CN100561246C - 负载工况下自动识别发电机转子绕组匝间短路故障的方法 - Google Patents

负载工况下自动识别发电机转子绕组匝间短路故障的方法 Download PDF

Info

Publication number
CN100561246C
CN100561246C CNB2006100429830A CN200610042983A CN100561246C CN 100561246 C CN100561246 C CN 100561246C CN B2006100429830 A CNB2006100429830 A CN B2006100429830A CN 200610042983 A CN200610042983 A CN 200610042983A CN 100561246 C CN100561246 C CN 100561246C
Authority
CN
China
Prior art keywords
magnetic flux
rotor
flux density
fault
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CNB2006100429830A
Other languages
English (en)
Other versions
CN1896760A (zh
Inventor
陈锋
司刚全
张彦斌
虞鹤松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CNB2006100429830A priority Critical patent/CN100561246C/zh
Publication of CN1896760A publication Critical patent/CN1896760A/zh
Application granted granted Critical
Publication of CN100561246C publication Critical patent/CN100561246C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

本发明公开了一种负载工况下自动识别发电机转子绕组匝间短路故障的方法,该方法对磁通量探测器的感应电势波形积分获得磁密波形,提取故障特征,并给出了两个新的计算方法的结合获取故障检测结果,一个是比较磁密波形半周期对称位置的转子齿谐波波峰和波谷之间偏差的计算方法,该方法解决了传统方法磁通量探测器感应电势波形在负载工况下非对称而导致无法准确监测故障的问题;另一个是比较磁密波形转子齿谐波峰峰值的计算方法,该方法解决了传统方法在发电机转子对称位置出现匝间短路故障的情况下无法监测到故障的问题。本发明的方法可以满足发电机负载工况下在线监测的要求,且故障诊断的准确性得到进一步提高,漏报率有很大降低。

