RU2814857C1 - Система мониторинга и диагностирования состояния турбогенератора - Google Patents
Система мониторинга и диагностирования состояния турбогенератора Download PDFInfo
- Publication number
- RU2814857C1 RU2814857C1 RU2023116932A RU2023116932A RU2814857C1 RU 2814857 C1 RU2814857 C1 RU 2814857C1 RU 2023116932 A RU2023116932 A RU 2023116932A RU 2023116932 A RU2023116932 A RU 2023116932A RU 2814857 C1 RU2814857 C1 RU 2814857C1
- Authority
- RU
- Russia
- Prior art keywords
- generator
- data
- state
- analysis
- conclusion
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000007405 data analysis Methods 0.000 claims abstract description 11
- 238000012795 verification Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 41
- 238000004804 winding Methods 0.000 claims description 38
- 238000009413 insulation Methods 0.000 claims description 37
- 230000007547 defect Effects 0.000 claims description 33
- 238000005259 measurement Methods 0.000 claims description 27
- 230000008439 repair process Effects 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 239000004020 conductor Substances 0.000 claims description 8
- 230000006866 deterioration Effects 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 4
- 238000010835 comparative analysis Methods 0.000 claims description 4
- 229910052802 copper Inorganic materials 0.000 claims description 4
- 239000010949 copper Substances 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000016507 interphase Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 239000010445 mica Substances 0.000 claims description 4
- 229910052618 mica group Inorganic materials 0.000 claims description 4
- 230000001681 protective effect Effects 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 230000002265 prevention Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 239000000126 substance Substances 0.000 abstract 1
- 238000012800 visualization Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000004907 flux Effects 0.000 description 7
- 230000003313 weakening effect Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 230000032798 delamination Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000005693 optoelectronics Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000004593 Epoxy Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Abstract
Изобретение относится к системам мониторинга и диагностирования состояния промышленного объекта и может быть использовано для диагностирования состояния турбогенераторов электростанций. Техническим результатом является повышение точности прогнозирования отклонения параметров работы генератора за счет комплексного контроля его состояния. Система содержит устройство для онлайн-мониторинга состояния генератора, блок для ввода данных состояния генератора, два блока анализа данных, блок взаимной верификации, анализа и сравнения заключений, устройство для визуализации. 1 ил.
Description
Изобретение относится к области мониторинга и диагностирования состояния промышленного объекта и может быть использовано в системах мониторинга, диагностирования состояния турбогенераторов электростанций.
Известны способ и система удалённого мониторинга энергетических установок (RU 2626780 C1, 01.08.2017). В изобретении контролируется набор параметров турбоагрегата, по которым строятся матрицы состояния. На основе матриц затем формируется прогнозная модель состояния, с помощью которой моделируется развитие параметров состояния агрегата. Разности параметров фактического состояния и смоделированного (прогнозируемого) состояния агрегата определяют компоненты невязки, по которым определяется степень влияния показателей работы генератора на отклонение режима его работы от номинального. Далее выполняется анализ и фильтрация набора невязок, результатом которого является обновление модели прогнозирования, которая затем используется для последующего моделирования состояния агрегата.
Известен способ и система удаленного мониторинга и прогнозирования состояния энергетических объектов (RU 2739727C1, 28.12.2020). Первичные данные получаются от объекта контроля через управляемую систему обратных связей (изменения и периодичность обновления каждого параметра). Данные предварительно обрабатываются с использованием фильтров пороговых значений и регрессионных моделей. С периодичностью, определяемой скоростью изменения значений параметров, формируются эталонные выборки. Создаются эмпирические модели по методу MSET (многомерный метод оценки состояния). Определяют по разности компонентов наблюдаемой точки и точки, моделирующей состояние объекта, компоненты невязок. Определяют разладки, отображающие степень влияния показателей работы объекта на отклонение показателей параметров объекта. Анализируют поступающую информацию от объекта контроля. Определяют степень отклонения параметров объекта от показателей эмпирических моделей и выявляют разладки для таких показателей. Ранжируют вычисленные разладки. Обновляют на основании отфильтрованной выборки эмпирические модели и формируют сигнал отклонении параметра объекта контроля на основании обновленной модели. Результатом является возможная корректировка и обновление эталонной модели. Таким образом формируется адаптивная динамическая эталонная модель объекта контроля.
В источнике US 6353815 B1 представлен статистически квалифицированный нейроаналитический метод и система обнаружения отказов. Система мониторинга SQNA (статистически квалифицированная нейроаналитическая модель) разрабатывается в два основных этапа: детерминированная адаптация модели и стохастическая адаптация модели. Детерминированная адаптация модели включает в себя формулирование аналитической модели в виде уравнения состояния и уравнения выхода. Затем нейронная сеть включается в аналитическую модель путём добавления векторных функций нейронной сети к состоянию аналитической модели и выходным уравнениям, таким образом, что неизвестные характеристики процесса представлены в полученной комбинированной нейроаналитической модели. Стохастическая адаптация модели включает в себя квалификацию любой оставшейся неопределенности в обученной нейроаналитической модели, возникающей в результате таких факторов, как изменение динамики процесса во время сбора данных, переменные состояния процесса и / или входной и выходной шум процесса. Результатом применения системы является повышенная точность аналитического описания рассматриваемого процесса и снижении количества ложных срабатываний.
