CN115932577A - 一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法 - Google Patents
一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法 Download PDFInfo
- Publication number
- CN115932577A CN115932577A CN202211648481.8A CN202211648481A CN115932577A CN 115932577 A CN115932577 A CN 115932577A CN 202211648481 A CN202211648481 A CN 202211648481A CN 115932577 A CN115932577 A CN 115932577A
- Authority
- CN
- China
- Prior art keywords
- turn
- excitation current
- rotor winding
- cooperative
- vibration
- 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
Links
Images
Classifications
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Landscapes
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明公开了一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法,涉及发电机技术领域,该预警方法首先利用汽轮发电机DCS***所采集的实时工况数据,使用Pearson相关系数求得励磁流方与振动信号之间的相关程度,然后采用协同增益变换的方法融合“电流‑振动”相关系数,并结合励磁电流预测值与实测值之间的残差值,进一步计算协同增益残差,最后将之与设定的协同增益残差阈值比较,以判断汽轮发电机转子绕组匝间绝缘状况。相较于现有技术中基于单一变量的诊断模式,本发明所提供的“电流‑振动”协同感知融合诊断模式能够实现对汽轮发电机转子绕组匝间短路故障早期的在线预警,具有更高的准确性和灵敏性,能够有效保障机组的安全稳定运行。
Description
技术领域
本发明涉及发电机技术领域,特别涉及一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法。
背景技术
汽轮发电机转子绕组匝间短路是一种常见故障,其早期阶段不会对发电机的运行安全造成威胁。然而,若任其发展,则有可能导致恶性事故,影响电力生产安全。因此,对汽轮发电机转子绕组匝间短路故障的早期预警具有重要意义。
目前,汽轮发电机转子绕组匝间短路故障诊断方法主要有励磁电流法、虚功率法、漏磁通法、轴电压法、振动信号法等。其中,励磁电流法主要是基于转子绕组匝间短路缺陷发生时会导致励磁电流变化的特征,基于发电机正常状态数据建立发电机励磁电流预测模型,通过分析励磁电流实测值与预测值之间的残差对转子绕组匝间短路缺陷进行诊断。而振动信号法则是根据汽轮发电机转子绕组匝间短路时,气隙磁场变化会导致转轴产生异常振动的原理进行诊断。理论分析表明此时转轴径向振动幅度与发电机的励磁电流平方(以下简称励磁流方)呈正相关性的特征,有学者据此提出了发电机转子绕组匝间短路“电流-振动”融合诊断方法。
然而,一方面,转子绕组匝间轻微缺陷时“励磁流方-振动”的相关性特征还不够明显,另一方面,汽轮发电机运行工况较为复杂,机组正常运行时其励磁电流和转轴振动信号也波动较大。这使得“电流-振动”相关性分析法难以准确发现转子绕组匝间短路的早期缺陷。
发明内容
本发明提供一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法,其主要目的在于解决现有技术存在的问题。
本发明采用如下技术方案:
一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法,其特征在于:包括如下步骤:
S1、使用滑动窗口法获取一段时间内的汽轮发电机DCS***采集的电信号和振动信号,电信号包括励磁电流If,振动信号包括前端轴瓦横向振动幅值Vfx、前端轴瓦纵向振动幅值Vfy、后端轴瓦横向振动幅值Vrx和后端轴瓦纵向振动幅值Vry;
S2、采用Pearson相关系数量化分析电流与振动的相关程度:
S21、分别计算励磁流方If 2与四路振动信号之间的Pearson相关系数,得到4个相关系数计算结果,取其中最大值记为ρif~vib;
S22、分别计算四路振动信号之间的Pearson相关系数,得到6个相关系数计算结果,取其中最小值记为ρvib~vib;
S23、计算协同增益g,从而对励磁流方If 2与振动之间的相关性特征进行增强;协同增益g的计算公式为:
式中:λ为相关性阈值,λ∈(0,1);μ为增益系数;
S3、计算汽轮发电机励磁电流实测值与预测值之间的残差:
S4、结合协同增益g和经平滑处理后的励磁电流残差Res’计算协同增益残差Rg,协同增益残差Rg的计算公式为:
Rg=g·Res′
S5、判断协同增益残差Rg是否超过设定的协同增益残差阈值,由此判定汽轮发电机转子绕组匝间绝缘状态。
