1、隨著我國(guó)水電事業(yè)的不斷發(fā)展，大型水電站陸續(xù)建成投運(yùn)，水輪發(fā)電機(jī)組逐漸向著大容量、高水頭方向發(fā)展，確保水輪發(fā)電機(jī)組的安全穩(wěn)定運(yùn)行對(duì)提升電站經(jīng)濟(jì)效益、保證電廠及流域安全有著重要的意義。水輪發(fā)電機(jī)組是一個(gè)受水力、機(jī)械、電氣等多場(chǎng)耦合影響的強(qiáng)非線性復(fù)雜巨系統(tǒng)，其運(yùn)行機(jī)理尚不完全明確，機(jī)組的建模及故障診斷一直是相關(guān)研究與工程應(yīng)用的難點(diǎn)問(wèn)題。在此背景下，深入研究水輪發(fā)電機(jī)組系統(tǒng)辨識(shí)理論，開(kāi)展水輪發(fā)電機(jī)組建模和模型參數(shù)辨識(shí)研究，不僅對(duì)提高水輪發(fā)電機(jī)組

2、控制品質(zhì)、提升電能質(zhì)量、維護(hù)電力系統(tǒng)穩(wěn)定都有著重要的理論意義和工程應(yīng)用價(jià)值，而且還可為水輪發(fā)電機(jī)組的故障診斷提供理論依據(jù)和技術(shù)支撐。本文圍繞水輪發(fā)電機(jī)組模型參數(shù)辨識(shí)、機(jī)組精細(xì)化建模以及故障診斷中存在的問(wèn)題，以建立精細(xì)化水輪發(fā)電機(jī)組模型和探索先進(jìn)的故障診斷方法為目的，通過(guò)深入分析水電機(jī)組的實(shí)際運(yùn)行特性，結(jié)合系統(tǒng)辨識(shí)理論、智能優(yōu)化方法和動(dòng)態(tài)系統(tǒng)辨識(shí)方法，建立了適用于機(jī)組控制和電力系統(tǒng)分析的水輪發(fā)電機(jī)組精細(xì)化模型；深入開(kāi)展了基于模型的水輪發(fā)電

3、機(jī)組故障診斷方法研究，引入了Volterra級(jí)數(shù)、廣義頻率響應(yīng)函數(shù)（GFRF）和非線性輸出頻率響應(yīng)函數(shù)等建模理論，結(jié)合參數(shù)辨識(shí)方法，建立了水輪發(fā)電機(jī)組模型，并通過(guò)對(duì)模型參數(shù)變化的分析，提出了有效的故障特征提取方法和故障識(shí)別方法。
　　本研究主要內(nèi)容包括：⑴深入研究了現(xiàn)有水輪機(jī)模型，總結(jié)歸納各種水輪機(jī)模型的適用范圍及優(yōu)缺點(diǎn)，針對(duì)導(dǎo)水機(jī)構(gòu)水力損失不可忽略且模型機(jī)理復(fù)雜的問(wèn)題，引入曲線擬合的方法，建立了考慮導(dǎo)水機(jī)構(gòu)水力損失的水輪機(jī)精細(xì)化

4、模型。同時(shí)，將人工魚(yú)群算法引入到水輪機(jī)精細(xì)化模型參數(shù)辨識(shí)中，為改善該算法后期收斂速度慢、容易陷入“局部最優(yōu)”等問(wèn)題，提出一種改進(jìn)的人工魚(yú)群算法（IAFSA），旨在提高算法的收斂性與精度。所提方法實(shí)現(xiàn)了水輪機(jī)精細(xì)化模型與導(dǎo)水機(jī)構(gòu)水力損失曲線同步辨識(shí)。⑵為簡(jiǎn)化電力系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)，滿足電力系統(tǒng)分析的需求，對(duì)中小水電機(jī)組進(jìn)行了等值建模研究，建立了更適合表征水輪發(fā)電機(jī)凸極效應(yīng)的五階發(fā)電機(jī)組等值模型，提出了基于研究系統(tǒng)內(nèi)部多點(diǎn) PMU測(cè)量數(shù)據(jù)與聯(lián)絡(luò)線

5、數(shù)據(jù)的中小水電機(jī)群等值模型辨識(shí)目標(biāo)函數(shù)，同時(shí)改進(jìn)了辨識(shí)策略以提高辨識(shí)效率。利用電力科學(xué)研究院的綜合程序進(jìn)行了大量的仿真試驗(yàn)驗(yàn)證，結(jié)果表明所提方法可以有效解決等值模型多解問(wèn)題，且辨識(shí)精度與辨識(shí)效率也顯著地得到了提高。⑶深入研究了基于Volterra級(jí)數(shù)的建模方法，分析了水輪發(fā)電機(jī)組這類旋轉(zhuǎn)機(jī)械系統(tǒng)的激勵(lì)力與振動(dòng)的關(guān)系，建立了系統(tǒng)的 Volterra模型。深入分析旋轉(zhuǎn)機(jī)械系統(tǒng)Volterra時(shí)域模型輸入量的特點(diǎn)及傳統(tǒng)辨識(shí)方法的不足，提出了一

6、種改進(jìn)的Volterra級(jí)數(shù)模型辨識(shí)方法，提高了Volterra時(shí)域模型的辨識(shí)精度。同時(shí)，依據(jù)Volterra核函數(shù)能夠反映系統(tǒng)結(jié)構(gòu)特性的特點(diǎn)，構(gòu)建了基于神經(jīng)網(wǎng)絡(luò)與Volterra時(shí)域核函數(shù)的故障診斷模型，并通過(guò)仿真算例和實(shí)驗(yàn)分析對(duì)所提方法進(jìn)行了驗(yàn)證。⑷針對(duì)水輪發(fā)電機(jī)組轉(zhuǎn)輪狀態(tài)監(jiān)測(cè)與識(shí)別困難的問(wèn)題，提出運(yùn)用基于高階統(tǒng)計(jì)量的盲辨識(shí)方法對(duì)水輪機(jī)轉(zhuǎn)輪時(shí)域Volterra模型進(jìn)行參數(shù)辨識(shí)。同時(shí)，探討了Volterra模型的頻域形式，構(gòu)建了水輪機(jī)