В источнике US 8306931 B1 описаны способ и система для обнаружения, классификации и отслеживания аномальных событий и их взаимосвязей в потоке данных. Нейронная сеть обучается в автономном режиме с использованием множества измерений. Каждое измерение автоматически масштабируется и нормализуется на основе поведения одного или нескольких из них: максимального значения, минимального значения, среднего значения, значения стандартного отклонения, значения наклона и частоты измерения в окнах исторических данных. Нейронная сеть автоматически настраивается для каждой коррелированной группы измерений. Нейронные сети настроены на обнаружение аномалий во время текущей работы контролируемой системы. Так, интегрированный набор алгоритмов облегчает обнаружение, характеристику и отслеживание аномалий в потоках данных в реальном времени.
В источнике RU 99109474 A описаны способ и устройство для идентификации или, соответственно, предварительного вычисления параметров промышленного процесса, изменяющегося во времени. Предварительно вычисляются параметры промышленного процесса, в частности, быстро изменяющиеся параметры или параметры возмущающего воздействия. Модель процесса представляет собой усредненное по времени отображение процесса, содержит в себе по крайне мере одну изменяющуюся во времени модель процесса, которая согласована хотя бы с одной постоянной времени величины возмущающего действия или вариацией параметров процесса. Этот способ позволяет прогнозировать параметры изменяющегося во времени процесса. В предпочтительной форме выполнения данного изобретения происходит согласование изменяющейся во времени модели с постоянной времени изменения или величины возмущающего воздействия процесса относительно вариаций рассматриваемых параметров за счёт адаптации изменяющейся во времени модели в реальном времени. Такой вариант позволяет постоянно актуализировать работу модели с учетом вариации параметров.
В источнике RU 2568291 C1 описана система глобального мониторинга в режиме реального времени параметров состояния многопараметрических объектов. Вводится блок прогнозирования и реагирования на изменения аномальных параметров состояния. Входными сигналами для данного блока являются данные, содержащие матрицы, элементами которых являются признаки соответствия и несоответствия фактических значений параметров допустимым и значения моментов окончания измерений совокупности значения параметров состояния. На основе результатов прогнозирования изменения аномальных значений параметров состояния системы во времени формируют рекомендации по изменению этих значений. В системе имеется также блок оценки соответствия фактических значений параметров состояния допустимым, предназначенный для оперативного и независимого от количества контролируемых параметров, их физической сущности и единиц измерения получения, компактного представления результатов оценки параметров состояния системы. Система позволяет оперативного прогнозировать возникновения критических (чрезвычайных) ситуаций с учетом предварительно полученных точечных и интервальных оценок аномальных значений параметров состояния системы, а также своевременного формировать рекомендации по изменению пользовательских параметров для предупреждения возникновения аномального состояния объекта.
Известны способ и система для диагностирования промышленного объекта, в которой, в системе для диагностирования промышленного объекта, содержащей блок сбора данных, выполненный с возможностью сбора данных с комплекта датчиков промышленного объекта; блок модели промышленного объекта, выполненный с возможностью моделировать промышленный объект; блок анализа, выполненный с возможностью анализировать состояние промышленного объекта на основании данных, полученных от блока сбора данных, и модели промышленного объекта; причем блок анализа выполнен с возможностью делать заключение о нормальном или аномальном функционировании промышленного объекта на основании анализа; причем блок анализа выполнен с возможностью принимать данные об изменениях, внесенных в промышленный объект, и командовать блоку модели изменить модель в соответствии с внесенными изменениями (RU 2707423 C2, 28.10.2019).
Недостатком известных систем мониторинга и диагностики различных промышленных объектов является низкая точность прогнозирования параметров работы генератора.
Техническим результатом предложенного изобретения является устранение указанных недостатков, повышение точности прогнозирования отклонения параметров работы генератора за счет комплексного контроля состояния генератора.
