하이드로의 축 조정을 위한 새로운 방법

Dec 18, 2023

Scientific Reports 13권, 기사 번호: 2935(2023) 이 기사 인용

878번의 접속

1 알트메트릭

측정항목 세부정보

수력 발전소의 전력 품질과 효율성은 계속해서 작동해야 하고 축 고장이 발생하기 쉬운 수력 발전기 장치의 안정적인 작동에 달려 있습니다. 따라서 결함을 제거하기 위해 효과적인 축 조정 기술을 채택합니다. 본 논문에서는 개선된 그레이 예측 모델과 군집 지능 최적화 신경망을 기반으로 수력발전기 장치의 축 조정을 위한 새로운 방법을 제안합니다. 먼저, 진동 변동을 보이는 축 순 전체 스윙 시퀀스를 전처리하는 데 사용되는 시퀀스 가속 변환 및 평균값 변환 방법을 제안합니다. 향상된 축 순 전체 스윙 그레이 예측 모델을 설정하기 위해 e1 및 e2 요소 변환을 사용합니다. 그런 다음 고급 플라밍고 검색 알고리즘을 사용하여 축의 순 총 진자의 사인 함수의 최대값을 검색하고 축 조정 방향을 얻습니다. 이 방법은 과거 GM(1, 1)이 단조 수열로만 예측이 가능했던 문제와 탐색 알고리즘이 지역 최적해에 빠지기 쉬운 문제를 해결하여 축의 계산 효율성을 효과적으로 향상시키고 탐색 시간을 단축시킨다. 시뮬레이션 사례를 통해 제안한 방법이 축 조정의 정확도를 크게 향상시킬 수 있음을 보여줍니다. 이 방법은 축 조정을 위한 방위각 검색의 효율성을 크게 향상시킵니다.

수력 발전기 장치(HGU)는 수력 발전소의 핵심 장비의 일부입니다1,2. 단위 보안을 위한 수력 발전 고정축 추세를 신뢰할 수 있게 측정한 상태로, 전력 시스템의 안정성을 매우 중요하게 촉진합니다3. 실제 엔지니어링에서 축 조정은 장치 설치 후반기에 가장 중요한 작업입니다. 장치의 정밀검사도 축 조정 검사를 거쳐야 합니다. 단위 축의 품질은 설치 및 유지 관리 품질을 종합적으로 반영합니다4. 순 총 스윙의 축 조정 중심 축 및 최대 순 총 스윙 각도는 축 조정 계산의 중요한 매개 변수이므로 수력 발전 세트 순 총 스윙의 축 각도 및 예측뿐만 아니라 최대 순 총 스윙의 축도 수력 발전기 장치의 안전을 보장하고 수력 발전소의 경제적 손실을 줄이기 위한 스윙 조정 베어링 검색은 매우 중요합니다. 5. 수력 발전기 장치의 축 조정에서 순 전체 스윙 및 상대 스윙 계산은 여전히 ​​​​아직입니다. 주로 수동으로 계산합니다. 축 계산 프로세스는 복잡합니다. 여기에는 상부 리드, 하부 리드, 워터 리드 및 기타 부품의 측정 데이터가 포함되며, 여기에는 상부 리드에서 하부 리드, 상부 리드에서 워터 리드, 스러스트 헤드 직경 등의 치수가 필요합니다. 에. 따라서 축 순 전체 스윙의 효율적이고 정확한 예측 방법은 축 측정 수를 줄이는 데 도움이 되며 축 측정을 실현하기 위한 기초이자 전제 조건이기도 합니다6. 기계 학습 방법에는 수력발전기 축의 순 총 스윙 및 최대 순 총 스윙 예측을 위한 4가지 일반적인 예측 알고리즘이 있습니다. BP 신경망(BP)을 사용한 예측 방법; SVM(Support Vector Machine)을 이용한 예측 방법; 물리 기반 신경망(PINN); 그레이 모델(GM)을 이용한 예측 방법. 축 조정 방위각 검색에는 전통적인 수동 처리와 군집 지능 알고리즘이라는 두 가지 주요 방법이 있습니다. 현재 기계학습은 많은 분야에서 널리 사용되고 있으나, 수력발전기 장치의 축 조정에 적용되는 응용 사례는 많지 않습니다7. 그러나 축 조정 방향의 경우 기계 학습은 알고리즘을 사용하여 축 조정 방향을 검색하기 어려운 문제를 해결할 수 있습니다8,9.