CN110836696A - 适于调相机***的远程故障预测方法和*** - Google Patents

适于调相机***的远程故障预测方法和*** Download PDF

Info

Publication number
CN110836696A
CN110836696A CN201911223745.3A CN201911223745A CN110836696A CN 110836696 A CN110836696 A CN 110836696A CN 201911223745 A CN201911223745 A CN 201911223745A CN 110836696 A CN110836696 A CN 110836696A
Authority
CN
China
Prior art keywords
data
layer
fault
monitoring
model
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.)
Pending
Application number
CN201911223745.3A
Other languages
English (en)
Inventor
帅云峰
张泰岩
杨小龙
于国强
刘晓锋
于大海
李志强
马晓光
何立荣
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.)
China Electric Power Research Institute Co Ltd CEPRI
Jiangsu Fangtian Power Technology Co Ltd
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
Jiangsu Fangtian Power Technology Co Ltd
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 China Electric Power Research Institute Co Ltd CEPRI, Jiangsu Fangtian Power Technology Co Ltd filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN201911223745.3A priority Critical patent/CN110836696A/zh
Publication of CN110836696A publication Critical patent/CN110836696A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种适于调相机***的远程故障预测方法，包括：确定所有运行参数对应的正常值范围；结合已知故障，采用人工智能学习技术，针对不同电气设备按照设备参数特点创建相应的智能监测模型；将采集到的当前运行参数与对应的正常值范围进行比对，当任意一个运行参数超出正常值范围时，判定此时调相机***处于异常状态，定位到发生异常的电气设备，生成异常预警信号；将采集到的发生异常的电气设备的当前运行参数导入对应的智能监测模型，对该电气设备进行故障分析，输出故障类型、故障机理、排障建议。本发明能够在发现早期潜在缺陷的前提下，尽可能地避免状态误报警并通过多参数综合考虑、环境及外部因素考虑实现自动监测。

