本发明属于电子技术领域，涉及一种水轮发电机组开停机过程转子机械变形的分析诊断方法。
背景技术：
水电机组运行状态的实时诊断直接关系到水电站的安全稳定运行、电力质量和电力生产成本等重要的经济效益指标，其社会效益巨大。随着电站规模和监测辅助系统的不断扩大，机组的控制和监测数据信息量越来越大，运行操作人员对机组运行状态的实时有效监控、对设备故障做出迅速而准确地判断变得越来越困难，因此，研究开发智能水电机组故障诊断系统是非常必要的。水电机组在运行过程中难免发生各种各样的异常情况，同一异常现象可能有不同的产生原因，并且出现的故障具有随机性，其中许多事电站工作人员无法预先、直接检测到的，一般要根据工作人员的个人经验和对监测数据的分析来查找故障发生的原因及部位，因而有一定的主观性和局限性。
因此，为保障水电机组的正常安全运行，对其运行状态进行检测，及时发现故障征兆，做到“预测性检修”防患于未然是工程界梦寐以求的理想，也是大型电站机组检修的发展方向。
传统故障诊断技术方案：
传统水轮发电机组的故障诊断主要有以下4种方法
1、基于信号处理的诊断方法
2、基于解析模型的诊断方法
3、基于经验知识的诊断方法
4、基于数据驱动的诊断方法
水轮发电机组开停机过程转子机械变形是一种常见故障，会破坏原机组的磁路线，有可能形成磁振动，从而增大机组振动，恶化机组运行工况。如果机组长期处在这种工况下运行，其结构可能受到破坏，并诱发其他事故。
传统水轮发电机组开停机过程转子机械变形故障诊断技术的缺陷：
国内在故障诊断技术方面的研究起步较晚，二十世纪70年代末开始研究和尝试应用诊断技术，二十世纪90年代开始进行智能化故障诊断的研究工作，研究方法集中在模糊逻辑法、故障树分析法、专家系统技术、人工神经网络技术等，其中专家系统技术和神经网络技术是应用的热点。许多监测诊断系统也开始投入使用，但大都集中在汽轮机以及其他旋转机械设备的监测与故障诊断，针对水电机组的应用很少。这主要由于水电机组转速低，对机组的安全运行没有给予足够的重视，使得水电机组在线监测和故障诊断技术的研究落后于其他(大型)旋转机械。
随着国内水轮发电机组状态监测技术的发展，作为其重要组成部分的发电机气隙动态测量技术也同步得到了推广和应用。但国内外的监测技术，都是将气隙监测和机组振动监测完全分开，并且气隙测量单元主要集中在机组运行保护和瞬时的转子磁极伸长、相对偏心及圆度的分析和诊断上，很少涉及对定子、转子变形的分析。
技术实现要素：
本发明的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
本发明还有一个目的是提供一种水轮发电机组开停机过程转子变形的自动分析诊断方法。
为此，本发明提供的技术方案为：
一种水轮发电机组开停机过程转子机械变形的分析诊断方法，包括如下步骤：
步骤一、选取转子机械线性量和转子机械变性不均匀度作为水轮发电机组开停机过程转子机械变形评价指标，并分别建立水轮发电机组开停机过程中转子机械线性量和转子机械变性不均匀度的数学模型；
步骤二、以水轮发电机组的在线监测数据为基础，利用所述转子机械线性量和/或转子机械变性不均匀度的数学模型，采用参数辨识的方法，从所述在线监测数据中自动选择所述转子机械线性量和/或转子机械变性不均匀度参数数据，通过计算来辨识水轮发电机组是否存在开停机过程转子机械变形故障。
优选的是，所述的水轮发电机组开停机过程转子机械变形的分析诊断方法中，所述步骤一中，所述转子机械变形量的计算公式如下：
其中，A为各发电机组上测点实时测量到的气隙值，n为测点安装数目，t1为发电机组开机过程投入励磁前时刻，t0为转子极低转速时刻，ΔAj为转子机械变形量。
优选的是，所述的水轮发电机组开停机过程转子机械变形的分析诊断方法中，所述步骤一中，所述转子变形不均匀度的计算公式为：
其中，A为各发电机组上测点实时测量到的气隙值，n为测点安装数目，t1为发电机组开机过程投入励磁前时刻，t0为转子极低转速时刻，为转子变形不均匀度。
优选的是，所述的水轮发电机组开停机过程转子机械变形的分析诊断方法中，所述各发电机组上测点处设置有气隙传感器，用于测定所述发电机组的转子机械变形量。
优选的是，所述的水轮发电机组开停机过程转子机械变形的分析诊断方法中，在所述步骤二之后还包括如下步骤：
步骤三、自动生成并显示所述水轮发电机组的转子机械变形故障的分析诊断报告。
优选的是，所述的水轮发电机组开停机过程转子机械变形的分析诊断方法中，所述分析诊断报告的内容包括：定转子气隙圆、转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心、气隙变化曲线、转子机械变形统计和转子机械变形参数统计。
