基于机器学习的水电趋势预警系统设计

刘云久，徐 丹，孙 超，陈 州

（南京南瑞继保电气有限公司，江苏 南京 211100）

1 引言

随着我国工业的不断发展，对于传统煤炭资源的消耗逐渐增多，水力资源作为一种清洁高效的能源受到越来越多的重视。利用水利发电不仅可以一定程度上缓解我国不可再生资源的快速消耗，同时还能提高地区电网的调峰能力[1，2]。目前，水力发电已经成为我国发电的重要组成[3]。但是水电机组在运行过程中，常常因为出现故障导致机组停机，对于地区电网的供电可靠性造成严重影响。根据相关统计，在水电机组故障[4]中，温度异常往往又是发生最为频繁[5]。为此，需要设计相应的趋势预警系统，通过对相关采集点温度的实时监测，在故障发生之前及时预警，从而减少水电机组停机。

2 趋势预警应用现状

目前，我国水电厂的运行方式正处于“无人值班，少人值守”的发展时期，随着物联网和信息技术的发展，越来越多的大型水电厂建立自己的水电数据中心，汇集全站运行相关监测数据。为了保证水电机组能够安全、可靠、经济的运行，对于水电机组的故障预警愈加受到重视[6]。目前，针对水电机组的温度告警往往采用简单限值比较等方式进行监测预警。这种方法虽然能够对机组的某些异常运行起到告警的作用，但是当设备温度超过告警阈值时，可能设备已经带缺陷运行，无法实现对设备可能出现的缺陷进行及早预警。再加上水电机组运行工况复杂，受水力干扰明显，简单的限值比较越来越无法满足现场的需求。……