基于改进哈里斯鹰算法优化堆叠降噪自编码器的水轮发电机组故障诊断研究

摘要

水轮发电机是水电厂的能量转换主体，在其工作状况的好坏直接影响着整个电站的安全可靠性以及发电效率方面起着至关重要的作用，而像轴承温度超标、导水叶片损坏或者机组超速等情况发生时就会造成非计划停机从而带来巨大的经济损失。为了解决传统的故障检测方法过于依靠工作人员的经验以及特征选择不足的问题还有堆叠去噪自编码器（SDAE）容易陷入局部极值点和计算耗时较长的缺点以及哈里斯鹰优化算法（HHO）在全局探索与局部开发之间存在偏差的问题，本文提出了利用改进哈里斯鹰优化算法（IHHO）来对堆叠降噪自编码器进行优化以实现水轮发电机组的故障识别。通过对哈里斯鹰算法增加柯西变异算子及非线性逃逸能量因子对HHO进行优化从而得到优化后的网络权值和阈值得到更高的模型特征提取能力和更快的训练收敛速度；选取江坪河水电站的300MW水轮发电机为分析对象收集其正常运行及三种常见类型的故障状态下振动和温度等信号作为输入建立相应的故障诊断模型并加以检验。实验结果显示，经过优化后IHHO-SDAE诊断准确率达到98.7%，比原来的SDAE和HHO-SDAE提高了8.3%和4.1%，并且收敛时间缩短了超过三分之一，可以迅速准确地辨别出水轮发电机组的各种常见问题，有利于保障电厂设备良好的运行情况。