本發(fā)明涉及水輪發(fā)電機組軸線調(diào)整，具體而言，涉及一種發(fā)電機機組的主軸軸線調(diào)整方法及系統(tǒng)。

背景技術(shù)：

1、當(dāng)前，發(fā)電機機組在運行過程中需要保持主軸軸線的準(zhǔn)確性和穩(wěn)定性，以確保發(fā)電效率和設(shè)備安全。然而，傳統(tǒng)的主軸軸線調(diào)整方法存在一些問題，如對參數(shù)數(shù)據(jù)的分析能力較弱、調(diào)整方案制定不夠科學(xué)等，導(dǎo)致調(diào)整效果不佳或者調(diào)整周期過長。這些問題可能導(dǎo)致設(shè)備的不穩(wěn)定運行、能源損失和安全隱患?，F(xiàn)有技術(shù)雖然能夠通過簡單的手工調(diào)整來解決部分問題，但效率低下且難以滿足對精準(zhǔn)調(diào)整的需求。

2、例如，在cn118009859a中公開了一種燈泡貫流式水輪發(fā)電機組主軸軸線測量調(diào)整方法，以水輪機的水導(dǎo)軸承支架中心、水輪發(fā)電機的組合軸承支架中心和水輪發(fā)電機組的軸向中心線調(diào)整，并結(jié)合檢修后主軸各部位擺度測量進(jìn)行檢驗來實現(xiàn)對水輪發(fā)電機組主軸軸線調(diào)整的方法。此種手工調(diào)整方式調(diào)整工藝過程相對繁瑣，調(diào)整作業(yè)效率低。

3、而隨著機器學(xué)習(xí)的發(fā)展，也有在cn114330122a中公開了一種基于機器學(xué)習(xí)的水輪發(fā)電機組大軸軸線調(diào)整方法，通過構(gòu)建基于改進(jìn)灰色預(yù)測模型的軸線凈全擺度預(yù)測模型，預(yù)測模型由原軸線凈全擺度序列的加速平移與均值變換、改進(jìn)灰色系統(tǒng)預(yù)測模型構(gòu)成；構(gòu)建基于火烈鳥搜索算法的軸線調(diào)整方位尋優(yōu)模型；構(gòu)建基于改進(jìn)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法的軸線最大凈全擺度預(yù)測模型，預(yù)測模型由rbf神經(jīng)網(wǎng)絡(luò)預(yù)測軸線最大凈全擺度、結(jié)合軸線調(diào)整計算公式計算軸線調(diào)整量兩部分構(gòu)成。能夠智能且準(zhǔn)確地計算出待加墊位置和加墊量。但是，此模型單純的采集軸線凈全擺度這與參數(shù)，而實際工程中軸線的調(diào)整跟多種影響因素都有關(guān)，此種采集主軸單一數(shù)據(jù)的預(yù)測方法存在一定的偏差，導(dǎo)致調(diào)整方案單一，無法全面的考慮綜合影響因素，無法保證調(diào)整精度。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種發(fā)電機機組的主軸軸線調(diào)整方法及系統(tǒng)，此方法將參數(shù)數(shù)據(jù)特征提取和分析模型運用于主軸軸線調(diào)整，從多維度、多角度對發(fā)電機機組的狀態(tài)進(jìn)行分析和評估，進(jìn)而制定科學(xué)合理的調(diào)整方案，從而實現(xiàn)對發(fā)電機機組的主軸軸線精準(zhǔn)調(diào)整，提高了調(diào)整的準(zhǔn)確性和效率。

2、為了實現(xiàn)上述的技術(shù)特征，本發(fā)明的目的是這樣實現(xiàn)的：

3、第一方面，本發(fā)明提供了一種發(fā)電機機組的主軸軸線調(diào)整方法，包括：

4、獲取用于發(fā)電機組主軸軸線測量的參數(shù)數(shù)據(jù)，所述參數(shù)數(shù)據(jù)包括發(fā)電機組的主軸的位置信息、振動信息、圓柱度誤差信息和溫度信息；

5、將所述參數(shù)數(shù)據(jù)發(fā)送至數(shù)據(jù)預(yù)處理模塊進(jìn)行特征提取，得到主軸軸線的特征數(shù)據(jù)信息；

6、將所述主軸軸線的特征數(shù)據(jù)信息發(fā)送至訓(xùn)練后的分析模型，得到發(fā)電機機組狀態(tài)分析結(jié)果；

7、將所述發(fā)電機機組狀態(tài)分析結(jié)果和預(yù)設(shè)的發(fā)電機機組目標(biāo)狀態(tài)發(fā)送至發(fā)電機組的調(diào)整方案確定模型，得到發(fā)電機組的調(diào)整方案集合；