进一步,在步骤S1中,所述电信号还包括定子电流I,定子电压U,有功功率P和无功功率Q;在步骤S32中,将定子电流I,定子电压U,有功功率P和无功功率Q作为输入特征,通过MLP-Mixer模型拟合计算出预测励磁电流
进一步,在步骤S32中,使用SG滤波器对励磁电流残差Res进行平滑处理,从而得到Res′。
进一步,在步骤S2中,Pearson相关系数的计算公式为:
和现有技术相比,本发明产生的有益效果在于:
本发明首先根据汽轮发电机转子绕组处于匝间短路故障状态时励磁流方与电机转轴径向振动呈正相关的物理特征,利用汽轮发电机DCS***所采集的实时工况数据,使用Pearson相关系数求得励磁电流平方与电机主轴振动之间的相关程度。在此基础上,提出协同增益变换的方法融合“电流-振动”相关系数,并结合励磁电流预测值与实测值之间的残差值,进一步计算协同增益残差,将之与设定的协同增益残差阈值比较,从而判断汽轮发电机转子绕组匝间绝缘状况。相较于现有技术中基于单一变量的诊断模式,本发明所提供的“电流-振动”协同感知融合诊断模式能够实现对汽轮发电机转子绕组匝间短路故障早期的在线预警,具有更高的准确性和灵敏性,能够有效保障机组的安全稳定运行。
附图说明
图1为本发明中训练数据集的Pearson相关系数曲线图。
图2为本发明中测试数据集的Pearson相关系数曲线图。
图3为本发明中故障数据集的Pearson相关系数曲线图。
图4为本发明中训练数据集的励磁电流残差曲线图。
图5为本发明中测试数据集的励磁电流残差曲线图。
图6为本发明中故障数据集的励磁电流残差曲线图。
图7为本发明中训练数据集、测试数据集和故障数据集的励磁电流残差的频数分布图。
图8为本发明中训练数据集的协同增益残差曲线图。
图9为本发明中测试数据集的协同增益残差曲线图。
图10为本发明中故障数据集的协同增益残差曲线图。
图11为本发明中训练数据集、测试数据集和故障数据集的协同增益残差的频数分布图。
具体实施方式
下面参照附图说明本发明的具体实施方式。
一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法,包括如下步骤:
S1、使用滑动窗口法获取一段时间内的汽轮发电机DCS***采集的监测数据,监测数据包括电信号和振动信号,具体数据特征变量见表1。
表1 DCS数据特征变量
S2、采用Pearson相关系数量化分析电流与振动的相关程度,具体地,Pearson相关系数的计算公式为:
式中:ρ表示相关系数,n为样本点总数,Xi和Yi表示两个变量的观测值,和则分别表示两个变量的均值,sX和sY表示两变量各自的标准差。ρ∈(0,1),其描述了两个变量之间的相关程度,值越大表示数据正相关性越强,可以划定阈值来评价相关系数的大小。
S21、分别计算励磁流方If 2与四路振动信号之间的Pearson相关系数,得到4个相关系数计算结果,取其中最大值记为ρif~vib。具体地,4个相关系数分别为:励磁流方If 2与前端轴承X向振动信号Vfx之间的相关系数励磁流方If 2与前端轴承Y向振动信号Vfy之间的相关系数励磁流方If 2与后端轴承X向振动信号Vrx之间的相关系数励磁流方If 2与后端轴承Y向振动信号Vry之间的相关系数
S22、分别计算四路振动信号之间的Pearson相关系数,得到6个相关系数计算结果,取其中最小值记为ρvib~vib。具体地,6个相关系数包括:前端轴承X向振动信号Vfx与前端轴承Y向振动信号Vfy之间的相关系数ρfx~fy,前端轴承X向振动信号Vfx与后端轴承X向振动信号Vrx之间的相关系数ρfx~rx,前端轴承X向振动信号Vfx与后端轴承Y向振动信号Vry之间的相关系数ρfx~ry,前端轴承Y向振动信号Vfy与后端轴承X向振动信号Vrx之间的相关系数ρfy~rx,前端轴承Y向振动信号Vfy与后端轴承Y向振动信号Vry之间的相关系数ρfy~ry,后端轴承X向振动信号Vrx与后端轴承Y向振动信号Vry之间的相关系数ρrx~ry。
S23、计算协同增益g,从而对励磁流方If 2与振动之间的相关性特征进行增强;协同增益g的计算公式为:
式中:λ为相关性阈值,λ∈(0,1);μ为增益系数。
S3、计算汽轮发电机励磁电流实测值与预测值之间的残差。
S31、基于汽轮发电机正常运行时的DCS历史数据建立汽轮发电机励磁电流预测模型,从而求取该段时间内的预测励磁电流优选地,本实施例将定子电流I,定子电压U,有功功率P和无功功率Q作为输入特征,通过MLP-Mixer模型拟合计算出预测励磁电流具体做法是将一段时间长度为T-1的5维电信号整理为作为输入,通过MLP-Mixer模型拟合计算出T时刻励磁电流预测值
S32、计算步骤S1实际获取的励磁电流If与步骤S31获取的预测励磁电流之间的励磁电流残差Res,并对励磁电流残差Res进行平滑处理,得到Res’。具体地,励磁电流残差使用SG滤波器对励磁电流残差Res进行平滑处理,从而得到Res’。
S4、结合协同增益g和经平滑处理后的励磁电流残差Res’计算协同增益残差Rg,具体来说是将协同增益g与经SG滤波器平滑处理后的励磁电流残差的绝对值相乘从而得到协同增益残差Rg。协同增益残差Rg的计算公式为:
Rg=g·Res′。
S5、判断协同增益残差Rg是否超过设定的协同增益残差阈值,由此判定汽轮发电机转子绕组匝间绝缘状态。协同增益残差阈值是基于汽轮发电机正常运行时的DCS历史数据,并采用上述步骤进行反复推算而获取的。
