综述：关于弗朗西斯涡轮机状态监测系统的全面综述：技术、应用及未来趋势

《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》：A comprehensive review on condition monitoring systems for Francis turbine: Technologies, applications, and future trends

　　摘要
为了实现净零排放（即平衡温室气体（GHGs）的排放量），需要大量来自可再生能源（如水力发电）的能源。弗朗西斯水轮机是水力发电厂中最常用的水轮机类型，因其耐用性和在广泛运行范围内的高效性能而备受青睐。基于弗朗西斯水轮机的水力发电通过提供大量的能量储存来确保电网的稳定性，并且比其他形式的可再生能源对天气变化的依赖性更小。由于这些水轮机在复杂的液压和机械条件下运行，因此需要持续的性能和状态监测（CM），以便及早发现灾难性故障并防止昂贵的停机时间。以往的研究通常关注孤立的问题，如疲劳裂纹、空化、沉积物侵蚀以及子系统的某些监测方面，而没有采用系统性的方法。为了开发先进可靠的监测系统（包括最先进的硬件和工具），有必要引入多元化的研究和多方向的方法。因此，本文提供了对当前弗朗西斯水轮机状态监测技术的全面总结。该综述根据水轮机组件、所使用的传感技术和评估的故障模式对监测策略进行了分类。此外，本文还强调了重要的研究发现，讨论了数据驱动的诊断、多信号融合和数字孪生技术的发展，并指出了正在进行的研究需求和具体技术挑战。为了开发可靠的实时性能监测系统，本文还讨论了未来的发展战略和实际实施方案。本文可以为弗朗西斯水轮机状态监测的技术进步提供有用的参考。

引言
水力发电是一种成熟的可再生能源技术。在这些系统中，弗朗西斯水轮机是将大型水库的潜在能量转化为电能最常用的水力机械。这一过程通过高效的混合流（即从转轮入口处径向流动（垂直于旋转轴）到转轮出口处轴向流动（平行于旋转轴）进行液压转换[1]。流体中的液压能量（即径向和轴向流动的动能和压力能）需要有效地转化为机械能/轴功率。与其他可再生能源技术不同，使用弗朗西斯水轮机的水力发电可以根据需求进行调度。特别是，它与抽水蓄能方案兼容，可以在需求低时储存多余的能源，并在需要时生成电能[2]。弗朗西斯水轮机的现代设计可以追溯到19世纪末，此后，仅弗朗西斯水轮机就贡献了全球约60%的水力发电装机容量，因为它们适用于广泛的落差条件。自20世纪50年代以来，特别是二战后，随着电气化和大规模水力发电的发展，弗朗西斯水轮机的使用显著增加（增加了八倍以上）。这种增长是由应对气候变化、提高可再生能源利用率以及减少电网碳排放的需求推动的[3][4]。最新的弗朗西斯水轮机安装主要集中在亚洲（尤其是中国和印度）以及南美洲[5]。鉴于弗朗西斯水轮机在水力发电厂中的广泛应用，其升级、维护和运营策略不断变化，这带来了降低成本和时间的挑战。

每个水力发电厂的核心在于水力机械——水轮机、发电机、泵和辅助系统，它们确保了水能向电能的转换。水轮机（尤其是弗朗西斯型、卡普兰型和佩尔顿型）的效率、可靠性和可持续性决定了整个电站的效率、能源安全性和经济性[6]。它们的健康状况和性能直接影响电站的效率、能源安全和经济效益，而它们长达30-40年的设计寿命使它们成为高价值资产。通过对老化电站进行剩余寿命评估（RLA），可以将其使用寿命延长近一倍。水轮机将水的势能和动能转化为旋转机械功，从而驱动发电机，即水轮机单元将液压能量转化为电能。水力机械设备主要由转轮、导叶和蜗壳组成，是水力发电的核心。根据流量模式、specific speed（特定速度）和落差条件，水轮机被分为弗朗西斯型、卡普兰型和佩尔顿型等不同类型[7]。弗朗西斯水轮机在中等落差和混合流条件下更高效，卡普兰水轮机适用于低落差和高流量的轴向条件，而佩尔顿水轮机则设计用于高落差和低流量条件[7]。水轮机转轮叶片、导叶和喷嘴组件的流体动力特性对其效率、空化频率、流动诱导振动和负荷瞬态响应有显著影响。从技术和经济角度来看，水轮机是极具价值且寿命长的资产，设计寿命常常超过三到五年。电站的总输出和生命周期成本直接受到这些水轮机运行效率、维护计划和故障模式的影响。诸如流动分离、空化损伤和水力磨蚀等水轮机退化过程不仅会阻碍液压性能，还会导致效率降低和相关损失增加，还会引发额外的维护成本和计划外停机，对电站的经济性和能源安全产生不利影响。为了在各种负荷条件下保证稳定性、灵活性和运行安全性，先进的水轮机设计优化（如利用计算流体动力学（CFD）改进叶片轮廓）以及结合振动、压力和流动诊断的实时状态监测系统变得至关重要。这些技术有助于将水轮机保持在最佳效率点（BEP），减轻动态不稳定性（如导叶管涡旋和偏离设计空化），延长组件寿命，同时降低总拥有成本[8][9]。