Указанный технический результат достигается в системе мониторинга и диагностирования состояния генератора содержащей размещенное в защитном корпусе с прозрачной дверцей устройство для онлайн-мониторинга состояния генератора, выполненное с возможностью на основе соответствующего программного обеспечения сбора, по меньшей мере, данных вибрации конца обмотки статора генератора и данных частичных разрядов обмотки статора генератора посредством эпоксидно-слюдяных емкостных датчиков, выход устройства для онлайн-мониторинга сообщен с входом первого блока анализа данных онлайн-мониторинга для их диагностического анализа с последующим формированием на их основе первого заключения о состоянии генератора, блок для ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, по меньшей мере, данных заводских испытаний, проводимых перед вводом генератора в работу - по меньшей мере, испытание межвитковой изоляции обмотки статора и определение тока утечки через изоляцию статора, данных испытаний во время проведения ремонтных работ - по меньшей мере, данных испытаний изоляции обмотки статора повышенным выпрямленным напряжением с измерением тока утечки, испытание повышенным напряжением промышленной частоты, измерение сопротивления постоянному току, офлайн измерение уровня частичных разрядов, выход блока ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, сообщен с входом второго блока анализа этих данных, который выполнен с программным обеспечением для их диагностического анализа с последующим формированием на их основе второго заключения о состоянии генератора, выход первого блока анализа данных и выход второго блока анализа данных сообщены с соответствующими входами блока взаимной верификации, анализа и сравнения первого и второго заключений, выход блока взаимной верификации сообщен с входом устройства для визуализации результатов сравнительного анализа заключений о состоянии генератора, при этом устройство для онлайн-мониторинга выполнено с возможностью автоматического оповещения и выдачи соответствующих звукового и светового сигналов о тревожном состоянии генератора при возникновении межфазного замыкания или обрыва медных проводников, о тревожном состоянии генератора и предотвращения ложных тревог на основе автоматического разделения помех на основе фильтрации и анализа формы импульсов, чтобы отличать частичные разряды от электрических помех, в случае, если оба заключения соответствуют одно другому и описывают одинаковые или близкие в отношении действия одного и того же механизма ухудшения состояния узлов генератора дефекты, формируется единое заключение об обнаруженном дефекте, если заключения противоречат одно другому, система формирует сообщение о необходимости привлечения специалиста для дальнейшего формирования единого заключения, при этом устройство для онлайн-мониторинга выполнено с возможностью расширения сбора данных - области онлайн-мониторинга.
Одинаковыми или близкими в отношении действия одного и того же механизма ухудшения состояния узлов генератора дефектами могут быть, например, расслоение и растрескивание изоляции статора и т.д.
Известные системы аналогичного назначения в основном проводят диагностику генератора на основе автоматически выполняемых алгоритмов, которые используют данные, описывающие состояния генератора при его работе. Помимо этого, при диагностике генераторов на предприятиях широко применяются методы диагностики генераторов на основе данных испытаний, проводимых на остановленном - отключенном от сети генераторе. К таким данным могут относиться данные заводских испытаний (проводимых перед вводом генератора в работу) или данные испытаний во время ремонтов. При этом действующая нормативная база в части диагностики генераторов распространяется на оба вида испытаний генераторов.
В частности, на остановленных генераторах:
глава 6 СТО 34.01-23.1-001-2017 “Объём и нормы испытаний электрооборудования”;
ГОСТ IEC/TS 60034-27-2015 "Машины электрические вращающиеся. Часть 27. Измерения частичного разряда на изоляции статорной обмотки отключенных от сети вращающихся электрических машин";
На работающих генераторах:
ГОСТ IEC/TS 60034-27-2-2015 "Машины электрические вращающиеся. Часть 27-2. Измерения частичного разряда на изоляции статорной обмотки включенных в сеть вращающихся электрических машин";
Диагностика на основе данных вибрации по ГОСТ Р ИСО 13373-2-2009 “Контроль состояния и диагностика машин. Вибрационный контроль состояния машин. Часть 2. Обработка, анализ и представление результатов измерений вибрации”.
Другой особенностью рассмотренных ранее систем является отсутствие формирования сообщения о привлечении в необходимый момент специалистов по эксплуатации и диагностике генераторов. Суть описываемой системы состоит в том, что формируются два диагностических заключения: на основе параметров, собранных на работающем и на остановленном генераторе. Два заключения сравниваются друг с другом. Если оба заключения описывают одинаковые или близкие дефекты, система формирует единое заключение об обнаруженном дефекте. Если заключения расходятся, система формирует уведомление о противоречивых результатах и если заключения противоречат одно другому, система формирует сообщение о необходимости привлечения специалиста для формирования единого заключения.
Таким образом, в системе используются результаты анализа двух видов данных, которые затем взаимно верифицируются, а также используются экспертные отраслевые знания специалиста о диагностике генераторов.
Изобретение иллюстрируется фиг.1, где изображена схема системы мониторинга и диагностирования состояния генератора.
Система мониторинга и диагностирования состояния генератора содержит размещенное в защитном корпусе с прозрачной дверцей (на чертежах не показано) устройство 1 для онлайн-мониторинга состояния генератора.
Устройство 1 выполнено с возможностью на основе соответствующего программного обеспечения сбора, по меньшей мере, данных вибрации конца обмотки статора генератора и частичных разрядов обмотки статора генератора.
Для контроля частичных разрядов могут применяться эпоксидно-слюдяные емкостные (ЕМС) датчики, которые могут определять частичные разряды от дефектов глубоко в обмотке. Датчики ЕМС изготовлены из высококачественной эпоксидной смолы, устойчивы к вибрации и рассчитанными для работы на класс напряжения 6.9, 16 и 25/28 кВ (выбирается по номинальному напряжению контролируемого оборудования). Датчик выдерживает кратковременное воздействие испытательным напряжением в соответствии с РД 34.45-51.300. Для одного генератора используется 2 набора датчиков - машинные и системные, по одному датчику на фазу в наборе. Три датчика устанавливаются в коробке линейных выводов (машинные датчики) и три датчика на токопроводе (системные) на расстоянии не менее 2-х метров от точки подключения машинных датчиков.
Монтаж датчиков (по одному на каждую фазу) осуществляется непосредственно в точке подключения питающего кабеля к ВВМ, либо к шинам в статорной яме.
