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变换及WOA-LSTM的异步电机定子匝间短路故障诊断方法

为了实现对异步电机定子绕组匝间短路故障的可靠在线诊断,提出一种基于d-q变换及鲸鱼优化算法(WOA)优化的长短期记忆网络(LSTM)的故障诊断方法。通过理论推导可知,d-q变换可有效提取定子电流中的特征频谱数据。采用鲸鱼优化算法对长短期记忆网络中的3个关键参数进行优化,建立WOA-LSTM故障分类模型。为了验证基于d-q变换和WOA-LSTM故障诊断方法的有效性,分别以小波变换、快速傅里叶变换及d-q变换提取电流频谱数据作为输入数据集,以一台YE2-100L1-4型异步电机为实验对象进行实验验证。研究结果表明:相比于小波变换及快速傅里叶变换,采用d-q变换能更准确的提取出定子电流中的故障特征,更精确地反映电机故障状态,有助于提高故障分类准确率;相比于传统的LSTM算法,经WOA优化后的LSTM算法分类准确率可达98.3%,能可靠地实现不同程度匝间短路故障的诊断。

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。

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。

永磁同步发电机匝间短路故障对绕组绝缘温升特性的影响

本文分析了永磁同步发电机匝间短路故障前后的绕组绝缘温升特性。首先推导了正常情况和匝间短路故障下的气隙磁通密度,相电流、铁心损耗和绕组铜耗解析表达式;然后建立了发电机三维有限元仿真模型,将电磁场中计算得到的各类损耗作为热源导入温度场计算绕组绝缘温度分布;最后实测了LR-5型故障模拟永磁同步发电机组在不同短路程度下的绕组绝缘温度,理论分析、仿真计算与实验结果相互吻合。结果表明:匝间短路故障后在故障绕组电流的作用下,绕组绝缘温度明显上升,并且随着短路程度的增加而加剧,由绕组绝缘热载荷分布不均而引起的变形、应变和应力也将增加;绕组鼻端处绝缘易因高温而受损,可通过改进冷却散热结构,或在鼻端绝缘局部涂覆耐热涂层提高鼻端绝缘的可靠性。

核电半速汽轮发电机励磁绕组匝间短路时转子涡流损耗研究

为研究核电半速汽轮发电机励磁绕组匝间短路时转子涡流损耗特性,推导了核电半速汽轮发电机空载运行时励磁绕组匝间短路故障下,定子分数次谐波环流产生的合成磁动势表达式,分析合成磁动势相对于转子的转速,揭示了转子表面产生涡流的原因以及涡流的频率特性。结合涡流损耗计算方法,以一台核电半速汽轮发电机为例进行了仿真验证。在此基础上,对核电半速汽轮发电机励磁绕组不同位置发生相同程度匝间短路,以及励磁绕组发生不同程度匝间短路过程进行了仿真,计算了转子各阻尼条及槽楔中的涡流及涡流损耗,揭示了励磁绕组匝间短路时影响转子阻尼条及槽楔中涡流和涡流损耗的因素。为核电半速汽轮发电机励磁绕组匝间短路故障时,分析转子发热的影响因素提供了理论基础。

变压器绕组匝间短路与低压侧出口短路的电磁力特征对比分析

电力变压器作为电网的关键设备,其绕组绝缘状态直接关系到电网运行安全性和供电可靠性,一旦低压侧出口短路极易引起绕组匝间绝缘损伤,进而发生绕组匝间短路故障。为进一步研究变压器绕组匝间短路和低压侧出口短路故障的暂态过程,探寻绕组发热、受力薄弱环节,揭示绕组绝缘故障形成和发展机理,通过建立与实际结构尺寸相同的变压器电-磁-力耦合模型,在开展绕组单匝匝间短路试验的前提下,利用有限元仿真软件,呈现绕组在不同工况下的电磁暂态过程,对比分析绕组电动力分布特征,探究不同故障工况对绕组绝缘的影响规律。结果表明:变压器绕组匝间短路故障时短路匝电流明显高于三相出口短路电流,与额定负载工况对比,变压器在绕组匝间短路和低压出口故障时,流经短路匝和绕组的电流最大值分别增大5318%和3314%,空间磁场强度最大值分别增大1511%和2111%,绕组线匝电磁力密度最大值分别增大5210%和11489%;变压器绕组匝间短路故障极易烧毁绕组绝缘,三相出口短路故障易引起绕组的失稳变形、绝缘劣化。

