一种基于数字孪生的水电机组故障诊断方法及系统与流程

本发明涉及数字孪生，特别是一种基于数字孪生的水电机组故障诊断方法及系统。

背景技术：

1、随着在线监测系统的使用，水电机组在运行中采集了大量的信号数据存放到数据库服务器中，如何从这些复杂的、看似毫无关联的数据中提取出有用的知识，指导发电设备安全稳定运行成为人们研究的课题，数据挖掘技术应运而生。将在线监测、定期监测及不定期监测得到的各种类型、各种维度的数据，通过数据挖掘技术监视其内部规律特征，深入分析不同工况下水电机组部件运行数据，包括采集预设时段内水电机组部件的历史运行数据。根据不同工况，将历史运行数据分成若干集合，通过模型算法完成数据的分级分类并进行数据融合，改变固定阈值诊断，从而达到对水力发电设备的实时动态故障诊断，更体现机组实际。

2、水轮发电机组的故障，存在机理复杂、多态和逻辑模糊不确定的特点，传统的故障诊断方式，依赖检修人员的工作经验，通过获得被检测对象的可用信息，并抽取其中的特征参数来确定设备状况，导致故障诊断反馈慢、设备健康状态的显示缺乏三维动态可视化效果、精度无法保障等，很难直接分析出故障原因。

3、当前数字孪生技术作为一种智能化、信息化的技术，以数字化的方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，通过虚实双向映射和交互反馈，可达到动态、立体感知物理实体的实际状态，实现对于物理实体设备进行状态检测和故障诊断等功能，弥补传统故障诊断结果反馈过程中实时协同性欠缺和人机交互不友好的不足，为水电机组远程数字化运维和智慧检修决策提供坚实的技术支撑。

技术实现思路

1、鉴于现有的水电机组故障诊断方法存在依赖检修人员的工作经验，精度无法保障、缺乏三维可视化的问题，提出了本发明。

2、因此，本发明所要解决的问题在于通过构建三维孪生模型和构建故障诊断模型，进行仿真模拟和事故反演，结合故障诊断结果，实现三维可视化，能够进行精确的故障预警和趋势分析。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种基于数字孪生的水电机组故障诊断方法，其包括，采集水电机组相关数据并预处理；根据预处理后的水电机组相关数据，构建三维孪生模型；结合三维孪生模型生成的模拟数据、预处理后的水电机组相关数据和历史故障数据，构建故障诊断模型；利用三维孪生模型进行仿真模拟和事故反演，结合故障诊断模型的输出，预测水电机组设备运行趋势，基于预测结果进行水电机组故障预警。

5、作为本发明基于数字孪生的水电机组故障诊断方法的一种优选方案，其中：构建三维孪生模型包括，将预处理后的水电机组相关数据映射到三维空间，映射公式如下：

6、

7、其中，f(·)表示多变量映射函数，αi表示加权系数，表示标准化后的水电机组相关数据，x，y，z为空间坐标，u，v，w均为积分变量，σui,σvi,σwi分别为各子部件数据在映射函数中的标准差；通过多变量映射函数生成三维孪生模型的公式如下：

8、

9、其中，t(x,y,z)表示三维孪生模型的输出，x，y，z为空间坐标，x′,y′,z′均表示积分变量。

10、作为本发明基于数字孪生的水电机组故障诊断方法的一种优选方案，其中：构建故障诊断模型包括计算综合不平衡量、机器学习预测值和专家经验融合结果，整合计算综合不平衡量、机器学习预测值和专家经验融合结果，并引入三维孪生模型，得到故障诊断模型。

11、作为本发明基于数字孪生的水电机组故障诊断方法的一种优选方案，其中：整合计算综合不平衡量、机器学习预测值和专家经验融合结果，并引入三维孪生模型，得到故障诊断模型包括，获取不同时间点的磁拉力不平衡数据、不同时间点的转子质量不平衡数据和不同时间点的水力不平衡数据，计算磁拉力不平衡量、转子质量不平衡量和水力不平衡量，将三种不平衡量经过归一化处理后，取平均值的平方，并计算平方根得到综合不平衡量，综合不平衡量的计算公式如下：

12、

13、其中，v表示综合不平衡量，n表示磁拉力不平衡数据的数量，kmi表示第i条磁拉力不平衡数据的比例系数，b1i表示第i数据中的第一个磁感应强度，b2i第i数据中的第二个磁感应强度，m表示转子质量不平衡数据的数量，krj表示第j条转子质量不平衡数据的比例系数，mj表示第j条转子质量不平衡数据中的质量，ej表示第j条转子质量不平衡数据中的偏心距，p表示水力不平衡数据的数量，khk表示第k条水力不平衡数据的比例系数，p1k表示第k条数据中的第一个压力，p2k表示第k条数据中的第二个压力；使用标准差对历史数据特征向量进行标准化，并为历史数据特征向量设置权重，使用衰减参数计算每个特征的影响值，计算机器学习模型的损失函数梯度，将标准化后的特征影响值加权求和，计算故障预测值，故障预测值的计算公式如下：

