能化，更直观地反映出设备运转状态，做到尽早发现异常，按照问题的风险等级与故障具体类型，选择最优检修方案，并给设备“退役”提供决策思路。

参考文献：

[1]李彦浩.伊辛巴水电站水力机械辅助系统设计[J].水电站机电技术，2021，（04）：40-42.

[2]何志锋，代开锋，何昌炎，等.巴基斯坦卡洛特水电站水力机械辅助系统设计[J].水利水电快报，2020，（03）：96-99.