水力发电厂最基本和最重要的组成部分是水轮机单元。表1提供了不同类型水轮机的基本概述，图1展示了水轮机的典型构造。表中提到的参数是通用的，在某些情况下，参数范围可能会有所不同。例如，佩尔顿水轮机的最大落差可达1870米（瑞士的Biedron发电站）。大多数已安装的发电厂都使用弗朗西斯水轮机，因为它们可以在不同的落差和流量范围内运行。许多新的和现有的水力发电项目选择它们，是因为它们的多功能性、高效率和坚固的结构[6][7]。然而，由于可再生能源发电的变化、峰值需求的增加以及对可调电网支持服务的需求，现代电力系统面临着更加不稳定的运行条件[12][13]。因此，弗朗西斯水轮机现在必须在部分负载条件下运行，经历频繁的启停循环和快速负荷变化[14][15]。这些操作会引发复杂的水流动力学扰动，增加故障概率，降低效率并加速机械磨损。这些不稳定性包括空化启动、导叶管涡旋、转子-定子相互作用（RSI）和非稳态压力脉动[16][17][18][19]。

由于这些挑战，故障监测和实时性能评估对于现代水力发电厂的运行至关重要：
- **空化**：高压区域中的蒸汽泡破裂会严重损坏水轮机叶片和叶轮，导致材料损失和性能下降，从而增加能源消耗和计划内维护的频率[20]。
- **侵蚀**：在含有沉积物的水中，水轮机组件的退化速度加快，降低了效率并增加了维护费用和停机时间。沉积物侵蚀会恶化液压性能，导致能量转换不足[21][22]。
- **腐蚀**：长时间暴露在水、化学物质和环境因素中会导致材料老化，降低设备耐用性并增加维护成本。腐蚀材料排放到水体中还可能造成环境污染[23]。
- **机械磨损和不对中**：轴承故障、轴不对中以及长期运行应力导致的过度振动会导致意外停机和高昂的维修费用[24]。
- **流动不稳定性**：湍流、压力波动和水力机械中的涡旋形成会阻碍高效运行，导致性能偏差和能源浪费[14]。

所有这些挑战都会降低设备耐用性，加剧环境破坏，并增加运营成本。例如，效率低下的水轮机需要更多的水流来产生相同的能量，这对河流生态系统产生负面影响，并破坏自然水位。此外，频繁更换组件会通过增加材料消耗和废物产生对可持续性产生负面影响。

詹姆斯·B·弗朗西斯于1849年首次设计了弗朗西斯水轮机，改进了早期的向心流式水轮机，通过引入螺旋壳体、导叶和固定叶片机制实现了显著更高的效率[25]。它是运行在广泛落差和流量范围内的最流行的反作用式水轮机之一[26][27]。弗朗西斯水轮机有许多组件，每个组件都有特定的功能。水从螺旋壳体以高压进入，水轮机叶片提取能量并将其传递给与发电机耦合的涡轮轴[28][29]。在水力发电领域，弗朗西斯水轮机至关重要，因为它们产生了近60%的总电能[30]。图2和图3简要描述了弗朗西斯水轮机的年装机容量增长和主要组件。

尽管有许多优点，但在弗朗西斯水轮机的运行过程中仍会出现一些常见问题，如侵蚀、空化、腐蚀、机械磨损和流动不稳定性。这些问题共同影响了弗朗西斯水轮机的性能。现代电力系统中的流动条件很少保持稳定，因此这些水轮机经常处于部分负载运行、快速负荷变化和频繁启停循环中。这些运行模式引入了多种液压和机械现象，长期来看可能会影响结构完整性，如图4所示。理解这些机制非常重要，因为它们在压力、振动或声学测量中留下了明显的特征，这些特征是实时监测和诊断工具的基础[31]。Dorji和Ghomashchi（2014）通过文献和现场观察研究了水轮机的故障模式，确定了四种主要的故障类型——空化、侵蚀、疲劳和材料缺陷，并指出故障类型取决于水轮机类型：例如，反作用式水轮机（如弗朗西斯水轮机）主要因空化而故障，而冲击式水轮机（如佩尔顿水轮机）则更容易发生侵蚀[8]。表2详细说明了每种故障在不同组件上的表现（如前缘/后缘空化、导叶管涡旋、叶片之间涡旋、侵蚀、叶片疲劳裂纹），并概述了其原因（流动剖面、沉积颗粒、负荷循环）以及防止这些故障的监测或缓解策略（设计参数、材料涂层、在线振动监测）[35][36]。这一全面概述为后续研究提供了背景，总结了与空化、磨蚀磨损、循环疲劳以及制造和维护缺陷相关的物理机制和易受影响的部分[37][38]。

