The Detection of Inter-Turn Short Circuits in the Stator Windings of Sensorless Operating Induction Motors

This work proposes an alternative strategy to the use of a speed sensor in the implementation of active and reactive power based model reference adaptive system (PQ-MRAS) estimator in order to calculate the rotor and stator resistances of an induction motor (IM) and the use of these parameters for the detection of inter-turn short circuits (ITSC) faults in the stator of this motor. The rotor and stator resistance estimation part of the IM is performed by the PQ-MRAS method in which the rotor angular velocity is reconstructed from the interconnected high gain observer (IHGO). The ITSC fault detection part is done by the derivation of stator resistance estimated by the PQ-MRAS estimator. In addition to the speed sensorless detection of ITSC faults of the IM, an approach to determine the number of shorted turns based on the difference between the phase current of the healthy and faulty machine is proposed. Simulation results obtained from the MATLAB/Simulink platform have shown that the PQ-MRAS estimator using an interconnected high-gain observer gives very similar results to those using the speed sensor. The estimation errors in the cases of speed variation and load torque are almost identical. Variations in stator and rotor resistances influence the performance of the observer and lead to poor estimation of the rotor resistance. The results of ITSC fault detection using IHGO are very similar to the results in the literature using the same diagnostic approach with a speed sensor.

基于Hotelling T2-BiLSTM的同步调相机故障诊断方法

同步调相机故障会严重影响特高压直流输电工程的稳定性。针对特高压电网中不对称电压条件下同步调相机励磁绕组匝间短路故障难以识别问题,提出基于霍特林T2-双向长短期记忆网络(Hotelling T2-BiLSTM)的同步调相机故障诊断方法。首先,从三相电压、三相电流、励磁电流、转子振动和无功功率中提取故障特征,计算Hotelling T2统计量以构建故障检测指标;然后,采用BiLSTM模型对特征进行分类,并利用逻辑回归层进行故障诊断;最后,在动模实验室中进行实验验证其有效性。实验结果表明,所提方法具有较高的故障诊断精度。

基于d-q理论的双馈异步电机定子匝间短路故障诊断方法

为实现双馈异步电机定子绕组匝间短路的早期故障诊断,提出一种基于转子电流特征频率分量的故障诊断方法 .首先,通过分析故障后电机的电磁特性,得到故障后转子电流中会产生特征频率分量的结论 .然后,通过对转子单相电流进行特殊的相移构造出三相电流,并对该组电流进行d-q变换,利用理论推导证明d-q变换后的直流分量幅值能够反映特征谐波的大小,将直流分量作为故障特征量进行双馈异步电机匝间短路故障的诊断.最后,依据有限元法建立故障前后电机的仿真模型,对不同工况下故障特征量的变化进行研究.结果表明:基于d-q理论提取的故障特征量与定子绕组的短路匝数呈正相关,且在转速变化和电压不平衡时也可有效诊断出匝间短路故障;通过设置合理的故障阈值可实现对双馈异步电机定子绕组匝间短路故障的精确辨识.研究结果可以为电机绕组匝间短路故障诊断提供参考.

基于IWOA-VMD的永磁同步电机匝间短路故障振动信号去噪方法

针对永磁同步电机(permanent magnet synchronous motor,PMSM)匝间短路故障振动信号易受噪声干扰导致故障特征难以准确提取的问题,提出一种改进鲸鱼优化算法(improved whale optimization algorithm,IWOA)优化变分模态分解(variational mode decomposition,VMD),并将其应用于PMSM匝间短路故障振动信号去噪。首先在传统鲸鱼优化算法中引入非线性收敛因子、自适应权重和柯西算子,利用IWOA算法对VMD参数进行寻优来实现信号的自适应分解。然后根据多尺度排列熵-方差贡献率最优模态分量选取原则将信号分量分为噪声主导分量和有效信号分量,对噪声主导分量进行非局部均值滤波(non-local mean filtering,NLM)去噪。最后将去噪分量与有效信号分量重构为去噪信号。使用ANSYS有限元软件建立了电机短路故障模型,并搭建了短路故障实验平台,利用该方法对仿真与实测信号进行去噪处理,并与小波阈值去噪等去噪方法进行对比分析,得出仿真信号的信噪比从8 dB提升至20.2738 dB,实测信号的信噪比相较于小波阈值去噪提高了77.01%,验证了所提方法的有效性和实用性。