Description

适于调相机***的远程故障预测方法和***
技术领域
本发明涉及调相机故障预测技术领域，具体而言涉及一种适于调相机***的远程故障预测方法和***。
背景技术
特高压直流大规模发展导致直流受端***的动态无功储备下降，电压调节特性恶化，从而使得电压稳定和换相失败等问题日益严峻。同时，直流送端***的暂态过电压问题也极大地制约了直流输电功率。电网结构和运行特性的显著变化要求动态无功补偿装置在***故障期间具有更好的瞬时无功支撑和暂态无功响应特性以便及时抑制***的暂态过电压和低电压，从而尽量避免送端***新能源脱网或受端***电压崩溃。相比于SVC和SVG，同步调相机在瞬时无功支撑，短时过载、动作可靠性方面具有独特优势，同时还可为薄弱的特高压直流送端***提供一定的短路容量和转动惯量支撑，在提高新能源消纳和抑制换相失败方面可望发挥重要作用。但是，同步调相机在运行过程中经常面临振动、油液、电气监护、冷却***、轴系状态问题，亟需提供相应的安全预警信息。
传统监测预警依赖固定阈值报警方式，阈值范围过大或过小容易发生“漏报”或误报，并且易受设备工况转换、设备试验影响，因此严重依赖工作人员的实时监测、经验判断，这大大增加了现场运维人员的数量和负担。
发明内容
本发明目的在于提供一种适于调相机***的远程故障预测方法和***，通过分析历史正常数据，发现当前测量值相对于历史正常值不同的异常情况，发出异常的预警信息；综合运用已知规则和人工智能学习技术，对不同的设备按照设备参数特点建立相应的智能监测模型；针对异常预警信息做进一步的智能监测分析。本发明能够在发现早期潜在缺陷的前提下，尽可能地避免状态误报警并通过多参数综合考虑、环境及外部因素考虑实现自动监测。
为达成上述目的，结合图1，本发明提出一种适于调相机***的远程故障预测方法，所述远程故障预测方法包括：
S1：定期分析调相机***正常运行时的历史运行数据，确定所有运行参数对应的正常值范围；
S2：结合已知故障，采用人工智能学习技术，针对不同电气设备按照设备参数特点创建相应的智能监测模型，智能监测模型用于根据输入的电气设备的运行参数进行故障分析，输出故障类型、故障机理、排障建议；
S3：实时采集调相机***的当前运行参数，将采集到的当前运行参数与对应的正常值范围进行比对，当任意一个运行参数超出正常值范围时，判定此时调相机***处于异常状态，定位到发生异常的电气设备，生成异常预警信号；
S4：将采集到的发生异常的电气设备的当前运行参数导入对应的智能监测模型，对该电气设备进行故障分析，输出故障类型、故障机理、排障建议。
进一步的实施例中，所述运行参数包括振动监控参数、油液监控参数、电气监控参数、冷却水监控参数。
基于前述远程故障预测方法，本发明还提及一种适于调相机***的远程故障预测***，所述远程故障预测***包括数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层、***管理层；
所述***管理层分别与数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层连接，用于对数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层进行管理；
所述数据源层用于获取调相机***的相关运行数据；
所述数据采集层与数据源层连接，用于从数据源层采集所需数据，将所述数据存储至存储层；
所述数据存储层采用分布式存储方式，至少包括用于存储历史运行数据的历史数据库、用于存储实时运行数据的综合数据库、用于存储故障相关信息的故障数据库；
所述数据计算层包括在线计算框架和离线计算框架，用于根据***管理层的控制指令，从模型层中调取对应的智能监测模型或历史运行数据处理模型，对存储层中的相关数据进行处理；
所述模型层包括用于管理智能监测模型的模块，和用于管理历史运行数据处理模型的模块；
所述接口层用于连接所有外部功能模块。
进一步的实施例中，所述数据源层包括振动在线***、内置传感器、DCS/MIS***、第三方数据库。
进一步的实施例中，所述数据采集层包括日志采集框架、DB数据处理工具、文件数据处理工具。
进一步的实施例中，所述智能监测模型包括：(1)调相机轴/瓦振动监测模型；(2)调相机局放、轴电压、匝间短路及端部振动监测模型；(3)油液在线状态监测模型；(4)冷却***监测模型。
进一步的实施例中，所述调相机轴/瓦振动监测模型用于对调相机运行中振动数据进行分析，获取包括波形、频谱、幅值和相位在内的相关振动信息，根据每个故障存在的充分和必要条件，从相关振动信息中提取出故障特征，计算得到故障类型和对应的故障性质；
所述对调相机运行中振动数据进行分析包括：
在调相机冷态、转子静止状态下记录轴承X、Y轴振传感器直流分量，作为后续调相机包括轴承间隙、密封瓦间隙、轴向间隙和轴承油膜厚度在内的动静间隙的实时计算的基准值；
结合转子振动模态，对包括轴端密封瓦间隙、轴承油挡间隙在内的动静间隙进行近似计算。
进一步的实施例中，所述油液在线状态监测模型用于针对润滑油铁谱、粘度、水分三方面进行可视化智能安全预控，对每个电气设备的磨损状态、润滑性能进行多维监测，从机器摩擦状态判断、故障预测、寿命分析三个方面对电气设备进行评估监控。
