[发明专利]一种同步电机励磁绕组匝间短路轻度故障诊断方法

说明书

本发明以卷积网络(CNN)和深度置信网络(DBN)相结合，实现对同步电机励磁绕组匝间短路轻度故障的诊断。本发明收集同步电机正常和轻度故障时的历史数据，经归一化处理后训练CNN和DBN。本发明以12个物理量作为CNN输入提取数据特征，以提取的数据特征为DBN输入，以故障和正常作为DBN的输出。将现场采集数据输入训练好的网络，当连续20个数据样本均被划分为故障时则判定为故障。本发明充分考虑了与转子匝间短路相关的物理量，避免了某一种物理量测量不准确或因信号受到干扰而造成的故障误判的情况，且不需要在发电机内添加额外的测量装置，具有简便易行的优点。

技术领域

本发明涉及同步电机技术领域，尤其是同步电机励磁绕组匝间短路轻度故障诊断领域。

背景技术

随着同步电机单机容量的逐渐增大，同步电机在电网中的作用也愈渐重要。然而，在提供我国约80％发电量的同步电机中都出现过一些异常或故障，这直接影响到发电场的稳定运行和安全高校供电。励磁绕组匝间短路是同步电机中最常见的故障。当短路故障较轻微时，其对电机的运行性能影响较小；但当故障较为严重时，会导致励磁电流大幅度增加，励磁绕组温度上升，如故障长时间不能得到解决甚至会由于故障点局部过热而引发一点接地或两点接地故障，造成更为严重的后果。因此，在励磁绕组匝间短路故障早期及时的发现故障，可以避免故障进一步发展，起到维护电网稳定的作用。

目前用于转子匝间短路故障诊断的方法有很多，主要分为离线检测和在线检测两种。离线检测法主要包括空载短路试验法、直流电阻测量法、交流阻抗与损耗试验法、开口变压器法和重复脉冲RSO试验法等。离线检测需要停机检查，不能实时监测。在线检测有着发现故障及时的优点，但同时也存在着干扰因素过多，轻度故障诊断效果差的问题。在线检测主要方法包括探测线圈法、转子振动变化法、轴电压法和神经网络法等。探测线圈法的理想适用状态是同步电机空载或三相短路的情况，此时发电机铁心处于不饱和状态，但在实际运行中，发电机带负载运行时磁路处于饱和状态，转子漏磁场相对电枢反应磁场较小，所以检测灵敏度降低，该方法具有一定的局限性。在轻微故障时，转子振动变化不明显，此时转子振动变化法仅可作为辅助判据。轴电压法中导致转轴电压差的因素很多，任何的磁场不对称都可能引起压差的出现，且轴电压信号来源于电刷与转轴的接触，大型电机的转轴高转速和转轴表面油污问题都会影响信号的获取。神经网络法通过对数据样本分类实现故障诊断，在一定程度上考虑了多方面因素，避免了因单一物理量不准确而造成的误诊情况，但神经网络法在轻度故障诊断方面仍表现欠佳。因此，需要一种能够实时有效地诊断同步电机励磁绕组匝间短路轻度故障的方法。

发明内容

本发明要解决的技术问题是，如何克服现有技术在故障监测的及时性、信号采集大干扰及轻度故障诊断效果差等方面存在的不足。

为解决上述技术问题，本发明提出一种基于卷积神经网络(ConvolutionalNeural Network，CNN)和深度置信网络(Deep neural network，DBN)相结合的方法实现同步电机励磁绕组匝间短路轻度故障的诊断。

本发明所述的一种同步电机励磁绕组匝间短路轻度故障诊断方法，包括以下步骤：

S1：收集同步电机历史正常运行数据和励磁绕组匝间短路轻度故障数据，归一化处理。

S2：建立CNN和DBN模型，利用所述收集数据训练CNN和DBN模型；

S3：现场采集数据，归一化处理后输入所述模型，判断励磁绕组是否正常。

优选地，步骤S1中采集数据包括：

通过传感器和采集装置测量同步电机输出定子三相电压，定子三相电流，转子励磁电压，转子励磁电流，定子径向振动，定子切向振动，定子轴向振动，转子振动12个物理量。

优选地，步骤S1中对测得的物理量进行归一化处理方法为：