8、將所述發(fā)電機組的調(diào)整方案集合發(fā)送至方案調(diào)整模擬模型進(jìn)行方案評估，并基于評估結(jié)果選擇得到最優(yōu)的發(fā)電機組的調(diào)整方案，按照所述最優(yōu)的發(fā)電機組的調(diào)整方案對所述發(fā)電機機組進(jìn)行調(diào)整。

9、優(yōu)選的，將所述參數(shù)數(shù)據(jù)發(fā)送至數(shù)據(jù)預(yù)處理模塊進(jìn)行特征提取，得到主軸軸線的特征數(shù)據(jù)信息，包括：

10、根據(jù)所述參數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)分割處理，通過發(fā)電機組的主軸的位置信息、振動信息、圓柱度誤差信息和溫度信息的時空關(guān)聯(lián)性將數(shù)據(jù)分塊得到時空分塊數(shù)據(jù)；

11、根據(jù)時空分塊數(shù)據(jù)和預(yù)設(shè)的時間段進(jìn)行分段趨勢分析和平滑處理，得到參數(shù)數(shù)據(jù)的變化趨勢數(shù)據(jù)；

12、根據(jù)所述參數(shù)數(shù)據(jù)的變化趨勢數(shù)據(jù)進(jìn)行波動性分析和異方差性檢驗得到主軸軸線的特征信息，所述特征信息包括參數(shù)數(shù)據(jù)的波動性特征數(shù)據(jù)和異方差性特征數(shù)據(jù)。

13、優(yōu)選的，將所述主軸軸線的特征數(shù)據(jù)信息發(fā)送至訓(xùn)練后的分析模型，包括：

14、根據(jù)所述主軸軸線的特征數(shù)據(jù)信息利用k最近鄰差值法進(jìn)行缺失值填補處理，得到標(biāo)準(zhǔn)特征數(shù)據(jù)集；

15、將所述標(biāo)準(zhǔn)特征數(shù)據(jù)集進(jìn)行加權(quán)處理，通過對所述標(biāo)準(zhǔn)特征數(shù)據(jù)集分別與預(yù)設(shè)的主軸軸線的歷史狀態(tài)信息構(gòu)建時空依賴的相互聯(lián)系，并進(jìn)行加權(quán)回歸計算，得到特征數(shù)據(jù)集對應(yīng)的權(quán)重信息；

16、將所述標(biāo)準(zhǔn)特征數(shù)據(jù)集和所述預(yù)設(shè)的主軸軸線的歷史狀態(tài)信息進(jìn)行關(guān)聯(lián)分析，得到每個標(biāo)準(zhǔn)特征數(shù)據(jù)分別與所述預(yù)設(shè)的主軸軸線的歷史狀態(tài)信息的關(guān)聯(lián)度值；

17、基于最小鑒別信息原理對所述特征數(shù)據(jù)集對應(yīng)的權(quán)重信息和所述關(guān)聯(lián)度值進(jìn)行處理，得到所述特征數(shù)據(jù)集重新分配的權(quán)重信息；

18、基于所述特征數(shù)據(jù)集重新分配的權(quán)重信息發(fā)送至訓(xùn)練后的狀態(tài)分析模型進(jìn)行狀態(tài)分析，得到發(fā)電機機組狀態(tài)分析結(jié)果。

19、優(yōu)選的，基于最小鑒別信息原理對所述特征數(shù)據(jù)集對應(yīng)的權(quán)重信息和所述關(guān)聯(lián)度值進(jìn)行處理，得到所述特征數(shù)據(jù)集重新分配的權(quán)重信息，包括：

20、基于最小鑒別信息原理建立權(quán)重分配的目標(biāo)函數(shù)，并求解所述目標(biāo)函數(shù)從而構(gòu)建得到拉格朗日函數(shù)；

21、將基于所述特征數(shù)據(jù)集對應(yīng)的權(quán)重信息和所述關(guān)聯(lián)度值代入到所述拉格朗日函數(shù)進(jìn)行求解，得到每個特征數(shù)據(jù)的重新分配的權(quán)重信息。

22、優(yōu)選的，權(quán)重分配的目標(biāo)函數(shù)和拉格朗日函數(shù)的公式，包括：

23、；

24、式中，為目標(biāo)函數(shù)，為約束條件，為第 i個關(guān)聯(lián)度值，為第 i個權(quán)重值，為第 i個關(guān)聯(lián)度值和權(quán)重值的組合權(quán)重向量， n為關(guān)聯(lián)度值總個數(shù)；

