一种含主客观信息的权重自适应水轮机健康状态评估方法

本发明涉及水轮机状态检修，具体为一种含主客观信息的权重自适应水轮机健康状态评估方法。

背景技术：

1、近年来，我国水电行业发展迅猛，截止2022年，全国水电发电装机容量41350万千瓦，较上年同期增长2258万千瓦，装机容量和发电量稳居世界第一。水电机组中，水轮机是将水的机械能转化为电能的关键设备，为了保证其安全稳定运行，必须制定可靠的检修策略。然而，目前大部分水电站的状态评估和检修工作是基于时间和人力的定期检测维修，该检修方式的效率不高。因此，状态检修受到广泛关注。

2、状态检修关键在于如何全面、准确地对设备设施的健康状态进行评估。近年来，机器学习类方法被广泛应用。有文献利记载，用多个传感器采集到的振动与温度数据提取时频域特征，建立轴承的退化指标，研究模糊聚类方法划分轴承退化阶段，针对不同退化阶段分别建立长短时记忆网络（long short term memory，lstm）剩余寿命预测模型，实现了轴承剩余寿命的准确预测。为获得更强的学习能力，还有文献记载了一种基于lstm与深度置信网络的水轮机系统故障预测方法，该方法可将小波包能量带与时频域指标信息相结合，实现多维信息的运用。另有文献提出提升了基于rnn轴承故障诊断模型计算效率的t-分布式随机嵌入特征降维方法，获取的低维空间特征具有明显的类内不可分性和类间可分性。此外，为提高该类方法的计算结果精度，有学者考虑在计算过程引入pso优化算法、贝叶斯网络或是结合衡量时间序列复杂度的熵，以弥补仅采用神经网络模型而带来的问题。

3、然而，以上方法过于复杂，难以用于工程实际中。针对该问题，目前由两种解决思路。一种是通过统计学方法，首先分析正常样本时序信号的统计特征，接着再对当前采集的样本进行特征分析与数学距离的计算，根据二者偏离程度判断水电设备的健康状态。有文献提出基于高斯混合聚类建立了水电机组健康概率模型，并构建了基于多目标优化高斯过程回归的机组劣化度概率预测模型。还有文献采用两参数的小波去噪方法提取一种形状参数作为轴承的劣化指标，并通过灰色系统理论验证了该劣化序列与轴承状态的相关性，用以判断轴承状态。然而，以上方法主要针对水电设备的振动时序信号进行分析，信息来源过于单一，可能导致评估结果不够客观全面。

4、因此，层次分析法（analytical hierarchy process，ahp）方法被广泛应用至水电设备设施的健康评估中，另有文献建立了较为全面的顶盖排水系统健康状态评估模型，其中具体评价指标的上下限基于大量运行数据和3𝜎准则确立。另有文献针对水电机组类型繁多且运行环境复杂，难以有效确定机组各指标限值和权重设置主观性太强的问题，提出了基于综合赋权与高斯区间隶属度的机组状态评价模型。然而，该评价指标体系中均是监测值，缺少巡检和试验指标，不够全面，评估结果难以指导状态检修的检修项目优化，且容易出现少数指标在严重偏离正常值时不能通过模糊评价突显出来的情况。

5、还有文献引入云理论直接得到各指标对贯流式水轮机各状态等级的隶属度，并结合变权理论来确定的各指标权重，得到灯泡贯流式机组的运行健康状态。然而该方法权重赋值容易存在主观盲从性。

技术实现思路

1、针对上述问题，本发明的目的在于提供一种含主客观信息的权重自适应水轮机健康状态评估方法，能够使评价体系权重跟随指标状态值做出动态调整，即便仅有少数评价条目状态值严重偏离正常值的情况下，状态评估结果仍能客观、准确地反映水轮机的真实运行状况。技术方案如下：

2、一种含主客观信息的权重自适应水轮机健康状态评估方法，包括以下步骤：

3、步骤1：根据混流式水轮机的结构特点、运行原理，建立符合工程实际的混流式水轮机运行状态多重指标体系，包括设备层、部件层和指标层；

4、步骤2：针对所述指标体系中的涉及的评价标准，建立不同层的原始判断矩阵，采用s-ahp算法对原始判断矩阵进行调整，使其通过一致性校验，得到拟优一致阵，进而确定初始相对权重；

5、步骤3：根据混流式水轮机不同评价指标类型，将打分值、监测值或试验值转化为状态量化值；

6、步骤4：引入客观修正因子对相应层的初始相对权重进行调整，得到综合权重；

7、步骤5：将混流式水轮机的健康状态划分状态等级，根据相应指标的状态量化值，采用改进的三角梯形模型计算该指标的状态量化值的模糊隶属度分布，取隶属度最大值对应的状态分布作为该指标的状态等级；根据综合权重和各指标状态等级对应的状态输出值，计算各个部件以及整个设备的健康值。

8、进一步的，所述步骤1中多重指标体系中设备层的元素包括：水轮机的主轴、主轴密封装置、水导、水导油循环泵及冷却系统、导水机构、过流部件、补气系统与顶盖排水系统；各设备的评价指标具体为：