优选的是，所述的水轮发电机组开停机过程转子机械变形的分析诊断方法中，所述分析诊断报告可自动转换为WORD格式。
优选的是，所述的水轮发电机组开停机过程转子机械变形的分析诊断方法中，所述步骤二中，首先由人工选定需要生成的分析诊断报告，启动其相应模块，之后再根据对应故障诊断机理，采用参数辨识的方法，从所述在线监测数据中自动选择所述转子机械变形量参数和/或转子机械变形不均匀度参数数据。
本发明采用参数辨识的方法，建立转子机械变形量和转子变形不均匀的数学模型，系统从在线监测数据中自动选择可以反映转子变形的特征参数，来辨识系统是否存在开停机过程转子变形故障，并完成自动绘制趋势图及相关趋势图等特性曲线，自动出具分析诊断报告，以此来实现对水轮发电机组开停机过程转子变形的自动分析诊断功能。本发明的分析诊断方式具有数学模型的支持，算法精准，计算过程中选取数据具有客观性和准确性，且能够自动生成分析诊断报告，节省人力、时间的同时，也提高了计算和判断的准确性。
本发明至少包括以下有益效果：
(1)易于操作。使用人员无需进行设置、选择数据等复杂操作，采用“一键完成”式的软件操作。
(2)数据选择、计算、判定过程自动化。所有筛选数据和根据故障或缺陷模型计算的过程、分析推理、判定的过程由计算机完成，无需操作人员中间交互操作。
(3)报告中提供明确的分析诊断结论和可能的检修建议。
(4)以报告的形式输出到用户界面，而且报告可以自动转换为WORD等格式。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明所述的水轮发电机组开停机过程转子机械变形的分析诊断报告的生成流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。
如图1所示，本发明提供一种水轮发电机组开停机过程转子机械变形的分析诊断方法，包括如下步骤：
步骤一、选取转子机械线性量和转子机械变性不均匀度作为水轮发电机组开停机过程转子机械变形评价指标，并分别建立水轮发电机组开停机过程中转子机械线性量和转子机械变性不均匀度的数学模型；
步骤二、以水轮发电机组的在线监测数据为基础，利用所述转子机械线性量和/或转子机械变性不均匀度的数学模型，采用参数辨识的方法，从所述在线监测数据中自动选择所述转子机械线性量和/或转子机械变性不均匀度参数数据，通过计算来辨识水轮发电机组是否存在开停机过程转子机械变形故障。
本发明采用参数辨识的方法，建立转子机械变形量和转子变形不均匀的数学模型，系统从在线监测数据中自动选择可以反映转子变形的特征参数，来辨识系统是否存在开停机过程转子变形故障，并完成自动绘制趋势图及相关趋势图等特性曲线，自动出具分析诊断报告，以此来实现对水轮发电机组开停机过程转子变形的自动分析诊断功能。本发明的分析诊断方式具有数学模型的支持，算法精准，计算过程中选取数据具有客观性和准确性，且能够自动生成分析诊断报告，节省人力、时间的同时，也提高了计算和判断的准确性。
在上述方案中，作为优选，所述步骤一中，所述转子机械变形量的计算公式如下：
其中，A为各发电机组上测点实时测量到的气隙值，n为测点安装数目，t1为发电机组开机过程投入励磁前时刻，t0为转子极低转速时刻，ΔAj为转子机械变形量。
在本发明的其中一个实施例中，作为优选，所述步骤一中，所述转子变形不均匀度的计算公式为：
其中，A为各发电机组上测点实时测量到的气隙值，n为测点安装数目，t1为发电机组开
机过程投入励磁前时刻，t0为转子极低转速时刻，为转子变形不均匀度。。
在本发明的其中一个实施例中，作为优选，所述各发电机组上测点处设置有气隙传感器，用于测定所述发电机组的转子机械变形量。
在本发明的其中一个实施例中，作为优选，在所述步骤二之后还包括如下步骤：
步骤三、自动生成并显示所述水轮发电机组的转子机械变形故障的分析诊断报告。
在上述方案中，作为优选，所述分析诊断报告的内容包括：定转子气隙圆、转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心、气隙变化曲线、转子机械变形统计和转子机械变形参数统计。
在上述方案中，作为优选，所述分析诊断报告可自动转换为WORD格式。
在本发明的其中一个实施例中，作为优选，所述步骤二中，首先由人工选定需要生成的分析诊断报告，启动其相应模块，之后再根据对应故障诊断机理，采用参数辨识的方法，从所述在线监测数据中自动选择所述转子机械变形量参数和/或转子机械变形不均匀度参数数据。
实施例1
