基于在线数据的水轮发电机组转子匝间短路故障分析方法技术

本发明专利技术提供一种基于在线数据的水轮发电机组转子匝间短路故障分析方法，其包括以下步骤：选取并网后的任意时间段内的磁通量数据；根据所述磁通量数据计算出每一个磁极对应的磁场强度B

Fault analysis method for rotor turn to turn fault of hydro generator unit based on online data

The present invention provides a method for online data analysis of turbine rotor interturn short circuit fault based on, which comprises the following steps: selecting the flux data of any period of time within the grid; calculate the magnetic field strength B of each pole according to the corresponding flux data

【技术实现步骤摘要】
基于在线数据的水轮发电机组转子匝间短路故障分析方法
本专利技术属于电子领域，尤其涉及到一种基于在线数据的水轮发电机组转子匝间短路故障分析方法。
技术介绍
水电机组运行状态的实时诊断直接关系到水电站的安全稳定运行、电力质量和电力生产成本等重要的经济效益指标，其社会效益巨大。随着电站规模和监测辅助系统的不断扩大，机组的控制和监测数据信息量越来越大，运行操作人员对机组运行状态的实时有效监控、对设备故障做出迅速而准确地判断变得越来越困难，因此，研究开发智能水电机组故障诊断系统是非常必要的。水电机组在运行过程中难免发生各种各样的异常情况，同一异常现象可能有不同的产生原因，并且出现的故障具有随机性，其中许多事电站工作人员无法预先、直接检测到的，一般要根据工作人员的个人经验和对监测数据的分析来查找故障发生的原因及部位，因而有一定的主观性和局限性。因此，为保障水电机组的正常安全运行，对其运行状态进行检测，及时发现故障征兆，做到“预测性检修”防患于未然是工程界梦寐以求的理想，也是大型电站机组检修的发展方向。水轮发电机组故障诊断是近几年兴起的一门识别机组运行状态的科学，是一个复杂的综合系统，涉及的专业范围广。及时准确地诊断出水电机组的状态和故障，对提高水电机组工作稳定性、安全可靠性具有重大意义。传统水轮发电机组的故障诊断主要有以下4种方法：(1)基于信号处理的诊断方法(2)基于解析模型的诊断方法(3)基于经验知识的诊断方法(4)基于数据驱动的诊断方法多年来，如果转子出现匝间短路没有产生影响机组运行问题，则被认为是可以接受的，有的小机组(功率30-120MW)的转子在匝间短路的情况下已经运行了几十年。对于长时间运行的水轮发电机组，转子温度高，加上机械振动力的作用，易使铜线暴露，造成匝间短路。经验表明，有些情况下匝间短路处于隐匿状态，即并非所有的匝间短路都会发展到影响发电机正常运行的程度。然而，机组的运行功率越高，匝间短路发展成严重事故的可能性就越大。传统水轮发电机组转子匝间短路故障诊断技术的缺陷：国内在故障诊断技术方面的研究起步较晚，二十世纪70年代末开始研究和尝试应用诊断技术，二十世纪90年代开始进行智能化故障诊断的研究工作，研究方法集中在模糊逻辑法、故障树分析法、专家系统技术、人工神经网络技术等，其中专家系统技术和神经网络技术是应用的热点。许多监测诊断系统也开始投入使用，但大都集中在汽轮机以及其他旋转机械设备的监测与故障诊断，针对水电机组的应用很少。这主要由于水电机组转速低，对机组的安全运行没有给予足够的重视，使得水电机组在线监测和故障诊断技术的研究落后于其他(大型)旋转机械。由于监测转子匝间短路故障的重要性，一些监测技术在发电机的制造、检修和运行过程中得到了应用，但是试验方法还在不断发展。传统水轮发电机组磁极匝间短路故障检测方法有冲击法和交流阻抗法两种。冲击法需专用试验设备，可在绕组匝间施加一定的冲击电压，通过比较波形，确定绕组是否有短路或绝缘薄弱点，需要有丰富的经验才能分析判断出试验结果，不适用于电厂广泛应用。交流阻抗法需试验变压器或调压器以及专用的交流阻抗测试仪，通过比较电流或电压算出交流阻抗，来判断是否存在匝间短路或匝间绝缘缺陷，但是这种方法在检测上存在一定的误差，因为对结果的判定不是十分的准确。
技术实现思路
本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。本专利技术的目的是采用参数辨识的方法，建立数学模型，系统从在线监测数据中自动选择可以反映转子匝间短路故障的特征参数，来辨识系统是否存在转子匝间短路故障，并完成自动绘制趋势图及相关趋势图等特性曲线，自动出具分析诊断报告，以此来实现对水轮发电机组转子匝间短路故障的自动分析诊断功能。本专利技术提供一种基于在线数据的水轮发电机组转子匝间短路故障分析方法，其包括以下步骤：选取并网后的任意时间段内的磁通量数据；根据所述磁通量数据计算出每一个磁极对应的磁场强度Bi；根据该漏磁通峰值Bi计算出每一个磁极的平均磁场强度Bave、平均正向磁场强度Bp_ave、平均负向磁场强度Bm_ave，以及每个磁极对应的磁场强度Bi与平均磁场强度Bave的偏差ΔBi；选取每个磁极对应的磁场强度Bi与平均磁场强度Bave的偏差ΔBi中最大的磁场强度偏差ΔBmax，及其对应的磁极号PNo；如果最大磁场强度偏差ΔBmax≥最小容忍磁通量偏差ΔBl_max，则判断磁极号为的磁极PNo存在匝间短路故障。优选的是，所述的基于在线数据的水轮发电机组转子匝间短路故障分析方法中，在水轮发电机定转子之间安装磁通量传感器，所述磁通量传感器检测每一个磁极的漏磁通峰值并将其作为磁通量数据上传至服务器。优选的是，所述的基于在线数据的水轮发电机组转子匝间短路故障分析方法中，最小容忍磁通量偏差ΔBl_max为2％。优选的是，所述的基于在线数据的水轮发电机组转子匝间短路故障分析方法中，将每一个磁极对应的漏磁通峰值Bi生成漏磁通峰值Bi曲线，并将每个磁极对应的磁场强度Bi与平均磁场强度Bave的偏差ΔBi，最大的磁场强度偏差ΔBmax，及其对应的磁极号PNo，最小容忍磁通量偏差ΔBl_max，以及判断结果作为分析报告输出至用户界面。本专利技术提供一种基于在线数据的水轮发电机组转子匝间短路故障分析方法，其包括以下步骤：选取并网后的任意时间段内的磁通量数据；根据所述磁通量数据计算出每一个磁极对应的磁场强度Bi；根据该漏磁通峰值Bi计算出每一个磁极的平均磁场强度Bave、平均正向磁场强度Bp_ave、平均负向磁场强度Bm_ave，以及每个磁极对应的磁场强度Bi与平均磁场强度Bave的偏差ΔBi；选取每个磁极对应的磁场强度Bi与平均磁场强度Bave的偏差ΔBi中最大的磁场强度偏差ΔBmax，及其对应的磁极号PNo；如果最大磁场强度偏差ΔBmax≥最小容忍磁通量偏差ΔBl_max，则判断磁极号为的磁极PNo存在匝间短路故障。本专利技术能够根据在线数据实时自动分析判断出匝间短路故障，并自动出具分析诊断报告。本专利技术还提供一种基于在线数据的水轮发电机组转子匝间短路故障分析方法，其包括以下步骤：选取在线数据中的气隙变化量数据；根据所述气隙变换量数据计算得出气隙变化率Ad来，当气隙变化率Ad≤4％时，判定存在匝间短路，其中，AMAX代表气隙变化量最大值，AMin代表气隙变化量最小值，AAve代表气隙变化量平均值。本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。附图说明图1为本专利技术提供的基于在线数据的水轮发电机组转子匝间短路故障分析方法的流程图；图2为本专利技术提供的基于在线数据的水轮发电机组转子匝间短路故障分析方法的诊断报告生成的流程图。具体实施方式下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。以水轮发电机组的在线监测数据为基础，通过数据采集模块对实时数据的监测分析，获取到机组振动、摆度、压力脉动、位移等相关数据，并对数据进行系统、科学的分析才能实现对转子匝间短路故障的自动分析诊断功能，这就对数据的实时性、参数的严谨性、权威性等有很本文档来自技高网...

