水电华佗丨水电设备如何通过声音预测电力故障？

在电力系统中

发电设备是电力生产的源头

但在长时间高负荷运行过程中

可能会出现各种问题

影响电力生产

那么

如何及时发现并预测这些问题呢？

今天我们就来揭秘

国家能源集团

大渡河公司龚嘴水力发电总厂

研发的这项“水电华佗”神奇技术

水电站设备声学监测诊断技术！

来——让我来听听你的心声

糟糕——是心（故）动（障）的声音

小tips：.

固定布局

工具条上设置固定宽高

背景可以设置被包含

可以完美对齐背景图和文字

以及制作自己的模板

声音是由物体振动产生的声波，是通过介质（空气或固体、液体）传播并能被人或动物听觉器官所感知的波动现象。但在水电设备运行过程中，很多声音并不在人耳的听觉范围内。

在环境复杂的水车室、风洞等关键区域

仅仅依靠人工巡检以及现有的监测手段

很难及时有效地发现这类电力故障

同时也存在一些难题

因此

拥有一套通过感知声音变化

来判断设备故障的实时检测装置

对水电设备的安全运行

具有重要意义

那它是如何通过声音诊断设备故障的呢？

10Hz~80kHz宽频声学“听诊器”

准确把握故障“脉搏”

水电设备的健康状况

往往隐藏在细微的机械振动和转动中

10Hz~80kHz宽频声学阵列系统

（包括低声频段、人声频段和超声频段）

就像医学上的超级敏锐的听诊器

全声域监听水电设备的各种“声音”

为诊断提供足够的状态数据

让故障的“脉搏”无处遁形

KSVM多环境“症状解析大师”

全面捕获你的“脉搏”

水电设备的运行环境复杂

水车室、风洞、蜗壳及尾水管等

不同的环境声音变化天差地别

KSVM分类算法

就像医学上的病理学专家

帮助我们从复杂的环境中

解析出准确的故障征兆

为后续的“治疗”提供科学依据

时域、频域故障诊断报告

解码设备“脉搏”信号

基于时域和频域特征的故障诊断模型

以正常运行音频信号为基准

使用五种时域特征和七种频域特征

精准判断水轮机的状态

这份详尽的“诊断报告”可以提供

水电设备的健康状况

指导作业人员提前采取干预措施

基于机器学习的智能识别模型

“专家”在线诊断

基于机器学习的智能识别模型

通过设置阈值、异常策略、学习策略

实现设备基本工况、典型异常辨识研究

就像一位经验丰富的“老专家”

能快速识别出设备可能存在的问题

并提供相应的解决方案

“8+64”分布式声学监测阵列

声像图“核磁共振”定位故障位置

判断出设备异常还远远不够

动辄几百吨水电设备身体非常庞大

基于分布式声学阵列的

声场成像和声源定位技术

通过声学阵列传感器、波束形成等算法

实现大小范围的

声源定位、声场分析、声场可视化

精确定位异常声源位置

4T 病（声）例（音）专家库

让水电华佗更加智能

老中医一把脉就知道你的问题

是因为他们丰富的经验以及

丰富的临床诊治

水电华佗也不例外

在典型工况声学信号基础上

选取设备稳态、瞬态、典型异常工况

建立智能预警诊断模型的数据基础

通过分析各类异常样本

对异常声音的发声类型、故障特征

进行进度辨识

让华佗更加智能

截至2024年4月

该检测技术已

荣获发明2项、软件著作权2项

实用新型专利3项并取得受理通知书

发表论文3篇

妥妥的学霸君~