一种用于变速泵空化检测的非侵入式方法，实现能效系统监测

《Journal of Energy Storage》：A non-intrusive method for cavitation detection in variable-speed pumps enabling energy-efficient system monitoring

　　

摘要：电力驱动泵送系统在现代能源基础设施中扮演关键角色，包括热能存储、供暖、通风和空调（HVAC）、区域供热和供冷、水分配、工业过程以及抽水蓄能应用。在这些系统中，机电泵的工况直接影响辅助电力消耗、有效充放电性能、运行可用性、维护成本和能源输送的灵活性。水力空化因此尤为重要，因为它会降低水力效率、增加能源需求、限制流量传输能力并加速机械磨损。本研究提出了一种非侵入式负载监测（NILM）方法，用于变速机电泵系统中的空化检测，仅使用电气测量。所提出的在线方法分析非平稳电机电流信号，无需额外传感器。它结合了瞬时对称分量（ISC）的正序幅值（POSIMAG）和归一化到旋转频率的功率谱密度（ROF-PSD），能够在变速运行下实现稳健的特征提取。该方法与基于CEEMDAN和自适应陷波滤波器（ANF）的方法进行了比较，使用了平衡准确率、F1分数和马修斯相关系数（MCC）。所提出的方法优于CEEMDAN，并随着空化严重程度的增加而逐步改进，与ANF相比具有竞争力。在吸入水平4，准确率、平衡准确率、F1分数和MCC达到了最佳性能；与排出水平4-5的结果相似。除了机械诊断外，检测到的空化区间结合功率、流量、压头/扬程和存储运行测量，为估计存储相关指标提供了诊断基础。这些指标包括辅助泵送能量、空化运行比、有效充放电能力、运行小时数、维护相关损失和超额能耗。因此，该方法支持空化感知的能量管理、工况感知的监测和预测性维护，而本研究并未声称直接评估存储性能。

**论文解读文章**

**1. 研究背景与问题**

在现代能源基础设施中，电力驱动的泵送系统广泛应用于热能存储、供暖、通风与空调（HVAC）、区域供冷供热、水分配和工业过程等领域。这些系统的泵组工况直接影响辅助电力消耗、充放电性能、运行可靠性和维护成本。其中，水力空化（cavitation）是一种关键故障机制，它通过局部压力降至汽化阈值以下，导致气泡形成与溃灭，进而侵蚀叶轮、蜗壳等水力部件，加速轴承、密封件等机械部件的失效。空化不仅降低水力效率、增加能源需求，还限制流量传输能力并引发非计划停机。然而，早期空化往往在性能退化变得明显前难以检测，尤其在变速运行条件下，传统监测方法（如基于振动、压力或声学信号）存在非侵入性不足、受环境噪声干扰或需要改造泵体等局限。因此，开发一种能够在线、非侵入式检测变速泵空化的方法，对于提升能效、保障系统可靠性和延长设备寿命具有重要意义。

**2. 研究内容与结论**

本研究提出了一种基于非侵入式负载监测（NILM）的空化检测方法，仅通过电机电流信号分析（MCSA）实现。研究人员在变速离心泵系统中，利用瞬时对称分量（ISC）变换提取正序幅值（POSIMAG），并结合归一化到旋转频率的功率谱密度（ROF-PSD），增强了与空化引起的转矩波动相关的电流调制特征。该方法在实验故障模拟场景（基于公开数据集，含Motor 4在吸入和排出侧不同严重程度空化）和真实工业部署（机场HVAC系统，18.5 kW感应电机）中进行了验证，并与完整集成经验模态分解与自适应噪声（CEEMDAN）和自适应陷波滤波器（ANF）方法进行了对比。结果表明，所提出的POSIMAG-ROF-PSD方法在空化检测中整体优于CEEMDAN，并与ANF性能相当；在吸入侧严重空化（Level 4）时，准确率达0.996，平衡准确率0.987，F1分数0.987，MCC 0.985；在排出侧最高严重程度（Level 4-5）时，各项指标均达到1.000。该方法对空化严重程度具有敏感性，支持在线诊断和空化感知的能量管理。论文发表在《Journal of Energy Storage》。