Nautiyal和Goel（2020）关注了水力发电系统的环境和生命周期可持续性影响，强调在可持续性评估中需要考虑温室气体（GHG）排放、土地使用、酸化和生物质分解等因素。该论文还指出，尽管小型水力发电项目通常被认为影响较小，但仍存在显著的环境挑战。这些发现支持在水力发电厂（如使用弗朗西斯和佩尔顿水轮机的电站）实施可持续监测系统的必要性[48]。Cui（2025）对一台大型（10,200兆瓦）弗朗西斯水轮机的导叶和固定叶片中的流动诱导振动进行了高保真数值分析。通过使用谱元素方法（SEM）和双方向流固耦合（FSI）的CFD方法，他们发现了涡旋如何产生独特的振动特征。研究发现，吸力侧的有利压力梯度会将小涡旋拉伸成大的、延长的结构，导致强烈的低频、高幅度脉动（通常低于10赫兹）；而压力侧的不利压力梯度则会产生许多小的、随机的涡旋，导致宽频带的高频、低幅度脉动。定量分析表明，导叶经历的力波动比固定叶片大得多。值得注意的是，从导叶后缘脱落的流体会在约230赫兹处产生高达0.17（无量纲振幅）的频谱峰值，这一频率足够高，可能会与涡轮机的振动模式发生共振。总之，这项研究提供了详细的物理解释（并附有数值证据），说明了叶片周围的流动不稳定性如何引发弗朗西斯式涡轮机中观察到的多尺度振动（以及相关的疲劳风险）[49]。此外，表3还基于主要故障机制进行了比较性总结，表中列出了故障类别、受影响的部件、诊断指标、监测方法和运营影响。

沉积物侵蚀是水力发电厂面临的主要挑战之一，这些问题直接或间接源于印度次大陆、欧洲阿尔卑斯山脉和太平洋沿岸山脉[57]、[58]。根据美国材料与试验协会（ASTM）640-88标准，磨损被定义为固体表面由于与接触物质的相对运动而逐渐失去材料的过程。硬颗粒侵蚀指的是固体表面由于流体携带的硬颗粒的反复撞击或滑动作用而逐渐失去材料的现象。在水轮机中，富含石英的沙粒以高速度撞击部件表面，导致局部塑性变形、微切割和材料去除，最终影响水力性能和结构完整性[59]。在沉积物含量较高的地方（如多泥沙的河流）运行的弗朗西斯式涡轮机中，沙子和淤泥等硬颗粒会以高速度损坏涡轮机部件，导致侵蚀，主要影响转轮叶片、导叶和外壳表面，从而降低效率、增加叶片表面的粗糙度，并增加维护需求[21]、[60]。图5展示了一个典型的弗朗西斯式涡轮机部件受到沉积物侵蚀的示意图。

许多研究者研究了控制或减少弗朗西斯式涡轮机中沉积物侵蚀的不同方法，主要集中在不同的运行条件、选择合适的材料、表面改良以及优化所有其他重要参数上。已经进行了大量的实验和数值研究来研究侵蚀模式以及导叶开度的影响。Cruzatty（2021年）对不同涡轮机运行条件下的侵蚀速率进行了简要的数值分析，并研究了导叶开度对侵蚀行为的影响[61]。同样，Acharya（2022年）使用CFD研究了弗朗西斯式涡轮机中的沉积物侵蚀问题，重点关注导叶间隙、叶片角度方向和侵蚀建模。关于网格划分和导叶内侵蚀模式的信息显示在图5中[62]。此外，Thapa（2012年）开发了经验模型来估计沉积物侵蚀对弗朗西斯式涡轮机性能的影响。尽管采取了这些缓解和建模措施，但在实际运行条件下仍无法完全避免沉积物侵蚀，因此持续的条件监测对于早期发现和维护规划至关重要[63]。Gautam（2022年）通过结合仿真和实验在一个设计优化循环中解决了弗朗西斯式涡轮机转轮叶片的沉积物侵蚀问题。他们通过实验设计（DoE）参数化了转轮叶片的几何形状，并生成了样本设计。每个设计都使用CFD结合侵蚀模型进行评估，然后在实验室沉积物侵蚀装置中进行测试，以测量效率和侵蚀磨损。这些数据被输入到一个多目标遗传算法（MOGA）中，该算法优化叶片几何形状以实现两个目标：最大化水力效率和最小化侵蚀深度。最终产生了两个帕累托最优设计，其中一个设计被制作成原型并进行测试。结果表明（无论是数值还是实验结果），这种优化后的转轮叶片在保持良好效率的同时显著提高了抗侵蚀能力。例如，仿真预测并且实验室测试证实，优化后的叶片相比原始叶片具有更低的侵蚀率。这项研究的贡献是一个系统性的设计流程（DoE + CFD/实验 + MOGA），能够为高淤沙环境量身定制实用的叶片形状[64]。

