基于SCADA校准的物理约束生成式数字孪生的调速器蓄能器氮气泄漏早期诊断

《Scientific Reports》：Physics-constrained generative digital twin for early leakage detection in nitrogen accumulators in governor control systems at hydroelectric power plants

　　

摘要

水力发电机调速器蓄能器中的氮气预充压力损失是一种缓慢但关键的退化过程，会削弱液压储能能力、缩短压力保持时间、增加泵循环次数，并加速热-机械应力。传统基于压力阈值的SCADA报警系统可能会错过早期阶段，因为在压力波形动力学恶化的同时，油压仍可能维持在运行区间内。本文提出了一种基于SCADA校准的物理约束生成式数字孪生模型，用于早期氮气泄漏诊断。有限的匿名现场SCADA观测数据仅作为校准锚点，用于校准压力设定值、泵开启持续时间、泵关闭后的压力保持时间、温度范围以及快升慢降波形特征；这些数据并非作为完整的带标签泄漏数据集呈现。评估使用每轮80,000条物理约束合成训练记录和20,000条独立生成的合成测试记录，在八个月退化周期内均衡分布。训练和测试记录使用互不重叠的种子生成，无共享循环或残差采样。在五轮独立的生成与训练运行中，随机森林模型在压力预测性能方面表现最佳，R²?=?0.999731?±?0.000004，MAE?=?0.0856?±?0.0007 bar，RMSE?=?0.1074?±?0.0007 bar，96.78?±?0.18%的样本落在23 bar运行量程（0.23 bar）的1%误差范围内。修正后的健康指数以1.0为上界，循环级指标在传统压力阈值响应之前识别出第4个月的预警转变。因此，该框架支持更早的检查和氮气重新充气规划，有助于运维人员减少可避免的泵循环、维护升级以及调速器系统非计划停机的风险，同时明确区分SCADA校准与合成诊断评估。