基于参数优化VMD和多尺度模糊熵的星-三角接法FS-PMM匝间短路故障诊断方法

星-三角(Y-Δ)接法多层绕组结构可以抑制分数槽永磁电机电枢磁场的低次谐波磁动势,提高电机运行效率。但其结构较常规Y接法双层绕组结构更为复杂,发生匝间短路的风险更高。首先,建立Y-Δ接法分数槽永磁电机(FS-PMM)发生匝间短路的电路模型,推导出故障发生后电机三相电流,分析出三相故障电流会受匝间短路位置的影响。其次,利用自适应权重和柯西-高斯变异策略对鲸鱼捕食优化算法进行改进,用于优化变分模态分解参数,提出一种参数优化的变分模态分解算法对电流信号进行处理。最后,通过计算电流和电磁转矩的多尺度模糊熵,提出Y-Δ接法FS-PMM匝间短路故障诊断方法。该方法故障诊断准确率达到95%以上,并可以对Y接法部分和Δ接法部分的匝间短路故障进行有效区分。

燃气-蒸汽联合循环机组发电机转子匝间短路故障分析

通过对某燃气-蒸汽联合循环机组发电机开展重复脉冲法试验,判断转子存在匝间绝缘缺陷,分析其原因为部分油气物附着在端部线圈侧面及匝间绝缘表面,高温碳化造成匝间绝缘降低,将该发电机转子返厂检修,对转子匝间绝缘进行更换,同时对弹性支撑、槽绝缘、绕组等部件进行修复保养,有效解决了此绝缘缺陷,保证了机组运行的可靠性和安全性。

一种基于CGAN-CNN的同步电机转子绕组匝间短路故障诊断方法

由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法。首先,对传感器收集到的数据进行预处理,对正常样本和故障样本分别添加标签后输入CGAN中生成大量新样本,将生成的新样本与原始样本混合并划分训练集和测试集;然后,利用CNN训练平衡后的数据集,充分、精准地提取有效故障特征;最后,在输出端利用Softmax分类器输出故障分类结果。通过实验证明,与非平衡数据集相比,利用平衡数据集后的故障识别准确率十分稳定且达到99.5%以上,同时与平衡的原始样本数据相比,生成样本避免了噪声和其他干扰,故障诊断的准确率也更高。

Experimental investigation and comparative study of interturn short-circuits and unbalanced voltage supply in induction machines

A transient model for an induction machine with stator winding turn faults on a single phase is derived using reference frame transformation theory. The negative sequence component and the 3rd harmonic are often considered as accurate indicators. However, small unbalance in the supply voltage and/or in the machine structure that exists in any real system engenders the same harmonics components. In this case, it is too difficult to distinguish between the current harmonics due to the supply voltage and those originated by inter-turn short- circuit faults. For that, to have the correct diagnosis and to increase the sensitivity and the reliability of the diagnostic system, it is crucial to provide the relationship between the inter-turn short-circuits in the stator winding and the supply voltage imbalance through an accurate mathematical model and via a series of experimental essays.

EEMD-HHT方法在双馈式感应发电机定子匝间短路故障分析中的应用研究

定子绕组匝间短路故障是双馈式感应电机常见故障之一。采用多回路理论构建数学模型,通过MATLAB进行不同故障、不同条件下的仿真。用HHT方法分析故障电流虽然能够得到相应现象,但传统HHT中的EMD分解方法存在一定不足,分解结果不能区分匝间短路故障和一些非故障情况,而引入EEMD分解方法来替换EMD分解,则很好地克服了这一缺点,排除了电压不平衡、变转子转速等其他因素对匝间短路故障诊断过程中的干扰。EEMD-HHT方法可以为定子匝间短路故障检测提供更加可靠的保障。

