[发明专利]一种高压发电机的故障识别方法及相关组件

说明书

本申请公开了一种高压发电机的故障识别方法及相关组件，在M台并联运行的高压发电机的总输出端的零序电压大于预设电压时，从第m台高压发电机的零序电压和电流信号中提取故障特征向量，并将其中具有最大全局相关性的确定为二维网格数据的几何中心网格的数据，将剩余的故障特征向量中分值最高的确定为离几何中心网格最近的任一空白的网格的数据，直至确定完所有故障特征向量；将二维网格数据输入卷积神经网络模型判断第m台高压发电机是否发生故障。故障特征向量为一维数据，挖掘其相关性和网格间的空间相邻相关关系构造二维网格数据，一维数据本质未变，避免一维数据分解变换成多维数据再进行融合时造成的信息冗余和误差累加，提高判断精度。

技术领域

本发明涉及高压发电机的故障识别技术领域，特别是涉及一种高压发电机的故障识别方法及相关组件。

背景技术

电力系统传统的发电机机端电压仅为20kV以下，远距离输电时，为减少电能传输过程中的损耗，需经过升压变压器将电压抬高。而高压发电机(Powerformer)是一种新型发电机，其定子绕组由交联聚乙烯(XLPE)电缆绕制而成，绕组圆形截面规避了传统发电机绕组矩形截面导致的电场不均匀性，使高压发电机的输出端的电压从20kV以下跃变到理论上的400kV，不需要升压变压器即可与高压输电网直接相联。定子单相接地故障是高压发电机各种故障类型中潜在危害最大且发生最频繁的故障，易发展成更为严重的匝间故障和相间故障，还易导致铁芯破坏和定子绕组烧毁，严重影响电力设备及电网的安全稳定运行。

当多台并联运行的高压发电机中某台高压发电机发生定子单相接地故障时，现有技术中从多台并联运行的高压发电机的总输出端的电压和每台高压发电机的输出端的暂态电流信号中提取出多种特征，然后对多种特征进行分解变换，得到多维度的分量，进而从中提取出多维信息进行融合，最后将融合得到的信息与设定的阈值进行比较来判断每台高压发电机是否发生定子单相接地故障。其中，提取出多维信息进行融合时，可能提取出重复度高的信息，造成信息冗余；且融合的每个步骤中都不可避免的存在误差，进而造成误差的累加；最终使定子单相接地故障判定的准确度降低。

发明内容

本申请的目的是提供一种高压发电机的故障识别方法及相关组件，该方案中，故障特征向量为一维数据，通过挖掘其相关性并利用网格间的空间相邻相关关系构造出二维网格数据，一维数据的本质未发生变化，也就避免了一维数据分解变换成多维数据后再提取出多维信息进行融合时造成的信息冗余和误差累加，能够更准确的对故障进行判断。

为解决上述技术问题，本申请提供了一种高压发电机的故障识别方法，包括：

在M台并联运行的高压发电机的总输出端的零序电压大于预设电压时，获取预设时间段内第m台所述高压发电机的零序电压信号和零序电流信号，当前时间位于所述预设时间段内，1≤m≤M；

从所述零序电压信号和所述零序电流信号中提取出预设奇数数量的故障特征向量，所述故障特征向量为同一时刻从所述零序电压信号和所述零序电流信号中提取的故障特征构成的向量；

获取各个所述故障特征向量的全局相关性并将全局相关性最大的所述故障特征向量确定为二维网格数据的几何中心网格的数据，所述全局相关性为各所述故障特征向量与剩余的所述故障特征向量之间的相关系数之和；

除已确定为所述二维网格数据的所述故障特征向量外，获取剩余的所述故障特征向量中分值最高的所述故障特征向量并确定为所述二维网格数据中与所述几何中心网格的距离最小的任一空白的网格的数据，并重复该步骤直至所有的所述故障特征向量均被确定，其中，所述故障特征向量与已确定的所有的所述故障特征向量的相对距离加权的相关系数的平均值和所述分值呈正相关；

将所述二维网格数据输入预先训练好的卷积神经网络模型中，判断第m台所述高压发电机是否发生定子单相接地故障。

优选的，所述二维网格数据为n*n的二维网格数据，n为正奇数。