**3. 关键技术方法**

研究人员采用了以下主要技术方法：首先，基于瞬时对称分量（ISC）变换，从三相电流中提取正序幅值（POSIMAG），以消除基频相位影响并增强空化引起的转矩调制；其次，构建了旋转频率归一化功率谱密度（ROF-PSD），通过分段、汉宁窗、FFT和频率归一化，使频谱特征与泵转速动态对齐，实现变速下的鲁棒特征提取；最后，提取ROF-PSD中与叶轮叶片数（n_bl）和旋转频率（f_r）相关的空化特征频率（f_cav = n_blf_r）的幅值作为检测指标。实验数据来自公开数据集（[31]）中的Motor 4（22 kW，2极感应电机，70%额定转速运行）以及机场HVAC系统（18.5 kW，4极感应电机，8 kHz采样率）。

**4. 研究结果**

**4.1 实验故障模拟场景**

在吸入侧空化中，所提方法在Level 1（早期空化）时区分能力较弱（AUC=0.668，平衡准确率=0.624，F1=0.330，MCC=0.192），但自Level 2起性能显著提升：AUC升至0.974-0.995，平衡准确率升至0.986-0.987，F1升至0.916-0.987，MCC升至0.900-0.985。在排出侧空化中，Level 1即表现出强检测能力（AUC=0.953，平衡准确率=0.943，F1=0.864，MCC=0.842），Level 2后接近完美，Level 4-5时所有指标达1.000。相比之下，CEEMDAN指标在所有严重程度下表现较弱（AUC 0.535-0.676），ANF在早期吸入侧空化中表现最佳，但在严重程度增大后，所提方法与其性能相当或更优。通过雷达图比较，所提方法的多边形随空化严重程度增大而扩展，表明其指标对空化强度具有敏感性。

**4.2 真实工业部署**

在机场HVAC系统连续四天监测中，所提方法在高中度空化日检测到明显空化特征，且指标变化趋势与CEEMDAN和ANF一致，但提供了最清晰的空化进展模式，验证了其在工业环境中的在线检测能力。

**4.3 在线实现挑战**

在计算效率方面，处理16000样本窗口时，所提方法墙钟时间约0.043秒，ANF为0.878秒（慢20.4倍），CEEMDAN为112.183秒（慢2612倍）。峰值RAM消耗：所提方法为2070.8 MB，CEEMDAN为907.14 MB，ANF为3054.84 MB。所提方法在计算延迟上具有显著优势，适合实时监控，但内存占用可通过流式处理、原地FFT计算等策略优化。在设备与过程可变性方面，所提方法通过频率估计和电流测量具有更强鲁棒性，可扩展至其他液压和机械故障。

**5. 讨论与结论**

**讨论部分**：研究人员指出，所提方法在工业环境中面临挑战，如设备与过程可变性、计算资源效率和工业可扩展性。与ANF相比，所提方法在谐波失真下更稳健；与CEEMDAN相比，其计算效率更高。该方法仅依赖电机侧电流，限制了在只有变频器输入电流可用时的应用，且无法区分多台相似特性泵同时运行时的故障源。本研究未直接量化空化对储能性能指标或节能的影响，这需要整合电流检测器与有功功率、流量、压头/扬程和存储运行测量。

**结论部分翻译**：本研究提出了一种基于电机电流信号分析的非侵入式方法，用于变速离心泵系统的空化检测。所提出的方法基于三相电流，通过两阶段过程增强机械诱导的调制并揭示空化相关频谱模式，在速度变化下保持物理可解释性和鲁棒性。具体而言，基于POSIMAG的预处理阶段增强了转矩相关电流调制，而ROF-PSD表示使空化相关分量在旋转频率归一化域中可被跟踪。对比结果表明，所提方法明显优于CEEMDAN指标，并与ANF频率跟踪性能相当。早期吸入侧空化（Level 1）仍是最具挑战性的条件，但随空化严重程度增加，所提方法性能显著提升：在吸入Level 4，准确率0.996，平衡准确率0.987，F1分数0.987，MCC 0.985；在排出Level 4-5，分类指标达1.000。该指标对空化强度敏感，可作为空化感知的诊断层，用于储能相关基础设施中泵送系统的在线监测。计算分析表明，所提方法在处理16000样本窗口时需约0.043秒墙钟时间，远低于ANF（0.878秒）和CEEMDAN（112.183秒），适合工业在线监控。未来工作将探索集成互补传感模态、扩展分析框架以利用调制和非线性交互分量，以及将POSIMAG-ROF-PSD空化检测与能量和水力测量结合，以量化空化相关能量损失及其对储能关键性能指标（KPI）和运行效率的影响。