汽蚀是弗朗西斯式涡轮机中的一种严重故障机制，在其运行过程中是一个主要问题（Brennen 1995）。当流动中的局部静压降至蒸汽压以下时，就会发生汽蚀，从而形成气泡[65]。这些气泡在进入压力较高的区域时会剧烈破裂，产生高局部应力、冲击波和微喷射流[66]、[67]。长期运行下，汽蚀会导致表面损坏、性能下降、振动增加和噪音增大，因此在条件监测研究中这是一个需要重点关注的现象，如图6所示[68]、[69]。弗朗西斯式涡轮机中的汽蚀发生和严重程度取决于多个运行和设计参数。关键影响因素包括净水头、流量、转速、涡轮机负载和Thoma汽蚀系数（σ）。汽蚀系数是一个无量纲数，用于解释汽蚀的强度；系数值越低，产生汽蚀所需的压降越大[70]、[71]、[72]、[73]。在非设计工况下运行，特别是在部分负载和过载状态下，汽蚀的可能性显著增加。此外，不良的导叶管设计、表面粗糙度和快速负载波动会进一步加剧与汽蚀相关的流动不稳定性。汽蚀会导致弗朗西斯式涡轮机出现多种运行和结构问题。气泡的频繁破裂会对转轮叶片、导叶和导叶管表面造成渐进性损坏，从而缩短部件寿命和降低涡轮机性能[65]、[74]。汽蚀还会由于流动模式的扰动和增加的水力损失而导致效率下降[21]。从条件监测的角度来看，汽蚀通常与振动水平升高、高频声发射和噪声水平增加相关联，这些可以有效地作为诊断指标[39]、[75]。图6显示了弗朗西斯式涡轮机中汽蚀发生的不同位置。

为了减轻汽蚀的影响，需要结合设计变更和运行措施。主要的预防措施包括使用适当的涡轮机设置保持足够的汽蚀裕度并在批准的负载限制内运行。设计层面的改进措施，如改进的转轮叶片轮廓、导叶管几何形状以及应用抗汽蚀涂层，已被证明非常有效。实时条件监测，包括振动分析、声发射技术和压力波动测量，也有助于早期发现汽蚀的起始。这使得可以迅速采取纠正措施，减少损坏并延长涡轮机寿命[76]。十多年来，许多研究者研究了不同的方法来克服汽蚀问题并减少其对涡轮机的影响。他们提出了一种逆向工程和优化方法来修复旧的弗朗西斯式涡轮机转轮[77]、[78]。他们首先对实际磨损的叶片几何形状进行3D扫描（因为修复后的形状往往与设计图纸不同），然后将其导入计算机辅助设计（CAD）[79]。接着，他们在叶片与轮毂和叶片护罩的接口处添加了经过实证证明可以减少应力集中和抑制汽蚀/裂纹形成的修改特征[80]、[81]。这些修改后的转轮模型通过流固耦合（FSI）仿真（结合CFD和结构FEA）进行评估，以评估水力性能和应力[82]。通过基于仿真的多目标算法优化混合表面的几何参数（在最大化效率的同时最小化应力/汽蚀倾向）[83]、[84]、[85]。最后，工作流程的输出结果通过沉浸式虚拟现实可视化，以辅助工程师。简而言之，这项研究的技术贡献是一个完整的流程——从实际几何形状获取到自动化插入优化后的维护特征，再到FSI验证——旨在通过减少疲劳和汽蚀损伤来延长转轮叶片的寿命[4]、[86]。