以水轮发电机组的在线监测数据为基础，通过数据采集模块对实时数据的监测分析，获取到机组振动、摆度、压力脉动、位移等相关数据，并对数据进行系统、科学的分析才能实现对开停机过程转子变形的自动分析诊断功能，这就对数据的实时性、参数的严谨性、权威性等有很高的要求。
因此，本发明开发了一种新的自动分析诊断方法，即“参数辨识”的方式。通过设计算法，建立相应的数学模型，在实际的在线监测系统中，系统会自动选择能够反映开停机过程转子变形特征的量化参数，来辨识机组是否存在开停机过程转子变形故障，并完成自动绘制趋势图及相关趋势图等特性曲线。
1、开停机过程转子变形的故障机理：
转子机械变形是导致气隙改变的主要原因。机组在升速过程，机组未投入励磁前，由于离心力的作用，会导致转子发生弹性变形，导致气隙减小。这种改变常见于磁极/磁轭浮动式安装的机组中。需要注意的时，在这个过程中机组摆度也会增大，同时也会导致气隙的减小，从对比实际测量的同方位机组摆度增大量和气隙减小量可以看到，气隙的减小量远比摆度的增长量要大。故而能够证明转子机械变形的存在。另外由于机组此时未投入励磁，故而不存在由于磁拉力而导致的定转子变形，而且在短暂的升速过程中，定子的热变形也是很小的，所以此过程的气隙变化量主要反映了转子的机械变形量。
2、开停机过程转子变形的故障特征参数及其辨识算法
本系统中，转子机械变形评价指标为：
1)转子机械变形量；
2)转子机械变形不均匀度；
3)转子中心相对偏移值及方位；
其中转子机械变形量指机组从开机到投入励磁前平均气隙或者从去励磁到停机前的变化值，计算公式如下：
变形不均匀度指从不同方位测点测量得到的气隙变化的最大最小之差；计算公式如下：
其中：
A为各测点实时测量到的气隙值
n为测点安装数目
t1为机组开机过程投入励磁前时刻
t0为极低转速时刻
ΔAj为转子变形量
为转子变形不均匀度
在计算转子机械变形量时，务必参考靠近发电机转子出的机组摆度值将由于机组摆度造成的气隙减小量去除。
从理论上看，转子的机械变形应该是比较均的。如果存在较大的不均匀度，反映出转子的回转中心在升速过程中发生变化。
通过对转子机械变形量的长期趋势跟踪，可以直观地监测得到是否存在磁轭/磁极是否存在松脱故障。
3、开停机过程转子变形的自动化分析诊断
A.自动分析诊断报告
自动分析诊断功能是系统根据故障机理，自动选取合适的数据，进行自动分析和统计判断，并给出分析评价诊断结果。整个分析过程系统能够自动完成而无需人工操作。
报告的生成流程基本流程如图1所示。如图1流程中，除选择启动报告需要人为选定之外，其他环节全部由系统的综合分析诊断软件自动完成。
本部分功能主要面向日常运行工作人员。具备以下特点：
(1)易于操作。使用人员无需进行设置、选择数据等复杂操作，采用“一键完成”式的软件操作。
(2)数据选择、计算、判定过程自动化。所有筛选数据和根据故障或缺陷模型计算的过程、分析推理、判定的过程由计算机完成，无需操作人员中间交互操作。
(3)报告中提供明确的分析诊断结论和可能的检修建议。
(4)以报告的形式输出到用户界面，而且报告可以自动转换为WORD等格式
B.自动分析诊断技术路线
机组在升速过程，机组未投入励磁前，由于离心力的作用，会导致转子发生弹性变形，导致气隙减小。这种改变常见于磁极/磁轭浮动式安装的机组中。另外由于机组此时未投入励磁，故而不存在由于磁拉力而导致的定转子变形，而且在短暂的升速过程中，定子的热变形也是很小的，所以此过程的气隙变化量主要反映了转子的机械变形量。
另外转子磁极在投入励磁前后，受磁拉力影响，转子也会产生磁极伸长现象，导致转子整体产生变形。
利用安装在定子内壁上的气隙传感器就可以对转子变形情况进行分析，而利用4只或者8只气隙传感器则可以分析得到升速过程中转子变形是否一致问题，同时利用多支气隙传感器还可以计算定转子的相对偏心大小及其方位；
C.最终分析诊断结论形式及内容
以自动分析诊断报告的形式输出。
报告的内容包括：
1)低转速下定转子气隙圆、以及计算得到的转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心等评价指标
2)高转速下定转子气隙圆、以及计算得到的转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心等评价指标
3)投励磁后定转子气隙圆、以及计算得到的转子圆度、定子圆度、最小气隙、最大气隙、平均气隙、定转子相对偏心等评价指标
4)升速过程，气隙变化曲线
5)升速过程转子变形统计
6)投励磁前后转子变形参数统计
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。