一种水冷式汽轮发电机定子绕组过热预警方法及装置

本发明涉及数据处理领域，具体涉及一种水冷式汽轮发电机定子绕组过热预警方法及装置。

背景技术：

1、大型汽轮发电机是发电厂重要的电气设备，发电机定子绕组内冷水系统堵塞造成的热故障是大型水内冷汽轮发电机的主要故障之一。随着人工智能技术的发展，使用实时数据作为训练样本的基于数据驱动的建模方法在发电机定子绕组热故障诊断方面得到广泛运用。早期研究采用bp神经网络对定子线圈出水口水温度和槽内测温计温度进行预测，经案例验证，其预测得的预测值与实际测量值间的误差能够作为判定是否存在故障的依据；也有学者建立了不同工况下定子绕组进出水温度水力模型，并通过bp神经网络进一步将统一的模型改进为适用于不同槽的精确模型；还有一些学者采用levenberg-marquardt的优化算法对bp神经网络进行改进，并用rbf神经网络对模型参数进行识别，解决了温度延迟时间对状态监测的影响，使热故障的早期发现更为及时。然而数据驱动方法存在一定的缺陷：

2、1）数据要求高：高度依赖于大量历史故障数据，而汽轮发电机由于其高可靠性，故障数据通常较少，这限制了模型的训练和准确性；

3、2）泛化能力：某些数据驱动模型只能在特定数据集上表现良好，在不同类型的数据上泛化性能不佳；

4、3）计算资源和成本高：数据驱动中复杂的机器学习算法需要大量的计算资源，导致了高昂的计算成本。

5、近年来，非线性系统动力学中的“临界相变”理论逐渐受到了关注。复杂系统演化到临界态时，控制参数或系统应力的微小变化都可能导致系统临界相变，引发灾难性事故的发生。在临界相变的理论研究中发现，发生临界相变前，在临界点附近系统会表现出临界慢化这一临界行为，并产生三个可能的预警信号：扰动恢复较慢、自相关性降低、方差增加。

6、为描述多变量复杂系统的临界相变动态特性，有学者提出的动态网络标志物(dynamical network marker ,dnm)这一概念，并在生物，生态和金融系统方面证明了所提方法的有效性。在汽轮发电机定子绕组热故障诊断领域，金亮等人率先将dnm应用在定子绕组温度过热缺陷预警方面，并取得良好效果。但该方法需要使用聚类算法或其他启发式程序对网络关键节点进行筛选，计算成本高，泛化能力差。

技术实现思路

1、本技术的目的在于针对上述提到的技术问题提出一种水冷式汽轮发电机定子绕组过热预警方法及装置。

2、第一方面，本发明提供了一种水冷式汽轮发电机定子绕组过热预警方法，包括以下步骤：

3、获取连续采样时刻的发电机定子绕组的各个槽口的温度数据并进行预处理，得到预处理后的温度数据，基于预处理后的温度数据建立当前采样时刻的特异性差分网络；

4、评估当前采样时刻的特异性差分网络中各节点的偏差和相关性，并计算得到当前采样时刻的特异性差分网络中各节点的局部得分；

5、利用所有采样时刻的特异性差分网络中各节点的局部得分绘制三维景观图；

6、计算各采样时刻的特异性差分网络中各节点的局部得分的标准差，根据各采样时刻的特异性差分网络中各节点的局部得分的标准差的动态变化进行故障预警，根据三维景观图中各节点的局部得分情况确定故障位置。

7、作为优选，预处理包括归一化处理。

8、作为优选，特异性差分网络的建立过程如下：

9、选取连续的k个采样时刻的预处理后的温度数据，并将其中的第i+1至第n+i个采样时刻的预处理后的温度数据作为窗口变量组，n表示窗口变量组中所包含的采样时刻的总数；

10、初始状态令i=0，将窗口变量组中任意两个不同槽口对应的第i+1至第n+i个采样时刻的预处理后的温度数据设为变量x和变量y，采用皮尔逊相关系数计算变量x和变量y之间的相关性，得到，公式如下：

11、；

12、其中，和为窗口变量组中变量x和变量y的值，和分别为变量x和变量y在窗口变量组中的均值；

13、将第n+i+1个采样时刻的预处理后的温度数据添加到窗口变量组后，再次采用皮尔逊相关系数计算变量x和变量y之间的相关性，得到；

14、采用下式计算变量x和变量y的特异性皮尔森相关系数：

15、；

16、其中，表示特异性皮尔森相关系数；

17、将每个变量映射为复杂网络的一个节点，将作为判断变量x和变量y之间是否存在边的依据，从而构建出第n+i+1个采样时刻的特异性差分网络。

18、作为优选，评估当前采样时刻的特异性差分网络中各节点的偏差和相关性，并计算得到当前采样时刻的特异性差分网络中各节点的局部得分，具体包括：

19、采用下式计算节点x以及其一阶邻域内所有的节点的差分表达偏差：

20、；

21、其中，表示特异性差分网络中与节点x有边相连的节点所构成的节点x的一阶邻域，表示一阶邻域中节点的个数，表示节点x的标准差，表示节点x的平均值，表示节点x的一阶领域中的节点y的标准差，表示节点y的平均值；

