基于本体的抽水蓄能机组故障知识获取与智能故障诊断

作     者：王强强 

作者单位：华北电力大学(北京) 

学位级别：硕士

导师姓名：何成兵;肖官和

授予年度：2023年

学科分类：081504[工学-水利水电工程] 08[工学] 0804[工学-仪器科学与技术] 0815[工学-水利工程] 

主      题：抽水蓄能机组 故障树 失效模式与影响分析 本体 反事实推理 模糊理论 

摘      要：抽水蓄能机组可有效解决电网中风电和光伏的出力消纳问题,有利于更好地开发新能源。但其运行工况复杂且转换频繁,机组易发生故障,影响机组甚至电网的稳定性。故障原因与故障特征之间存在复杂的对应关系,所以故障诊断是一项涉及多学科的复杂工程,本文在本体理论对知识表达的基础上,结合反事实理论开展了抽水蓄能机组故障诊断。首先,针对抽水蓄能机组复杂结构和故障知识碎片化,对机组的主要结构进行了分析,并按照“机组-系统-子系统的方式进行了结构分类,将机组结构分为水泵水轮机、发电电动机、调速系统以及压力引水系统,并进一步进行细分。对系统的常见故障进行了梳理,基于FTA的方法对故障发生的原因进行了细分,基于FMEA的方法对故障的模式和故障的影响进行了分析,采用FTA和FMEA对常见的七大类十二小类的故障进行了总结。其次,通过对本体的构建方法、构建原则、构建工具的介绍,并基于构建的FTA和FMEA,开展了基于本体理论和语义网络技术的机组设备和机组典型故障的知识图谱获取和知识库建模,并基于本体软件的查询功能实现了故障信息的查询。最后,基于因果关系框架之一的结构因果模型进行故障诊断,基于贝叶斯网络搭建的结构因果模型,与贝叶斯网络最大的不同便是将模型中的因果关系视为确定的,不确定性则通过引入外生变量来表达。结构因果模型中先验概率通常由专家给定,但是专家给出的先验概率通常具有模糊性,通过模糊理论将模糊的专家经验转化为确定的概率值。在结构因果模型的基础上,提出了基于反事实推理的出现概率和消失概率的表达式,定量衡量故障原因出现可能性的大小。针对出现概率和消失概率难以计算的问题,采用孪生网络对公式进行约简并用贝叶斯网络的精确推理完成计算,通过比较计算结果,完成对故障的诊断。