某发电厂的2#发电机是一台50WT23E-138型汽轮发电机,机组在2018年10月离线检修时发现其转子绕组存在匝间短路故障。为了说明本发明所提供的预警方法的准确性,下面以该机组为例进行推理论证:
(1)获取该机组正常运行时的DCS历史数据,确定训练数据集和测试数据集,基于训练集数据集和测试数据集求取协同增益残差阈值。
(1.1)采用上述步骤S2的方法计算训练数据集和测试数据集的Pearson相关系数ρif~vib和ρvib~vib,计算结果如图1和图2所示。
(1.2)采用上述步骤S3计算训练数据集和测试数据集的励磁电流残差Res,计算结果如图4和图5所示。
(1.3)采用上述步骤S4计算训练数据集和测试数据集的协同增益残差Rg,其中λ的取值为0.7,μ的取值为2,计算结果如图8和图9所示。
(1.4)基于训练集数据集和测试数据集的协同增益残差Rg确定协同增益残差阈值,以此作为汽轮发电机转子绕组匝间绝缘状态的判断标准。
(2)获取该机组的转子绕组存在匝间短路故障的一段时间内的DCS历史数据,以此作为故障数据集来测试本发明所提供的诊断方法的准确性。
(2.1)采用上述步骤S2的方法计算故障数据集的Pearson相关系数ρif~vib和ρvib~vib,计算结果如图3所示。
(2.2)采用上述步骤S3计算故障数据集的励磁电流残差Res,计算结果如图6所示。故障数据集与训练数据集和测试数据集的励磁电流残差Re的频数分布对比如图7所示。
(2.3)采用上述步骤S4计算故障数据集的协同增益残差Rg,其中λ的取值为0.7,μ的取值为2,计算结果如图10所示。故障数据集与训练数据集和测试数据集的协同增益残差Rg的频数分布对比如图7所示。
(2.4)将故障数据集所求取的协同增益残差Rg与协同增益残差阈值相比较,协同增益残差Rg超过设定的协同增益残差阈值,由此可得到汽轮机转子绕组存在匝间短路故障的诊断结论,该诊断结论正确。
为了更清楚地论证本发明的相较于现有技术的优势,下面基于上述训练数据集和测试数据集,采用背景技术中提及的励磁电流法和振动信号法进行诊断模型训练,并基于上述故障数据集对汽轮发电机转子绕组匝间短路故障进行诊断测试,由此统计各诊断方法的准确率。各诊断方法的诊断结果对比如表2所示。
表2诊断结果对比表
根据表2可知,当采用检修前的DCS数据(此时可能处于缺陷早期状态)作为故障数据集进行诊断测试时,励磁电流法的诊断准确率为87.35%,振动信号法为61.62%,而本发明所提供的“电流-振动”协同感知法的诊断准确率高达97.62%。由此可知,相较于单一变量诊断,通过残差协同增益实现的“电流-振动”协同诊断模型可以实现对汽轮发电机转子绕组匝间短路故障的及时准确预测。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (4)
1.一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法,其特征在于:包括如下步骤:
S1、使用滑动窗口法获取一段时间内的汽轮发电机DCS***采集的电信号和振动信号,电信号包括励磁电流If,振动信号包括前端轴瓦横向振动幅值Vfx、前端轴瓦纵向振动幅值Vfy、后端轴瓦横向振动幅值Vrx和后端轴瓦纵向振动幅值Vry;
S2、采用Pearson相关系数量化分析电流与振动的相关程度:
S21、分别计算励磁流方If 2与四路振动信号之间的Pearson相关系数,得到4个相关系数计算结果,取其中最大值记为ρif~vib;
S22、分别计算四路振动信号之间的Pearson相关系数,得到6个相关系数计算结果,取其中最小值记为ρvib~vib;
S23、计算协同增益g,从而对励磁流方If 2与振动之间的相关性特征进行增强;协同增益g的计算公式为:
式中:λ为相关性阈值,λ∈(0,1);μ为增益系数;
S3、计算汽轮发电机励磁电流实测值与预测值之间的残差:
S4、结合协同增益g和经平滑处理后的励磁电流残差Res’计算协同增益残差Rg,协同增益残差Rg的计算公式为:
Rg=g·Res′
S5、判断协同增益残差Rg是否超过设定的协同增益残差阈值,由此判定汽轮发电机转子绕组匝问绝缘状态。
3.如权利要求1所述的一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法,其特征在于:在步骤S32中,使用SG滤波器对励磁电流残差Res进行平滑处理,从而得到Res’。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211648481.8A CN115932577A (zh) | 2022-12-21 | 2022-12-21 | 一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211648481.8A CN115932577A (zh) | 2022-12-21 | 2022-12-21 | 一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115932577A true CN115932577A (zh) | 2023-04-07 |
Family
