Page 126 - 2023年第54卷第11期

表 ３ 不同方法水电机组状态识别率
水电机组不同状态识别率?％
诊断方法 平均识别率?％
Ｎｏｒ Ｒｕｂ Ｉｍｂ Ｍｉｓ
ＷＴ － Ｒｅｓｎｅｔ５０ ９６．７ ９０ １００ １００ ９６．７
ＳＴＦＴ － Ｒｅｓｎｅｔ５０ ８７．８ ９２．２ １００ ９７．８ ９４．４
ＨＨＴ － Ｒｅｓｎｅｔ５０ ９６．７ ９７．８ ８５．６ ９３．３ ９３．３
ＳＤＰ － Ｒｅｓｎｅｔ５０ ９７．８ １００ ９６．７ ９８．９ ９８．３
ＥＨＳＤＰ － Ｒｅｓｎｅｔ５０ １００ １００ １００ １００ １００

图 １０ 不同方法故障诊断混淆矩阵图

可以看出，ＷＴ、ＳＴＦＴ、ＨＨＴ和 ＳＤＰ这几种方法的诊断精度分别达到 ９６．７％、９４．４％、９３．３％和
９８．３％，ＷＴ、ＳＴＦＴ、ＨＨＴ都将部分 Ｎｏｒ状态误判为 Ｉｍｂ状态，Ｒｕｂ状态误判为 Ｍｉｓ状态；而 ＳＴＦＴ、
ＨＨＴ和 ＳＤＰ都将部分 Ｍｉｓ状态误判为其他状态；而本文所提方法对水电机组正常状态和 ３种故障状态
识别率达到 １００％，优于其它几种方法，进一步说明了本文方法的有效性和可行性。
３．６ 实例验证 为进一步验证本文所提方法在实际工程应用中的有效性，本文以某水电厂 ＳＫ － ３＃
机组为研究对象，该机组为轴流转桨式机组。２０１５年 ８月，机组 上 部机 架、水 车室 和 蜗 壳 等 部 位
出现明显的振动和噪音，停机检修后发现是由机组转轮室里衬剥落导致的故障，机组流道出现 损
伤，检修后恢复正常工作。对 ３＃机组轴向振动信号采样分析，信号采集时，机组额定功率为 ２００
ＭＷ，采样频率为 ４５８Ｈｚ，对机组的正常状态、故障预警状态以及故障状态 分 别 采 集 ４０组 数 据，
每组数据包括 ４０９６个采样点，共 １２０组数据。按照 前 文 所 述 方 法 进 行 验 证， 为 评 估 不 同 训 练 集
大小时 ＥＨＳＤＰ － Ｒｅｓｎｅｔ５０模型的泛化性能，设置 ３∶７、４∶６、５∶５、６∶４、７∶３， 实 验 所 得 结 果 如 表 ４
所示。
为进一步说明本文方法的优越性，同上文选取 ＷＴ、ＳＴＦＴ、ＨＨＴ、ＳＤＰ这几种方法与本文所提方
法进行对比，得到对比诊断结果如图 １１所示。

— １ ３ ８ —
８