9、a）所述主轴的评价指标包括摆度和外观密封；

10、b）所述主轴密封装置的评价指标包括导管堵塞、各部分阀门是否灵活且无渗漏、连接处无渗漏和进出口压力正常程度；

11、c）所述水导的评价指标包括外观、摆度、瓦温、油温和油质；

12、d）所述水导油循环泵及冷却系统的评价指标为水导油循环泵及冷却系统运行正常程度；

13、e）所述导水机构的评价指标包括导叶开度、导叶端立面间隙、止推块间隙、各部轴套无渗漏与控制环正常程度；

14、f）所述过流部件的评价指标包括各引水部件和泄水部件的压力脉动、螺栓紧固与渗漏情况；

15、g）所述补气系统的评价指标为大轴补气装置正常程度；

16、h）顶盖排水系统的评价指标包括排水泵运行状态正常程度、泵电机外观及泵电机绝缘合格程度。

17、更进一步的，所述步骤2中具体过程如下：

18、步骤a：采用t. l. sataty1-9标度法，根据传统ahp建立混流式水轮机不同层的原始判断矩阵 a；

19、步骤b：根据下式，从原始判断矩阵 a的特征出发，对其中每个元素取10的对数，求得 b矩阵：

20、（1）；

21、公式中， a ij为原始判断矩阵 a第 i行第 j列的元素， b ij为 b矩阵第 i行第 j列的元素； n为各个原始判断矩阵的维数；

22、步骤c：求 b矩阵中不同行向量中，同一列各元素间差值的均值，构建 c矩阵：

23、（2）；

24、公式中， c ij为 c矩阵第 i行第 j列的元素； b il为 b矩阵第i行第l列的元素， b jl为 b矩阵第j行第l列的元素；

25、步骤d：将元素 c ij做为10的指数，计算得到拟优一致阵 a*：

26、（3）；

27、公式中，为拟优一致阵 a*第 i行第 j列的元素；

28、步骤e：根据所得到的拟优一致阵 a*，求解其最大特征根及其对应的特征向量，将该特征向量进行归一化后的各元素对应各指标的初始相对权重 w i。

29、更进一步的，所述步骤3具体包括：

30、引入状态量化值，表征机组当前实际状态与故障状态相比的相对健康程度，其取值范围为[0，1]，以不同取值反映评判指标不同的劣化程度；所述评价指标包括成本型、效益型和固定型；

31、对于成本型指标，越小越优，状态量化值计算式为：

32、（4）；

33、公式中， k为指标实测值归一化后的量化值； v为各个指标实测值； b1为成本型指标上限值； a1为成本型指标最优值，且 a1< b1；

34、对于效益型指标，越大越优，状态量化值计算式为：

35、（5）；

36、公式中， b2为效益型指标最优值； a2为效益型指标下限值，且 a2< b2；

37、对于固定型指标，离定值越近越优，状态量化值计算式为：

38、（6）；

39、公式中， b3为固定型指标最优值； a3为固定型指标下限值； c3为固定型指标上限值，且 a3< b3< c3， b3- a3= c3- b3= d， d为固定型指标最优值与上下限值的差值。

40、更进一步的，所述步骤4具体包括：

41、引入客观修正因子对相应层的初始相对权重进行调整，某层客观修正因子如下式所示：

42、（7）；

43、公式中，若为指标层的客观修正因子， e i则代表该指标层的状态输出序列值；若为部件层的客观修正因子， e i则代表相应部件健康值；为相应层中各元素输出值倒数的和；

44、最终得到指标层或部件层综合权重，如下式所示：

45、（8）；

46、公式中，为相应层中各元素对应的客观修正因子与初始相对权重 w i之积的和。

47、更进一步的，所述步骤5具体包括：

48、步骤5.1：将混流式水轮机的健康状态划分为5个等级，定义这5个等级对应的评语由高到低组成的评估集及其区间范围，如下式所示：

49、（9）；

50、公式中， h为不同层中各个元素的状态量化值或健康值；

51、步骤5.2：采用改进的三角梯形模型计算相应指标的状态量化值的模糊隶属度分布，隶属度函数 f（ k）表达式为：

52、（10）；

53、（11）；

54、（12）；

55、公式中，改进的三角梯形模型中有5个边界值，从小到大分别为 s5、 s4、 s3、 s2、 s1； s x为对应状态等级隶属度计算范围的某一边界值； s x+1为离 s x最近的较小边界值； s x-1为离 s x最近的较大边界值； k指标实测值归一化后的量化值；

56、取计算隶属度最大值对应的状态分布作为该指标的状态等级；同时，令 ky为某部件指标层输出列向量，取该列向量元素作为某部件指标层的状态输出值 ky i；除指标处于健康状态等级时，状态输出值 ky i取1外，其余取公式（9）各范围内的均值作为该指标层的状态输出值；

57、步骤5.3：计算指标层对部件层的影响因子：

58、（13）；

59、公式中， yy为表示某部件指标层劣化度的列向量； βx为某部件指标层的综合权重行向量；为指标层对其所属部件层的影响因子列向量中的单个元素。

60、步骤5.4：计算部件层对设备层的影响因子：

61、（14）；

62、公式中，为部件层对设备层的影响因子； βm为部件层综合权重的行向量，其单个元素 βm j的计算方法与综合权重 β i一致；

63、步骤5.5：结合各层对其上一层的影响因子，各部件健康值与设备健康值由下式可得：

64、（15）

65、公式中， hu和 he分别为混流式水轮机及其部件的健康值。

66、与现有技术相比，本发明的有益效果是：

67、1）本发明建立了比较全面的混流式水轮机运行状态综合评价指标体系，该评价指标体系的中间层为部件层，中间层的健康状态评估结果可以指导状态检修项目的优化；

68、2）考虑到传统ahp模型进行一致性检验时容易带来主观盲从性问题，本发明引入s-ahp算法，使得所求拟优一致阵 a*在满足一次性检验的同时，又能够在最大程度上保留原始矩阵的信息；

69、3）考虑到恒定权重可能造成的单个指标异常情况的淹没问题，本发明引入了权重自适应调整算法，使得评价体系权重可跟随指标状态值做出动态调整。使得在即便仅有少数评价条目状态值严重偏离正常值的情况下，状态评估结果仍能客观、准确地反映水轮机的真实运行状况。