[发明专利]一种同步电机定子早期故障预警方法

摘要

本发明公开了一种同步电机定子早期故障预警方法。该方法包括：步骤1：构建深度置信网络(Deep Belief Networks，DBN)模型；步骤2：训练深度置信网络模型；步骤3：将电机实际运行时SCADA系统采集的定子侧数据经过归一化处理后输入至训练好的深度置信网络模型中，网络输出重构误差的变化趋势图，判断重构误差的变化趋势图是否在重构误差的设定阈值的上方，如果是，则判断定子侧发生故障，并转向步骤4；如果否，则定子侧运行正常，然后转向步骤5；步骤4：将状态参数的重构值与实测值相减得到状态参数的残差值，判断残差值是否超过设定阈值；步骤5：结束。本发明提供的同步电机定子早期故障预警方法，实现同步电机定子故障的诊断方法，并能对定子早期故障进行预警。

主权项

1.一种同步电机定子早期故障预警方法，其特征在于，包含以下步骤：/n步骤1：确定深度置信网络的设计参数，构建深度置信网络模型；/n步骤2：训练深度置信网络模型：/n(1a)采集同步电机正常运行状态下SCADA系统的定子侧数据，并将SCADA系统采集的定子侧数据分成训练样本集和测试样本集，对得到的训练样本集和测试样本集进行归一化处理；/n(1b)对归一化后的训练样本集进行无监督学习，通过对比散度算法更新网络参数，待训练完成第一个受限玻尔兹曼机(Restricted Boltzmann Machine，RBM)后，将其隐含层节点数据作为下一级受限玻尔兹曼机的输入，以此类推，逐层训练得到预训练后的深度置信网络模型；/n(1c)调用定子侧标签样本通过预训练后的深度置信网络模型顶层的BP网络进行自上而下的逐层参数微调，得到训练好的深度置信网络模型；/n(1d)将归一化后的测试样本集输入到训练好的深度置信网络模型中，输出深度置信网络模型的重构误差，并根据自适应阈值原理输出阈值；/n步骤3：将电机实际运行时SCADA系统采集的定子侧数据经过归一化处理后输入至训练好的深度置信网络模型中，网络输出重构误差的变化趋势图，判断重构误差的变化趋势图是否在重构误差的设定阈值上方，如果是，则判断定子侧发生故障，需报警，并转向步骤4；如果否，则定子侧运行正常，然后转向步骤5；/n步骤4：将各状态参数的重构值与实测值相减得到状态参数的残差值，寻找残差值超过其设定阈值的物理量，结合物理量类型可分析得出定子故障原因并报告；/n步骤5：结束。/n