Description

负载工况下自动识别发电机转子绕组匝间短路故障的方法
技术领域
本发明涉及一种故障识别方法,特别涉及一种负载工况下自动识别发电机转子绕组匝间短路故障的方法,该方法基于感应电势积分获得磁密波形,对磁密波形进行进一步分析的方法,消除传统方法磁通量探测器感应电势波形在负载工况下非对称而导致无法准确监测故障的问题;及在发电机转子对称位置出现匝间短路故障的情况下无法监测到故障的问题。
背景技术
发电机转子绕组匝间容易发生短路故障。匝间短路故障容易导致局部过热,最后形成转子接地故障。此外,匝间短路引起转子发热不均匀,转子弯曲和产生不平衡的磁拉力,所有以上这些因素将引起电机振动增加。由于转子绕组匝间短路故障初期阶段对机组正常运行影响不大或故障特征不明显往往容易被忽视,而随时间的增加,许多匝间短路故障会进一步发展,转子绕组一点甚至两点接地,导致恶性事故的发生,因此进行匝间短路故障的早期预报是十分必要的。
对于发电机转子绕组匝间短路故障的判断,目前国内外通用的手段是在静态工况下进行诸如:绝缘、直流阻抗、交流阻抗和功耗等常规预防性试验项目,其周期一般为3-4年一次,由于试验周期较长,且做此类试验必须使发电机组停止运行,适合于发电机组大修期间的常规试验,或对运行状态下预报出的短路故障进行进一步确认性诊断(停机后进行)。由此可见,此类实验对运行期间所发生的匝间短路故障,难以形成有效的检测。
磁通量探测器在近十多年来在国内外获得了广泛的应用,国家机械部在1996年颁布了JB/T 8446-1996标准,对发电机转子匝间短路的诊断制定了两种诊断方法。一种是用于静态工况下检测的阻抗测量法,另一种是用于动态工况下检测的探测线圈波形法。
探测线圈波形法是在转子旋转几何180°前后读取两组数据,以做比较。探测线圈波形法在发电机带负荷运行时诊断的灵敏度会降低,同时难以实现一次定位,对于轻微的匝间短路有时候也难以检测到。发电机带负荷运行时由于电枢反应会影响转子的磁滞回线出现非对称现象,其结果会导致探测线圈波形是非对称的。同时如果发电机转子对称位置出现匝间短路故障该方法也将会失效。
转子除具有高的磁导率外,另一重要的磁性特点就是磁滞。在直流磁场和交流磁场的同时作用下,铁磁的磁化过程较复杂。如果在一个直流偏置磁场的基础上,作用一个小信号交变磁场时,铁磁材料的磁状态将不沿磁化曲线变化,而以原工作点为中心,形成一个增量环(即局部磁滞回线)这个磁滞回线叫做增量磁滞回线(非对称磁滞回线)。
发电机在带负荷状态下运行时,气隙磁场是由额定励磁电流的转子磁场和随着电网需求而改变的定子磁场共同作用产生的。非对称的磁滞回线会导致非对称的感应电势波形,在发电机转子出现非对称磁滞回线现象时,磁通探测器输出的感应电势波形反应转子磁场和定子磁场的共同作用结果,因此感应电势的波形会随着负载的变化而进一步畸变,从而导致感应电势波形对称比较法就无法准确检测到匝间短路故障。而经过积分的磁密波形可以消除掉定子磁场的作用,仅仅反应转子磁场的作用结果,从而可以保证无论是在空载还是负载的情况下,都能够准确反应匝间短路状况。从图1中可以看出以上结果,其中a图为单周期感应电势波形,b图为经过积分后的单周期磁密波形,c图中虚线为单周期感应电势波形前半周期波峰包络,实线为对单周期感应电势波形后半周期的波谷包络进行了Y轴对称后向左平移半周期的结果,d图中虚线为单周期磁密波形前半周期包络,实线为对单周期磁密波形后半周期的波谷包络进行了Y轴对称后向左平移半周期的结果。由图中可以看出,感应电势波形前后半周期的包络线形状差别较大,且随着负载的不同也会有所变化,因为导致传统的感应电势波形对称法的理论依据出现偏差;而磁密波形的前后半周期的包络线几乎重合,可以保证在任何负载状况下分析的准确性。
发明内容
针对上述现有技术长期以来发电机在负荷状态下转子匝间短路故障无法准确检测的问题,本发明的目的在于,提供一种负载工况下自动识别发电机转子绕组匝间短路故障的方法,该方法对磁通量探测器的感应电势波形积分获得磁密波形采用分析磁密波形,提取故障特征,两种计算方法的结合获取故障检测结果。
为了实现上述任务,本发明采取如下的技术解决方案:
一种负载工况下自动识别发电机转子绕组匝间短路故障的方法,其特征在于,该方法采用分析磁密波形,提取故障特征,两种计算方法的结合获取故障检测结果,具体包括以下步骤:
1)在发电机气隙中安装磁通量探测器,每5s采集一次数据,每次采集30ms即1.5个周期的感应电势数据流;
2)对感应电势波形中的转子大齿段进行分析和识别,截取第一个大齿段之后20ms的数据,即1个周期的完整波形;
3)对单周期感应电势波形数据积分得到单周期磁密波形数据;
4)利用磁密波形对称比较法分析单周期磁密波形,对发电机转子绕组匝间短路故障进行分析和识别;
5)利用磁密波形谐波峰峰值法分析单周期磁密波形,对发电机转子绕组匝间短路故障进行分析和识别;
6)将两种计算方法的结果综合给出最终的故障检测结果。