22、采用下式计算节点x以及其一阶邻域内所有的节点的平均特异性皮尔森相关系数：

23、；

24、采用下式计算节点x的一阶邻域的节点和二阶邻域的节点之间的平均特异性皮尔森相关系数：

25、 ；

26、其中，表示特异性差分网络中与节点x的一阶邻域中节点有边相连的节点所构成的节点x的二阶邻域，表示二阶邻域中节点的个数，x’表示一阶邻域中的节点x’，y’表示二阶邻域中的节点y’；

27、采用下式计算第n+i+1个采样时刻的特异性差分网络中的节点x的局部得分：

28、；

29、判断n+i+1是否等于k，若是则进入下一步骤，否则令i=i+1，重复以上步骤，得到第n+1到第k个采样时刻的特异性差分网络中各节点的局部得分。

30、作为优选，利用所有采样时刻的特异性差分网络中各节点的局部得分绘制三维景观图，具体包括：

31、将第n+1到第k个采样时刻的特异性差分网络中各节点的局部得分放入三维坐标轴中，得到一个以x轴为槽口编号，y轴为采样时刻，z轴为局部得分的三维景观图。

32、作为优选，各采样时刻的特异性差分网络中各节点的局部得分的标准差的计算公式如下：

33、 ；

34、其中，表示k个采样时刻中除去作为窗口变量组的第1到n+1个采样时刻后剩余的采样时刻中的第l个采样时刻的特异性差分网络的各节点的局部得分的标准差；l为第l个采样时刻的特异性差分网络中的节点的个数；表示k个采样时刻中除去作为窗口变量组的第1到n+1个采样时刻后剩余的采样时刻中的第l个采样时刻的特异性差分网络的第j个节点的局部得分，；表示k个采样时刻中除去作为窗口变量组的第1到n+1个采样时刻后剩余的采样时刻中的第l个采样时刻的特异性差分网络的各节点的局部得分的平均值。

35、作为优选，根据各采样时刻的特异性差分网络中各节点的局部得分的标准差的动态变化进行故障预警，根据三维景观图中各节点的局部得分情况确定故障位置，具体包括：

36、在k个采样时刻中除去作为窗口变量组的第1到n+1个采样时刻后剩余的采样时刻中的第l个采样时刻随机抽取两个相邻的采样时刻构成一个采样时间组，在采样时间组中计算两个相邻的采样时刻对应的特异性差分网络中各节点的局部得分的标准差的偏差a，其中，；

37、响应于确定偏差a小于或等于阈值，则确定发电机处于正常运行状态；

38、响应于确定偏差a大于阈值，则确定发电机到达临界状态，生成预警信号，确定三维景观图中局部得分发生突然上升的槽口为检修的关键节点，结合检修结果确定局部得分发生突然上升的槽口是否为故障位置。

39、第二方面，本发明提供了一种水冷式汽轮发电机定子绕组过热预警装置，包括：

40、网络构建模块，被配置为获取连续采样时刻的发电机定子绕组的各个槽口的温度数据并进行预处理，得到预处理后的温度数据，基于预处理后的温度数据建立当前采样时刻的特异性差分网络；

41、局部得分计算模块，被配置为评估当前采样时刻的特异性差分网络中各节点的偏差和相关性，并计算得到当前采样时刻的各节点的局部得分；

42、三维景观图绘制模块，被配置为利用所有采样时刻的特异性差分网络中各节点的局部得分绘制三维景观图；

43、故障分析模块，被配置为计算各采样时刻的特异性差分网络中各节点的局部得分的标准差，根据各采样时刻的特异性差分网络中各节点的局部得分的标准差的动态变化进行故障预警，根据三维景观图中各节点的局部得分情况确定故障位置。

44、第三方面，本发明提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

45、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

46、相比于现有技术，本发明具有以下有益效果：

47、（1）本发明提出的水冷式汽轮发电机定子绕组过热预警方法利用待监测发电机dcs系统的实时监测数据，将预处理后的温度数据映射为特异性差分网络中的各个节点，从而判定出定子绕组的各槽口的温度数据从正常状态转变至异常状态中的临界状态的过程，不需要收集典型样本数据，数据容易获取。

48、（2）本发明提出的水冷式汽轮发电机定子绕组过热预警方法无需建立模型，计算成本低，泛化能力强，有助于对发电机进行早期缺陷预警。