基于FFT-LSTM的变速抽蓄机组转子绕组短路故障和偏心故障诊断方法

变速抽水蓄能机组是适应系统功率波动的重要调节手段。转子绕组短路故障和转子偏心故障是其常见的故障类型,两种故障均会在定子侧感应生成特征频带相近的谐波环流,导致两种故障难以被区分。提出了一种基于快速傅里叶变换-长短期记忆(fast Fourier transform-long short-term memory,FFT-LSTM)网络的故障诊断方法,以细化分辨故障特征相近的转子绕组短路故障和转子偏心故障。所提方法以定子分支环流的谐波分量为特征量进行故障诊断,分别推导了两种故障发生时定子侧环流谐波特征,并总结二者间的相似性和差异性。鉴于该差异较为微弱,引入长短期记忆(long short-term memory,LSTM)神经网络算法对其进行辨识。利用内部故障仿真模型对可能发生的转子绕组短路故障和偏心故障进行批量仿真,以得到用于LSTM网络训练和测试的数据集。仿真结果表明FFT-LSTM能够准确诊断不同转速下变速抽蓄机组的转子绕组短路故障和转子偏心故障。

基于重复脉冲法的变速抽蓄机组转子绕组短路故障诊断方法

变速抽蓄机组的转子侧采用特殊的三相交流绕组结构,导致其转子绕组短路故障诊断困难。为此,提出了一种基于重复脉冲法(repetitive surge oscillograph,RSO)的离线故障诊断方法。首先设计了重复脉冲法在变速抽蓄机组中的应用方案,通过在转子三相同时注入低压脉冲并检测响应曲线来判断机组故障情况。基于不同短路故障的响应特性分析,提出了转子绕组短路故障类型和故障相别的识别方法。然后,结合变分模态分解与Teager能量算子(variational mode decomposition-teager energy operator,VMD-TEO)估计注入脉冲和特征曲线的起始突变位置,并通过时间差值和实测波速确定故障位置。最后,利用指数还原故障因子衡量匝间短路故障的严重程度,以解决克服行波衰减引起的特征波形幅值重叠问题。仿真结果表明,所提方案能准确诊断变速抽蓄机组的各种转子绕组短路故障。

转子绕组短路故障下不平衡电磁力计算方法

通过建立发电机有限元分析模型,得到故障下发电机内部磁力线走势、发电机气隙磁通密度的变化以及短路位置、短路匝数和励磁电流对转子不平衡电磁力的影响。对工程实际中常用的等效磁通法和磁势叠加法进行了分析比较,同时改进了现有的等效磁通计算方法。将两种方法不平衡电磁力的计算结果与有限元方法结果进行比较,指出了结果存在差异的原因。

大型汽轮发电机转子绕组短路故障的检测技术研究

针对大型汽轮发电机转子绕组短路故障的检测与保护,存在很多问题有待解决。本文首先就转子绕组匝间短路和接地短路的故障特点与其相关继电保护存在的问题进行了深入分析,接下来介绍了目前应用比较成功的两种典型现代故障检测技术,基于静态检测的RSO脉冲法与基于动态检测的气隙探测线圈法。随后重点就基于气隙探测线圈法所采集的暂态微弱故障信号的数学模型,研究了小波变换的多分辨分解技术在其提取故障特征环节中的应用,分析了其有效性和可行性。本文最后进行了相关的总结和展望。

基于二维CNN与多源机电信息融合的同步电机转子匝间短路故障诊断方法

为提高同步电机转子绕组匝间短路故障的诊断准确率,以一台型号为SDF-9的一对极同步发电机为研究对象,提出了一种基于二维卷积神经网络(Convolutional Neural Networks, CNN)与多源机电信息融合的匝间短路故障诊断方法。首先选取故障前后的定子环流、转子振动、定子振动信号为故障特征,采用信号-图像转换方法将一维时序信号转化为二维灰度图像。其次将处理后的图像分别作为二维CNN模型的前置输入进行训练。最后采用D-S证据理论将3种证据体的输出概率进行决策融合。结果表明:该方法消除了单一信号易受传感器故障及环境变化的影响,故障诊断准确率显著提高,并与其他传统故障诊断算法的诊断结果进行对比分析,验证了此方法的有效性。

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。