Выход устройства 1 для онлайн-мониторинга сообщен с входом первого блока 2 анализа данных онлайн-мониторинга для их диагностического анализа для определения, с последующим формированием на их основе первого заключения о состоянии генератора.
Блок 3 для ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, по меньшей мере, данных заводских испытаний, проводимых перед вводом генератора в работу - по меньшей мере, испытание межвитковой изоляции обмотки статора и определение тока утечки через изоляцию статора, данных испытаний во время проведения ремонтных работ - по меньшей мере, данных испытаний изоляции обмотки статора повышенным выпрямленным напряжением с измерением тока утечки, испытание повышенным напряжением промышленной частоты, измерение сопротивления постоянному току, офлайн измерение уровня частичных разрядов.
Выход блока 3 ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, сообщен с входом второго блока 4 анализа этих данных, который выполнен с программным обеспечением для их диагностического анализа с последующим формированием на их основе второго заключения о состоянии генератора.
Выход первого блока 2 анализа данных и выход второго блока 4 анализа данных сообщены с соответствующими входами блока 5 взаимной верификации, анализа и сравнения первого и второго заключений. Выход блока 5 взаимной верификации сообщен с входом устройства 6 для визуализации результатов сравнительного анализа заключений о состоянии генератора.
Устройство 1 для онлайн-мониторинга выполнено с возможностью автоматического оповещения и выдачи соответствующих звукового и светового сигналов о тревожном состоянии генератора при возникновении межфазного замыкания или обрыва медных проводников, о тревожном состоянии генератора и предотвращения ложных тревог на основе автоматического разделения помех на основе фильтрации и анализа формы импульсов, чтобы отличать частичные разряды от электрических помех.
В случае, если оба заключения соответствуют одно другому и описывают одинаковые или близкие дефекты, формируется единое заключение об обнаруженном дефекте, если заключения противоречат одно другому, система формирует сообщение о необходимости привлечения специалиста для дальнейшего формирования единого заключения.
Корпус устройства мониторинга имеет откидную переднюю дверь с окном. Основные индикаторы и порты локальной связи видны через окно в передней дверце. Открыв дверцу, можно получить доступ к передней панели, на которой имеется порт USB для подключения к компьютеру и порт USB для установки USB-накопителя. Болт заземления расположен снаружи в нижней части корпуса.
Сама передняя панель также откидывается; после того, как защелки панели расстегнуты с помощью отвертки или аналогичного инструмента. Когда передняя панель открыта, открывается доступ ко всем постоянно установленным интерфейсам, таким как разъем питания переменного тока, порт Ethernet, а также к расширительным модулям технологий мониторинга с возможностью расширения сбора данных - области онлайн-мониторинга. Кроме того, внутри имеется больше индикаторов, которые можно использовать для диагностики устройства.
В случае измерения магнитного потока ротора в системе используют датчик магнитного потока, который представляет собой устройство, используемое для определения магнитного потока ротора в машинах с явно и неявно выраженными полюсами. Магнитный поток ротора можно измерить во время работы машины с помощью портативных или стационарных приборов. Анализируя измерения магнитного потока ротора, можно определить количество и положение обмоток/полюсов ротора с короткозамкнутыми витками.
В силу наличия большого воздушного зазора генератора (80 мм), датчик магнитного потока имеет высокий профиль и предназначаться для использования в машинах с большим воздушным зазором от 50 мм или более.
Работает с обычным датчиком потока, установленным на клин, или с установленным на зуб статора датчиком TFProbe™ Iris Power, который в большинстве случаев может быть установлен без извлечения ротора. Датчик не требует внешнего источника питания.
Для регистрации вибрации в лобовой части обмотки статора генератора в широком диапазоне в системе используют акселерометры. Акселерометры представляют собой оптоволоконные датчики, отличающиеся устойчивостью к силовым магнитным полям и рассчитанные на работу в условиях высоких температур и контролируют не только базисные частоты возбуждения, но также любые развивающиеся гармонические частоты.
Для контроля вибрации используются основные датчики (двухосевые/одноосевые), размещаемые на лобовой обмотке контролируемого объекта, а также один одноосевой датчик размещаемый на железе статора в качестве референсного значения.
Для конвертации оптического сигнала акселерометров в электрический, который способно принимать устройство онлайн-мониторинга, используются коробки оптоэлектронных преобразователей (коробка ОЭП, КОП). В коробке ОЭП размешены оптоэлектронные преобразователи в количестве 1 преобразователь на 1 ось акселерометра.
Система работает следующим образом.
Описываемая система принимает данные из различных источников данных, характеризующих состояние генератора. Источники данных делятся на два типа:
первый - источники данных онлайн-мониторинга (онлайн-измерений), измеряемых на работающем генераторе;
второй - источники данных, измеряемых на остановленном - отключенном от сети генераторе.
К источникам данных онлайн-мониторинга могут относиться, например:
датчики;
измерительные трансформаторы;
диагностические приборы;
информационные системы;
журналы (электронные или ручные) обходов и осмотров генератора.