进一步的实施例中，所述冷却***监测模型用于对冷却水***内泵及水质、水温进行可视化智能安全预控，在调相机励磁回路绝缘监测电压表，配合转子接地保护，智能安全预控调相机内外相对湿度，远程监控调相机冷却***可能存在的堵塞或漏水故障。
以上本发明的技术方案，与现有相比，其显著的有益效果在于：
(1)通过分析历史正常数据，发现当前测量值相对于历史正常值不同的异常情况，发出异常的预警信息；综合运用已知规则和人工智能学习技术，对不同的设备按照设备参数特点建立相应的智能监测模型；针对异常预警信息做进一步的智能监测分析。本发明能够在发现早期潜在缺陷的前提下，尽可能地避免状态误报警并通过多参数综合考虑、环境及外部因素考虑实现自动监测。
(2)有选择地将异常情况下的运行参数导入智能监测模型进行分析，减少智能监测模型的运算量，间接提高了监测效率。
(3)实践表明，专业、智能和实用是调相机安全预警***未来发展的主要方向，可有效提高调相机运行、维护水平，同时降低设备运维成本、减少设备故障几率、提高设备使用寿命并且减少现场运维人员数量和工作负担。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是本发明的适于调相机***的远程故障预测方法的流程图。
图2是本发明的适于调相机***的远程故障预测***的结构示意图。
图3是本发明的适于调相机***的远程故障预测***的基础功能示意图。
图4是本发明的调相机振动状态监测示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
结合图1，一种适于调相机***的远程故障预测方法，所述远程故障预测方法包括：
S1：定期分析调相机***正常运行时的历史运行数据，确定所有运行参数对应的正常值范围。优选的，所述运行参数包括振动监控参数、油液监控参数、电气监控参数、冷却水监控参数。
S2：结合已知故障，采用人工智能学习技术，针对不同电气设备按照设备参数特点创建相应的智能监测模型，智能监测模型用于根据输入的电气设备的运行参数进行故障分析，输出故障类型、故障机理、排障建议。
S3：实时采集调相机***的当前运行参数，将采集到的当前运行参数与对应的正常值范围进行比对，当任意一个运行参数超出正常值范围时，判定此时调相机***处于异常状态，定位到发生异常的电气设备，生成异常预警信号。
S4：将采集到的发生异常的电气设备的当前运行参数导入对应的智能监测模型，对该电气设备进行故障分析，输出故障类型、故障机理、排障建议。
本发明分别针对同步调相机在运行过程中经常面临振动、油液、电气监护、冷却***、轴系状态问题展开研究，基于数据挖掘技术与专家知识库，通过故障模型识别和可信度评价，对调相机本体及其辅助***进行多时间尺度快速安全风险预警和状态评估，协助运维人员做出科学的运行、检修决策。
在实际运行过程中，先借由正常值范围对调相机***的运行状态进行预判，当发现其中有部分运行参数超过其所对应的正常值范围时，再调用智能监测模型做进一步的分析处理，输出故障类型、故障机理和对应排障建议。
采用该方法，可以有效避免误报、漏报问题，同时减少智能监测模型的运算量，尤其适用于监测点较多的调相机***，可以更加快速、准确地对故障进行预测，避免更大的风险和损失。
结合图2，基于前述远程故障预测方法，本发明还提及一种适于调相机***的远程故障预测***，所述远程故障预测***包括数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层、***管理层。
所述***管理层分别与数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层连接，用于对数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层进行管理。对应的，***管理层包括元数据管理模块、集样管控模块、调度管理模块、数据服务管理模块、***管理模块、开发工具模块、分析工具模块等。
所述数据源层用于获取调相机***的相关运行数据。所述数据源层包括振动在线***、内置传感器(用于直接探测振动监控参数、油液监控参数、电气监控参数、冷却水监控参数等)、DCS/MIS***、第三方数据库。通过内置传感器直接探测和从DCS/MIS***或第三方数据库中读取的方式，实现对数据的全方位采集，同时能够有效减少硬件布设数量，提高数据采集的及时性。
所述数据采集层与数据源层连接，用于从数据源层采集所需数据，将所述数据存储至存储层。优选的，所述数据采集层包括日志采集框架、DB数据处理工具、文件数据处理工具。
所述数据存储层采用分布式存储方式，至少包括用于存储历史运行数据的历史数据库、用于存储实时运行数据的综合数据库、用于存储故障相关信息的故障数据库。优选的，所述综合数据库中包括用于存放实时运行数据的实时数据库和用于存放数据之间对应信息的关系数据库。
