[发明专利]一种发电机转子绕组匝间短路早期在线检测方法

说明书

本发明涉及一种发电机转子绕组匝间短路早期在线检测方法，包括：将发电机机端电压、电流、有功功率和无功功率作为Elman神经网络的输入量，将转子励磁电压和励磁电流作为神经网络的输出量，构建神经网络模型；采用发电机正常情况下的运行数据作为训练样本，对神经网络模型进行训练；基于神经网络模型对存在匝间短路情况下转子的励磁电压和电流的数据进行模拟，根据转子励磁电流模拟值与实际值之间的绝对百分比误差值判断转子是否存在轻微匝间短路：若误差值大于判断为存在匝间短路，若误差值小于判断为不存在匝间短路。本发明能够精准的发现转子轻微匝间短路时励磁电压和励磁电流的变化情况并精准的对轻微匝间短路情况进行判断。

技术领域

本发明属于发电机转子绕组匝间短路诊断技术领域，尤其涉及一种发电机转子绕组匝间短路早期在线检测方法。

背景技术

发电机转子绕组匝间短路是一种较常见的发电机故障，也是影响电力生产安全运行的主要原因之一。轻微的匝间短路，在故障初期由于其对电机组的正常运行影响不明显，因此很难被察觉。但轻微匝间短路发展到一定程度时，发电机的有效磁场会出现减弱，造成在同样运行工况下需要更大的励磁电流，甚至会出现由于不对称短路导致转子振动加剧，从而降低发电机出力的现象。此外，匝间短路点处的局部过热还可能使故障进一步扩大，造成转子绕组接地。因此，对发电机转子绕组轻微匝间短路故障的早期发现和诊断是十分必要的。

目前，发电机在运行中没有转子绕组匝间短路的相关保护装置。由于轻微匝间短路时励磁电流变化量微小，无法通过设置保护参数来进行保护预警。当前用于转子绕组匝间短路故障的在线检测手段主要有气隙线圈探测法、环流检测法及转子轴电压法。

以上几种在线检测方法都存在一定的问题及局限性，难以对早起的转子匝间短路情况进行准确的判断。如果能够实现在线检测，则可以通过发电机在线运行数据确定匝间短路故障特性，有助于提高故障的监控和判断能力，及时发现转子故障做出处理。发电机转子发生绕组匝间短路故障可以通过其电气参数的变化来判断发电机的状况。但是用于判断发电机故障的各电气参数之间的关系十分复杂，难以通过函数关系进行解析。

发明内容

本发明的目的是提供一种发电机转子绕组匝间短路早期在线检测方法，采用反馈型Elman神经网络对转子匝间短路故障进行判断。

本发明提供了一种发电机转子绕组匝间短路早期在线检测方法，包括：

将发电机机端电压、电流、有功功率和无功功率作为Elman神经网络的输入量，将转子励磁电压和励磁电流作为Elman神经网络的输出量，构建用于断转子匝间短路的Elman神经网络模型；

采用发电机正常情况下的运行数据作为训练样本，对Elman神经网络模型进行训练，以使Elman神经网络模型能够精确的对正常情况下转子的励磁电压和励磁电流数据进行模拟；

基于Elman神经网络模型，对存在匝间短路情况下转子的励磁电压和电流的数据进行模拟，根据转子励磁电流模拟值与实际值之间的绝对百分比误差值判断转子是否存在轻微匝间短路：

若误差值大于判断为存在匝间短路，若误差值小于判断为不存在匝间短路，其中，Δn为短路匝数，ω_fd为转子绕组匝数。

进一步地，该Elman神经网络模型具有四层，分别为输入层、隐含层、连接层和输出层。

进一步地，隐含层为一层，输入层节点数为4，输出层节点数为2，隐含层节点数为6。

进一步地，Elman神经网络模型的训练流程包括：

1)对各层的权值进行初始化；

2)将训练样本的输入数据和输出数据载入模型，计算隐含层和输出层中各节点的输出；