К источникам данных, измеряемых на остановленном генераторе, могут относиться, например:
журналы испытаний на остановленном генераторе (например, ультразвуковые испытания, испытания изоляции);
протоколы заводских испытаний генератора;
журналы ремонтов.
Описываемая система представляет собой систему, в которой:
по данным источников онлайн-мониторинга выносится первое заключение о состоянии генератора;
по данным источников данных, измеряемых на остановленном генераторе выносится второе заключение о состоянии генератора;
оба заключения сравниваются друг с другом;
при совпадении заключений делается достоверное заключение о состоянии генератора;
при несовпадении заключений система формирует сообщение о необходимости привлечения эксперта - специалиста необходимой квалификации (обладающего достаточным опытом в диагностике генераторов) для формирования единого заключения.
Описанная выше система проводит диагностику генератора на основе автоматически выполняемых алгоритмов, которые используют данные, описывающие состояния генератора при его работе.
При диагностике генераторов на предприятиях широко применяются методы диагностики генераторов на основе данных испытаний, проводимых на остановленном генераторе. К таким данным могут относиться данные заводских испытаний (проводимых перед вводом генератора в работу) или данные испытаний во время ремонтов.
Формируются два диагностических заключения: на основе параметров, собранных на работающем и на остановленном генераторе. Два заключения сравниваются друг с другом. Если оба заключения описывают одинаковые или близкие дефекты, система формирует единое заключение об обнаруженном дефекте. Если заключения расходятся, система формирует уведомление о противоречивых результатах и ожидает привлечения отраслевого эксперта (человека) для формирования единого заключения. Таким образом, в системе используются анализ двух видов данных, которые затем взаимно верифицируются, а также используются экспертные отраслевые знания о диагностике генераторов.
Развитие частичных разрядов в изоляционной системе статорных обмоток может быть обусловлено спецификой технологии производства, производственными погрешностями нормальными или аварийными процессами старения. Конструкция машины, качество используемых в ней материалов, технология производства, условия работы и прочие факторы в значительной степени влияют на количество, местоположение, характеристики и динамику частичных разрядов. Для каждой конкретной машины источники частичных разрядов в большинстве случаев могут быть определены и идентифицированы по характеристикам их протекания.
Существующая нормативная база описывает различные методы диагностики генераторов. При помощи каждого вида анализа определяются отдельные наборы дефектов.
Так, например, ГОСТ IEC/TS 60034-27-2-2015 "Машины электрические вращающиеся. Часть 27-2. Измерения частичного разряда на изоляции статорной обмотки включенных в сеть вращающихся электрических машин" (приложение A) указывает на возможность использования данных активности частичных разрядов для определения, например:
наличия внутренних полостей в изоляции (п. 4.2.2.1);
наличия внутренних расслоений в изоляции (п. 4.2.2.2);
наличия расслоения между проводниками и изоляцией (п. 4.2.2.3);
возможности развития электропроводящих каналов (п. 4.2.2.4);
повреждения проводящего покрытия (п. 4.2.3);
неэффективности покрытия в лобовых частях из-за неудачной конструкции, их загрязнения, пористости, влияния температуры (п. 4.2.4.2);
наличия вылета лобовых частей обмотки из-за загрязнения на поверхности между воздухом и изоляцией (п. 4.2.4.2);
неадекватных изоляционных промежутков между фазами или деталями бандажных устройств (п. 4.2.4.3);
загрязнения обмотки (п. 4.2.5);
наличия микротрещин (растрескивание) в изоляции (п. 4.2.5).
ГОСТ Р ИСО 13373-2-2009 “Контроль состояния и диагностика машин. Вибрационный контроль состояния машин. Часть 2. Обработка, анализ и представление результатов измерений вибрации” указывает на возможность использования данных вибрации для определения (генератор относится к машинам вращательного действия), например:
износа (п. 4.2.1);
ослабления механических соединений (п. 4.2.1);
соударения сколотого элемента качения с дорожкой качения подшипников (п. 4.2.4);
нагруженности подшипника скольжения (п. 4.2.7);
дефектов подшипника качения (п. 4.3.11).
Диапазоны дефектов, определяемых различными методами анализа, могут как перекрываться, так и нет. Примером перекрытия диапазонов дефектов является дефект ухудшения межвитковой изоляции обмотки возбуждения ротора, который приводит как к увеличению неравномерности распределения магнитного потока, так и к увеличению уровня вибрации и, таким образом, может диагностироваться двумя видами анализа. Примером отсутствия перекрытия дефектов является дефект расслоения изоляции стержней статора, который проявляется только в увеличении уровня активности ЧР и, таким образом, не может диагностироваться иными методами.
Формируются два диагностических заключения: на основе параметров, собранных на работающем и на остановленном генераторе. Два заключения сравниваются друг с другом. Если оба заключения описывают одинаковые или близкие дефекты, система формирует единое заключение об обнаруженном дефекте. Если заключения расходятся, система формирует уведомление о противоречивых результатах и ожидает привлечения отраслевого эксперта (человека) для формирования единого заключения. Таким образом, в системе используются анализ двух видов данных, которые затем взаимно верифицируются, а также используются экспертные отраслевые знания о диагностике генераторов.
