基于VMD-TCN的水電機組健康狀態監測系統設計

鐘旭 張寶源 孟威 常峰德 高志國

摘要：針對常規的水電機組運行監測系統以高頻振動信號監測為主，低頻振動信號監測失誤問題較多，影響水電機組正常運行的問題，設計了基于VMD-TCN的水電機組健康狀態監測系統。硬件方面，設計了AC102加速度傳感器；軟件方面，采集水電機組健康狀態數據，對水電機組狀態信號進行處理，判斷機組健康狀態?；赩MD-TCN分解水電機組健康狀態監測信號，根據采集到的狀態信號進行信號頻段子模態分解，確保監測精準度。系統測試結果表明：該設計提升了系統的監測效果，系統性能良好。

關鍵詞：VMD-TCN；水電機組；健康狀態；監測系統

中圖法分類號：TV734 文獻標志碼：A DOI：10.15974/j.cnki.slsdkb.2024.02.007

文章編號：1006-0081（2024）02-0044-04

0 引 言

水電機組狀態監測系統是一個專項監測系統，能夠對一個或一部分機組的狀態進行監測與診斷，確保其正常運行。目前，水電機組健康狀態監測系統并未對低頻振動信號作出精準監測，健康狀態監測失誤現象頻發。因此，研究人員設計了多種解決方案。陳學標等提出基于EEMD-SD振動信號分析的水電機組故障預警方法，采集水電機組上振動信號數據，將預處理后的振動信號數據進行EEMD分解，得到不同頻率范圍內的振動模態函數（IMF），從每個IMF分量中提取相關的振動特征。通過監測和分析振動特征的變化，建立機組正常運行狀態的基準值，并結合故障樣本數據，采用機器學習算法進行異常檢測和故障診斷。根據異常檢測和故障診斷的結果建立故障預警模型，監控機組運行狀態，及時發現可能的故障并預警。袁璞等提出基于AI視頻圖像處理的水電機組運轉監測與智能報警技術研究，采集機組運轉時的視頻數據?；谶@些數據構建訓練集和測試集，從預處理后的視頻幀中提取關鍵的視覺特征?；谔崛〉奶卣?，建立監測模型，用于實時監測機組的運轉狀態。通過監督學習算法來訓練分類器對機組運轉狀態進行識別和監測。本文基于VMD-TCN，設計了一套水電機組健康狀態監測系統，在有效實現水電機組健康狀態監測的同時，提升故障預警準確性。

1 硬件設計

對于水電機組而言，中高頻信號較易監測，低頻信號很難監測，往往出現低頻信號監測為健康狀態的問題，影響系統的監測效果。本文選用AC102加速度傳感器，作為低頻信號的監測元件，其性能參數見表1。

如表1所示，本文設計的AC102加速度傳感器，主要是針對水電機組低頻振動監測的元件，靈敏度相對較高，能夠在80%～90%的濕度條件下運行。通過監測低頻振動信號，找出低頻振動中存在的機組故障，從而確保水電機組的健康運行狀態。

2 軟件設計

2.1 采集水電機組健康狀態數據

通過在系統軟件上建立一個數據采集程序，將水電機組狀態信號進行采集與處理，判斷機組健康狀態。同時，根據水力、機械、電氣等方面的耦合情況，將多種信號數據同時分析，以確保監測精準度。數據采集程序流程如圖1所示。

如圖1所示，在水電機組的正常運行狀態下，對機組功率、水頭、導葉開度、蝸殼、尾水等參數進行分析，點擊開始采集的按鈕，通過AC102加速度傳感器采集各類數據。將數據上傳到采集程序中進行數據壓縮，再通過網絡接口將采集到的數據上傳到系統服務中心，對采集到的運行信號作出進一步狀態診斷。利用數據采集程序，解決采集任務延時的問題，針對多機任務同時采集，實現水電機組的實時高速采集。

2.2 基于VMD-TCN分解水電機組健康狀態監測信號 根據采集到的狀態信號進行信號頻段子模態分解，確保監測精準度。采集到的信號中存在軟件相位偏差，對軟件而言，偏差較大影響監測效果。因此，將各種振動信號數據進行軟件相位補償：

φ=360×N×t/T??? （1）

式中：φ為相位補償；t為通道采集切換時間；N為振動信號的相位差；T為水電機組的運行周期。在采集的信號為準確的條件下，利用VMD進行信號分解：

式中：P（t）為補償后的振動信號；a為初始振動信號數據；a為第i個頻域的信號數據；b為第i個頻域的子信號；w為信號角頻率。

通過VMD數據分解之后，振動信號形成了多種模態信號。將多種模態信號按照時間序列進行處理，利用TCN將信號放在因果卷積層中訓練，消除信號處理殘差。根據TCN的一維卷積網絡，輸出振動信號：

式中：y為處理完成輸出的最終振動信號數據；x為信號輸入數據。

根據卷積核移動的方向，判斷數據序列，按照此規律處理多模態的信號，最大程度上提升水電機組的監測精準度。

鐘 旭 等 基于VMD-TCN的水電機組健康狀態監測系統設計3 系統測試

為了驗證本文設計的監測系統是否具有實用性能，對上述系統進行測試分析。將基于VMD-TCN的水電機組健康狀態監測系統與基于EEMD-SD振動信號分析的水電機組健康狀態監測系統、基于AI視頻圖像處理的水電機組健康狀態監測系統進行對比。

3.1 測試過程

在進行系統測試之前，將AC102加速度傳感器安裝完畢之后，對其進行調試。上電后綠色指示燈亮起3 s后熄滅，其余指示燈均未亮起，可以確保該硬件能夠正常使用。系統調試流程如圖2所示。