Wang（2019年）对射流泵式汽蚀反应器（JPCRs）中的汽蚀进行了实验研究，重点关注几何形状如何影响汽蚀强度和噪声。他们测试了不同喉部长度（短喉部与长喉部、收敛喉部与发散喉部）和扩散角度的JPCRs，在不同的流速比下捕捉高速下的汽蚀云图像并测量声学噪声。关键发现是喉部几何形状主导了汽蚀行为：具有发散喉部、长喉部和较小扩散角度的反应器显示出更高的汽蚀强度（更密集的汽蚀云）和更大的声学噪声，而收敛喉部或短喉部则抑制了流动和汽蚀的发展。他们还观察到，随着流速比的减小（偏离设计值），声压水平呈现出非单调变化（先下降后上升再上升），反映了汽蚀的起始和完全发展。在极端流速条件下，反应器完全发生汽蚀。这些结果有助于解释设计选择如何影响汽蚀故障——例如，小角度、发散喉部的JPCR会加剧汽蚀（高SPL）。这项研究为反应器设计和噪声诊断提供了指导[87]。Yang（2024年）提出了一种创新的仿生改进方法，用于在低负载条件下减少弗朗西斯式涡轮机中的破坏性压力脉动（疲劳的前兆）。他们使用CFD仿真，在导叶上添加了“鲸尾”形状的突起，在导叶管壁上添加了突起（BDG）。通过模拟偏离设计值的（部分负载）流动，他们发现改进后的导叶管（BDG）显著减弱了大尺度涡旋脉冲：例如，在Q/QBEF = 0.41时，导叶管中的峰值压力波动幅度减少了约95%，在Q/QBEF = 0.57时减少了约60%。仿生导叶（BG）也减弱了波动，尽管在导叶管中的效果稍差。流动可视化显示，仿生元素破坏了涡旋结构（将大涡旋分解成小涡流），从而抑制了可能引起振动和叶片疲劳的强烈低频脉动。总之，技术结果显示，局部部件上的战略性仿生形状在某些情况下可以将压力脉动幅度（以及疲劳载荷）降低大约一个数量级[88]。

转轮叶片承受着稳定的水力载荷以及由涡流绳脉动和瞬态运行条件引起的周期性载荷[89]、[90]。如果存在汽蚀，材料表面会变得粗糙或变弱，从而更容易产生裂纹。历史上，疲劳故障曾在水电设施中导致重大事故，因此叶片的完整性是涡轮机研究中一个重要课题[91]、[92]。常用的监测技术如应变 gauge、模态测试和声发射常用于检测早期裂纹生长[85]。轴承在保持轴对齐方面起着关键作用。无论是由于润滑不良、污染还是过载引起的轴承磨损，通常都会导致中频范围内的振动增加和轴承温度上升[93]、[94]。随着磨损的加剧，可能会发生金属与金属之间的接触，这通常可以通过声发射检测到。轴承故障是水电厂中最常见的机械问题之一，条件监测系统通常包括振动和温度测量，以识别轴承的早期恶化[56]、[95]、[96]。尽管大量的实验室研究和数值研究增强了人们对汽蚀侵蚀机制的理解，但从实际运行的水电厂获得的数据对于评估材料在实际服务条件下的实际退化程度仍然至关重要。在实际运行中，汽蚀经常与沉积物侵蚀同时发生，尤其是在位于山区、河流中含有大量磨蚀颗粒的高水头水电厂中。在这种条件下，气泡的反复破裂会产生局部压力脉冲和微喷射流，从而削弱材料表面，而悬浮颗粒会加速已损坏区域的材料去除。因此，涡轮机部件可能在相对较短的时间内经历显著的质量损失、表面粗糙化、叶片变薄和效率下降[97]、[98]、[99]、[100]、[101]。图7展示了在印度Bhilangana-III水力发电厂运行的弗朗西斯式涡轮机的现场测量累积转轮质量损失数据。参考文献[97]报告的结果表明，随着运行时间的增加，转轮材料损失逐渐增加，在6993小时后达到了约29公斤。侵蚀损失导致叶片后缘厚度减少了约3毫米。这些观察结果突显了沉积物侵蚀条件下弗朗西斯式涡轮机的大量材料损失，因此需要密集的维护工作。

