模型-数据混合驱动的变频电机主匝绝缘监测方法和系统技术方案

本发明专利技术涉及一种模型

【技术实现步骤摘要】
模型
‑
数据混合驱动的变频电机主匝绝缘监测方法和系统


[0001]本专利技术涉及绝缘监测领域，尤其是涉及一种模型
‑
数据混合驱动的变频电机主匝绝缘监测方法和系统。

技术介绍

[0002]变频电机系统广泛应用于电动汽车、高速列车牵引、风力发电等领域，其安全可靠运行至关重要。定子绝缘失效是引发电机故障的重要原因，占电机总故障30％以上。绝缘劣化一般起源于局部的主绝缘或匝绝缘的薄弱，当发生主绝缘或匝绝缘劣化时，定子绕组内可能会发生短路，产生大量的热量，进而可能引起绝缘击穿等危险事故。因此，在早期故障蔓延扩展为严重故障之前，对变频电机系统的主绝缘和匝绝缘进行状态监测和故障辨识，有利于提高系统运行的经济性和可靠性。
[0003]主绝缘劣化是指定子绕组与接地的铁芯或机壳之间发生绝缘老化；匝绝缘劣化是指定子绕组各匝之间绝缘发生老化。主绝缘和匝绝缘的健康运行对整体定子绝缘系统来说至关重要。相关研究实现了对电机定子绝缘系统的状态监测，然而难以实现对主绝缘和匝绝缘同时监测与分辨。
[0004]中国专利公开号CN 113391170 A提供了一种逆变器驱动电机的端部绝缘状态在线监测方法，采用高频共模开关振荡电流频率特征在线监测电机相端绝缘电容量变化。
[0005]然而，针对变频电机主绝缘和匝绝缘的辨识问题，由于主绝缘和匝绝缘的寄生参数存在高度耦合关系，难以直接利用物理模型法实现对定子绝缘故障的准确定位。