所述数据计算层包括在线计算框架和离线计算框架，用于根据***管理层的控制指令，从模型层中调取对应的智能监测模型或历史运行数据处理模型，对存储层中的相关数据进行处理。
所述模型层包括用于管理智能监测模型的模块，和用于管理历史运行数据处理模型的模块。
所述接口层用于连接所有外部功能模块。优选的，所述外部功能模块包括报表管理模块、查询模块、报警模块、数据提取模块、人机交互界面等。
通过前述结构，远程故障预测***可实时监测现场设备运行参数及设备运行状态(包括振动、油液、轴电压、局部放电、端部振动及匝间短路)，实现对调相机***相关数据的处理、记录、分析、展示及下载功能。该预测***基于数据挖掘技术与专家知识库，通过故障模型识别和可信度评价，对调相机本体及其辅助***进行多时间尺度快速安全风险预警和状态评估，协助运维人员做出科学的运行、检修决策。结合图3，其具备基础功能有：数据集成、实时信息展示、多样式报表展现、多功能网页部件
在一些例子中，所述智能监测模型包括：(1)调相机轴/瓦振动监测模型；(2)调相机局放、轴电压、匝间短路及端部振动监测模型；(3)油液在线状态监测模型；(4)冷却***监测模型。
一、调相机轴/瓦振动监测模型
调相机轴/瓦振动监测***主要作用在于对调相机运行中振动数据进行深入分析，获取包括波形、频谱、幅值和相位等振动信息，从而为专业故障诊断人员提供数据及相关专业的图谱工具，协助诊断维护专家深入分析调相机运行状态。
调相机振动状态监测如图4所示。
调相机振动状态监测内容：在调相机冷态、转子静止状态下记录轴承X、Y轴振传感器直流分量，作为后续调相机轴承间隙、密封瓦间隙、轴向间隙和轴承油膜厚度等动静间隙的实时计算的基准值。结合转子振动模态，可对轴端密封瓦间隙、轴承油挡间隙等动静间隙进行近似计算。
通过对调相机轴系各种动静间隙的实时计算，可视化显示轴承和轴系各间隙的变化，结合机组的振动水平，根据最小间隙与相应位置设计间隙的比值自动识别轴系的状态，并以不同的颜色实时显示。根据故障机理和现场案例，建立调相机振动故障模型，根据故障存在的充分和必要条件，通过自动识别信号特征，严格区分不同类型不同性质的故障，实现对故障的准确判断，并提出切实可行的消振措施。通过对振动信号分析，提高丰富的振动谱图，如波形图、频谱图、波特图、轴心轨迹图等
二、调相机局放、轴电压、匝间短路及端部振动监测模型
通过最新传感器及安装技术、信号处理技术、硬件技术、数据通讯技术、数据压缩和存储技术、故障诊断技术等，有效获取反映调相机状态的关键参数并进行处理分析，并对其状况做出分析、诊断和评估。通过及时识别调相机的状态、发现调相机早期故障征兆，对故障原因、严重程度及发展趋势做出判断，从而可以及时消除隐患，避免破坏性事故的发生。主要包括调相机RSV转子轴电压监测实时数据的轴接地故障、碰摩、匝间短路、电腐蚀、轴承座绝缘在线安全预警等。
三、油液在线状态监测模型
润滑油是机器的血液，基于润滑油性能的机器健康状态监测是视情维护的重要手段。机器的摩擦磨损性能及润滑状态是机器健康状态的重要构成，机器的摩擦学状态具有时变性和***性特点动态特性，同时磨损的累积性导致机器摩擦副的磨损具有不可恢复和发展性，此外，摩擦部的润滑状态与磨损状态紧密相关，为此，掌握机器实时磨损及润滑状态是非常必要的。
油液分析仪主要针对润滑油铁谱、粘度、水分三方面进行可视化智能安全预控。通过在线铁谱传感器、在线粘度传感器、微量水分传感器三种监测传感器集成在线油液监测分析***。通过上述传感器的组合，形成集成传感器，实现重大装备的磨损状态、润滑性能的多维监测，应用信息融合技术实现机器摩擦学状态的判断、故障预测、寿命分析等。
铁谱分析：
(1)视频连接与控制：实现USB视频图像连接控制，并对磨粒进行拍照；
(2)图像分析预处理功能包含了铁谱图像分析的基本算法，包括链码追踪、灰度共生矩阵、形态学运算、图像滤波、图像分割、边缘检测等算法；
(3)图像磨粒颜色分析与识别：软件***不仅可以实现特征单磨粒的颜色识别和磨粒群中主要磨粒的颜色识别，而且可以对磨粒的材质进行分析；
(4)磨粒群分析功能：直接对低倍数下图像中的磨粒(大量成链的磨粒)进行宏观统计学分析，提取磨粒浓度、磨粒尺寸、磨粒成链直属和等磨粒数量；
(5)报表是常用的结果输出形式，用户对特征磨粒进行选择性地输出；
(6)数据分析存储功能是将提取的数据进行存储，对数据进行管理和查询，针对同一设备的历史数据进行分析和判断。
油液分析界面：
(1)自动测试主界面；
(2)自动测试界面主要是获取和显示当前油液测试状态，并将数据记录到数据库；
(3)设备硬件参数设置主界面；
(4)历史数据界面主要完成对自动测试功能中保存到数据库的数据，进行查询、删除和导出。
四、冷却***监测模型
通过对冷却水***内泵及水质(PH值、电导率、含铜量及含氧量等)、水温的可视化智能安全预控，并在调相机励磁回路绝缘监测电压表，配合转子接地保护，智能安全预控调相机内外相对湿度，远程监控调相机冷却***可能存在的堵塞或漏水等故障。通过故障信息的及时推送到电脑手机等移动终端，更直观的了解调相机冷却水***的工作情况。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (9)