對監測界面、傳感界面、采集界面進行實驗室調試、現場安裝調試、系統試運行等綜合調試。輸入正確的用戶名與密碼之后，點擊機組操作界面，監測水電機組的功率參數，確定機組的運行狀態。出現圖3界面則表明，系統處于正常運行狀態，可以對其進行性能測試。

3.2 測試結果

在上述測試條件下，隨機選取水電機組在水導軸承、壓力鋼管、上機架等區域的振動狀態，分別使用基于EEMD-SD振動信號分析的水電機組健康狀態監測系統、基于AI視頻圖像處理的水電機組健康狀態監測系統，以及本文設計的基于VMD-TCN的水電機組健康狀態監測系統，監測水電機組振動狀態，并將3種系統監測完成之后的CPU占用率進行分析。測試結果見表2。

如表2所示，在水導軸承運行的過程中，存在渦輪、轉輪、導葉等振動故障；壓力鋼管位置存在葉片尾部、尾水管異常振動故障；上機架存在上導軸承、機組中心線不均衡、推力軸承等振動故障。上述振動故障的故障信號較為微弱，很難對其進行健康狀態評定。在水電機組健康狀態監測的過程中，監測完成之后，系統CPU占用率越低，系統運行性能越佳。

在其他條件均一致的情況下，使用基于EEMD-SD振動信號分析的水電機組健康狀態監測系統之后，監測到的振動狀態與實際狀態存在差異，將異常振動監測成健康狀態，無法對其進行后續維護，導致機組出現更大的隱患。完成監測之后，該系統的CPU占用率在50%～90%的范圍內，無法滿足系統的高效運行需求。

使用基于AI視頻圖像處理的水電機組健康狀態監測系統之后，未出現健康狀態監測失誤的現象，但是其監測完成之后，無論是健康狀態還是故障狀態，系統CPU占用率始終超過70%，無法滿足系統其他應用的使用需求。

使用本文設計的基于VMD-TCN的水電機組健康狀態監測系統之后，監測到的水電機組振動狀態均與實際保持一致，并且完成健康狀態監測之后，系統CPU占用率在10%～30%的范圍內，占用率相對較低，能夠滿足多個應用同時進行的需求。

4 結 語

在水電機組開機運行狀態下，對機組運行的健康狀態做出可靠的監測與評估，能夠對故障機組進行有效的診斷，確保水電機組的正常運行。本文研究了基于VMD-TCN的水電機組健康狀態監測系統設計，其可從數據采集、信號分解等方面，實時反映水電機組的運行情況，便于監測水電機組的運行狀態，為機組的正常運行提供保障。

參考文獻：

［1］ 安勇.“三取二”冗余測量技術在金沙水電站調速器中的應用［J］.水利水電快報，2022，43（3）：82-85，90.

［2］ 陳茗，胡邊，李靖.基于多源信號融合的燈泡貫流式機組故障特征提?。跩］.人民長江，2023，54（8）：185-189，210.

［3］ 陳學標，肖遠輝，肖富鋒，等.基于EEMD-SD振動信號分析的水電機組故障預警方法［J］.水電與新能源，2023，37（2）：1-5.

［4］ 袁璞，郭歌，王瑩，等.基于AI視頻圖像處理的水電機組運轉監測與智能報警技術研究［J］.電網與清潔能源，2022，38（1）：121-127，134.

［5］ 姜偉，周建中，許顏賀，等.基于排列熵重構與長短期記憶神經網絡的水電機組振擺趨勢預測方法［J］.水電能源科學，2022，40（12）：152-155.

［6］ 秦小元，謝輝平，劉仁杰，等.結合綜合賦權與高斯區間隸屬度的水電機組狀態評價模型［J］.中國農村水利水電，2022（9）：181-187，194.

［7］ 傅質馨，曹延，朱俊澎，等.基于MI-GA-BP和誤差統計分析的水電機組健康評估模型研究［J］.電網與清潔能源，2021，37（7）：97-106.

［8］ 唐擁軍，倪晉兵.基于噪聲分析的水電機組故障定位技術研究［J］.水力發電，2022，48（12）：67-69.

［9］ 蘭家法，周玉輝，高澤良，等.基于機器學習的水電機組劣化趨勢預測模型［J］.水力發電學報，2022，41（12）：135-144.

［10］ 劉東，賴旭，胡曉，等.基于振動信號的水電機組狀態劣化在線評估方法研究［J］.水利學報，2021，52（4）：461-473.

［11］ 段然，周建中，蔡銀輝，等.基于低質量數據的水電機組變工況狀態指標構建方法［J］.水電能源科學，2022，40（6）：183-187.

（編輯：高小雲）

Design of health monitoring system for hydroelectric units

based on VMD-TCNZHONG Xu，ZHANG Baoyuan，MENG Wei，CHANG Fengde，GAO Zhiguo

（1.Beijing Sifang Jibao Automation Co.，Ltd.，Beijing 100085，China； 2.Wangjianglou Hydropower Station Engineering Construction Bureau，Tonghua 134000，China）

Abstract：Aiming at the problem that the traditional hydropower unit operation monitoring system was mainly based on high-frequency vibration signal monitoring，while the low-frequency vibration signal monitoring often had errors，which affects the normal operation of the hydropower unit，a hydropower unit health monitoring system based on VMD-TCN was designed. In terms of hardware，an AC102 acceleration sensor was designed.In terms of software，health status data of hydroelectric units were collected，the status signals of hydroelectric units were processed，and the health status of the units were judged. Based on VMD-TCN decomposition of the health status monitoring signals of hydroelectric units，the signal frequency band sub-modal decomposition was performed based on the collected status signals to ensure the monitoring accuracy. The system testing results indicated that the design improved the monitoring effect of the system，and the system performance was good．

Key words：VMD-TCN；hydroelectric units；health status；monitoring system