Page 96 - 水利学报2021年第52卷第4期

号为分析对象，利用检测指数理论、最小二乘支持向量机理论和小波奇异值理论，构建同时涵盖机
组时频特征的状态综合劣化评估模型，最终通过计算劣化指标的形式实时评估机组的健康状态。结
合电站机组实例进行验证分析，得到以下结果：
检测指数可有效反映机组振动信号各时域特征对不同运行状态的敏感性，从而选取最能反映信
号特征的时域指标，避免了特征选取的盲目性。
该水电机组状态劣化评估方法能很好地对机组振动劣化状态进行实时跟踪评估，及时发现故障
征兆，实现故障预警，并且充分利用机组监测系统历史数据，体现了数据挖掘的思想。
该方法能充分反映机组特色，所确定的综合劣化评估指标健康限值根据机组类型和不同运行工
况会有所不同。针对本文所研究的 3 号机组以及对应工况，其正常运行区间可确定为 [0，0.2] 。当劣
化指标小于 0.2 时，该机组处于正常运行状态；当指标大于 0.2 时，则认为机组出现异常，监测系统
报警，提醒运行人员关注。
与传统信号监测指标相比，本文所提出的综合劣化评估指标对水电机组故障的发生更加敏感，
可更明显地反映出机组由正常到故障的状态变化。
实际电站机组运行案例的分析结果表明，该方法能有效反映机组劣化趋势，可为实现水电机组
故障预警提供准确可靠的指导。

参 考 文 献：

［ 1 ］ 党建，何洋洋，贾嵘，等 . 水轮发电机组非平稳振动信号的检测与故障诊断［J］. 水利学报，2016，47（2）：
173-179 .
［ 2 ］ 付文龙 . 水电机组振动信号分析与智能故障诊断方法研究［D］. 武汉：华中科技大学，2016 .
［ 3 ］ 李辉，李欣同，贾嵘，等 . 基于经验模态分解和支持向量机的水电机组振动故障诊断［J］. 水力发电学报，

2016，35（12）：105-111 .
［ 4 ］ 刘东，王昕，黄建荧，等 . 基于小波变换与 SVD 的水电机组振动信号特征提取研究［J］. 中国农村水利水
电，2018（12）：169-172 .
［ 5 ］ 中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会 . GB/T 32584-2016，水力发电

厂和蓄能泵站机组机械振动的评定［S］. 北京：中国标准出版社，2016 .
［ 6 ］ 中华人民共和国国家质量监督检验检疫总局 . GB /T11348. 5-2002，旋转机械轴径向振动的测量和评定第 5
部分：水力发电厂和泵站机组［S］. 北京：中国标准出版社，2002 ．
［ 7 ］ 安学利，潘罗平，桂中华，等 . 抽水蓄能电站机组异常状态检测模型研究［J］. 水电能源科学，2013，31
（1）：157-160 .
［ 8 ］ 桂 中 华 ，张 浩 ，孙 慧 芳 ，等 . 水 电 机 组 振 动 劣 化 预 警 模 型 研 究 及 应 用［J］. 水 利 学 报 ，2018，49（2）：
216-222 .
［ 9 ］ LI K，CHEN P，WANG H Q . Intelligent diagnosis method for rotating machinery using wavelet transform and ant
colony optimization［J］. IEEE Sensors Journal，2012，12（7）：2474-2484 .
［ 10］ 张飞，潘罗平，安学利 . 水轮发电机组稳定性参数统计特性与监测报警阈值研究［J］. 水力发电学报，
2013，32（5）：269-272，293 .
［ 11］ SUYKENS JAK，VANDEWALLE J . Least squares support vector machine classifiers［J］. Neural Processing Let⁃
ters，1999，9（3）：293-300 .
［ 12］ 方瑞明 . 支持向量机理论及其应用分析［M］. 北京：中国电力出版社，2007 .
［ 13］ 周湶，孙威，任海军，等 . 基于最小二乘支持向量机和负荷密度指标法的配电网空间负荷预测［J］. 电网技
术，2011，35（1）：66-71 .
［ 14］ 刘东，王昕，黄建荧，等 . 基于 SVD 的水电机组振动信号去噪方法研究［J］. 水电与新能源，2018，32（7）：
38-43 .
［ 15］ 张澎涛，刘晋浩 . 连续小波变换在机械故障特征提取中的应用［J］. 吉林大学学报（信息科学版），2014，32
（2）：172-176 .

— 472 —