新型电力系统中水力发电装备的发展趋势

新型电力系统中水力发电装备的发展趋势

张辉

广西桂茂电力有限责任公司广西  宜州市  546300

摘要：目前，我国的电力行业有了很大进展，电力系统建设越来越完善。水力发电装置的持续稳定运行要求检修人员能根据水力发电装置实际情况，合理选择检修措施，制定检修方案。本文就电力系统中水利发电装备的发展趋势进行研究，以供参考。

关键词：水电；水力发电装备；抽水蓄能装备

引言

在新型电力系统中，水电的功能定位将由传统的“电量供应为主”转变为“电量供应与灵活调节并重”，肩负起促进新能源消纳的重要使命，这也对常规水电和抽水蓄能发展提出了新的、更高的要求。一方面，应加快剩余水电资源综合开发和抽水蓄能电站建设；另一方面，应启动已建水电工程的扩机和混合抽水蓄能电站建设、水电灵活性改造建设。水力发电装备作为水电资源开发的核心，其技术水平高低关乎我国新型电力系统构建和“双碳”战略目标能否实现。由以上论述可见，未来水力资源的开发利用更加强调的是与其它特性电源之间的相互协调和相互配合，这就要求水力发电装备要向高端化、智能化方向发展。

1水力发电装置运行状态故障诊断与检修决策系统架构

（1）信息采集：基于水电站现有水力发电装置在线监测系统，结合人工观测分析，获取水力发电装置多源数据信息。具体多源数据信息包括传感器数据和人工观测数据两部分。其中传感器数据信息经过误报警、冗余报警、潜在故障三重判断过程初步筛选后，对数据进行离散化处理，形成阈值范围内／外两类数据；人工观测数据则通过故障情况判断和故障类型描述综合说明后，参照传感器数据的传输间隔，将人工观测数据分为阈值范围内／外两类数据。（2）风险评估：将获取的两类数据分别输入各系统节点的狄利克雷分布中实现风险因素的整体评估分析，获取各类风险因素的风险等级，安排适当的故障推理和检修工作。（3）故障诊断：采用贝叶斯机器学习算法和改进专家经验方法，基于多源数据信息构建故障诊断系统。此故障诊断系统主要设计预测、诊断、混合三种推理模式。其中预测推理主要用于分析在线监测系统以及人工观测中所发现的各类异常信号；诊断推理和混合推理则用于应对日常生产中各类突发性故障的成因推理分析。（4）检修决策：基于故障诊断结果，合理分析检修决策变量，并计算不同检修决策变量形成的检修决策期望效用以及检修花费，最终输出最优检修决策方案。

2我国水力发电装备发展趋势

2.1适应水风光互补的超宽负荷稳定运行水电机组

适应水风光互补的超宽负荷高稳定性水电机组应具备极佳的变负荷适应性，特别是在低负荷运行区。虽然实验室在部分水头段实现了宽负荷运行及初步工程应用，但仍未完全掌握全水头段、全负荷稳定运行的水轮机设计技术。目前面临的挑战首先是在考虑低负荷稳定性时往往难以兼顾高负荷效率，其次是水电机组的超宽负荷、快速灵活调节给机组关键结构件的强度和疲劳设计带来的更高要求。为了解决上述挑战，首先需要探明负荷变化与内流特性演化机理的复杂演变关系。低负荷区内由叶道涡、旋转涡带等水力因素作为机组运行不稳定性的诱因，应对其流动机理、成因及减弱消除方法进行深入研究。在此基础上，其次需进一步研究机组关键几何参数对低负荷工况稳定性控制机理，完成低负荷运行区高稳定性设计方法研究，进而从水力机理上提出设计新体系。研究准确的机组关键结构件强度和疲劳计算模型，提出新的结构设计方法，开发抗疲劳、高可靠性的机组结构。目前这些研究已经取得了一定成果，在如丰满再建工程和李家峡电站改造工程等一些工程中应用效果显著。