1.一种适于调相机***的远程故障预测方法，其特征在于，所述远程故障预测方法包括：
S1：定期分析调相机***正常运行时的历史运行数据，确定所有运行参数对应的正常值范围；
S2：结合已知故障，采用人工智能学习技术，针对不同电气设备按照设备参数特点创建相应的智能监测模型，智能监测模型用于根据输入的电气设备的运行参数进行故障分析，输出故障类型、故障机理、排障建议；
S3：实时采集调相机***的当前运行参数，将采集到的当前运行参数与对应的正常值范围进行比对，当任意一个运行参数超出正常值范围时，判定此时调相机***处于异常状态，定位到发生异常的电气设备，生成异常预警信号；
S4：将采集到的发生异常的电气设备的当前运行参数导入对应的智能监测模型，对该电气设备进行故障分析，输出故障类型、故障机理、排障建议。
2.根据权利要求1所述的适于调相机***的远程故障预测方法，其特征在于，所述运行参数包括振动监控参数、油液监控参数、电气监控参数、冷却水监控参数。
3.一种适于调相机***的远程故障预测***，其特征在于，所述远程故障预测***包括数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层、***管理层；
所述***管理层分别与数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层连接，用于对数据源层、数据采集层、数据存储层、数据计算层、模型层、接口层进行管理；
所述数据源层用于获取调相机***的相关运行数据；
所述数据采集层与数据源层连接，用于从数据源层采集所需数据，将所述数据存储至存储层；
所述数据存储层采用分布式存储方式，至少包括用于存储历史运行数据的历史数据库、用于存储实时运行数据的综合数据库、用于存储故障相关信息的故障数据库；
所述数据计算层包括在线计算框架和离线计算框架，用于根据***管理层的控制指令，从模型层中调取对应的智能监测模型或历史运行数据处理模型，对存储层中的相关数据进行处理；
所述模型层包括用于管理智能监测模型的模块，和用于管理历史运行数据处理模型的模块；
所述接口层用于连接所有外部功能模块。
4.根据权利要求3所述的适于调相机***的远程故障预测***，其特征在于，所述数据源层包括振动在线***、内置传感器、DCS/MIS***、第三方数据库。
5.根据权利要求3所述的适于调相机***的远程故障预测***，其特征在于，所述数据采集层包括日志采集框架、DB数据处理工具、文件数据处理工具。
6.根据权利要求3所述的适于调相机***的远程故障预测***，其特征在于，所述智能监测模型包括：(1)调相机轴/瓦振动监测模型；(2)调相机局放、轴电压、匝间短路及端部振动监测模型；(3)油液在线状态监测模型；(4)冷却***监测模型。
7.根据权利要求6所述的适于调相机***的远程故障预测***，其特征在于，所述调相机轴/瓦振动监测模型用于对调相机运行中振动数据进行分析，获取包括波形、频谱、幅值和相位在内的相关振动信息，根据每个故障存在的充分和必要条件，从相关振动信息中提取出故障特征，计算得到故障类型和对应的故障性质；
所述对调相机运行中振动数据进行分析包括：
在调相机冷态、转子静止状态下记录轴承X、Y轴振传感器直流分量，作为后续调相机包括轴承间隙、密封瓦间隙、轴向间隙和轴承油膜厚度在内的动静间隙的实时计算的基准值；
结合转子振动模态，对包括轴端密封瓦间隙、轴承油挡间隙在内的动静间隙进行近似计算。
8.根据权利要求6所述的适于调相机***的远程故障预测***，其特征在于，所述油液在线状态监测模型用于针对润滑油铁谱、粘度、水分三方面进行可视化智能安全预控，对每个电气设备的磨损状态、润滑性能进行多维监测，从机器摩擦状态判断、故障预测、寿命分析三个方面对电气设备进行评估监控。
9.根据权利要求6所述的适于调相机***的远程故障预测***，其特征在于，所述冷却***监测模型用于对冷却水***内泵及水质、水温进行可视化智能安全预控，在调相机励磁回路绝缘监测电压表，配合转子接地保护，智能安全预控调相机内外相对湿度，远程监控调相机冷却***可能存在的堵塞或漏水故障。
CN201911223745.3A 2019-12-04 2019-12-04 适于调相机***的远程故障预测方法和*** Pending CN110836696A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911223745.3A CN110836696A (zh) 2019-12-04 2019-12-04 适于调相机***的远程故障预测方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911223745.3A CN110836696A (zh) 2019-12-04 2019-12-04 适于调相机***的远程故障预测方法和***