Развитие частичных разрядов в изоляционной системе статорных обмоток может быть обусловлено спецификой технологии производства, производственными погрешностями нормальными или аварийными процессами старения. Конструкция машины, качество используемых в ней материалов, технология производства, условия работы и прочие факторы в значительной степени влияют на количество, местоположение, характеристики и динамику частичных разрядов. Для каждой конкретной машины источники частичных разрядов в большинстве случаев могут быть определены и идентифицированы по характеристикам их протекания.
Примером реализации описанной системы является система мониторинга и диагностирования состояния генератора, которая содержит размещенное в защитном корпусе с прозрачной дверцей устройство 1 для онлайн-мониторинга состояния генератора, выполненное с возможностью на основе соответствующего программного обеспечения сбора - по меньшей мере, данных вибрации конца обмотки статора генератора и датчиками частичных разрядов обмотки статора генератора посредством эпоксидно-слюдяных емкостных датчиков .
Выход устройства для онлайн-мониторинга сообщен с входом первого блока 2 анализа данных онлайн-мониторинга для их диагностического анализа с последующим формированием на их основе первого заключения о состоянии генератора.
Блок 3 для ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, по меньшей мере, данных заводских испытаний, проводимых перед вводом генератора в работу - по меньшей мере, испытание межвитковой изоляции обмотки статора и определение тока утечки через изоляцию статора, данных испытаний во время проведения ремонтных работ - по меньшей мере, данных испытаний изоляции обмотки статора повышенным выпрямленным напряжением с измерением тока утечки, испытание повышенным напряжением промышленной частоты, измерение сопротивления постоянному току, офлайн измерение уровня частичных разрядов.
Выход блока 3 ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, сообщен с входом второго блока 4 анализа этих данных, который выполнен с программным обеспечением для их диагностического анализа с последующим формированием на их основе второго заключения о состоянии генератора, выход первого блока 2 анализа данных и выход второго блока анализа данных сообщены с соответствующими входами блока взаимной верификации 5, анализа и сравнения первого и второго заключений, выход блока 5 взаимной верификации сообщен с входом устройства 6 для визуализации результатов сравнительного анализа заключений о состоянии генератора,
Устройство 1 для онлайн-мониторинга выполнено с возможностью автоматического оповещения и выдачи соответствующих звукового и светового сигналов о тревожном состоянии генератора при возникновении межфазного замыкания или обрыва медных проводников, о тревожном состоянии генератора и предотвращения ложных тревог на основе автоматического разделения помех на основе фильтрации и анализа формы импульсов, чтобы отличать частичные разряды от электрических помех. Устройство 1 для онлайн-мониторинга выполнено с возможностью расширения сбора данных - области онлайн-мониторинга.
В случае, если оба заключения соответствуют одно другому и описывают одинаковые или близкие в отношении действия одного и того же механизма ухудшения состояния узлов генератора дефекты, формируется единое заключение об обнаруженном дефекте, если заключения противоречат одно другому, система формирует сообщение о необходимости привлечения специалиста для дальнейшего формирования единого заключения.
Из описания устройства специалисту в данной области понятна его работа.
В конкретном примере реализации системой своего назначения, подтверждающем возможность реализации рассматриваемого изобретения используют устройство для онлайн-мониторинга активности частичных разрядов и протокол испытаний сопротивления изоляции статора генератора, выполненных на остановленном генераторе, например при ремонтных работах.
Мониторинг и замер данных на остановленном генераторе производят в соответствии с нормативными документами.
Таким образом, в системе используются следующие данные:
• данные 1 типа (онлайн):
ο уровень активности частичных разрядов, характеристика данных - высокий уровень активности;
• данные 2 типа (офлайн):
ο уровень сопротивления изоляции статора , характеристика данных - низкое значение (источник - протокол испытаний) при ремонтных работах.
На основании данных 1 типа выносится заключение о наличии признаков ухудшения статорной изоляции, что, на основании указаний раздела 11.2 ГОСТ IEC/TS 60034-27-2-2015 является признаком ускоренного старения изоляции. В разделе 11.2 также указывается на то, что высокий уровень разрядной активности может быть характерен для новых генераторов.
С другой стороны, другим признаком состояния статорной изоляции является величина сопротивления изоляции. Необходимость измерения такого параметра устанавливает СТО 34.01-23.1-001-2017 «Объём и нормы испытаний электрооборудования», раздел 6.3. Параметр такого типа не измеряется в онлайн и относится к параметрам 2 типа. Низкое значение сопротивления изоляции говорит о неудовлетворительном её состоянии.
Таким образом, мы имеем первое заключение по параметрам 1 типа: «ухудшение статорной изоляции или новый двигатель» и заключение по параметрам 2 типа: «низкое сопротивление статорной изоляции». Областью перекрытия этих заключений является «плохое состояние статорной изоляции» как единое заключение, подтверждаемое как параметром 1 типа, так и параметром 2 типа. В данном случае результатом работы системы является заключение о плохом состоянии изоляции, подкреплённое двумя типами источников данных.
Изобретения может быть рассмотрено на примере диагностики дефекта «Ослабление вязок эвольвент в лобовых частях. Механический дефект с переходом в электрический» и касается обмотки статора.