2.2数据离散化处理

数据离散化处理方法选用手动方法，且不同输入节点的数据采用的数据处理方式也略有区别。具体数据离散化处理内容如下。（1）输入节点数据：数据主要来源为水力发电装置在线监测系统，数据离散化处理中需要手动将采集数据分为故障数据和正常数据两大类，具体数据分类阈值可根据水电站具体情况进行合理设置。（2）诊断节点数据：选取水力发电装置的转子故障、转轮故障数据作为贝叶斯诊断节点，相关节点不涉及历史数据，所以在数据离散化处理时需对同一时间点的输入节点数据进行对比分析，以此确认水力发电装置是否存在故障情况。离散化处理后，诊断节点数据主要分为故障发生数据和故障未发生数据。

2.3故障诊断与预测方法

故障诊断和预测是识别设备故障的关键环节，对于保障设备的安全运行和提升设备的使用效率有重要作用。传统的故障诊断方法通常基于物理模型和统计分析，尽管这些方法在某些特定场景下可能有效，但在面对复杂系统和大规模数据时，其性能往往受限。近年来，随着大数据和机器学习技术的快速发展，基于数据驱动的故障诊断和预测方法得到广泛关注。这些方法可以从大量历史数据中学习故障模式，并准确预测未来设备的状态，以实现早期故障预警和预防性维护。

2.4水电机组数字孪生智能运维系统开发

水电装备数字化与智能化是未来水电发展重要方向，是智慧能源的重要组成部分，也是我国水电装备制造企业转型升级的重要抓手。如何高效有序调控各类资源，使水力发电设备安全可靠运行，实现信息化、智慧化、互动化，由过程感知、单向控制、计划为主转变为高度感知、双向互动和智能高效，具备超强感知、智慧决策和快速执行能力，是新形势下传统水电装备运维管理向智慧化转型的迫切需求。水电机组具有单件、小批量、大成套制造以及能量密度高、机理复杂、个性化极强、灵活调节和安全可靠性要求高特点，机组故障诊断和预测涉及多学科复杂故障机理，故障案例横向可比性极低，通用故障专家知识库建模难度大。未来雅鲁藏布江下游电站和抽水蓄能工程的实施代表的大型电力装备在条件恶劣不适宜居住的无人区投产运行，给水电机组的日常远程运维带来新的难题。为了解决上述挑战，应针对水电机组个性化特点，汇集水电机组的研发、设计、制造、运行和维护等多专业知识，攻克专家知识库、工业大数据、人工智能、多物理场数字孪生等技术，开展多信息融合智能监测、智能故障诊断、预测与健康管理、寿命评估等关键技术研究，设计和开发高端装备智慧运维系统，实时全面掌握水电机组的运行状态信息，从而为水电装备智慧运维提供有科学依据的决策支持。

2.5基于多源性信息的故障诊断模型

对基于在线监测系统的故障诊断模型和基于人工观测信号的故障诊断模型进行合并处理，获取基于多源性信息的水力发电装置故障诊断模型。融合后模型涉及46个输入节点、24个诊断节点及5种系统节点。其中，输入节点用于获取正常运行状态下各类故障的发生概率；诊断节点根据条件概率来计算所反映的分析结果，该结果不是故障发生概率，因而不具有诊断价值；系统节点则表示系统当前所存在的潜在故障风险，相关模型参数均会根据在线监测系统输入数据及人工观测信号的输入数据变化而持续变化。

结语

综上所述，为突破自然条件限制，适应特殊应用场景，提升机组的调蓄能力，亟需攻克大型变速、超大水头变幅和海水等抽水蓄能机组。为解决水电站在运行、监管、分析等流程中问题难发现、数据难分析、运行难监管等问题，亟需攻克水电装备数字化与智能化难题。

参考文献

[1]韩冬，赵增海，严秉忠，等．2021年中国常规水电发展现状与展望[J]．水力发电，2022，48(6)：1-5．

[2]周建平，杜效鹄，周兴波．面向新型电力系统的水电发展战略研究[J]．水力发电学报，2022，41(7)：106-115．

[3]张义斌．新型电力系统背景下水电创新发展研究[J]．中国电力企业管理，2023(1)：51-55．

作者简介张辉（1975-），男，汉族，大专学历，助理工程师，主要从事电力系统电气自动化工作。