水轮发电机励磁绕组匝间短路时定子铁心动态电磁力研究

为准确分析水轮发电机励磁绕组匝间短路时定子齿壁电磁力的分布特点和变化规律,利用ANSYS软件建立了某水轮发电机有限元模型,并结合麦克斯韦应力法,对发电机励磁绕组不同程度短路故障时定子齿壁动态电磁力进行计算,得到了定子齿壁动态电磁力分布情况。结果表明:水轮发电机励磁绕组匝间短路故障后,定子铁心受到不平衡电磁力,且不平衡电磁力呈现槽口大、槽底小的变化规律,随着短路匝数的增加,定子铁心动态电磁力大幅增大。

基于光纤漏磁场测量的变压器磁平衡保护研究

针对变压器绕组变形、轻微匝间故障等早期故障,传统的保护方案一般难以进行有效的诊断,根据变压器绕组漏磁场变化可以灵敏地检测出绕组的早期故障,但缺乏适用于工程应用的绕组漏磁场分析的解析方法和在线测量方案。针对这些问题,该文计算了简化模型下的变压器绕组漏磁场分布,通过测量绕组上、下表面和中部的漏磁感应强度,提出故障分量磁平衡保护的整定方法和判别逻辑。最后,建立了Ansys的仿真模型和动模实验模型,验证了保护方案具有不受负荷变化及不受励磁涌流的影响,并且区内故障检测灵敏度高的优点。

基于阶跃激励响应的牵引电机定子早期匝间短路故障诊断方法

为了实现对牵引电机定子绕组匝间短路早期故障的可靠诊断,文章提出了一种基于阶跃激励稳态响应电流的故障诊断方法。首先根据牵引电机三相定子绕组匝间短路模型,对定子绕组任意两相施加阶跃激励,推导出3种情况下的响应电流表达式,并依据响应电流稳态值的变化特征提出新的故障特征分量;然后,搭建故障电机仿真模型,分析短路电阻和短路故障严重程度对响应电流的影响,研究故障特征分量对早期匝间短路故障诊断的有效性与可靠性;最后搭建试验平台,分析当电机固有不对称时,匝间短路故障对故障特征分量的影响。仿真与试验结果表明,该故障特征分量可以表示早期的匝间短路故障及其严重程度,并且能滤除电机固有不对称的影响。基于阶跃激励稳态响应电流的诊断方法操作便捷,结果可靠性高,对保护牵引系统的安全具有极大意义,且具备极大的工程应用价值。

基于对称分量法的调相机定子故障特征分析

传统同步调相机定子绕组匝间短路故障机理分析方法通常认为电机定子电流接近三相对称,并以此为基础建立同步调相机故障电流的数学表征。但是,一旦发生定子绕组匝间短路故障,同步调相机三相定子电流的对称性将遭到破坏,使得传统故障机理分析方法所建立的数学表征无法准确反映电机内部电气量的变化。文中通过引入对称分量法,建立故障后同步调相机瞬时有功/无功功率的数学模型,提出利用瞬时有功/无功功率中的2次谐波进行定子绕组匝间短路故障诊断。仿真和实验的结果表明:相较于利用定子电流3次谐波与基波幅值之比诊断故障的传统方法,文中方法在轻微故障状态下能提高至少7倍的诊断灵敏度,更易完成早期故障诊断。同时,所提方法中的故障特征量不受同步调相机工况和故障位置的影响,具有强鲁棒性。