25、；

26、；

27、式中， l為拉格朗日函數(shù)，為拉格朗日常數(shù)，為第 i個關(guān)聯(lián)度值，為第 i個權(quán)重值，為第 i個關(guān)聯(lián)度值和權(quán)重值的組合權(quán)重向量， n為關(guān)聯(lián)度值總個數(shù)。

28、優(yōu)選的，基于所述特征數(shù)據(jù)集重新分配的權(quán)重信息發(fā)送至訓(xùn)練后的狀態(tài)分析模型進(jìn)行狀態(tài)分析，包括：

29、將特征數(shù)據(jù)集內(nèi)每個特征數(shù)據(jù)的權(quán)重信息和預(yù)設(shè)的主軸軸線的歷史狀態(tài)信息發(fā)送至bp神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，其中，將所述權(quán)重信息和主軸軸線的歷史狀態(tài)信息分為訓(xùn)練集和驗證集，并將所述訓(xùn)練集中的數(shù)據(jù)進(jìn)行輸入，得到輸出數(shù)據(jù)，所述輸出數(shù)據(jù)為每個特征數(shù)據(jù)的重新分配的權(quán)重信息對應(yīng)的狀態(tài)信息；

30、基于所述驗證集進(jìn)行對所述輸出數(shù)據(jù)進(jìn)行驗證，并基于關(guān)聯(lián)規(guī)則挖掘算法對每個驗證集內(nèi)信息和所述輸出數(shù)據(jù)進(jìn)行分析，確定每個特征數(shù)據(jù)和歷史狀態(tài)信息之間的置信度值，若所述置信度值大于預(yù)設(shè)的閾值，則得到訓(xùn)練后的狀態(tài)分析模型。

31、優(yōu)選的，將所述發(fā)電機機組狀態(tài)分析結(jié)果和預(yù)設(shè)的發(fā)電機機組目標(biāo)狀態(tài)發(fā)送至發(fā)電機組的調(diào)整方案確定模型，得到發(fā)電機組的調(diào)整方案集合，包括：

32、根據(jù)所述發(fā)電機機組狀態(tài)分析結(jié)果和預(yù)設(shè)的發(fā)電機機組目標(biāo)狀態(tài)，應(yīng)用馬爾科夫鏈蒙特卡洛模擬算法，模擬多個發(fā)電機機組調(diào)整實例并計算調(diào)整后的發(fā)電機機組狀態(tài)，得到發(fā)電機機組狀態(tài)模擬調(diào)整結(jié)果；

33、根據(jù)所述發(fā)電機機組狀態(tài)模擬調(diào)整結(jié)果，使用貝葉斯優(yōu)化算法優(yōu)化調(diào)整實例中的調(diào)整方案，并迭代優(yōu)化得到發(fā)電機組的調(diào)整方案集合，所述發(fā)電集組的調(diào)整方案集合包含至少兩個發(fā)電機組的調(diào)整方案。

34、優(yōu)選的，將所述發(fā)電機組的調(diào)整方案集合發(fā)送至方案調(diào)整模擬模型進(jìn)行方案評估，并基于評估結(jié)果選擇得到一個最優(yōu)的發(fā)電機組的調(diào)整方案，包括：

35、基于預(yù)設(shè)的發(fā)電機機組的結(jié)構(gòu)參數(shù)進(jìn)行發(fā)電機機組三維建模，得到發(fā)電機機組的三維模型；

36、基于所述發(fā)電機機組的三維模型對發(fā)電機組的調(diào)整方案集合中的結(jié)構(gòu)調(diào)整順序進(jìn)行影響評估，得到結(jié)構(gòu)調(diào)整順序影響評估結(jié)果；

37、基于所述發(fā)電機機組的三維模型對發(fā)電機組的調(diào)整方案集合中的結(jié)構(gòu)調(diào)整數(shù)量進(jìn)行影響評估，得到結(jié)構(gòu)調(diào)整數(shù)量影響評估結(jié)果；

38、根據(jù)所述結(jié)構(gòu)調(diào)整順序影響評估結(jié)果和所述結(jié)構(gòu)調(diào)整數(shù)量影響評估結(jié)果進(jìn)行融合處理，通過將兩個評估結(jié)果分別轉(zhuǎn)換為模糊集合，并利用模糊邏輯運算進(jìn)行融合處理得到每個調(diào)整方案對應(yīng)的評估結(jié)果；

39、基于所述每個調(diào)整方案對應(yīng)的評估結(jié)果選擇最優(yōu)的發(fā)電機組的調(diào)整方案。

40、優(yōu)選的，基于預(yù)設(shè)的發(fā)電機機組的結(jié)構(gòu)參數(shù)進(jìn)行發(fā)電機機組三維建模，包括：

41、基于預(yù)設(shè)的發(fā)電機機組的結(jié)構(gòu)參數(shù)進(jìn)行建模處理，其中，將所述發(fā)電機機組的結(jié)構(gòu)參數(shù)進(jìn)行格式轉(zhuǎn)化，將轉(zhuǎn)化格式后的發(fā)電機機組的結(jié)構(gòu)參數(shù)進(jìn)行框選處理，得到框選后的發(fā)電機機組的結(jié)構(gòu)圖；

