CN119442053A 基于物联网的水电站辅机设备实时监测方法及系统 （国家能源集团新疆吉林台水电开发有限公司）

克自治州伊犁州尼勒克县吉林台水电站基于物联网的水电站辅机设备实时监测方本申请提供基于物联网的水电站辅机设备的故障诊断结果，对多个诊断结果进行综合决2采集压油泵的温度数据和振动数据，将采集到的温度数据和振动数根据压油泵的历史工作数据，对压油泵温度和振动特性的特征向量进行相关性分析，针对温度和振动相关特征子集，构建压油泵故障诊断模型，在压油泵故障诊断模型的基础上，对压油泵的轴承磨损和齿根据压油泵温度和振动的故障诊断结果，对多个诊断结果进行综合根据压油泵的健康状态评估结果，结合预先设定的健康阈值和告根据奈奎斯特采样定理采集压油泵温度数据和振动数据并标记时间采用巴特沃斯低通滤波器对所述温度数据进行滤波，通过三倍标准针对所述振动数据采用db四小波基函数进行四层小波分解，对所述处理后温度数据按照预设时间窗口进行分段计算得到时域特征针对所述时域特征值和所述频域特征值进行最大最小值归一化处理得到归一化特征值，通过计算所述归一化特征值间皮尔逊相关系数选取相关系数大于预设阈值的特征组筛选出矩阵中温度和振动特征相关性高于预设阈值的特征，得到温度和振动相关特征子获取压油泵历史数据库中温度特征向量和振动特征向量，根据毫3根据所述标准化特征值，计算温度特征与振动特征之间交叉相关系若相关系数绝对值大于预设第一阈值或滞后相关系数绝对值大针对所述候选特征子集中特征组合，通过互信息熵验证非线性获取压油泵标签数据中温度均值、振动幅值和温度方差及振动主针对所述训练数据集，采用最大最小值方法对特征数据归一化处根据所述三维特征空间中四种运行状态样本点，采用随机森林算通过所述分类器计算新特征向量与各类别重心的马氏距离，若马氏距采用汉宁窗对振动数据进行快速傅里叶变换，通过希尔伯特变换得到包络解调信号，从所述包络解调信号获取轴承内外圈故障频率及齿轮啮合根据轴承内外圈故障频率特征及齿轮啮合频率特征设置基准阈值轴承内圈故障频率幅值和外圈故障频率幅值及齿针对振动幅值超出所述基准阈值的百分比，划分轻度故障和中度故障及重度故障等采用梯度提升树对轴承故障样本及齿轮故障样本进行训练，通过十根据温度特征及振动特征确定特征权重，针对新采集数据特征进行4从压油泵振动传感器获取振动数据，通过所述压油泵振动传感器采集根据所述振动信号进行时间窗口分段处理，采用巴特沃斯高通滤针对所述预处理信号执行希尔伯特变换，通过变换得到包络解调根据所述调制特征计算频谱图，从所述频谱图提取轴承特征若轴承特征频率振动幅值超过预设基准阈值且倍频振动幅值未超若齿轮啮合频率振动幅值超过预设基准阈值且边带频率振获取压油泵温度诊断结果及振动诊断结果，根据所述温针对所述温度诊断结果及振动诊断结果，采用三角形隶属度函数若所述状态评估值低于预设区间或所述温度诊断结果和振动诊断结果同时针对所述状态等级，在滑动时间窗口内采用指数加权平均得到状态评估均值及标准还包括：针对权重系数的赋予，获取不同诊断结果的故障类型的5采用主成分转换方法对所述指标数据进行标准化处理，通过计算指根据所述权重系数矩阵与温度诊断置信度、振动诊断置信度构建多源采用指数衰减函数对所述多源信息融合权重矩阵进行时间权重计根据所述状态评估得分划分压油泵健康等级，若状态评估得分获取压油泵运行状态数据，根据所述运行状态数据提取温接收压油泵实时状态评估值，判断所述状态评估值是否低于所述健康状态基准阈值，记录所述预警信号对应压油泵状态数据，采用指数滑动平均数据采集与预处理模块，用于采集压油泵的温度数据和振动6相关性分析模块，用于根据压油泵的历史工作数据，对压油典型故障分类识别模块，用于在压油泵故障诊断模型的基综合决策模块，用于根据压油泵温度和振动的故障诊断结果，健康状态评估与预警模块，用于根据压油泵的健康状态评估结果，结合预7[0003]为解决上述技术问题，本发明提供了基于物联网的水电站辅机设备实时监测方[0004]采集压油泵的温度数据和振动数据，将采集到的温度数据和振动数据进行预处8油泵是否处于异常工作状态，若压油泵的健康指数低于预设阈值或触发相应的告警规则，9标记并存储至数值数组。根据巴特沃斯低通滤波器对标记时间戳的温度数据进行滤波处数对振动数据进行4层小波分解去除高频噪声成分。按照60秒固定时间窗口对滤波后温度计算特征值间相关性并选取相关系数大于0.7的特征组合，采用主成分变换对归一化特征据采集频率按照2048赫兹对振动频谱进行采样判定，振动传感器灵敏度设置为0.001毫米倍标准差范围的数据点为异常值，对振动数据采用db4小波基函数四层分解去除频率高于基于0.7相关系数阈值筛选获得8个主要特征，通过主成分变换将8维特征降至4维特征向温度特征与振动特征之间交叉相关系数矩阵，在时间延迟范围内得到特征间滞后相关性；对候选特征子集中特征组合的非线性相关性进行验证，对互信息熵归一化值大于0.7的特氏度范围和振动幅值2毫米每平方秒范围的数据标记为异常并剔除，通过最大最小值映射段，温度均值与振动幅值相关系数为0.87，温度方差与振动主频率滞后2小时相关系数为合为0.72，按照信息增益比对特征组合进行排序，每隔1小时更新计算一次特征障类型的温度和振动特征样本，建立起压油泵温度和振动特征与故障类型之间的映射关以上的特征成分，在三维特征空间绘制四类运行状态样本点分布图并计算类间马氏距离。采用五阶巴特沃斯低通滤波器对温度振动数据进行预处理，通过db4小波基函数四层分解率设置为1000赫兹采集数据精度0.1摄氏度，振动传感器采样频率设置为2000赫兹采集数分级。在数据预处理阶段，五阶巴特沃斯低通滤波器截止频率设置为100赫兹滤除高频噪0.6毫米每平方秒分级，电机故障2000组样本基于振动频率60/80/100赫兹和温度均值40/动特征同时满足对应判据则确认故障标签，两项特征出现矛盾时选择较高严重等级标签，调，提取调制频率边带特征。对包络谱中轴承内圈故障频率85赫兹处幅值0.6毫米每平方对新采集数据特征进行在线预测，预测结果置信度超过0.9且连续三个时间窗口预测结果摄氏度，在120秒观测窗口内若振动幅值超出基准值20％且温度均值超出基准值10％判定阶巴特沃斯高通滤波器去除5赫兹以下低频漂移，采用4096点汉宁窗对分段数据进行加窗过20％判定中度啮合不良，啮合频率超过60％且边带超过40％或频带能量占比大于0.6判障诊断具体实施过程中，振动传感器采样频率设置为20000赫兹采集数据，数据精度达到据段通过4096点汉宁窗加权，在0_10000赫兹频率范围内分析频谱特征，频率分辨率达到健康状态均值和三倍标准差原则划分状态等级，状态评估得分高于0.93判定完全健康，用60分钟滑动时间窗口计算状态评估结果，若连续三个窗口判