基於在線數據的水輪發電機組轉子匝間短路故障分析方法與流程
2023-10-04 02:43:09 2
本發明屬於電子領域，尤其涉及到一種基於在線數據的水輪發電機組轉子匝間短路故障分析方法。
背景技術：
水電機組運行狀態的實時診斷直接關係到水電站的安全穩定運行、電力質量和電力生產成本等重要的經濟效益指標，其社會效益巨大。隨著電站規模和監測輔助系統的不斷擴大，機組的控制和監測數據信息量越來越大，運行操作人員對機組運行狀態的實時有效監控、對設備故障做出迅速而準確地判斷變得越來越困難，因此，研究開發智能水電機組故障診斷系統是非常必要的。水電機組在運行過程中難免發生各種各樣的異常情況，同一異常現象可能有不同的產生原因，並且出現的故障具有隨機性，其中許多事電站工作人員無法預先、直接檢測到的，一般要根據工作人員的個人經驗和對監測數據的分析來查找故障發生的原因及部位，因而有一定的主觀性和局限性。
因此，為保障水電機組的正常安全運行，對其運行狀態進行檢測，及時發現故障徵兆，做到「預測性檢修」防患於未然是工程界夢寐以求的理想，也是大型電站機組檢修的發展方向。
水輪發電機組故障診斷是近幾年興起的一門識別機組運行狀態的科學，是一個複雜的綜合系統，涉及的專業範圍廣。及時準確地診斷出水電機組的狀態和故障，對提高水電機組工作穩定性、安全可靠性具有重大意義。
傳統水輪發電機組的故障診斷主要有以下4種方法：
(1)基於信號處理的診斷方法
(2)基於解析模型的診斷方法
(3)基於經驗知識的診斷方法
(4)基於數據驅動的診斷方法
多年來，如果轉子出現匝間短路沒有產生影響機組運行問題，則被認為是可以接受的，有的小機組(功率30-120MW)的轉子在匝間短路的情況下已經運行了幾十年。對於長時間運行的水輪發電機組，轉子溫度高，加上機械振動力的作用，易使銅線暴露，造成匝間短路。經驗表明，有些情況下匝間短路處於隱匿狀態，即並非所有的匝間短路都會發展到影響發電機正常運行的程度。然而，機組的運行功率越高，匝間短路發展成嚴重事故的可能性就越大。
傳統水輪發電機組轉子匝間短路故障診斷技術的缺陷：
國內在故障診斷技術方面的研究起步較晚，二十世紀70年代末開始研究和嘗試應用診斷技術，二十世紀90年代開始進行智能化故障診斷的研究工作，研究方法集中在模糊邏輯法、故障樹分析法、專家系統技術、人工神經網絡技術等，其中專家系統技術和神經網絡技術是應用的熱點。許多監測診斷系統也開始投入使用，但大都集中在汽輪機以及其他旋轉機械設備的監測與故障診斷，針對水電機組的應用很少。這主要由於水電機組轉速低，對機組的安全運行沒有給予足夠的重視，使得水電機組在線監測和故障診斷技術的研究落後於其他(大型)旋轉機械。
由於監測轉子匝間短路故障的重要性，一些監測技術在發電機的製造、檢修和運行過程中得到了應用，但是試驗方法還在不斷發展。傳統水輪發電機組磁極匝間短路故障檢測方法有衝擊法和交流阻抗法兩種。衝擊法需專用試驗設備，可在繞組匝間施加一定的衝擊電壓，通過比較波形，確定繞組是否有短路或絕緣薄弱點，需要有豐富的經驗才能分析判斷出試驗結果，不適用於電廠廣泛應用。交流阻抗法需試驗變壓器或調壓器以及專用的交流阻抗測試儀，通過比較電流或電壓算出交流阻抗，來判斷是否存在匝間短路或匝間絕緣缺陷，但是這種方法在檢測上存在一定的誤差，因為對結果的判定不是十分的準確。
技術實現要素：
本發明的一個目的是解決至少上述問題，並提供至少後面將說明的優點。
本發明的目的是採用參數辨識的方法，建立數學模型，系統從在線監測數據中自動選擇可以反映轉子匝間短路故障的特徵參數，來辨識系統是否存在轉子匝間短路故障，並完成自動繪製趨勢圖及相關趨勢圖等特性曲線，自動出具分析診斷報告，以此來實現對水輪發電機組轉子匝間短路故障的自動分析診斷功能。
本發明提供一種基於在線數據的水輪發電機組轉子匝間短路故障分析方法，其包括以下步驟：
選取併網後的任意時間段內的磁通量數據；
根據所述磁通量數據計算出每一個磁極對應的磁場強度Bi；
根據該漏磁通峰值Bi計算出每一個磁極的平均磁場強度Bave、平均正向磁場強度Bp_ave、平均負向磁場強度Bm_ave，以及每個磁極對應的磁場強度Bi與平均磁場強度Bave的偏差ΔBi；