【技术保护点】
基于在线数据的水轮发电机组转子匝间短路故障分析方法，其特征在于，包括以下步骤：选取并网后的任意时间段内的磁通量数据；根据所述磁通量数据计算出每一个磁极对应的磁场强度B

【技术特征摘要】
1.基于在线数据的水轮发电机组转子匝间短路故障分析方法，其特征在于，包括以下步骤：选取并网后的任意时间段内的磁通量数据；根据所述磁通量数据计算出每一个磁极对应的磁场强度Bi；根据该漏磁通峰值Bi计算出每一个磁极的平均磁场强度Bave、平均正向磁场强度Bp_ave、平均负向磁场强度Bm_ave，以及每个磁极对应的磁场强度Bi与平均磁场强度Bave的偏差ΔBi；选取每个磁极对应的磁场强度Bi与平均磁场强度Bave的偏差ΔBi中最大的磁场强度偏差ΔBmax，及其对应的磁极号PNo；如果最大磁场强度偏差ΔBmax≥最小容忍磁通量偏差ΔBl_max，则判断磁极号为的磁极PNo存在匝间短路故障。2.如权利要求1所述的基于在线数据的水轮发电机组转子匝间短路故障分析方法，其特征在于，在水轮发电机定转子之间安装磁通量传感器，所述磁通量传感器检测每一个磁极的漏磁通峰值并将其作为磁通量数据上传至服务器。3.如权利要求1所述的基...

【专利技术属性】
技术研发人员：苏疆东，任继顺，崔悦，汪洋，何继全，
申请(专利权)人：北京中元瑞讯科技有限公司，
类型：发明
国别省市：北京,11