42、將預(yù)設(shè)的發(fā)電機機組中所有結(jié)構(gòu)的高程數(shù)據(jù)和所述框選后的發(fā)電機機組的結(jié)構(gòu)圖發(fā)送至有限元分析軟件中進(jìn)行處理，得到發(fā)電機機組的三維模型；

43、將任意一個發(fā)電機主軸中心點作為坐標(biāo)原點，將預(yù)設(shè)的發(fā)電機機組的結(jié)構(gòu)參數(shù)發(fā)送至所述發(fā)電機機組的三維模型進(jìn)行耦合處理，得到發(fā)電機機組單元模型，所述發(fā)電機機組單元模型為包含了至少兩個發(fā)電機結(jié)構(gòu)單元的三維模型；

44、將發(fā)電機機組單元模型的發(fā)電機單元進(jìn)行離散化處理，得到至少一個發(fā)電機結(jié)構(gòu)柱狀單元，并基于線性插值法對每個所述發(fā)電機結(jié)構(gòu)柱狀單元進(jìn)行線性插值處理，得到插入結(jié)構(gòu)參數(shù)的發(fā)電機機組的三維空間模型。

45、第二方面，本發(fā)明還提供了一種發(fā)電機機組的主軸軸線調(diào)整系統(tǒng)，包括：

46、獲取單元，用于獲取用于發(fā)電機組主軸軸線測量的參數(shù)數(shù)據(jù)，所述參數(shù)數(shù)據(jù)包括發(fā)電機組的主軸的位置信息、振動信息、圓柱度誤差信息和溫度信息；

47、提取單元，用于將所述參數(shù)數(shù)據(jù)發(fā)送至數(shù)據(jù)預(yù)處理模塊進(jìn)行特征提取，得到主軸軸線的特征數(shù)據(jù)信息；

48、分析單元，用于將所述主軸軸線的特征數(shù)據(jù)信息發(fā)送至訓(xùn)練后的分析模型，得到發(fā)電機機組狀態(tài)分析結(jié)果；

49、處理單元，用于將所述發(fā)電機機組狀態(tài)分析結(jié)果和預(yù)設(shè)的發(fā)電機機組目標(biāo)狀態(tài)發(fā)送至發(fā)電機組的調(diào)整方案確定模型，得到發(fā)電機組的調(diào)整方案集合；

50、評估單元，用于將所述發(fā)電機組的調(diào)整方案集合發(fā)送至方案調(diào)整模擬模型進(jìn)行方案評估，并基于評估結(jié)果選擇得到最優(yōu)的發(fā)電機組的調(diào)整方案，按照所述最優(yōu)的發(fā)電機組的調(diào)整方案對所述發(fā)電機機組進(jìn)行調(diào)整。

51、本發(fā)明有如下有益效果：

52、1.本發(fā)明通過對參數(shù)數(shù)據(jù)進(jìn)行分析和處理，可以精確獲取主軸軸線的特征信息，從而實現(xiàn)對發(fā)電機機組的精準(zhǔn)調(diào)整，提高了調(diào)整的準(zhǔn)確性和效率。采用了訓(xùn)練后的分析模型和狀態(tài)分析模型，使得調(diào)整過程更加自動化和智能化，減少了人工干預(yù)的需求，降低了調(diào)整成本和風(fēng)險。

53、2.本發(fā)明綜合考慮了主軸位置、振動、圓柱度誤差和溫度等多個因素，通過對這些參數(shù)數(shù)據(jù)的分析，可以更全面地了解發(fā)電機機組的狀態(tài)，從而制定更合理的調(diào)整方案。

54、3.本發(fā)明采用了貝葉斯優(yōu)化算法和馬爾科夫鏈蒙特卡洛模擬算法，可以對調(diào)整方案進(jìn)行優(yōu)化和模擬，從而選擇出最優(yōu)的調(diào)整方案，提高了調(diào)整效果和發(fā)電機機組的運行效率。

55、4.本發(fā)明通過對發(fā)電機機組進(jìn)行三維建模，可以更直觀地了解發(fā)電機機組的結(jié)構(gòu)和調(diào)整情況，有助于更準(zhǔn)確地評估調(diào)整方案的影響和效果。

56、本發(fā)明的其他特征和優(yōu)點將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明實施例了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。