为了比较不同涡轮机配置下的侵蚀强度，图8展示了弗朗西斯式、卡普兰式和佩尔顿式涡轮机的叶片表面侵蚀深度与运行时间的关系。弗朗西斯式涡轮机的转轮叶片在一个运行周期后达到了约3.00毫米的侵蚀深度，而卡普兰式涡轮机的叶片出口显示出最高的侵蚀率，达到每年3.83毫米[98]。对于佩尔顿式涡轮机，总叶片侵蚀率约为每年3.40毫米，而单独由汽蚀引起的侵蚀仅约为每年0.50毫米[99]、[100]。这些值之间的显著差异表明了汽蚀和沉积物磨损之间的强烈协同作用。研究结果清楚地表明，严重的材料腐蚀不能仅仅归因于空化现象；实际上，是空化与泥沙的联合作用导致了水力和磨损机制的共同作用，这些机制共同决定了整体的侵蚀强度，无论涡轮机的类型如何。为了维护计划的目的，图9汇总了所调查的水电站中不同涡轮机部件的年侵蚀率。Kaplan叶片出口处的侵蚀率为3.83毫米/年，Francis叶轮叶片后缘的侵蚀率为3.75毫米/年，Pelton叶片表面的侵蚀率为3.40毫米/年，这些数值在所研究的部件中表现为最高的侵蚀率[97]，[98]，[100]。这些数值超过了通常认为需要频繁检查和维护规划的阈值，尤其是在那些受到严重水力磨损条件影响的水电站中。尽管侵蚀强度因涡轮机设计、运行水头、流动特性和沉积物性质而异，但现场数据一致表明，与空化相关的材料损失对所有主要类型的涡轮机都构成了显著的可靠性挑战。因此，有效的状态监测、沉积物管理、先进的防护涂层和预测性维护策略对于延长涡轮机的使用寿命和保持运行效率至关重要。

总的来说，这些观察结果证实了空化侵蚀不仅仅是一个局部表面现象，而是一个直接影响涡轮机可靠性、维护成本和长期水电厂性能的关键运行问题。传统的水电站状态监测主要依赖于定期检查、离线振动测量和一般性能测试（例如，指数测试）。虽然这些方法对于稳定运行是有效的，但它们无法捕捉到在当今灵活运行环境中常见的瞬态或快速发展的故障。实时监测系统使操作人员能够：
- 早期发现空化、错位、轴承退化以及压力脉动的现象
- 跟踪在不同条件下的性能下降和效率损失
- 在故障恶化之前进行预测性维护
- 优化涡轮机负载以减少应力并提高使用寿命
- 将涡轮机行为整合到整个电站的数字化优化框架中

传感器技术的最新进展、高频数据采集、信号处理、机器学习和数字孪生技术的发展极大地扩展了在线监测的能力。这些技术现在能够以前所未有的精度全面连续地评估涡轮机的健康状况和性能[52]。尽管取得了这些进步，但相关文献仍然分散，通常只关注振动分析、压力波动研究或空化监测等个别技术。目前仍然缺乏专门针对Francis涡轮机的综合评论，该评论应整合实时监测、状态监测（CM）系统、数据采集（DAQ）、信号处理、人工智能（AI）和数字孪生技术[102]，[103]，[104]，[105]。Francis涡轮机系统包括多个液压和机械部件；然而，叶轮最容易受到空化和沉积物侵蚀的影响。叶轮的子部件，如叶片和冠面的侵蚀既可能由空化引起，也可能由沉积物引起。加速的沉积物侵蚀发生在叶片的前缘，而马蹄形侵蚀则由于水流进入叶片之间而产生，湍流侵蚀则发生在叶片的出口区域[106]，[107]。空化还发生在叶轮的不同区域，图中显示了压力较低和速度较高的区域[10]。

Francis涡轮机单元的主要组成部分如下：
- 进水渠道将水引导至涡轮机，并可能使用拦渣栅阻挡杂物；
- 螺旋壳将水均匀分布到涡轮机周围；
- 导流叶片提供结构支持并引导水流；
- 导叶（购门）控制水流进入叶轮；
- 叠轮将水力能量转化为机械扭矩；
- 轴将扭矩传递给发电机；
- 抽水管道恢复压力并稳定出水流；
- 尾水隧道在能量提取后将水排走[60]，[108]。
所有这些部件都不断面临水力应力，并可能遭受空化、沉积物侵蚀、压力波动、导叶故障、疲劳、错位和振动等问题。这些问题中的任何一种都可能扰乱正常运行。因此，状态监测和定期检查对于识别、预防和解决运行中的故障至关重要。图1、图3、图4、图5、图6展示了Francis涡轮机的一般示意图、布局和叶片；Francis涡轮机部件的主要问题，如空化和侵蚀；各种部件的损坏情况，例如导叶和叶片；沉积物侵蚀对导叶的影响；以及面临多种问题的叶轮区域。过去的综述通常只关注一种信号类型，如振动，或者单一的故障机制，如空化或疲劳。虽然这些贡献是有帮助的，但它们仅涵盖了对Francis涡轮机更广泛监测需求的一部分。这一局限性突显了需要一份详细综述的必要性，以准确解决Francis涡轮机的状态监测问题[8]，[39]，[110]。