技术实现思路

[0006]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种模型
‑
数据混合驱动的变频电机主匝绝缘监测方法和系统，以实现变频电机主匝绝缘的高灵敏在线监测。
[0007]本专利技术的目的可以通过以下技术方案来实现：
[0008]本专利技术的一个方面，提供了一种模型
‑
数据混合驱动的变频电机主匝绝缘监测方法，包括如下步骤：
[0009]采集变频电机输出电流中的高频开关振荡信号；
[0010]基于所述变频电机的共模阻抗串联谐振频率和并联谐振频率，确定高频开关振荡信号中对主绝缘和匝绝缘状态变化敏感的谐振频段；
[0011]提取所述高频开关振荡信号在所述谐振频段下的绝缘状态敏感参量，利用预训练好的电机绝缘故障诊断神经网络模型，获取主绝缘和匝绝缘的故障诊断结果。
[0012]作为优选的技术方案，所述的变化敏感的谐振频段的下限F
L
和上限F
H
采用下式计算：
[0013]F
L
＝K1*F
s
[0014]F
H
＝K2*F
p
[0015]其中，F
s
、F
p
分别为共模阻抗串联谐振频率和并联谐振频率，K1、K2为系数。
[0016]作为优选的技术方案，所述的K1>0.3。
[0017]作为优选的技术方案，所述的K2<2。
[0018]作为优选的技术方案，通过高频电流传感器获取所述的高频开关振荡信号，且高频电流传感器上限频率大于1MHz，下限频率大于变频器载波频率。
[0019]作为优选的技术方案，所述的变频电机输出电流为相电流、三相套穿共模电流或电机地线电流。
[0020]作为优选的技术方案，在确定所述的谐振频段后，基于连续小波变换将所述高频开关振荡信号转化为时频谱形式。
[0021]作为优选的技术方案，所述的神经网络为人工神经网络、BP神经网络或卷积神经网络。
[0022]本专利技术的另一个方面，提供了一种模型
‑
数据混合驱动的变频电机主匝绝缘监测系统，包括：
[0023]高频电流传感器，用于采集变频电机输出电流中的高频开关振荡信号；
[0024]数据处理模块，用于基于所述变频电机的共模阻抗串联谐振频率和并联谐振频率，确定高频开关振荡信号中对主绝缘和匝绝缘状态变化敏感的谐振频段，提取所述高频开关振荡信号在所述谐振频段下的绝缘状态敏感参量，利用预训练好的电机绝缘故障诊断神经网络模型，获取主绝缘和匝绝缘的故障诊断结果。
[0025]本专利技术的另一个方面，提供了一种计算机可读存储介质，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行上述模型
‑
数据混合驱动的变频电机主匝绝缘监测方法的指令。
[0026]与现有技术相比，本专利技术具有以下优点：
[0027](1)实现变频电机主匝绝缘的高灵敏在线监测：不同于已有方案，本专利技术基于高频开关振荡信号中对主绝缘和匝绝缘状态变化敏感的绝缘状态敏感参量，利用预训练好的电机绝缘故障诊断神经网络模型实现监测，由于电机输出电流的高频开关振荡信号对定子绝缘的状态变化敏感，能灵敏监测绝缘微弱的状态变化，从而实现高灵敏监测，同时对系统具有非侵入性。
[0028](2)解耦主绝缘和匝绝缘的状态参数：由于主绝缘和匝绝缘的高频等效电容存在高度耦合关系，本申请预先通过对物理模型的分析来选择谐振频段下的绝缘状态敏感参量，将其作为数据驱动端的输入，能通过对主绝缘和匝绝缘劣化状态进行标定，利用神经网络预训练和迭代，实现绝缘状态参数的解耦。
[0029](3)抑制开关振荡的模态混叠问题：利用时频转换算法将开关振荡电流转化为二维的时频信号，通过选择敏感时频段的方式能有效抑制开关振荡的多模态混叠问题，提取出更准确的频率信息。
附图说明
[0030]图1为实施例1中模型
‑
数据混合驱动的变频电机主匝绝缘监测方法的流程图；
[0031]图2为模型
‑
数据混合驱动的变频电机主匝绝缘监测系统示意图；
[0032]图3为模拟电机绝缘劣化的实验台示意图；
[0033]图4为电机运行中的PWM电压与相电流波形示意图；
[0034]图5为截取开关振荡电流片段示意图；
[0035]图6为电机共模阻抗特性图；
[0036]图7为C1和C3状态下开关振荡不同模态时频特征对比示意图；
[0037]图8为神经网络重复运行10次的测试集准确率结果示意图；
[0038]图9为t
‑
SNE可视化分类结果示意图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。
[0040]实施例1
[0041]针对变频电机主绝缘和匝绝缘状态参数耦合问题，本专利技术提供一种模型
‑
数据混合驱动的变频电机主匝绝缘监测方法，以准确识别定子的主绝缘故障和匝绝缘早期故障。实现对电机主绝缘和匝绝缘故障的在线辨识。首先，对变频本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型
‑
数据混合驱动的变频电机主匝绝缘监测方法，其特征在于，包括如下步骤：采集变频电机输出电流中的高频开关振荡信号；基于所述变频电机的共模阻抗串联谐振频率和并联谐振频率，确定高频开关振荡信号中对主绝缘和匝绝缘状态变化敏感的谐振频段；提取所述高频开关振荡信号在所述谐振频段下的绝缘状态敏感参量，利用预训练好的电机绝缘故障诊断神经网络模型，获取主绝缘和匝绝缘的故障诊断结果。2.根据权利要求1所述的一种模型
‑
数据混合驱动的变频电机主匝绝缘监测方法，其特征在于，所述的变化敏感的谐振频段的下限F
L
和上限F
H
采用下式计算：F
L
＝K1*F
s
F
H
＝K2*F
p
其中，F
s
、F
p
分别为共模阻抗串联谐振频率和并联谐振频率，K1、K2为系数。3.根据权利要求2所述的一种模型
‑
数据混合驱动的变频电机主匝绝缘监测方法，其特征在于，所述的K1>0.3。4.根据权利要求2所述的一种模型
‑
数据混合驱动的变频电机主匝绝缘监测方法，其特征在于，所述的K2<2。5.根据权利要求1所述的一种模型
‑
数据混合驱动的变频电机主匝绝缘监测方法，其特征在于，通过高频电流传感器获取所...

【专利技术属性】
技术研发人员：李豪，高铭浩，向大为，陈逸凡，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：