Publications (1)

Publication Number Publication Date
CN110836696A true CN110836696A (zh) 2020-02-25

Family

ID=69578139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911223745.3A Pending CN110836696A (zh) 2019-12-04 2019-12-04 适于调相机***的远程故障预测方法和***

Country Status (1)

Country Link
CN (1) CN110836696A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111667120A (zh) * 2020-06-11 2020-09-15 国网山东省电力公司电力科学研究院 一种调相机绝缘故障预测方法及***
CN112465751A (zh) * 2020-11-14 2021-03-09 国网湖北省电力有限公司电力科学研究院 大型调相机不抽转子气隙内物理表面自动检测方法
CN112630595A (zh) * 2020-12-09 2021-04-09 国网冀北电力有限公司 电网故障处理知识库管理方法
CN112858617A (zh) * 2021-02-04 2021-05-28 杭州绿洁环境科技股份有限公司 一种在线水质监测仪的故障识别方法和装置
CN113486968A (zh) * 2021-07-15 2021-10-08 广东中星电子有限公司 摄像机生命周期的监控方法、装置、设备和介质
CN113507755A (zh) * 2021-09-10 2021-10-15 江苏新恒基特种装备股份有限公司 一种加热控制***及加热控制方法
CN114371675A (zh) * 2021-12-31 2022-04-19 四川德胜集团钒钛有限公司 一种运行设备的异常预测运维***和方法
CN115018220A (zh) * 2022-08-10 2022-09-06 哈尔滨工业大学（威海） 一种基于知识图谱的家电故障预测方法和***
CN115240380A (zh) * 2022-07-20 2022-10-25 江苏方天电力技术有限公司 一种电网调相机故障综合预警方法和***