如表4所示（专为Francis涡轮机定制），大多数现有综述要么关注叶轮，要么关注发电机系统。它们经常忽略其他重要的涡轮机子系统，或者将它们过于宽泛地归类在一起。空化仍然是研究最多的现象，这暴露了与沉积物侵蚀、抽水管道不稳定性、导叶行为和部分负载流动动态相关的研究空白。振动和压力信号是最常用的方法，因为它们可以从涡轮机部件中提取诊断特征，并有助于检测异常情况。此外，近年来越来越多的综述文章探讨了水电系统中的状态监测和故障诊断。大多数研究集中在特定领域，包括空化检测、基于振动的诊断、维护计划、人工智能应用或预测性维护技术。尽管这些贡献增强了了对特定监测方法的理解，但它们通常只关注涡轮机健康评估的个别方面，而没有提供整个监测过程的全面概述[2]，[39]，[118]。例如，一些综述研究了振动分析和先进的信号处理方法来检测旋转机械中的故障，而其他研究则关注与空化相关的问题或使用机器学习进行维护决策。然而，只有少数研究试图在单一框架内结合涡轮机部件、故障机制、传感技术、信号类型、诊断方法和实际部署考虑因素，特别是针对Francis涡轮机的应用[2]。同时，由于能源需求和电网要求的变化，现代水电站越来越需要在灵活和动态的条件下运行。这种转变增加了对实时监测系统的需求，这些系统能够有效捕捉瞬态事件、波动的运行负荷、水力干扰以及水力、机械和电气子系统之间的相互作用。尽管在人工智能、数字孪生和多传感器数据融合等领域取得了显著进展，但这些发展往往被单独讨论，很少从综合状态监测的角度进行评估[105]，[119]，[120]。

为了弥合这一差距，本综述提出了组件-故障-信号分析（CFSA）框架以及监测评估框架（MEF）。这些框架建立了涡轮机部件、潜在故障模式、测量信号、传感技术和诊断方法之间的明确联系。此外，本综述将传统监测实践与新兴技术相结合，包括AI/ML方法、数字孪生概念、基于SCADA的监测系统和多传感器融合策略。它们在Francis涡轮机水电站中的优势、局限性和适用性得到了严格审查。因此，本综述超越了现有文献的传统总结，为未来状态监测系统的发展提供了更广泛、更实用、更注重应用的视角[106]。本综述在讨论应用于Francis涡轮机每个主要部件的常见监测系统的基础上进行了扩展。它不仅仅列举了技术，而是创建了一个基于三个关键理念的Francis涡轮机状态监测发展评估框架：
- 组件-故障-信号分析（CFSA）链，将涡轮机部件与其主要故障联系起来，能够检测这些故障的信号，以及用于解释这些信号的方法；
- 从关注单个组件的诊断转向在涡轮机层面进行健康管理，体现了从孤立信号到更全面理解组件相互作用的转变；
- 从描述性分析转向预测性和规范性分析，从传统指标转向基于维护决策的支持系统和基于AI的预测方法。

本综述基于一个专门为Francis涡轮机设计的多维评估框架。这种方法通过结合传感技术、分析技术、故障机制和被监测部件，提供了对状态监测技术的深入评估。本综述的三个主要方面如下：
- 首次对Francis涡轮机部件的状态监测系统进行了全面分类；
- 详细介绍了连接信号、故障和分析技术的MEF；
- 将当前研究与实际工业应用和面临的挑战联系起来。

本综述的其余部分结构如下：第2节列出了发现和分类文献的方法，第3节描述了Francis涡轮机部件的当前监测技术，第4节详细分析了研究结果。基于文献研究，我们注意到三个关键问题尚未得到充分解决：关于个别监测领域的信息碎片化、需要耦合/集成的状态评估、统一的状态监测系统以及实际挑战。过去二十年里，Francis涡轮机的状态监测和故障诊断吸引了大量的研究关注，产生了许多针对特定主题的综述研究，如空化检测、基于振动的诊断、预测性维护策略、信号处理技术和人工智能应用。虽然这些研究为个别监测领域提供了宝贵的见解，但现有文献仍然存在很大碎片化。大多数综述独立地研究故障、传感器或分析方法，并没有充分捕捉控制Francis涡轮机单元整体健康和性能的水力、机械和电气子系统之间的复杂相互作用。这一局限在现代水电站中变得越来越重要。间歇性可再生能源的日益普及改变了水电站的运行角色，从传统的基荷发电转变为灵活的负载跟随和电网平衡服务。因此，Francis涡轮机经常需要在非设计条件和瞬态条件下运行，包括部分负载、过载、启动、关闭和快速负荷变化场景。这些运行模式加剧了诸如空化、抽水管道涡旋绳形成、压力脉动、转子-定子相互作用和流诱导振动等水力现象，同时影响机械应力和机电响应。结果，故障机制往往在多个子系统之间耦合并演变，使得孤立的监测方法不足以进行可靠的状态评估和预测性维护[41]，[121]。文献中还存在的另一个空白是缺乏一个结构化的框架，该框架系统地关联涡轮机部件、退化机制、传感技术和获取的信号以及诊断方法。尽管在机器学习、数字孪生、监督控制和数据采集（SCADA）系统以及多传感器监测等领域取得了显著进展，但它们整合到统一的状况监测视角中的程度仍然有限。此外，很少有研究能够批判性地评估与实时部署相关的实际挑战，包括数据质量、传感器可靠性、计算需求、模型可解释性以及工业可扩展性。为了解决这些研究空白，本综述提供了以下关键贡献：