14、

15、其中，表示故障预测值，n表示特征数量，wi表示第i个特征的权重，σ(xi)表示第i个特征的标准差归一化函数，xi表示第i个特征的值，αi表示第i个特征的衰减参数，m表示机器学习模型中梯度计算的特征数量，fj表示第j个特征的函数值，表示第j个特征对应参数的损失函数梯度，c表示正则化常数；收集专家经验规则，确定规则的输出值和对应的权重，计算每条规则的影响值，获取时间特征，使用衰减参数计算时间特征的影响值，将规则和时间特征的影响值加权求和，得到专家经验融合结果，专家经验融合结果的计算公式如下：

16、

17、其中，e表示专家经验融合结果，n表示专家规则的数量，ri表示第i条规则的权重，ei为第i条规则的输出，βi表示第i条规则的参数，m表示时间相关特征的数量，γi表示第j个时间特征的权重，ωj表示第j个时间特征的频率，tj表示第j个时间特征的时间，κj表示第j个时间特征的衰减参数；基于综合不平衡量、故障预测值和专家经验融合结果，引入三维孪生模型，得到故障诊断模型的公式如下：

18、

19、其中，d表示故障诊断结果，v表示综合不平衡量，表示故障预测值，e表示专家经验融合结果，t(x,y,z)表示三维孪生模型的输出，n表示数据点数量，αi表示第i个数据点的衰减参数，ti第i个数据点的时间。

20、作为本发明基于数字孪生的水电机组故障诊断方法的一种优选方案，其中：利用三维孪生模型进行仿真模拟和事故反演包括，在三维孪生模型中模拟水电机组的正常运行状态，建立水电机组正常运行状态时的基准数据；调整三维孪生模型的参数，观察三维孪生模型的响应；模拟不同工况下三维孪生模型的运行状态，记录并分析模拟结果，基于历史故障数据，在三维孪生模型中模拟各种故障情况；调整故障相关参数，分析故障对系统各部分的影响，并记录故障特征和发展过程。

21、作为本发明基于数字孪生的水电机组故障诊断方法的一种优选方案，其中：结合故障诊断模型的输出，预测水电机组设备运行趋势，包括，获取故障诊断模型的输出，根据故障诊断模型的输出判断当前水电机组设备的运行状态和故障类型；对比故障诊断模型输出与当前设备正常状态下的基准数据，确定故障严重程度；收集设定时间内的故障诊断模型输出，分析故障诊断模型输出的变化趋势，判断故障发展方向，完成对水电机组设备运行趋势的预测。

22、作为本发明基于数字孪生的水电机组故障诊断方法的一种优选方案，其中：基于预测结果进行水电机组故障预警包括，基于3σ准则，为水电机组各设备故障设置预警阈值；将水电机组设备运行趋势的预测结果与预警阈值进行比较，判断预测结果是否超过设置的预警值，确定预警等级；根据预警等级，生成对应的预警信息，并将预警信息进行三维可视化展示；根据预警等级和故障类型制定应对策略，将预警信息和应对策略发送给相关人员和部门。

23、第二方面，本发明实施例提供了基于数字孪生的水电机组故障诊断系统，其包括采集模块，用于采集水电机组相关数据并预处理；第一模型构建模块，用于根据预处理后的水电机组相关数据，构建三维孪生模型；第二模型构建模块，用于结合三维孪生模型生成的模拟数据、预处理后的水电机组相关数据和历史故障数据，构建故障诊断模型；预警模块，用于利用三维孪生模型进行仿真模拟和事故反演，结合故障诊断模型的输出，预测水电机组设备运行趋势，基于预测结果进行水电机组故障预警。

24、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，其中：计算机程序指令被处理器执行时实现如本发明第一方面的基于数字孪生的水电机组故障诊断方法的步骤。

25、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：计算机程序指令被处理器执行时实现如本发明第一方面的基于数字孪生的水电机组故障诊断方法的步骤。

26、本发明有益效果为：通过整合计算综合不平衡量、机器学习预测值和专家经验融合结果，并引入三维孪生模型，构建了一个多维度、多层次的故障诊断模型，充分利用了数据驱动和知识驱动的优势，显著提高了故障诊断的准确性和可靠性，能够更全面地捕捉到各种潜在故障。通过结合故障诊断模型输出和三维孪生模型仿真结果，利用数据挖掘和机器学习算法，实现了对设备未来运行状态的准确预测，使得运维人员能够提前预知潜在问题，为制定预防性维护策略提供了科学依据，显著提高了设备的可靠性和运行效率。