RBF-NN对发电机转子绕组匝间短路的诊断

为了能更准确地诊断出发电机转子绕组匝间短路故障,基于改进的双层动态均值聚类分析的径向基神经网络对转子绕组匝间短路故障进行了诊断。同时,通过对同步发电机转子绕组故障信号进行分析,并把从中提取的故障信号的特征量作为学习样本,通过改进的径向基神经网络的训练,使构造的径向基神经网络能够反映样本的特征向量和转子绕组匝间不同程度的短路类型之间的映射关系,从而达到故障诊断的目的。仿真实验表明,该算法可以进行有效的故障诊断,精度优于传统的反向传播BP(back propagation)神经网络。

基于EEMD-HHT的双馈感应发电机定子匝间短路故障研究

采用多回路理论构建电路模型,通过MATLAB进行不同故障的仿真,经分析得出定子匝间短路电流的谐波特性以及电压不平衡故障电流的谐波情况,对比可知二者谐波特性相类似,难以通过故障电流区分两种故障。用EEMD-HHT方法分析处理故障电流后,两种故障所得的现象不同,由此很好地区分了这两种故障情况,在定子匝间短路故障的诊断中,排除了电压不平衡故障的干扰,同时该方法还能得出电机故障的发生时刻,可以为定子匝间短路故障检测提供更加可靠的保障。

控-场-路-网耦合的单机-无穷大系统联合仿真建模

为更完善、更准确地研究发电机并网运行下,发电机非正常运行时的机网动态问题,建立了控-场-路-网耦合的单机-双回线-无穷大系统联合仿真模型,实现了励磁控制系统—发电机二维瞬态电磁场—外电路—电网的全面耦合。并以某动模实验电机为基础,通过对发电机定子绕组匝间短路故障的仿真与实验结果对比,验证了仿真模型的正确性。与此同时,为验证该模型在大型发电机组中的应用效果,另以一台核电半速汽轮发电机为例进行了定子绕组匝间短路故障仿真,并将仿真结果与传统的恒定励磁电压法建模的仿真结果比较,分析结果表明所建的控-场-路-网联合仿真模型能更准确、更真实有效地反映发电机非正常运行时机网协调运行的动态过渡过程。

LSTM-CNN网络在同步电机励磁绕组匝间短路故障预警中的应用

人工智能与电力系统的结合日渐紧密,深度学习在实现电网智能化中起到了重要的作用。为了实现隐极同步电机励磁绕组匝间短路早期故障的在线预警,提出一种基于LSTM-CNN的神经网络预测模型。模型以同步电机正常运行时多个可测量物理量和励磁电流为网络输入、输出,利用历史数据进行网络训练,并根据拟合输入量与输出量之间的函数关系确定故障预警阈值。以相同的实验数据训练相同层数的LSTM网络、CNN网络与LSTM-CNN网络,结果证明LSTM-CNN网络在训练速度和拟合精度上的综合表现最佳。

基于PSO-SVR的同步发电机励磁电流预测

【目的】采用粒子群优化支持向量回归(PSO-SVR)模型对同步发电机励磁电流进行预测,为更准确地实现同步发电机转子绕组匝间短路故障的在线诊断提供依据。【方法】以微型同步发电机动模试验的20组正常运行数据作为训练样本,用剩下的13组正常运行数据和33组故障运行数据为检验样本,选取机端电压、有功功率、无功功率为输入量,励磁电流为输出量,通过粒子群优化(PSO)支持向量回归(SVR)的结构和参数,建立PSO-SVR预测模型,进而进行励磁电流预测,并与在线实测的励磁电流进行比较,以误差超过阈值诊断为发生匝间短路故障。【结果】PSO-SVR预测模型的预测误差较误差反向传播(BP)神经网络预测模型小;PSO-SVR模型能设置阈值准确诊断运行状态,而BP神经网络预测模型却不能,并且至少有1次误诊情况出现。【结论】PSO-SVR预测模型的精度优于BP神经网络预测模型,能准确地进行转子绕组匝间短路故障诊断,为同步发电机励磁电流预测、转子绕组匝间短路故障的在线诊断提供了一种新途径。

