Page 53 - 2025年第56卷第5期

水 利 学 报

２０２５年 ５月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５６卷 第 ５期

文章编号：０５５９ － ９３５０（２０２５）０５ － ０５９９ － １２

一种检测水电机组振动异常的动态区间覆盖方法

１
１
１
１
１
王 坤 ，王绍强 ，熊 星 ，李 昂 ，邱绪迪 ，王 斌 １，２
（１．西北农林科技大学 水利与建筑工程学院，陕西 杨凌 ７１２１００；
２．西北农林科技大学 旱区农业水土工程教育部重点实验室，陕西 杨凌 ７１２１００）
摘要：水电机组异常检测对于机组稳定运行至关重要。针对基于点预测的异常检测方法未能充分考虑数据的不稳
定性以及模型的局限性，本文提出了一种检测水电机组振动异常的动态区间覆盖方法。首先，采用直接区间估计
法，引入分位数损失作为损失函数训练模型实现区间预测，从而构建水电机组健康模型。进而，构建一种融合滑
动窗口与区间覆盖率的异常检测指标。然后，使用受试者工作特征曲线进行模型评价和确定最优阈值，提出一种
通过置信水平、滑动窗口宽度和步长来灵活调整检测力度的异常检测方法。为验证所提方法的有效性，本文采用
水电机组模拟异常和真实异常数据进行仿真实验，结果表明该方法在以上数据集真阳性率、假阳性率分别达到 １．０、
０．０１５与 ０．９７９、０．０５３，能够准确识别水电机组的振动异常，为水电机组的异常检测提供了一种新的技术手段。
关键词：水电机组；异常检测；区间预测；滑动窗口；ＲＯＣ曲线
中图分类号：ＴＭ３１２ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２４０３１３
文献标识码：Ａ

１ 研究背景

在水电站的日常运维中，监测机组运行的实时数据并且及时检测出信号异常是至关重要的。这不
仅能防止水电运行事故的扩大，还能指导机组状态的检修。振动监测覆盖范围广泛，振动信号是水轮
机监测中重点关注的信号之一，水电机组 ８０％左右的故障都在振动信号中有所反映 ［１］ 。
异常检测定义为在数据中发现偏离正常行为的实例 ［２］ 。水电机组异常通常表现为振动加剧。现行
静态阈值方法简单、直观，在振动监测中得到广泛应用。桂中华等 ［３］ 将健康机组振动数据按工况分
区，得出振动健康区间及上下限值，超出即发出预警。其局限性在于难以适应振动特征随时间变化的
情况。
基于对比思想 ［４ － ６］ 的异常检测方法成为当前研究热点，通过构建健康模型模拟机组的正常行为，
将实时监测数据与健康模型输出进行对比，从而捕捉机组状态的微小变化。在其他工业领域，Ｌｉ等 ［７］
利用 ＬＳＴＭ（ＬｏｎｇＳｈｏｒｔ － ＴｅｒｍＭｅｍｏｒｙ，ＬＳＴＭ）模型预测指标值，当预测值偏离预期值时发出预警信号。
Ｔｉａｎ等 ［８］ 利用双向长短期记忆网络预测反应温度，反应温度异常高时发出预警信号。杨婷婷等 ［９］ 结合
卷积 神 经 网 络 与 长 短 期 记 忆 网 络 构 建 ＣＮＮ－ ＬＳＴＭ（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ － ＬｏｎｇＳｈｏｒｔ － Ｔｅｒｍ
Ｍｅｍｏｒｙ ，ＣＮＮ － ＬＳＴＭ）模型预测多元时间序列，当预测值超出阈值时发出预警。Ｙａｎｇ等 ［１０］ 利用 ＳＶＲ
（ＳｕｐｐｏｒｔＶｅｃｔｏｒＲｅｇｒｅｓｓｉｏｎ，ＳＶＲ）模型预测正常状态下的变速箱温度，监测值偏离正常范围时发出预
警。Ｚｈａｎｇ等 ［１１］ 提出了一种基于 Ｔｒａｎｓｆｏｒｍｅｒ的离群点检测模型。这些研究主要基于点预测，未充分考
虑数据的随机性和模型的不确定性。

收稿日期：２０２４ － ０５ － ２４；网络首发日期：２０２４ － １２ － ３０
网络首发地址：ｈｔｔｐｓ：??ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ?ｕｒｌｉｄ?１１．１８８２．ＴＶ．２０２４１２２７．１１２６．００２
基金项目：国家自然科学基金重点项目（５２３３９００６）
作者简介：王坤（ ２０００ － ），硕士生，主要从事水电机组振动监测、故障预警研究。Ｅ － ｍａｉｌ：ｋｕｎｗａｎｇ＠ｎｗｓｕａｆ．ｅｄｕ．ｃｎ
通信作者：王斌（１９８６ － ），博士，副教授，主要从事智慧水利与优化调控研究。Ｅ － ｍａｉｌ：ｂｉｎｗａｎｇ＠ｎｗｓｕａｆ．ｅｄｕ．ｃｎ
— ５ ９ ９ —