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060282239A1 (en) * 2005-06-08 2006-12-14 Chang Gung University Method of setting-up steady state model of VSC-based multi-terminal HVDC transmission system
US20080103737A1 (en) * 2006-10-31 2008-05-01 Yoon Jong-Su Simulation system for facts connected online to scada system
CN102427243A (zh) * 2011-10-28 2012-04-25 华中科技大学 一种将风电场和常规电厂联合并网的多端直流输电***
CN104466984A (zh) * 2014-12-12 2015-03-25 国家电网公司 一种提高直流换相安全水平的动态无功备用优化方法
CN105305422A (zh) * 2015-10-14 2016-02-03 国家电网公司 基于模糊滑模自适应的upfc控制方法
CN105930424A (zh) * 2016-04-19 2016-09-07 国网重庆市电力公司电力科学研究院 一种实现配电网数据在线异步采集智能挖掘的方法
CN107085161A (zh) * 2017-04-28 2017-08-22 国家电网公司 一种大型调相机‑变压器组现场稳态短路特性测试方法
CN107621306A (zh) * 2017-08-30 2018-01-23 江苏方天电力技术有限公司 分布式调相机振动采集装置、振动检测与故障诊断***
CN108089126A (zh) * 2017-12-04 2018-05-29 国网湖南省电力公司 调相机故障诊断方法、装置和设备
CN108536945A (zh) * 2018-04-02 2018-09-14 国网湖南省电力有限公司 一种用于大型调相机的故障诊断方法及***
CN208076675U (zh) * 2018-04-02 2018-11-09 国网湖南省电力有限公司 一种用于大型调相机的故障诊断装置
CN109001553A (zh) * 2018-04-25 2018-12-14 中国电力科学研究院有限公司 一种检测调相机变压器组保护装置性能的***和方法
CN109659962A (zh) * 2018-12-12 2019-04-19 国家电网有限公司 一种大型调相机的故障电流计算方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060282239A1 (en) * 2005-06-08 2006-12-14 Chang Gung University Method of setting-up steady state model of VSC-based multi-terminal HVDC transmission system
US20080103737A1 (en) * 2006-10-31 2008-05-01 Yoon Jong-Su Simulation system for facts connected online to scada system
CN102427243A (zh) * 2011-10-28 2012-04-25 华中科技大学 一种将风电场和常规电厂联合并网的多端直流输电***
CN104466984A (zh) * 2014-12-12 2015-03-25 国家电网公司 一种提高直流换相安全水平的动态无功备用优化方法
CN105305422A (zh) * 2015-10-14 2016-02-03 国家电网公司 基于模糊滑模自适应的upfc控制方法
CN105930424A (zh) * 2016-04-19 2016-09-07 国网重庆市电力公司电力科学研究院 一种实现配电网数据在线异步采集智能挖掘的方法
CN107085161A (zh) * 2017-04-28 2017-08-22 国家电网公司 一种大型调相机‑变压器组现场稳态短路特性测试方法
CN107621306A (zh) * 2017-08-30 2018-01-23 江苏方天电力技术有限公司 分布式调相机振动采集装置、振动检测与故障诊断***
CN108089126A (zh) * 2017-12-04 2018-05-29 国网湖南省电力公司 调相机故障诊断方法、装置和设备
CN108536945A (zh) * 2018-04-02 2018-09-14 国网湖南省电力有限公司 一种用于大型调相机的故障诊断方法及***
CN208076675U (zh) * 2018-04-02 2018-11-09 国网湖南省电力有限公司 一种用于大型调相机的故障诊断装置
CN109001553A (zh) * 2018-04-25 2018-12-14 中国电力科学研究院有限公司 一种检测调相机变压器组保护装置性能的***和方法
CN109659962A (zh) * 2018-12-12 2019-04-19 国家电网有限公司 一种大型调相机的故障电流计算方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111667120A (zh) * 2020-06-11 2020-09-15 国网山东省电力公司电力科学研究院 一种调相机绝缘故障预测方法及***
CN112465751A (zh) * 2020-11-14 2021-03-09 国网湖北省电力有限公司电力科学研究院 大型调相机不抽转子气隙内物理表面自动检测方法
CN112465751B (zh) * 2020-11-14 2022-08-23 国网湖北省电力有限公司电力科学研究院 大型调相机不抽转子气隙内物理表面自动检测方法
CN112630595A (zh) * 2020-12-09 2021-04-09 国网冀北电力有限公司 电网故障处理知识库管理方法
CN112858617A (zh) * 2021-02-04 2021-05-28 杭州绿洁环境科技股份有限公司 一种在线水质监测仪的故障识别方法和装置
CN113486968A (zh) * 2021-07-15 2021-10-08 广东中星电子有限公司 摄像机生命周期的监控方法、装置、设备和介质
CN113507755A (zh) * 2021-09-10 2021-10-15 江苏新恒基特种装备股份有限公司 一种加热控制***及加热控制方法
CN114371675A (zh) * 2021-12-31 2022-04-19 四川德胜集团钒钛有限公司 一种运行设备的异常预测运维***和方法
CN115240380A (zh) * 2022-07-20 2022-10-25 江苏方天电力技术有限公司 一种电网调相机故障综合预警方法和***
CN115018220A (zh) * 2022-08-10 2022-09-06 哈尔滨工业大学（威海） 一种基于知识图谱的家电故障预测方法和***