選取每個磁極對應的磁場強度Bi與平均磁場強度Bave的偏差ΔBi中最大的磁場強度偏差ΔBmax，及其對應的磁極號PNo；
如果最大磁場強度偏差ΔBmax≥最小容忍磁通量偏差ΔBl_max，則判斷磁極號為的磁極PNo存在匝間短路故障。
優選的是，所述的基於在線數據的水輪發電機組轉子匝間短路故障分析方法中，在水輪發電機定轉子之間安裝磁通量傳感器，所述磁通量傳感器檢測每一個磁極的漏磁通峰值並將其作為磁通量數據上傳至伺服器。
優選的是，所述的基於在線數據的水輪發電機組轉子匝間短路故障分析方法中，最小容忍磁通量偏差ΔBl_max為2％。
優選的是，所述的基於在線數據的水輪發電機組轉子匝間短路故障分析方法中，將每一個磁極對應的漏磁通峰值Bi生成漏磁通峰值Bi曲線，並將每個磁極對應的磁場強度Bi與平均磁場強度Bave的偏差ΔBi，最大的磁場強度偏差ΔBmax，及其對應的磁極號PNo，最小容忍磁通量偏差ΔBl_max，以及判斷結果作為分析報告輸出至用戶界面。
本發明提供一種基於在線數據的水輪發電機組轉子匝間短路故障分析方法，其包括以下步驟：選取併網後的任意時間段內的磁通量數據；根據所述磁通量數據計算出每一個磁極對應的磁場強度Bi；根據該漏磁通峰值Bi計算出每一個磁極的平均磁場強度Bave、平均正向磁場強度Bp_ave、平均負向磁場強度Bm_ave，以及每個磁極對應的磁場強度Bi與平均磁場強度Bave的偏差ΔBi；選取每個磁極對應的磁場強度Bi與平均磁場強度Bave的偏差ΔBi中最大的磁場強度偏差ΔBmax，及其對應的磁極號PNo；如果最大磁場強度偏差ΔBmax≥最小容忍磁通量偏差ΔBl_max，則判斷磁極號為的磁極PNo存在匝間短路故障。本發明能夠根據在線數據實時自動分析判斷出匝間短路故障，並自動出具分析診斷報告。
本發明還提供一種基於在線數據的水輪發電機組轉子匝間短路故障分析方法，其包括以下步驟：
選取在線數據中的氣隙變化量數據；
根據所述氣隙變換量數據計算得出氣隙變化率Ad來，當氣隙變化率Ad≤4％時，判定存在匝間短路，其中，
AMAX代表氣隙變化量最大值，AMin代表氣隙變化量最小值，AAve代表氣隙變化量平均值。
本發明的其它優點、目標和特徵將部分通過下面的說明體現，部分還將通過對本發明的研究和實踐而為本領域的技術人員所理解。
附圖說明
圖1為本發明提供的基於在線數據的水輪發電機組轉子匝間短路故障分析方法的流程圖；
圖2為本發明提供的基於在線數據的水輪發電機組轉子匝間短路故障分析方法的診斷報告生成的流程圖。
具體實施方式
下面結合附圖對本發明做進一步的詳細說明，以令本領域技術人員參照說明書文字能夠據以實施。
應當理解，本文所使用的諸如「具有」、「包含」以及「包括」術語並不配出一個或多個其它元件或其組合的存在或添加。
以水輪發電機組的在線監測數據為基礎，通過數據採集模塊對實時數據的監測分析，獲取到機組振動、擺度、壓力脈動、位移等相關數據，並對數據進行系統、科學的分析才能實現對轉子匝間短路故障的自動分析診斷功能，這就對數據的實時性、參數的嚴謹性、權威性等有很高的要求。
因此，我公司開發了一種新的自動分析診斷方法，即「參數辨識」的方式。通過設計算法，建立相應的數學模型，在實際的在線監測系統中，系統會自動選擇能夠反映轉子匝間短路故障特徵的量化參數，來辨識機組是否存在由於轉子受熱、受電磁力和機械應力綜合作用等造成的轉子匝間短路故障，並完成自動繪製趨勢圖及相關趨勢圖等特性曲線。
1、轉子匝間短路故障機理：
發電機轉子是發電機的核心部件，由於轉子經常處於動態運行過程，且受熱、受電磁力、和機械應力的綜合作用，加之製造工藝不良以及安裝維護不當，轉子出現匝間短路缺陷屢見不鮮，其危害雖然不像發電機接地事故那麼嚴重，但也可是發電機無功出力降低,引起機組劇烈振動導致機械事故等危害。
從理論上分析，當一個磁極因短路而引起磁動勢減小時，和它相對應的那個磁極的磁動勢並沒有變，因而出現一個跟轉子一起旋轉的不平衡磁拉力，引起轉子振動。這種振動的大小取決於失去作用的線圈匝數。其振動的振幅與勵磁電流有關，用公式表示為：
Y＝f(A)
勵磁電流A增加，振幅Y增大。當去掉勵磁，振動立即消失。所以很容易把這種振動和其他非電氣原因產生的振動區分開來。