新型同步调相机转子匝间短路故障定位方法

转子绕组匝间短路故障是新型同步调相机的一种典型故障,对调相机长期运行和电网稳定都有严重影响。为保障新型同步调相机高可靠稳定运行,文中提出一种转子绕组匝间短路故障在线诊断与定位的方法。从故障导致的气隙磁场磁动势畸变出发,推导出定子同相两支路将出现偶次谐波环流现象,并通过对支路环流进行傅里叶分解,提取谐波中的明显特征量。对该特征量进行分析,得出其大小仅与故障所在转子上的空间位置有关,而与故障匝数无关的结论,最后通过查表的方式来实现故障诊断与定位。文中基于已规模投入使用的TTS-300-2型同步调相机开发有限元软件的仿真模型,并搭建基于新型调相机的模拟机实验平台进行实验。仿真与实验结果验证了利用支路环流谐波进行转子匝间短路故障定位的有效性。

抽水蓄能机组励磁绕组匝间短路漏磁检测研究

抽水蓄能机组定子铁心背部漏磁场可有效反应励磁绕组的运行状态,通过对励磁绕组匝间短路前后的漏磁特征进行研究,以实现对其匝间绝缘健康水平的在线监测。首先,推导励磁绕组健康状态与匝间短路状态下的漏磁表达式,得到不同状态所对应的磁密特征谐波;其次,搭建发电容量为278 MVA的抽水蓄能机组二维有限元仿真模型,据此分析匝间短路故障前后径向漏磁及切向漏磁时/频域特征的演变规律,并得到空载工况的径向、切向漏磁峰值分别为111、102μT,负载工况的径向、切向漏磁峰值分别为115、112.5μT,可为漏磁传感器选型提供参考;最后,通过在同步发电机定子铁心背部加装磁通门传感器,采集不同匝间短路程度下的径向、切向及轴向漏磁信号,获其空载工况峰值分别为51.9、40.4、28.2μT,负载工况峰值分别为56.5、47.3、38.4μT,动模机组监测结果证明了,漏磁信号时域特征波形及频谱特征谐波变化可有效表征励磁绕组匝间绝缘健康水平,为励磁绕组匝间短路状态监测拓展了新的技术路径。

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。

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。

双馈异步风力发电机转子匝间短路故障振动特性分析

针对双馈异步风力发电机转子匝间短路的故障振动机理尚不明确且无法为故障诊断提供理论依据的问题,开展了双馈异步风力发电机转子匝间短路故障振动特性分析.首先,结合有限元仿真及解析推导,分析转子匝间短路下双馈异步风力发电机的气隙磁密规律,得到转子所受的不平衡磁拉力;然后,考虑转子不平衡磁拉力的情况下构建双馈异步风力发电机转子-轴承系统非线性动力学模型,利用非线性动力学仿真获取转子匝间短路故障下系统的振动仿真信号;最后,在双馈异步风力发电机故障模拟实验台上进行转子匝间短路故障实验,利用实验分析验证非线性动力学仿真结果的有效性.非线性动力学仿真及实验分析结果均表明,转子匝间短路故障下双馈异步风力发电机转子-轴承系统振动信号的频谱存在转频的谐波成分,通过检测转频的谐波分量可诊断双馈异步风力发电机转子匝间短路故障,有效揭示了双馈异步风力发电机转子匝间短路的故障振动机理.

抽水蓄能电机转子匝间短路无传感器检测方法

定位筋作为抽水蓄能电机的固有部件,其感应电动势可有效反映转子绕组匝间绝缘健康水平。首先,通过引入衰减系数法推导了杂散磁通与气隙主磁通之间的关系,进而获取了定位筋感应电动势在匝间短路状态下的特征谐波,据此提出了谐波幅值比阈值检测法;其次,根据抽水蓄能电站服役机组运行参数搭建了二维电磁仿真模型,分析了匝间短路故障前后定位筋感应电动势时/频域特征的演变规律,并验证了谐波幅值比阈值检测法的有效性;最后,结合信号调理装置对动模实验机组不同匝间短路程度下的定位筋感应电动势信息进行采集。监测结果表明,故障磁极所对应的定位筋感应电动势时域特征幅值及基频幅值均呈衰减趋势,其频谱分数次谐波幅值呈递增趋势,进一步计算多个周期信号的谐波幅值比,据此构建统计箱线图并设定故障检测阈值,可有效为转子绕组匝间绝缘故障防御提供指导。

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。