Similar Documents

Publication Publication Date Title
CN110836696A (zh) 适于调相机***的远程故障预测方法和***
CN105809255B (zh) 一种基于物联网的火电厂旋转机械健康管理方法及***
CN102707232B (zh) 电动机设备状态在线监测装置及其监测方法
CN113916531A (zh) 一种核电齿轮箱振动及油液在线监测的故障诊断与预测***
KR20110009615A (ko) 데이터 수집장치 및 상기 데이터 수집장치를 구비한 설비기기의 진단장치
CN111098463A (zh) 一种注塑机故障诊断***及诊断方法
CN117134503B (zh) 一种大型电力供电装置的状态监测方法及***
CN115437358A (zh) 工业机器人智能状态监测与故障诊断***及故障诊断方法
CN113819045B (zh) 往复式压缩机润滑油液在线监测振动诊断方法及***
CN110879586A (zh) 一种调相机故障诊断和状态监测方法和***
CN117078227A (zh) 一种基于标识解析的环境监测运维平台
CN109507986B (zh) 用于油田作业设备的远程监控方法
CN110687851A (zh) 一种终端运行监控***及方法
CN116537965B (zh) 一种柴油机在线监测和故障诊断装置
CN113418731A (zh) 一种卷烟机组的在线故障诊断方法
CN117607780A (zh) 一种电能计量装置异常分析***及其分析方法
CN109342942A (zh) 一种发电机健康管理方法及设备
CN114517758A (zh) 一种旋转机械轴心轨迹的改进hu不变矩提取方法及***
CN114415013A (zh) 一种工业电动机寿命预测及运维***
CN112328650A (zh) 一种基于监控信号的设备缺陷评估方法
CN113030443A (zh) 一种基于动态自适应趋势分析的地铁车辆油液智能监测方法及判断模型
CN111986469A (zh) 一种现场终端故障智能化诊断的方法
CN117332233B (zh) 一种电机智能化维护***
CN219870251U (zh) 一种基于物联网的转动机械预测性维护***
CN115712835A (zh) 一种基于大数据的电力设备健康状态智能诊断告警方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200225