基于PSO-ADMMF和WPE的发电机转子匝间短路故障诊断

针对常规的数学形态滤波器对定子电流信号滤波效果不理想,提出粒子群算法改进的数学形态滤波器。引用粒子群算法寻找最优的数学形态滤波器中开-闭和闭-开运算的权系数,建立自适应数学形态滤波器模型,对定子电流信号进行滤波处理。结合小波包理论和信息熵理论,提出小波包熵作为故障特征的故障诊断方法。仿真实验对比了PSO算法改进的自适应数学形态滤波器和常规数学形态滤波器的滤波效果,计算了滤波后的不同状态信号的小波包熵,并以此进行了转子匝间短路故障诊断,仿真验证表明本方法是有效的。

基于支持向量机和D-S证据理论的双馈风机定子匝间短路故障诊断

结合支持向量机(SVM)和D-S证据理论,搭建了扩展Park变换模型以及失电残压模型,从多元信息融合的角度进行定子匝间短路故障诊断。仿真证明,该方法可以有效提高故障诊断的精确度,从而减少误诊。

基于GA-BP的船舶同步发电机定转子绕组匝间短路故障诊断研究

为诊断与分析船舶同步发电机定转子绕组匝间短路故障,文章采用基于主成分分析法(PCA)和遗传算法(GA)优化BP神经网络(GA-BP神经网络)的故障诊断方法。首先利用Maxwell软件平台故障仿真得到的定子三相电流作为特征信号,通过小波包分解重构以及PCA降维的处理方式,生成15维的样本数据,降低了网络规模以及处理计算时间,并针对传统BP神经网络收敛速度慢以及易陷入局部极小值的特点,利用GA算法对BP神经网络权值与阈值进行优化。通过样本数据对GA-BP神经网络进行训练测试,验证了PCA和GA-BP神经网络对于船舶同步发电机定转子匝间短路故障诊断具有可行性以及准确性。

基于PCC-SVM的发电机转子匝间短路在线监测法

本文针对发电机转子绕组匝间短路故障在线监测的问题,提出一种皮尔逊相关系数(Pearson Correlation Coefficient,PCC)与支持向量机(Support Vector Machine,SVM)相结合的方法。该方法首先通过PCC计算一段时间内发电机励磁电压、励磁电流与前后轴承间振动之间的相关性,得到一组特征参数。然后将正常机组与故障机组的特征参数分别加上标签,形成样本集。最后使用SVM对样本集进行分类,从而得到故障诊断模型。后采用具体案例对所提方法进行验证,结果证明,此方法可以较为准确地识别出发电机转子绕组的匝间短路故障。

基于相位差的轴向磁通无铁心电机早期轻微匝间短路故障诊断

针对轴向磁通定子无铁心电机早期匝间短路故障问题,提出一种基于零序分量和定子电流分量相位差的轴向磁通定子无铁心电机的早期匝间短路故障诊断和定位方法。首先,根据定子绕组电感极小的特点建立了匝间短路故障数学模型;其次,对故障前后的短路电流、相电流、零序分量等进行了傅里叶分析,通过零序电压基波幅值变化对匝间短路故障进行识别;最后,通过对比零序电压基波与定子三相电流初相位差来进行故障相定位。结果表明,匝间短路故障相的相电流基波初始相位与零序电压基波初相位差的绝对值近似180°,而健康相的相位差与180°相差较大。基于相位差可以实现轴向磁通无铁心电机早期匝间短路故障的诊断与定位,为永磁电机的匝间短路故障诊断提供了参考。

U型线圈检测发电机励磁绕组匝间短路性能分析

励磁绕组匝间短路故障在汽轮发电机中具有较高的发生率,对该故障进行灵敏、快速和可靠诊断可以防止故障恶化、降低故障查找成本。本文分析了励磁绕组匝间短路的磁场特征,介绍了U型检测线圈法检测励磁绕组匝间短路的基本原理,通过有限元仿真模拟汽轮发电机额定负载工况,在转子各槽设置不同程度匝间短路故障,获取安装于不同位置的U型线圈的感应电压,进一步提取电压谐波特征以及时域脉冲波形变化规律,比较了U型线圈处于不同位置的检测效果,为U型线圈的安装提供了可靠的数据支持。