本发明给出的发电机转子绕组匝间短路检测方法,克服了以往探测线圈波形法在发电机带负荷运行时诊断的灵敏度会降低,同时难以实现一次定位,对于轻微的匝间短路有时候也难以检测到的缺点。采取磁密波形对称比较法,消除电枢反应导致探测线圈波形非对称的影响;采取磁密波形谐波峰峰值法,解决了发电机转子对称位置出现故障比较法无法检测的缺点;从而大大提高了检测的灵敏度和准确度。
附图说明
图1是单周期波形图,其中a为单周期感应电势波形图,b为单周期磁密波形图,c为单周期感应电势波峰和波谷包络图,d为单周期磁密波形波峰和波谷包络图;
图2是本检测方法流程图;
图3是故障诊断仪硬件框图;
图4是前端信号调理电路图。
下面结合附图和具体实施方法对本发明作进一步的详细描述。
具体实施方式
本发明的发电机转子绕组匝间短路故障的检测方法的流程图如图2所示,具体包括以下步骤:
在发电机气隙中安装磁通量探测器,每5s采集一次数据,每次采集30ms(1.5周期)的数据流;
磁通量探测器的探测线圈是用直径为0.05-0.07毫米的高强度漆包线,缠绕100-200匝,磁通量探测器的绝缘棒长度相当于定子线槽的高度,引线从管内导出。一般发电机定子的通风沟为8-10毫米,所以探测管的外径取8毫米,以便***通风沟。探测线圈一般距离转子表面从
Figure C20061004298300081
英寸到英寸之间,大约位于定子铁心内表面沿轴向的中间为宜。
由于转子绕组匝间短路故障初期阶段对机组正常运行影响不大,而随着时间的增加,许多匝间短路故障才会进一步发展,最终导致恶性事故的发生。因此转子绕组匝间短路故障检测的实时性要求不高,本发明选择每5s采集一次数据,采样速率是50k/s。发电机转子的额定转数是3000rpm,本发明设计每次采集30ms的感应电势数据流即1.5个波形周期的数据。
对感应电势波形的转子大齿段进行分析和识别,截取第一个大齿段之后20ms的数据,即1个周期的完整波形;
如图1a所示,是600MW发电机额定转速下检测到的感应电势波形图,发电机转子采用辐射形槽。沿着转子外圈,占2/3的转子表面上均匀开着32个下线槽,在另外的占转子1/3的部分没有开下线槽,形成了大齿。感应电势波形的16个波峰和16个波谷与转子的32个下线槽一一对应。
发电机转子大齿段的谐波是由定子线槽产生的,因为传感器距离定子表面相对较远,所以转子大齿段的谐波峰峰值明显低于转子齿谐波。感应电势波形的最大振幅大约4.5V,转子大齿段的谐波峰峰值大约0.5V,转子齿谐波峰峰值大约3-4V。根据发电机转子大齿段谐波峰峰值较低的特征,即可截取一个周期的感应电势波形。
上述识别感应电势波形转子大齿段的具体步骤是:
1)对获取的感应电势数据流进行查找,识别其最大值和最小值,通过计算差值得到感应电势波形的最大振幅改变量,将最大振幅改变量的10%设置为阈值α1
2)从数据流起始位置取0.4ms数据,计算感应电势波形最大振幅改变量;
3)判断0.4ms内的最大振幅改变量是否超出阈值α1,如果没有超出阈值则说明检测到了转子大齿段,如果超出阈值则继续取下一段0.4ms数据流进行分析,直到检测到大齿段。
对单周期感应电势波形数据积分得到单周期磁密波形数据;对单周期磁密波形进行对称比较法识别故障,其具体步骤是:
1)对单周期磁密波形中转子齿谐波的波峰和波谷进行分析和识别;
2)根据磁密波形起始段的波峰值判断磁密波形前半周期的基波变化
趋势。如果波峰值逐渐增大,表明前半周期基波的变化趋势是逐渐上升,则将前半周期转子齿谐波的波峰值和后半周期转子齿谐波的波谷值按顺序存入数组A;如果波峰值逐渐减小,表明前半周期基波的变化趋势是逐渐下降,将后半周期转子齿谐波的波峰值和前半周期转子齿谐波的波谷值按顺序存入数组A;本实例中,转子齿槽每极16个,因此数组A元素数目为32。
3)利用数组中的数据计算半周期对称位置的波峰和波谷之间的幅值偏差E[i-1]:即计算数组中第i(1≤i≤16)个数据A[i-1]与第(i+16)个数据A[i+15]的差;
4)设置磁密波形对称位置波峰和波谷之间的幅值偏差阈值α2;α2为全部偏差的平均值E的5%;
5)计算全部偏差的平均值E;
6)计算任一幅值偏差E[i-1]与E之间的差值,判断该差值是否超出阈值α2,如果超出阈值则说明存在故障点,若偏差E[i-1]为正,故障位于转子N极第i槽,若偏差E[i-1]为负,故障位于转子S极第i槽;如果没有超出阈值则说明无故障。
对单周期磁密波形进行谐波峰峰值法识别故障,其具体步骤是:
1)对单周期磁密波形转子齿谐波的波峰和波谷进行分析和识别,并对转子齿谐波进行编号;
2)每个转子齿谐波的波峰值和波谷值相减,计算每个转子齿谐波的峰峰值;
3)对磁密波形的谐波峰峰值按一维样条进行插值计算;
4)采用二进离散小波变换的快速算法----Mallat算法抓取插值计算后的谐波峰峰值曲线突变点;
5)设置突变阈值α3为该处转子齿谐波峰峰值的5%,并判断突变点是否超出阈值;如果超出阈值则说明存在故障点,故障位于突变点处,如果没有超出阈值则说明没有故障点。
下面是发明人给出的一个具体实例:
如图3所示,为采用本发明提供的故障诊断方法实现的发电机转子绕组匝间短路故障在线诊断仪的硬件组成框图。由以下几部分组成:电源电路1,信号调理电路2,基准电压电路3,AD采样及数字信号处理器电路4,CAN总线驱动5,外扩RAM空间6,LCD显示电路7,声光报警指示电路8,CF卡存储电路9,键盘电路10组成。
由于本发明提供的故障诊断算法需要复杂的数字信号处理算法,为了满足***的实时运算要求,选用数字信号处理器(DSP)TMS320LF2407作为***的核心,它在30MHz的时钟频率下能够达到30MIPS的执行速度,足以满足***实时性要求。在DSP内部,除了CPU内核外,还集成了专用的硬件乘法器、16通道10位AD转换器、控制器局域网(CAN)2.0B模块、看门狗电路等。
前端信号调理电路如图4所示,主要由三部分组成:仪用放大器信号调理电路3、增益数字控制电路2、偏置数字调整电路12组成。仪用放大器采用AD623,其增益可通过外接在+RG和-RG之间的增益电阻方便地在1~1000范围内设定。增益的计算公式如下:
G = 1 + 100 KΩ R G
AD623在前端电路中的作用有三个。第一,以高共模抑制比、高闭环增益精度和高输入阻抗对微型探测线圈输出的小电压信号进行放大,以匹配ADC的输入量程。第二,由于ADC以+2.50v电压为参考对输入模拟信号进行转换,AD623通过加于REF管脚的数字可调电压基准对其输入信号进行偏置调整;第三,配合数字电位器,通过程序控制接入增益电阻RG的不同,实现增益的数字控制。
增益数字控制电路中选用数字电位器X9313,总阻值为100k,32抽头,也即在前端信号处理电路中,与AD623配合,可实现32档的可编程放大器,放大倍数可在2~1000倍范围内调整。
偏置数字调整电路采用MAX517实现,由单片机进行程序控制输出电压的范围。
通过以上分析可得如下ADC输入电压的计算公式:
u adin = u in × ( 1 + 100 k R G ) + DACReg 0 FFH × 2.50 ( V )
式中:uadm-------------ADC的输入信号
      um---------------微型线圈输出信号
      RG---------------数字电位器接入调理电路部分的阻值
      DACReg-----max517转换寄存器的值,范围OOH-OFFH
电压基准电路,选用MAXIM公司的max6166,其输入电压为2.7v~12.6V,输出电压为2.50v,温度系数为5ppm/℃,具有很好的精度,对感应电势磁密波形的准确测量提供精确的参考电压。
由于DSP内部集成了CAN总线控制器,因此,仅需要添加CAN总线驱动芯片,即可实现仪器的CAN通讯网络,方便的与计算机进行连接传输数据。在本实例中,选择的是TI公司的SN65HVD231D,其内部有一个驱动器,一个接收器,工作电压为3.3V。
由于转子绕组匝间短路故障波形及后续分析波形较为复杂,因此选用CSTN7.7#液晶(LM8V302)提供显示界面,该液晶具有640×480点阵,8色,可以满足显示需要,同时将原始感应电势波形、磁密波形,及处理后波形以不同颜色显示,方便区分查看。
考虑到对采集的数据进行长时间存储,以利于后续分析,选用CF卡(Compact Flash)进行保存数据。目前市场上512M CF卡仅售价150元,具有很高的性价比,在本仪器中,设计CF卡扩展槽,可根据用户需要自行配置不同容量的CF卡,进行数据存储。以选用256M CF卡为例,每次存储1.5周期波形数据(采样速率为50kps,采样精度为10位),每10分钟存储一次,则可存储的时间为256M/(24*6*1.5*50000*2/50)=621(天),即一张256M的CF卡,可存储近两年的波形数据。由于该CF卡的读写操作以扇区为单位操作,每个扇区大小为512字节,因此外扩一片RAM,64kB空间,作为数据临时存储以及程序运行所需变量空间使用。
该故障诊断仪还设置了声光报警指示,如果诊断有故障,将通过继电器给出开关量报警信息,该开关量可控制位于控制室的光子牌,从而报警提醒操作人员前去查看故障。
通过上述模块实现的发电机转子绕组匝间短路故障在线诊断仪具有的功能如下:
1)对磁通量探测器输出的感应电势信号进行采集,采集周期可调整,范围为5秒~60秒;
2)可响应计算机请求,以CAN总线方式传输检测数据及故障诊断结果;
3)可对采集数据进行长时间存储,存储时间间隔可选,范围5分钟~24小时;
4)对故障按磁密波形对称法和磁密波形谐波峰峰值法进行诊断,给出诊断结果
5)对发现的故障给出报警信号输出;
6)可显示感应电势波形、积分后的磁密波形、经磁密波形对称法及磁密波形谐波峰峰值法处理后的波形;
7)可从CF卡中回调历史数据波形,并对其进行故障分析;
采用本发明给出的发电机转子绕组匝间短路检测方法,克服了以往探测线圈波形法在发电机带负荷运行时诊断的灵敏度会降低,同时难以实现一次定位,对于轻微的匝间短路有时候也难以检测到的缺点。所开发的发电机转子绕组匝间短路故障诊断仪,采用数字信号处理器配合彩色液晶屏幕,具有很好的故障分析和显示能力,仪器功能丰富,操作方便,人机界面友好。