Для диагностики данного дефекта используются данные онлайн-мониторинга вибрации торцевой зоны сердечника статора:
- вибрация головок стержней обмотки статора;
- вибрация элементов системы крепления лобовых частей обмотки статора.
Для диагностики также используются данные испытаний, проводимых на остановленном генераторе, а именно:
- результаты проведенного технического осмотра, в частности при ремонтных работах, системы крепления лобовых частей обмотки статора (наличие признаков ослабления);
- результаты проведения испытания обмотки на герметичность (проявления случаев нарушения герметичности полых элементарных проводников стержней обмотки статора).
На основании имеющих данных онлайн- мониторинга, а также данных проведенных испытаний генератора формируется два диагностических заключения. Первое заключение, основанное на онлайн - данных, формируется после выполнения основного условия: «текущее значение вибрации головок стержней обмотки статора или элементов системы крепления лобовых частей обмотки статора увеличилось более, чем на 30% от минимального значения за период последних шести, или превысило уставку «высокого уровня вибрации» для этих элементов». Если основное условие выполнено, то формируется предварительное заключение о наличии признаков дефекта: «ослабление вязок эвольвент в лобовых частях. Механический дефект с переходом в электрический». Второе заключение, основанное на данных проведенных испытаний генератора, формируется при выполнении условий:
- наличие признаков ослабления системы крепления по результатам ранее проведенного технического осмотра;
- проявления случаев нарушения герметичности полых элементарных проводников стержней обмотки статора при проведении испытания обмотки на герметичность.
Если хотя бы одно из этих условий выполняется, то система также формирует предварительное заключение о наличии признаков дефекта: «ослабление вязок эвольвент в лобовых частях. Механический дефект с переходом в электрический».
Если оба заключения описывают признаки дефекта «ослабление вязок эвольвент в лобовых частях. Механический дефект с переходом в электрический», то система формирует единое заключение об обнаруженном дефекте.
Если заключения расходятся, система выдает уведомление о несоответствии результатов и ожидает привлечения эксперта в области вибрационного контроля для формирования финального заключения.
Изобретение позволит повысить точность прогнозирования отклонения параметров работы генератора за счет комплексного контроля состояния генератора путем использования в системе результатов анализа двух видов данных, которые затем взаимно верифицируются, а также используются экспертные отраслевые знания специалиста о диагностике генераторов.
Каждый из признаков формулы изобретения является существенным и направлен на достижение указанного технического результата, связанного с повышением точности прогнозирования за счет комплексного контроля состояния генератора.
Сущность изобретения раскрыта в описании с полнотой достаточной для его осуществления специалистом в данной области.
Claims (1)
- Система мониторинга и диагностирования состояния генератора содержит размещенное в защитном корпусе с прозрачной дверцей устройство для онлайн-мониторинга состояния генератора, выполненное с возможностью на основе соответствующего программного обеспечения сбора, по меньшей мере, данных вибрации конца обмотки статора генератора и данных частичных разрядов обмотки статора генератора посредством эпоксидно-слюдяных емкостных датчиков, выход устройства для онлайн-мониторинга сообщен с входом первого блока анализа данных онлайн-мониторинга для их диагностического анализа с последующим формированием на их основе первого заключения о состоянии генератора, блок для ввода данных состояния генератора, измеренных на остановленном - отключенном от сети - генераторе, по меньшей мере, данных заводских испытаний, проводимых перед вводом генератора в работу - по меньшей мере, испытание межвитковой изоляции обмотки статора и определение тока утечки через изоляцию статора, данных испытаний во время проведения ремонтных работ - по меньшей мере, данных испытаний изоляции обмотки статора повышенным выпрямленным напряжением с измерением тока утечки, испытание повышенным напряжением промышленной частоты, измерение сопротивления постоянному току, офлайн измерение уровня частичных разрядов, выход блока ввода данных состояния генератора, измеренных на остановленном - отключенном от сети - генераторе, сообщен с входом второго блока анализа этих данных, который выполнен с программным обеспечением для их диагностического анализа с последующим формированием на их основе второго заключения о состоянии генератора, выход первого блока анализа данных и выход второго блока анализа данных сообщены с соответствующими входами блока взаимной верификации, анализа и сравнения первого и второго заключений, выход блока взаимной верификации сообщен с входом устройства для визуализации результатов сравнительного анализа заключений о состоянии генератора, при этом устройство для онлайн-мониторинга выполнено с возможностью автоматического оповещения и выдачи соответствующих звукового и светового сигналов о тревожном состоянии генератора при возникновении межфазного замыкания или обрыва медных проводников, о тревожном состоянии генератора и предотвращения ложных тревог на основе автоматического разделения помех на основе фильтрации и анализа формы импульсов, чтобы отличать частичные разряды от электрических помех, в случае если оба заключения соответствуют одно другому и описывают одинаковые или близкие в отношении действия одного и того же механизма ухудшения состояния узлов генератора дефекты, формируется единое заключение об обнаруженном дефекте, если заключения противоречат одно другому, система формирует сообщение о необходимости привлечения специалиста для дальнейшего формирования единого заключения, при этом устройство для онлайн-мониторинга выполнено с возможностью расширения сбора данных - области онлайн-мониторинга.
