水電機(jī)組狀態(tài)檢修對(duì)水電廠安全穩(wěn)定、高效運(yùn)行意義重大。狀態(tài)檢修依賴于狀態(tài)監(jiān)測(cè)和故障診斷。目前狀態(tài)監(jiān)測(cè)技術(shù)日趨成熟,而且在實(shí)際運(yùn)行中得到了越來越多應(yīng)用。水電機(jī)組故障診斷技術(shù)目前尚不成熟,主要原因是:缺乏故障樣本、部分故障機(jī)理不明。因此,水電機(jī)組故障診斷在實(shí)際運(yùn)行中少有應(yīng)用。鑒于故障診斷難以實(shí)施,結(jié)合水電機(jī)組狀態(tài)檢修的實(shí)際需求,可以采用故障檢測(cè)手段為機(jī)組狀態(tài)檢修提供指導(dǎo)。依據(jù)水電機(jī)組運(yùn)行產(chǎn)生的大數(shù)據(jù)開展水電機(jī)組故障檢測(cè)是有益的途徑。本文針對(duì)故障檢測(cè)開展了如下研究工作:1.通過類比分析的方法,得到了發(fā)生故障時(shí)數(shù)據(jù)變化的簡(jiǎn)化數(shù)學(xué)模型。故障時(shí)數(shù)據(jù)異常一般可分為:均值異常、方差異常、趨勢(shì)異常以及復(fù)合異常。2.通過使用數(shù)學(xué)模型進(jìn)行驗(yàn)證,得到M-K檢驗(yàn)無法檢測(cè)均值異常、方差異常和趨勢(shì)異常;滑動(dòng)t-檢驗(yàn)無法檢測(cè)均值異常、方差異常和趨勢(shì)異常;啟發(fā)式分割無法檢測(cè)出方差異常,可以檢測(cè)出趨勢(shì)異常和均值異常。3.通過蒙特卡洛模擬得到歸一化加權(quán)平均值的分布規(guī)律,根據(jù)該規(guī)律進(jìn)行故障檢測(cè)。該方法雖然無法檢驗(yàn)出方差異常,但由于具有明確的物理意義,可作為度量機(jī)組健康狀態(tài)的指標(biāo)。4.通過數(shù)學(xué)模型和實(shí)例的驗(yàn)證,使用相對(duì)熵和重復(fù)率... 

【文章來源】：中國(guó)水利水電科學(xué)研究院北京市

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 故障檢測(cè)與狀態(tài)檢修
    1.3 水電機(jī)組故障檢測(cè)的意義
    1.4 故障檢測(cè)的研究概述
        1.4.1 故障檢測(cè)方法研究概述
        1.4.2 水電機(jī)組故障檢測(cè)研究概述
    1.5 主要內(nèi)容
    1.6 創(chuàng)新點(diǎn)
第二章 模型及方法的選擇
    2.1 故障模型簡(jiǎn)化
    2.2 故障檢測(cè)方法的選擇
        2.2.1 M-K（Mann-Kendall）檢驗(yàn)
        2.2.2 滑動(dòng)t-檢驗(yàn)
        2.2.3 啟發(fā)式分割方法
    2.3 概率分布的計(jì)算方法選擇
        2.3.1 核密度估計(jì)方法
        2.3.2 直方圖方法
        2.3.3 對(duì)比分析
第三章 基于蒙特卡洛方法的歸一化加權(quán)平均值
    3.1 引言
    3.2 蒙特卡洛方法
        3.2.1 隨機(jī)變量
        3.2.2 統(tǒng)計(jì)量
        3.2.3 蒙特卡洛模擬
    3.3 實(shí)例分析
    3.4 結(jié)論
第四章 基于相對(duì)熵的一維參數(shù)故障檢測(cè)
    4.1 引言
    4.2 方法概述
        4.2.1 相對(duì)熵定義
        4.2.2 算法實(shí)現(xiàn)
    4.3 模擬數(shù)據(jù)論證
        4.3.1 均值異常
        4.3.2 方差異常
        4.3.3 趨勢(shì)異常
        4.3.4 復(fù)合異常
    4.4 實(shí)例驗(yàn)證
第五章 基于重復(fù)率的一維參數(shù)故障檢測(cè)
    5.1 重復(fù)率概述
    5.2 算法實(shí)現(xiàn)
    5.3 模擬數(shù)據(jù)論證
        5.3.1 均值異常
        5.3.2 方差異常
        5.3.3 趨勢(shì)異常
        5.3.4 復(fù)合異常
    5.4 實(shí)例驗(yàn)證
    5.5 對(duì)比分析
        5.5.1 與相對(duì)熵的對(duì)比
        5.5.2 與均值、方差的對(duì)比
第六章 基于DBSCAN的二維參數(shù)故障檢測(cè)
    6.1 引言
    6.2 基于DBSCAN的故障檢測(cè)方法
        6.2.1 DBSCAN方法簡(jiǎn)介
        6.2.2 基于聚類的故障檢測(cè)
        6.2.3 方法的優(yōu)點(diǎn)
    6.3 模擬數(shù)據(jù)論證
        6.3.1 單變量均值異常
        6.3.2 單變量方差異常
        6.3.3 單變量趨勢(shì)異常
        6.3.4 均值-均值異常
        6.3.5 均值-方差異常
        6.3.6 均值-趨勢(shì)異常
        6.3.7 方差-方差異常
        6.3.8 方差-趨勢(shì)異常
        6.3.9 趨勢(shì)-趨勢(shì)異常
    6.4 實(shí)例驗(yàn)證
第七章 結(jié)論與展望
    7.1 研究成果與結(jié)論
    7.2 研究展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和其他成果
致謝



本文編號(hào)：2904364