ID=86553751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211648481.8A Pending CN115932577A (zh) | 2022-12-21 | 2022-12-21 | 一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115932577A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116299051A (zh) * | 2023-05-19 | 2023-06-23 | 深圳市安科讯电子制造有限公司 | 一种过流短路检测电路及检测保护*** |
-
2022
- 2022-12-21 CN CN202211648481.8A patent/CN115932577A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116299051A (zh) * | 2023-05-19 | 2023-06-23 | 深圳市安科讯电子制造有限公司 | 一种过流短路检测电路及检测保护*** |
CN116299051B (zh) * | 2023-05-19 | 2023-07-21 | 深圳市安科讯电子制造有限公司 | 一种过流短路检测电路及检测保护*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110531266B (zh) | 一种同步电机励磁绕组匝间短路故障预警方法 | |
CN107783006B (zh) | 水轮发电机转子绕组匝间短路故障检测方法 | |
CN102033200B (zh) | 基于统计模型的交流电机在线监测和诊断方法 | |
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 | |
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 | |
CN104764974B (zh) | 一种无刷励磁发电机转子绕组匝间短路故障诊断方法 | |
Zoubek et al. | Frequency response analysis for rolling-bearing damage diagnosis | |
Kim et al. | Model-based fault diagnosis of induction motors using non-stationary signal segmentation | |
CN111398820A (zh) | 一种电机健康状态在线监测方法 | |
AU2020102137A4 (en) | Fault diagnosis method for steam turbine generator (stg) | |
CN104655977B (zh) | 基于转矩比较原理的发电机励磁绕组短路故障诊断方法 | |
CN110456270B (zh) | 一种电机绝缘在线监测方法及装置 | |
Zamudio-Ramírez et al. | Smart sensor for fault detection in induction motors based on the combined analysis of stray-flux and current signals: A flexible, robust approach | |
CN115932577A (zh) | 一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法 | |
CN113064073A (zh) | 基于剩余电流的永磁同步电机匝间短路故障诊断方法 | |
CN114089186B (zh) | 一种电机状态检测分析预警方法及设备 | |
CN111307084A (zh) | 一种基于振动的电力变压器绕组变形故障诊断新方法 | |
KR101267946B1 (ko) | 모터 수명예측방법 | |
Ranga et al. | Advanced tool based condition monitoring of induction machines by using LabVIEW—A review | |
CN113532776B (zh) | 一种发电机轴瓦瓦枕绝缘垫失效诊断方法及*** | |
CN115372039A (zh) | 汽轮发电机组振动故障诊断***的构建方法和应用方法 | |
Misra et al. | An experimental study of rotor fault detection using motor current signature analysis based on neural networks | |
CN109188185A (zh) | 一种发电机转子绕组匝间短路早期在线检测方法 | |
Gazzana et al. | A system for incipient fault detection and fault diagnosis based on MCSA | |
JP7515012B2 (ja) | 回転機器の技術的状態を診断する方法 |
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 |