基于在线全水头和自学习控制限的摆度动态阈值研究

曹琛; 王鑫尧; 万芳清; 谭小刚; 杜承志; 谭宏亮

doi:10.13599/j.cnki.11-5130.2026.07.014

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于在线全水头和自学习控制限的摆度动态阈值研究

更新时间：2026-07-30

- 基于在线全水头和自学习控制限的摆度动态阈值研究
- Vol. 49, Issue 7, Pages: 57-61(2026)
- 作者机构：
  
  1. 黄河水利水电开发集团有限公司
  2. 北京华科同安监控技术有限公司
- 作者简介：
- 基金信息：
- DOI：10.13599/j.cnki.11-5130.2026.07.014
  CLC： TV736
- Published：2026
- 稿件说明：
移动端阅览
曹琛, 王鑫尧, 万芳清, et al. 基于在线全水头和自学习控制限的摆度动态阈值研究[J]. 2026, 49(7): 57-61.
DOI：

曹琛, 王鑫尧, 万芳清, et al. 基于在线全水头和自学习控制限的摆度动态阈值研究[J]. 2026, 49(7): 57-61. DOI： 10.13599/j.cnki.11-5130.2026.07.014.

摘要

水电机组摆度是影响其安全稳定运行的关键参数，传统固定阈值方法难以适应复杂多变工况，误报与漏报风险较高。为此，本文提出一种基于在线全水头数据和自学习控制限的摆度异常预警方法。该方法首先采用K-Means聚类算法对历史运行工况进行自适应划分，进而针对每一类稳定工况，采用核密度估计(KDE)生成一个动态阈值，最后通过实时监测数据与当前工况所对应的控制限的对比，实现异常的早期预警。基于真实运行数据的验证表明，该方法能够生成与不同工况区匹配的动态阈值，相较于传统运行标准，在预警准确性与可靠性方面均有显著提升，为水电机组的智慧运维提供了一条新的技术途径。

Abstract

关键词

Keywords

references

黄荣.基于数据驱动的水电机组动态振动区识别方法研究及应用[D].昆明理工大学,2020(05).

席慧.水电机组振动区划分研究与实践[D].武汉大学,2021(06).

张孝远,张新萍,苏保平.基于最小最大核K均值聚类算法的水电机组振动故障诊断[J].电力系统保护与控制,2015(05).

马洋,赵旭俊,苏建花,席婷婷.基于核密度估计的离群数据挖掘[J].太原科技大学学报,2020(06).

陈洪,乐毅,吴晓翠,朱波,胡晓,刘东.基于大数据平台的水电机组状态数据处理架构研究[J].水电与新能源,2019(11).

孟繁欣,张蕾,王润鹏,宋明钰,林子阳.基于Hadoop大数据集群的水电机组数据运维平台[J].水利水电技术(中英文),2021(S1).

张长伟,李德红,席慧,王卫玉,陈启卷.基于数据挖掘的水电机组振动区精细划分方法[J].浙江电力,2020(09).

徐雄,林海军,刘悠勇,胡边.融合PCA与自适应K-Means聚类的水电机组故障检测在线方法[J].电子测量与仪器学报,2022(03).

张博文,刘智,桑国明.基于核密度波动的异常检测算法[J].计算机工程与应用,2021(12).

高建,张涛,周程昊.基于动态阈值核密度估计的登录异常检测[J].通信技术,2023(01).

吴庆鑫,熊国恩,崔峻豪,张兆楠.基于K-means聚类方法的水电机组稳定运行范围优化研究[J].大电机技术,2024(S1).

赖发彬.水电机组基于全量数据的全水头三维建模及振动区精细划分[J].水电站机电技术,2025(03).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于PCA-OCSVM的水电机组故障诊断自动识别

数据中台在水电机组设备状态监测系统中的应用

水电机组调速系统数字孪生架构设计与实现

基于模糊PID的梯级电站水电机组AGC控制方法研究

水电机组限制运行区AGC自适应控制策略研究

Related Author

屈伟强

谭小刚

陈泽阳

刘博

李鹏飞

杜承志

贺琪凡

曹琛

Related Institution

能事达电气股份有限公司

渝能(集团)有限责任公司

北京中水科水电科技开发有限公司

三峡金沙江川云水电开发有限公司永善溪洛渡电厂

南方电网调峰调频发电有限公司检修试验分公司

AI问答

⁰