(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211059932.4 (22)申请日 2022.08.30 (71)申请人 广东省能源集团有限公司 地址 510630 广东省广州市天河东路8号、 10号 申请人 华中科技大 学 (72)发明人 胡文斌　李超顺　王义国　吴一凡　 刘国军　兰家法　周玉辉　常辉　 陈东君　高泽良　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 柯梦云 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/12(2006.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种水电机组轴 系劣化度评估方法及系统 (57)摘要 本申请涉及一种水电机组轴系劣化度评估 方法， 所述方法包括： 分析水电机组在健康运行 阶段的健康波形样本均值与对应的初始工况参 数的相关性， 筛选高相关性工况参数， 并构建对 应的高相关性工况参数特征向量； 对振动波形样 本对应的高相关性工况参数特征向量进行K均值 聚类分析， 结合独热编码方法， 获取振动波形样 本的分类工况标签； 将劣化运行阶段劣化波形样 本的分类工况标签依次输入到健康模型生成对 应的健康波形， 比较实际的劣化波形与生成的健 康波形获取劣化度， 构建子劣化序列； 根据子劣 化序列以及子劣化序列的权重， 计算综合劣化序 列以评估水电机组轴系的劣化程度； 本发明能够 有效避免单纯考虑振动差异， 而忽略不同工况条 件导致的机组状态误判。 权利要求书3页 说明书12页 附图4页 CN 115438697 A 2022.12.06 CN 115438697 A 1.一种水电机组轴 系劣化度评估方法， 其特 征在于， 所述方法包括以下步骤： 对振动波形样本对应的高相关性工况参数特征向量进行K均值聚类分析， 结合独热编 码方法， 获取振动波 形样本的分类工况标签； 其中， 振动波 形样本包括健康运行阶段的健康 波形样本和劣化 运行阶段的劣化波形样本； 将劣化波形样本的分类工况标签依次输入到训练后的健康模型生成对应的健康波形， 通过比较实际的劣化波形与生成的健康波 形获取劣化度， 并将劣化度按照时间排序构建子 劣化序列； 根据子劣化序列以及子劣化序列的权重， 计算综合劣化序列， 并评估水电机组轴系的 劣化程度。 2.根据权利要求1所述的水电机组轴系劣化度评估方法， 其特征在于， 获取振动波形样 本的分类工况 标签， 具体包括： 随机选取若干个高相关性工况参数 特征向量作为初始聚类中心； 采用K‑means聚类分析， 计算剩余高相关性工况参数特征向量到各 聚类中心的距离， 将 剩余高相关性工况参数 特征向量进行分类， 并计算更新各类别聚类中心； 基于振动波形样本与高性能工况参数特征向量的对应关系， 获取振动波形样本的分 类； 根据振动波形样本的分类数目， 将振动波形样本的分类转换为对应维度的onehot编 码， 获取振动波形样本的分类工况 标签。 3.根据权利要求1所述的水电机组轴系劣化度评估方法， 其特征在于， 所述健康模型包 括生成器和判别器， 健康模型的训练过程， 具体包括： 采用一维反卷积网络构建生成器， 以随机噪声和健康运行阶段实际健康波形样本对应 的分类工况 标签作为输入， 生成健康运行阶段不同工况 下健康波形样本的分布； 采用一维卷积网络构建判别器， 以生成的健康运行阶段的健康波形样本和对应的实际 健康波形样本及其工况 标签为输入， 判别生成的健康运行阶段的健康波形的真实度； 以生成的健康运行阶段的健康波形样本与对应的实际健康波形样本之间的差距最小 为目标函数， 以二分类交叉熵损失为损失函数训练健康模型。 4.