Publications (1)
Publication Number | Publication Date |
---|---|
RU2814857C1 true RU2814857C1 (ru) | 2024-03-05 |
Family
ID=
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130234722A1 (en) * | 2009-07-09 | 2013-09-12 | General Electric Company | High sensitivity differential current transformer for insulation health monitoring |
RU2626780C1 (ru) * | 2016-07-15 | 2017-08-01 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Способ и система удаленного мониторинга энергетических установок |
US20180120380A1 (en) * | 2015-04-01 | 2018-05-03 | High Voltage Partial Discharge Limited | Condition monitoring method and apparatus for high-voltage ac electrical systems |
RU2707423C2 (ru) * | 2018-04-28 | 2019-11-26 | Общество С Ограниченной Ответственностью "Кловер Групп" | Способ и система для диагностирования промышленного объекта |
RU2739727C1 (ru) * | 2020-07-06 | 2020-12-28 | Акционерное Общество "Ротек" | Способ и система удаленного мониторинга и прогнозирования состояния технологических объектов |
RU2791597C1 (ru) * | 2022-07-27 | 2023-03-13 | Общество с ограниченной ответственностью "БО-ЭНЕРГО" | Система мониторинга, диагностирования и управления техническим состоянием силовых трансформаторов |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130234722A1 (en) * | 2009-07-09 | 2013-09-12 | General Electric Company | High sensitivity differential current transformer for insulation health monitoring |
US20180120380A1 (en) * | 2015-04-01 | 2018-05-03 | High Voltage Partial Discharge Limited | Condition monitoring method and apparatus for high-voltage ac electrical systems |
RU2626780C1 (ru) * | 2016-07-15 | 2017-08-01 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Способ и система удаленного мониторинга энергетических установок |
RU2707423C2 (ru) * | 2018-04-28 | 2019-11-26 | Общество С Ограниченной Ответственностью "Кловер Групп" | Способ и система для диагностирования промышленного объекта |
RU2739727C1 (ru) * | 2020-07-06 | 2020-12-28 | Акционерное Общество "Ротек" | Способ и система удаленного мониторинга и прогнозирования состояния технологических объектов |
RU2791597C1 (ru) * | 2022-07-27 | 2023-03-13 | Общество с ограниченной ответственностью "БО-ЭНЕРГО" | Система мониторинга, диагностирования и управления техническим состоянием силовых трансформаторов |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210241544A1 (en) | Platform for analyzing health of heavy electric machine and analysis method using the same | |
US9910093B2 (en) | Generator neutral ground monitoring device utilizing direct current component measurement and analysis | |
Grubic et al. | A survey on testing and monitoring methods for stator insulation systems of low-voltage induction machines focusing on turn insulation problems | |
US5629870A (en) | Method and apparatus for predicting electric induction machine failure during operation | |
US5742522A (en) | Adaptive, on line, statistical method and apparatus for detection of broken bars in motors by passive motor current monitoring and digital torque estimation | |
KR20200014129A (ko) | 딥러닝을 이용한 변압기 진단 방법 | |
US20120330871A1 (en) | Using values of prpd envelope to classify single and multiple partial discharge (pd) defects in hv equipment | |
Stone | The use of partial discharge measurements to assess the condition of rotating machine insulation | |
EP3579404B1 (en) | Motor diagnosis device | |
Leonidovich et al. | The development and use of diagnostic systems and estimation of residual life in industrial electrical equipment | |
Bejaoui et al. | A data-driven prognostics technique and rul prediction of rotating machines using an exponential degradation model | |
RU2814857C1 (ru) | Система мониторинга и диагностирования состояния турбогенератора | |
RU2814856C1 (ru) | Система мониторинга и диагностирования состояния турбогенератора | |
Chang et al. | Fuzzy theory-based partial discharge technique for operating state diagnosis of high-voltage motor | |
JP7227846B2 (ja) | 開閉装置の診断方法及び装置 | |
Refaat et al. | Smart grid condition assessment: concepts, benefits, and developments | |
KR100905971B1 (ko) | 발전-전동기 운전중 진단 시스템 및 방법 | |
RU2730109C1 (ru) | Способ мониторинга вибрации щеточно-коллекторных узлов электродвигателей постоянного тока | |
Franco et al. | 8 Years Experience in Large-Scale Remote Partial Discharge Monitoring of HV Motors in an Oil and Gas Environment | |
Negrea | Fault Diagnostics of Electrical AC Machine | |
Aksenov et al. | Practical results of on-line diagnostic methods synergy for motors and their efficacy | |
Sudhakaran et al. | Fault Identification and Diagnosis of Induction Motor Using Neural Networks | |
Majid et al. | Partial Discharge Activity Analysis in Rotating Machine using Phase Resolved Partial Discharge Pattern | |
Huzmezan | Reflections on the On-Line Partial Discharge Monitoring and Analysis for Condition Assessment of large Generators and Motors | |
Tuaimah et al. | On-Line Monitoring and Diagnostic System for Turbine-Generator Sets |