- 开发了一种组件故障信号分析（CFSA）框架，该框架建立了关键的弗朗西斯涡轮机组件、主要故障机制、可测量的状态指标以及相应的诊断技术之间的系统关系；
- 引入了监控评估框架（MEF），该框架能够基于适用性、有效性和实施要求对传感技术、信号处理方法和数据驱动的诊断方法进行结构化比较；
- 在单一分析框架内全面整合了监控技术，包括振动分析、压力波动监测、声发射技术、基于SCADA的评估、机器学习算法、数字孪生技术和多传感器数据融合策略；
- 对实时状态监控能力进行了关键评估，特别关注诊断准确性、计算复杂性、在瞬态运行条件下的鲁棒性以及与工业实施相关的挑战；
- 识别出新兴的研究方向和技术机会，包括预测性维护架构、边缘计算智能、可解释的人工智能、物理信息驱动的机器学习、数字孪生集成以及适用于水力发电的下一代自主监控系统。

通过解决这些方面，本综述超越了传统的以技术为中心的调查方法，提供了对弗朗西斯涡轮机状态监控和故障诊断的全面视角，从而支持开发更可靠、更智能和更具适应性的监控系统，以用于现代水力发电厂。

### 文献搜索方法
本以弗朗西斯涡轮机为中心的综述采用的方法如下：
- 在Scopus和Google Scholar等主要学术数据库中进行了广泛的文献搜索，使用了包括“弗朗西斯涡轮机、水力涡轮机、状态监控、弗朗西斯涡轮机中的空化现象、振动分析和水力发电性能评估”等关键词。这确保了对与弗朗西斯涡轮机操作监控和故障诊断相关研究的广泛覆盖。

### 弗朗西斯涡轮机的当前状态监控技术
本部分概述了最广泛采用的状态监控方法以及弗朗西斯涡轮机主要组件常见故障机制。为了清晰起见，讨论通过将具有相关运行特性、退化机制和监控需求的组件分组来进行。在每个子部分中，详细检查了文献中提到的常见故障及其相应的监控技术。

### 弗朗西斯涡轮机在水力发电厂中的状态监控
弗朗西斯涡轮机的状态监控对于早期故障检测和可靠运行至关重要；然而，在实际部署中却面临许多挑战，因为标记的故障数据稀缺，且需要能够跨不同涡轮机组和运行条件进行泛化的模型。传统的人工神经网络（ANN）基方法为使用振动、压力和电信号进行数据驱动的故障分析奠定了基础。状态监控（CM）已经从实验概念发展成为现代弗朗西斯涡轮机水力发电厂的必要操作。随着电厂运营商寻求更高的可用性、更长的组件寿命和更低的维护成本，CM系统越来越被集成到日常运行中，而不仅仅局限于离线诊断或实验室规模的研究。

### 研究空白
在过去二十年里，由于传感技术、信号处理技术和人工智能的进步，水力发电系统的状态监控（CM）技术取得了显著进展。然而，对现有文献的批判性回顾表明，仍然存在一些重要的未解决挑战，特别是对于在日益动态的电网需求下运行的弗朗西斯涡轮机而言。尽管许多研究已经展示了成功的故障检测...

### 结论
本文探讨了水力发电厂中状态监控（CM）的现状，重点关注使用弗朗西斯涡轮机的电厂。它包括基于被监控的主要组件的文献，以及相关的传感和分析技术。通过分析已发表研究的定性模式和定量发现，确定了未来研究的方向。对每个组件的全面调查...

### 其他信息
作者没有利益冲突。

### 作者声明
- Juhi Padma：概念化；数据整理；形式化分析；调查；方法论；验证；可视化；初稿撰写；审阅与编辑
- Hemant Sagar：概念化；数据整理；形式化分析；调查；方法论；验证；可视化；初稿撰写；审阅与编辑；资金获取；监督

### 竞争利益声明
作者声明他们没有任何已知的竞争财务利益或可能影响本文工作的个人关系。

### 致谢
我们感谢复杂流动与能源研究实验室（CFERL）在研究过程中提供的激励和支持，同时也感谢印度人力资源与发展部（教育部）提供的奖学金支持。