在實際分析中，由於定轉子氣隙不勻等故障也會表現出與匝間短路一樣的規律來，那就是勵磁電流A增加，振幅也同樣增大。單純通過機組振動擺度信號的變化上確認轉子匝間短路是不充分的。因此只能採用其他方式辨識。
正常運行的發電機，一對極下的漏磁通分布曲線波形是一樣的，即對於磁性相反的兩個磁極其對應的漏磁曲線是一致的，方向相反。我們知道漏磁通大小是正比於流過轉子槽電流大小的，因而線槽磁通波形峰值的大小就應該正比於所對應槽內的有效轉子繞組安匝數。由此可以推斷當一級某線槽的繞組出現匝間短路時，該線槽的漏磁通波形的峰值將降低，而另外一極同線槽的漏磁通波形的峰值不變。
因此如果在發電機定轉子之間安裝有小型磁通量傳感器，就可以實時監測掃過傳感器位置的每一個磁極的漏磁通峰值。只要檢測每一個磁極是否存在峰值差異，就可以判定是否存在匝間短路缺陷。
2、轉子匝間短路故障特徵參數及其辨識算法
在實際的在線監測系統中，系統會選擇機組併網以後的數據進行轉子匝間短路的辨識，因為在此條件下，所有磁極的磁場以完全建立，在正常情況下，所有磁極漏磁通峰值應該說完全一致。
如圖1所示，選取併網後的任意時間段內的磁通量數據；
根據所述磁通量數據計算出每一個磁極對應的磁場強度Bi；
根據該漏磁通峰值Bi計算出每一個磁極的平均磁場強度Bave、平均正向磁場強度Bp_ave、平均負向磁場強度Bm_ave，以及每個磁極對應的磁場強度Bi與平均磁場強度Bave的偏差ΔBi；
選取每個磁極對應的磁場強度Bi與平均磁場強度Bave的偏差ΔBi中最大的磁場強度偏差ΔBmax，及其對應的磁極號PNo；
如果最大磁場強度偏差ΔBmax≥最小容忍磁通量偏差ΔBl_max，則判斷磁極號為的磁極PNo存在匝間短路故障。
針對匝間短路故障需要根據以下參數進行故障識別：
在經過特徵參數辨識以後，匝間短路故障的判定條件變得簡單，具體條件如下：
如果ΔBmax≥ΔBl_max那麼可以近似認為存在匝間短路故障；
上式中，ΔBl_max為最小的能容忍的磁通量偏差，一般來說可以選擇為2％。
3、轉子匝間短路故障的自動化分析診斷
自動分析診斷功能是系統根據故障機理，自動選取合適的數據，進行自動分析和統計判斷，並給出分析評價診斷結果。整個分析過程系統能夠自動完成而無需人工操作。
報告的生成流程基本流程如圖2所示，除選擇啟動報告需要人為選定之外，其他環節全部由系統的綜合分析診斷軟體自動完成。
本部分功能主要面向日常運行工作人員。具備以下特點：
(1)易於操作。使用人員無需進行設置、選擇數據等複雜操作，採用「一鍵完成」式的軟體操作。
(2)數據選擇、計算、判定過程自動化。所有篩選數據和根據故障或缺陷模型計算的過程、分析推理、判定的過程由計算機完成，無需操作人員中間交互操作。
(3)報告中提供明確的分析診斷結論和可能的檢修建議。
(4)以報告的形式輸出到用戶界面，而且報告可以自動轉換為WORD等格式。
水輪發電機組的實際監測中，在發電機定轉子之間安裝的磁通量傳感器，實時監測掃過傳感器位置的每一個磁極的漏磁通峰值，選擇機組併網後的數據，此時所有磁極的磁場已完全建立，若檢測到每一個磁極存在峰值差異時，就可以判定存在匝間短路故障。
最終分析診斷結論以自動分析診斷報告的形式輸出。報告的內容包括：每一個磁極對應峰值漏磁通峰值Bi曲線。
本發明請求保護：採用相近方案實現的水輪發電機組的自動分析診斷方法；一種轉子匝間短路故障的分析診斷算法；基於在線數據的水輪發電機組轉子匝間短路故障的自動分析診斷方法/發明。
本發明還提供一種基於在線數據的水輪發電機組轉子匝間短路故障分析方法，其包括以下步驟：
選取在線數據中的氣隙變化量數據；
根據所述氣隙變換量數據計算得出氣隙變化率Ad來，當氣隙變化率Ad≤4％時，判定存在匝間短路，其中，
AMAX代表氣隙變化量最大值，AMin代表氣隙變化量最小值，AAve代表氣隙變化量平均值。
本發明的實施方案已公開如上，但其並不僅僅限於說明書和實施方式中所列運用，它完全可以被適用於各種適合本發明的領域，對於熟悉本領域的人員而言，可容易地實現另外的修改，因此在不背離權利要求及等同範圍所限定的一般概念下，本發明並不限於特定的細節和這裡示出與描述的圖例。