Claims (4)

1.一种负载工况下自动识别发电机转子绕组匝间短路故障的方法,其特征在于,该方法对磁通量探测器的感应电势波形积分获得磁密波形,提取故障特征,用两种计算方法的结合获取故障检测结果,具体包括以下步骤:
1)在发电机气隙中安装磁通量探测器,每5s采集一次数据,每次采集30ms即1.5个周期的感应电势数据流;
2)对感应电势波形中的转子大齿段进行分析和识别,截取第一个大齿段之后20ms的数据,即1个周期的完整波形;
3)对单周期感应电势波形数据积分得到单周期磁密波形数据;
4)利用磁密波形对称比较法分析单周期磁密波形,对发电机转子绕组匝间短路故障进行分析和识别;所述的磁密波形对称比较法的具体步骤是:
A)对单周期磁密波形中转子齿谐波的波峰和波谷进行分析和识别;
B)根据磁密波形起始段的波峰值判断磁密波形前半周期的基波变化趋势,如果波峰值逐渐增大,表明前半周期基波的变化趋势是逐渐上升,则将前半周期转子齿谐波的波峰值和后半周期转子齿谐波的波谷值按顺序存入数组A;如果波峰值逐渐减小,表明前半周期基波的变化趋势是逐渐下降,将后半周期转子齿谐波的波峰值和前半周期转子齿谐波的波谷值按顺序存入数组A;数组A元素数目为N,N对应为转子槽总数;
C)利用数组中的数据计算半周期对称位置的波峰和波谷之间的幅值偏差E[i-1]:即计算数组中第i(1≤i≤N/2)个数据A[i-1]与第(i+N/2)个数据A[i-1+N/2]的差;
D)设置磁密波形对称位置波峰和波谷之间的幅值偏差阈值α2
E)计算全部偏差的平均值E;
F)计算任一幅值偏差E[i-1]与E之间的差值,判断该差值是否超出阈值α2,如果超出阈值则说明存在故障点,若偏差E[i-1]为正,故障位于转子N极第i槽,若偏差E[i-1]为负,故障位于转子S极第i槽;如果没有超出阈值则说明无故障;
5)利用磁密波形谐波峰峰值法分析单周期磁密波形,对发电机转子绕组匝间短路故障进行分析和识别;所述的磁密波形谐波峰峰值法的具体步骤是:
a)对单周期磁密波形转子齿谐波的波峰和波谷进行分析和识别,并对转子齿谐波进行编号;
b)每个转子齿谐波的波峰值和波谷值相减,计算每个转子齿谐波的峰峰值;
c)对磁密波形的谐波峰峰值按一维样条进行插值计算;
d)采用二进离散小波变换的快速算法----Mallat算法抓取插值计算后的谐波峰峰值曲线突变点;
e)设置突变阈值α3,并判断突变点是否超出阈值;如果超出阈值则说明存在故障点,故障位于突变点处,如果没有超出阈值则说明没有故障点;
6)将两种计算方法的结果综合给出最终的故障检测结果。
2.如权利要求1所述的方法,其特征在于,所述的分析和识别感应电势波形转子大齿段的具体步骤是:
1)对获取的感应电势数据流进行查找,识别其最大值和最小值,通过计算差值得到感应电势波形的最大振幅改变量,将最大振幅改变量的10%设置为阈值α1
2)从数据流起始位置取0.4ms数据,计算感应电势波形最大振幅改变量;
3)判断0.4ms内的最大振幅改变量是否超出阈值α1,如果没有超出阈值则说明检测到了转子大齿段,如果超出阈值则继续取下一段0.4ms数据流进行分析,直到检测到大齿段。
3.如权利要求1所述的方法,其特征在于,所述的磁密波形对称比较法中的阈值α2为全部偏差的平均值E的5%。
4.如权利要求1所述的方法,其特征在于,所述的突变阈值α3为该处转子齿谐波峰峰值的5%。
CNB2006100429830A 2006-06-15 2006-06-15 负载工况下自动识别发电机转子绕组匝间短路故障的方法 Expired - Fee Related CN100561246C (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNB2006100429830A CN100561246C (zh) 2006-06-15 2006-06-15 负载工况下自动识别发电机转子绕组匝间短路故障的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNB2006100429830A CN100561246C (zh) 2006-06-15 2006-06-15 负载工况下自动识别发电机转子绕组匝间短路故障的方法