根据权利要求3所述的水电机组轴系劣化度评估方法， 其特征在于， 将劣化波形样本 的分类工况标签依次输入到训练后的健康模型生成对应的健康波 形， 通过比较实际的劣化 波形与生成的健康波形获取劣化度， 并将劣化度按照时间排序构建子劣化序列， 具体包括： 将劣化运行阶段的劣化波形样本的分类工况标签输入至生成器， 依次获取劣化运行阶 段各工况下生成的健康波形； 分别计算劣化运行阶段中实际劣化波形和生成的健康波形的劣化指标， 两者作差作为 机组劣化度； 将劣化运行阶段的机组劣化度按照时间排序构建子劣化序列。 5.根据权利要求4所述的水电机组轴系劣化度评估方法， 其特征在于， 子劣化序列的权 重确定， 具体包括： 将初始化N个子劣化序列权重代入综合劣化序列的计算公式中， 产生规模为N的初始种 群作为父代种群； 其中， 种群中的个 体代表综合劣化序列； 利用父代种群计算健康运行阶段的综合劣化序列的变异系数以及健康运行阶段和劣权　利　要　求　书 1/3 页 2 CN 115438697 A 2化运行阶段 下子劣化序列之间的均值差异； 对健康运行阶段的综合劣化序列的变异系数以及健康运行阶段和劣化运行阶段下子 劣化序列之间的均值差异进行非支配排序， 且对父代种群进行遗传算法选择、 交叉和变异 生成第s代子种群； 其中， s的初始值 为1； 合并父代与子代种群， 且对健康运行阶段的综合劣化序列的变异系数以及健康运行阶 段和劣化运行阶段下子 劣化序列之 间的均值差异进行非支配排序， 分别计算个体拥挤度和 非配序； 根据非支配序和个体拥挤度选取若干个体更新父代种群， s的取值加1； 并返回计算健 康运行阶段 的综合劣化序列的变异系数以及健康运行阶段和劣化运行阶段下子劣化序列 之间的均值差异的步骤； 当达到预设的迭代次数后， 以健康运行阶段和劣化运行阶段下子劣化序列之间的均值 差异最大为首要目标优先满足， 以健康运行阶段的综合劣化序列的变异系数最小为次要目 标， 从多目标优化问题的最优解中选取子劣化序列的权 重。 6.根据权利要求5所述的水电机组轴系劣化度评估方法， 其特征在于， 对振动波形样本 对应的高相关性工况参数特征向量进 行K均值聚类分析之前， 所述方法还包括： 利用最大信 息系数分析水电机组在健康运行阶段 的健康波形样本均值与对应的初始工况参数的相关 性， 筛选出MIC指标大于阈值的高相关性工况参数， 构成对应的高相关性工况参数特征向 量； 其中， 初始工况参数包括： 水头、 有功 功率、 无功 功率、 励磁电压、 励磁电流、 开度和转速； 劣化指标包括： 时域劣化指标、 频域劣化指标和数据分布指标； 所述时域劣化指标为劣化运行阶段中实际劣化波形或生成的健康波形的均值和标准 差； 所述频域劣化指标为实际劣化波形或生成的健康波形 的频率标准差； 数据分布指标为 峭度及JS散度。 7.一种水电机组轴 系劣化度评估系统， 其特 征在于， 所述系统包括： 工况参数筛选模块， 用于利用最大信 息系数分析水电机组在健康运行阶段的健康波形 样本均值与对应的初始工况参数的相关性， 筛选出MIC指标大于阈值的高相关性工况参数， 构成高相关性工况参数 特征向量； 分类工况标签获取模块， 对振动波形样本对应的高相关性工况参数特征向量进行K均 值聚类分析， 结合独热编码方法， 获取振动波形样本的分类工况标签； 其中， 振动波形样本 包括健康运行阶段的健康波形样本和劣化 运行阶段的劣化波形样本； 健康模型构建模块， 采用健康运行阶段的健康波形样本以及对应的分类工况标签， 训 练基于条件卷积对抗 生成网络的健康模型； 劣化序列构建模块， 将劣化波形样本的分类工况标签依次输入到训练后的健康模型生 成对应的健康波形， 通过比较实际的劣化波形与生成的健康波形获取劣化度， 并将劣化度 按照时间排序构建子劣化序列； 水电机组轴系评估模块， 用于根据子劣化序列以及子劣化序列的权重， 计算综合劣化 序列， 并评估水电机组轴 系的劣化 程度。 8.根据权利要求7所述的水电机组轴系劣化度评估系统， 其特征在于， 所述分类工况标 签获取模块包括：权　利　要　求　书 2/3 页 3 CN 115438697 A 3