[1]周健,钱伟.水电站泵组设备的运行监测及故障诊断[J].江苏水利,2025,(05):68-72.
　ZHOU Jian,QIAN Wei.Operation monitoring and fault diagnosis of pump unit equipment in hydropower stations[J].JIANGSU WATER RESOURCES,2025,(05):68-72.
点击复制

水电站泵组设备的运行监测及故障诊断()

《江苏水利》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2025年05期
页码:
68-72
栏目:
水利工程管理
出版日期:
2025-05-15

文章信息/Info

Title:
Operation monitoring and fault diagnosis of pump unit equipment in hydropower stations
文章编号:
1007-7839（2025）05-0068-0005
作者:
周健; 钱伟
（江苏省工程勘测研究院有限责任公司，江苏 扬州 225000）
Author(s):
ZHOU Jian;  QIAN Wei
（Jiangsu Province Engineering Investigation and Research Institute Co., Ltd., Yangzhou 225000, China）
关键词:
水电站; 泵站运行; 监测分析
Keywords:
hydropower station;  pumping station operation;  monitoring analysis
分类号:
TV675
文献标志码:
A
摘要:
水力发电是一种利用水流能量转化为电能的清洁能源技术，水电站泵组设备运行的稳定性和安全性至关重要。研究通过搭建离心泵轴承试验台，采用振动传感器采集数据，并运用CNN模型进行特征提取和故障诊断，实现了对泵组设备运行状态的实时监测。实验结果显示，CNN模型在实测集上的轴承故障诊断准确度、召回率和精确度分别达0.961、0.956、0.972，均优于SVM和决策树模型，展现了强大的故障诊断能力。在训练数据稀缺（200组）的情况下，CNN模型的准确度仍大于0.85。
Abstract:
Hydropower generation is a clean energy technology that converts the energy of water flow into electrical energy. The stability and safety of the operation of the pump set equipment in hydropower stations are of vital importance. The study established a centrifugal pump bearing test bench, collected data using vibration sensors, and used a CNN model for feature extraction and fault diagnosis, achieving real-time monitoring of the operating status of pump equipment. The experimental results show that the accuracy, recall, and precision of the CNN model for bearing fault diagnosis on the measured set are 0.961, 0.956, and 0.972, respectively, which are superior to SVM and decision tree models, demonstrating strong fault diagnosis capabilities. In the case of scarce training data （200 sets）, the accuracy of the CNN model is still greater than 0.85.

参考文献/References:

[1] 雷生鑫，尹鑫，刘何静，等. 黄河羊曲水电站河岸缓冲带生态安全评价与功能区划[J]. 中国水土保持，2024（11）：16-21.
[2] 曾荣俊，向凯，瞿佳，等. 水电厂水泵运行状态监测技术与应用[J]. 云南水力发电，2023，39（9）：272-274.
[3] 王宁，束炳芳，包震洲，等. 基于振动分析的水电站泵组设备云监测方案[J]. 浙江水利科技，2021，49（4）：82-84.
[4] 余涛. 基于智能算法的水电站电气设备故障诊断与预测[J]. 工程建设与设计，2023（19）：59-61.
[5] 付恩狄，罗勇，莫理，等. 基于机器学习的水电站辅机系统设备故障诊断方法[J]. 自动化与仪器仪表，2023（10）：296-299.

相似文献/References:

[1]王丽,邓继,徐纯霞,等.大体积混凝土温控和预应力协同防裂措施[J].江苏水利,2022,(07):6.
　WANG Li,DENG Ji,XU Chunxia,et al.Synergistic anti-cracking measures of mass concrete by temperature control and prestress[J].JIANGSU WATER RESOURCES,2022,(05):6.
[2]邵林,马俊,董晶晶.江都一站水泵宽扬程适应性研究[J].江苏水利,2025,(06):62.
　SHAO Lin,MA Jun,DONG Jingjing.Research on wide head adaptability of water pumps in Jiangdu First Pumping Station[J].JIANGSU WATER RESOURCES,2025,(05):62.
[3]邵春楼,殷奇红,季文杰,等.负扬程时魏村枢纽扩容改建工程泵站机组现场测试分析[J].江苏水利,2025,(10):69.
　SHAO Chunlou,YIN Qihong,JI Wenjie,et al.Field testing and analysis of pumping station unit for the Weicun Hub expansion and reconstruction project under negative head[J].JIANGSU WATER RESOURCES,2025,(05):69.

备注/Memo

备注/Memo:
收稿日期：2024-12-18
作者简介：周健（1993—），男，工程师，本科，主要从事水利工程运行管理工作。E-mail：1018562330@qq.com
更新日期/Last Update: 2025-05-15