Publications (2)

Publication Number Publication Date
CN1896760A CN1896760A (zh) 2007-01-17
CN100561246C true CN100561246C (zh) 2009-11-18

Family

ID=37609315

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2006100429830A Expired - Fee Related CN100561246C (zh) 2006-06-15 2006-06-15 负载工况下自动识别发电机转子绕组匝间短路故障的方法

Country Status (1)

Country Link
CN (1) CN100561246C (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101592698B (zh) * 2009-06-19 2011-10-05 贵阳新光电气有限公司 水轮发电机转子匝间短路在线监测定位方法及装置
CN101741062B (zh) * 2009-12-30 2013-02-20 长园深瑞继保自动化有限公司 发电机匝间保护方法
CN103792463B (zh) * 2014-02-25 2017-02-01 华北电力大学(保定) 基于虚功率原理的汽轮发电机转子绕组短路故障诊断方法
CN105527537A (zh) * 2014-09-28 2016-04-27 苏州热工研究院有限公司 发电机转子绕组匝间绝缘故障诊断装置及方法
CN106443318B (zh) * 2016-12-15 2019-06-18 华北电力大学(保定) 基于穿心螺杆的水轮发电机转子绕组匝间短路诊断方法
CN106501665B (zh) * 2016-12-15 2019-07-09 华北电力大学(保定) 基于检测线圈的水轮发电机转子绕组匝间短路诊断方法
CN106680656A (zh) * 2016-12-30 2017-05-17 北京中元瑞讯科技有限公司 基于在线数据的水轮发电机组转子匝间短路故障分析方法
CN206740938U (zh) * 2017-04-27 2017-12-12 哈尔滨理工大学 微特电机的定子铁心故障判断测控***
CN109901008B (zh) * 2019-03-05 2021-09-07 广州广重企业集团有限公司 一种发电机转子绕组匝间短路测试方法
JP7235610B2 (ja) * 2019-07-05 2023-03-08 ファナック株式会社 モータ情報取得システム
CN110286323B (zh) * 2019-07-19 2021-06-11 格力电器(武汉)有限公司 一种检验压缩机内部电机故障的方法和设备
US11500037B2 (en) * 2019-08-05 2022-11-15 Sembcorp Industries Ltd Method and a system of detecting winding fault under online operation of an electrical machine
CN110631527A (zh) * 2019-08-29 2019-12-31 南京理工大学 一种城轨列车直线电机槽楔下沉故障检测方法
CN110703091B (zh) * 2019-09-12 2021-10-22 哈尔滨工业大学(威海) 电动汽车用内置式永磁同步电机静态偏心故障检测方法
CN111983450A (zh) * 2020-08-18 2020-11-24 哈尔滨工业大学 一种基于埋入式探测线圈的电动汽车驱动电机故障诊断***
CN112483450B (zh) * 2020-11-12 2022-06-03 福建凯威消防通风设备有限公司 一种具有预警功能的应急风机的预警方法
CN113933762B (zh) * 2021-09-22 2023-07-25 珠海凌达压缩机有限公司 变频压缩机转子磁通量的测量方法及***

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5006769A (en) * 1989-04-05 1991-04-09 Asea Brown Boveri Ltd. Arrangement for detecting winding shorts in the rotor winding of electrical machines

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5006769A (en) * 1989-04-05 1991-04-09 Asea Brown Boveri Ltd. Arrangement for detecting winding shorts in the rotor winding of electrical machines

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
基于小波分析的发电机匝间短路故障的智能诊断研究. 郑崇伟等.浙江大学学报(自然科学版),第32卷第4期. 1998
基于小波分析的发电机匝间短路故障的智能诊断研究. 郑崇伟等.浙江大学学报(自然科学版),第32卷第4期. 1998 *
汽轮发电机转子绕组匝间短路故障研究. 赵华等.华北电力大学学报,第30卷第2期. 2003
汽轮发电机转子绕组匝间短路故障研究. 赵华等.华北电力大学学报,第30卷第2期. 2003 *
汽轮发电机转子绕组匝间短路故障诊断新判据. 李永刚等.中国电机工程学报,第23卷第6期. 2003
汽轮发电机转子绕组匝间短路故障诊断新判据. 李永刚等.中国电机工程学报,第23卷第6期. 2003 *
汽轮发电机转子绕组匝间短路的检测方法. 刘庆河.大电机技术,第4期. 2004
汽轮发电机转子绕组匝间短路的检测方法. 刘庆河.大电机技术,第4期. 2004 *

Also Published As

Publication number Publication date
CN1896760A (zh) 2007-01-17

Similar Documents

Publication Publication Date Title
CN100561246C (zh) 负载工况下自动识别发电机转子绕组匝间短路故障的方法
CN103823150B (zh) 多传感器联合的汽轮发电机转子匝间短路故障诊断方法
CN103926506B (zh) 基于构建函数的汽轮发电机转子绕组短路故障诊断方法
Mehrjou et al. Rotor fault condition monitoring techniques for squirrel-cage induction machine—A review
CN101101319A (zh) 发电机转子绕组匝间短路状态的检测装置
CN100462729C (zh) 基于多判据融合的分布式发电机转子绕组匝间短路在线监测方法
CN102707232B (zh) 电动机设备状态在线监测装置及其监测方法
CN101025430A (zh) 笼型异步电动机转子断条故障检测方法
CN103454585B (zh) 一种基于失电残压的永磁同步电机失磁故障诊断方法
CN111024416B (zh) 一种列车牵引***的故障诊断方法及***
US6911838B2 (en) Online detection of shorted turns in a generator field winding
US8143899B2 (en) Method and apparatus for detecting partial discharges in electrical systems
CN107461342A (zh) 一种离心泵故障在线诊断方法及***
CN103399241A (zh) 基于温升与负荷关系的配电变压器故障诊断***及方法
CN102998618B (zh) 一种基于振动特征的变压器有载分接开关故障诊断方法
CN102360054A (zh) 一种大型发电机励磁绕组匝间短路故障程度的诊断方法
CN105676127A (zh) 一种检测异步电动机故障的方法及其装置
CN207730875U (zh) 一种风力发电机绕组绝缘故障检测装置
Zhao et al. Detection of interturn short-circuit faults in DFIGs based on external leakage flux sensing and the VMD-RCMDE analytical method
CN103185862A (zh) 汽车起动机中的直流电机故障的诊断方法和装置
CN104345233A (zh) 一种用于配电变压器故障检测的在线监测终端及其检测方法
CN109581268A (zh) 一种光纤电流互感器故障诊断方法及装置
Cao et al. On-line monitoring of mechanical characteristics for vacuum circuit breaker
CN112034344A (zh) 水轮发电机转子绕组匝间短路故障实时在线诊断方法
CN111999609A (zh) 一种现场变压器局部放电试验干扰信号排查方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20091118

Termination date: 20120615