負載工況下自動識別發電機轉子繞組匝間短路故障的方法
2023-10-09 05:14:34
專利名稱：負載工況下自動識別發電機轉子繞組匝間短路故障的方法
技術領域：
本發明涉及一種故障識別方法，特別涉及一種負載工況下自動識別發電機轉子繞組匝間短路故障的方法，該方法基於感應電勢積分獲得磁密波形，對磁密波形進行進一步分析的方法，消除傳統方法磁通量探測器感應電勢波形在負載工況下非對稱而導致無法準確監測故障的問題；及在發電機轉子對稱位置出現匝間短路故障的情況下無法監測到故障的問題。
背景技術：
發電機轉子繞組匝間容易發生短路故障。匝間短路故障容易導致局部過熱，最後形成轉子接地故障。此外，匝間短路引起轉子發熱不均勻，轉子彎曲和產生不平衡的磁拉力，所有以上這些因素將引起電機振動增加。由於轉子繞組匝間短路故障初期階段對機組正常運行影響不大或故障特徵不明顯往往容易被忽視，而隨時間的增加，許多匝間短路故障會進一步發展，轉子繞組一點甚至兩點接地，導致惡性事故的發生，因此進行匝間短路故障的早期預報是十分必要的。
對於發電機轉子繞組匝間短路故障的判斷，目前國內外通用的手段是在靜態工況下進行諸如絕緣、直流阻抗、交流阻抗和功耗等常規預防性試驗項目，其周期一般為3-4年一次，由於試驗周期較長，且做此類試驗必須使發電機組停止運行，適合於發電機組大修期間的常規試驗，或對運行狀態下預報出的短路故障進行進一步確認性診斷(停機後進行)。由此可見，此類實驗對運行期間所發生的匝間短路故障，難以形成有效的檢測。
磁通量探測器在近十多年來在國內外獲得了廣泛的應用，國家機械部在1996年頒布了JB/T 8446-1996標準，對發電機轉子匝間短路的診斷制定了兩種診斷方法。一種是用於靜態工況下檢測的阻抗測量法，另一種是用於動態工況下檢測的探測線圈波形法。
探測線圈波形法是在轉子旋轉幾何180°前後讀取兩組數據，以做比較。探測線圈波形法在發電機帶負荷運行時診斷的靈敏度會降低，同時難以實現一次定位，對於輕微的匝間短路有時候也難以檢測到。發電機帶負荷運行時由於電樞反應會影響轉子的磁滯回線出現非對稱現象，其結果會導致探測線圈波形是非對稱的。同時如果發電機轉子對稱位置出現匝間短路故障該方法也將會失效。
轉子除具有高的磁導率外，另一重要的磁性特點就是磁滯。在直流磁場和交流磁場的同時作用下，鐵磁的磁化過程較複雜。如果在一個直流偏置磁場的基礎上，作用一個小信號交變磁場時，鐵磁材料的磁狀態將不沿磁化曲線變化，而以原工作點為中心，形成一個增量環(即局部磁滯回線)這個磁滯回線叫做增量磁滯回線(非對稱磁滯回線)。
發電機在帶負荷狀態下運行時，氣隙磁場是由額定勵磁電流的轉子磁場和隨著電網需求而改變的定子磁場共同作用產生的。非對稱的磁滯回線會導致非對稱的感應電勢波形，在發電機轉子出現非對稱磁滯回線現象時，磁通探測器輸出的感應電勢波形反應轉子磁場和定子磁場的共同作用結果，因此感應電勢的波形會隨著負載的變化而進一步畸變，從而導致感應電勢波形對稱比較法就無法準確檢測到匝間短路故障。而經過積分的磁密波形可以消除掉定子磁場的作用，僅僅反應轉子磁場的作用結果，從而可以保證無論是在空載還是負載的情況下，都能夠準確反應匝間短路狀況。從圖1中可以看出以上結果，其中a圖為單周期感應電勢波形，b圖為經過積分後的單周期磁密波形，c圖中虛線為單周期感應電勢波形前半周期波峰包絡，實線為對單周期感應電勢波形後半周期的波谷包絡進行了Y軸對稱後向左平移半周期的結果，d圖中虛線為單周期磁密波形前半周期包絡，實線為對單周期磁密波形後半周期的波谷包絡進行了Y軸對稱後向左平移半周期的結果。由圖中可以看出，感應電勢波形前後半周期的包絡線形狀差別較大，且隨著負載的不同也會有所變化，因為導致傳統的感應電勢波形對稱法的理論依據出現偏差；而磁密波形的前後半周期的包絡線幾乎重合，可以保證在任何負載狀況下分析的準確性。
發明內容
針對上述現有技術長期以來發電機在負荷狀態下轉子匝間短路故障無法準確檢測的問題，本發明的目的在於，提供一種負載工況下自動識別發電機轉子繞組匝間短路故障的方法，該方法對磁通量探測器的感應電勢波形積分獲得磁密波形採用分析磁密波形，提取故障特徵，兩種計算方法的結合獲取故障檢測結果。
為了實現上述任務，本發明採取如下的技術解決方案一種負載工況下自動識別發電機轉子繞組匝間短路故障的方法，其特徵在於，該方法採用分析磁密波形，提取故障特徵，兩種計算方法的結合獲取故障檢測結果，具體包括以下步驟1)在發電機氣隙中安裝磁通量探測器，每5s採集一次數據，每次採集30ms即1.5個周期的感應電勢數據流；2)對感應電勢波形中的轉子大齒段進行分析和識別，截取第一個大齒段之後20ms的數據，即1個周期的完整波形；3)對單周期感應電勢波形數據積分得到單周期磁密波形數據；4)利用磁密波形對稱比較法分析單周期磁密波形，對發電機轉子繞組匝間短路故障進行分析和識別；5)利用磁密波形諧波峰峰值法分析單周期磁密波形，對發電機轉子繞組匝間短路故障進行分析和識別；6)將兩種計算方法的結果綜合給出最終的故障檢測結果。
本發明給出的發電機轉子繞組匝間短路檢測方法，克服了以往探測線圈波形法在發電機帶負荷運行時診斷的靈敏度會降低，同時難以實現一次定位，對於輕微的匝間短路有時候也難以檢測到的缺點。採取磁密波形對稱比較法，消除電樞反應導致探測線圈波形非對稱的影響；採取磁密波形諧波峰峰值法，解決了發電機轉子對稱位置出現故障比較法無法檢測的缺點；從而大大提高了檢測的靈敏度和準確度。
圖1是單周期波形圖，其中a為單周期感應電勢波形圖，b為單周期磁密波形圖，c為單周期感應電勢波峰和波谷包絡圖，d為單周期磁密波形波峰和波谷包絡圖；圖2是本檢測方法流程圖；圖3是故障診斷儀硬體框圖；圖4是前端信號調理電路圖。
下面結合附圖和具體實施方法對本發明作進一步的詳細描述。
具體實施例方式
本發明的發電機轉子繞組匝間短路故障的檢測方法的流程圖如圖2所示，具體包括以下步驟在發電機氣隙中安裝磁通量探測器，每5s採集一次數據，每次採集30ms(1.5周期)的數據流；磁通量探測器的探測線圈是用直徑為0.05-0.07毫米的高強度漆包線，纏繞100-200匝，磁通量探測器的絕緣棒長度相當於定子線槽的高度，引線從管內導出。一般發電機定子的通風溝為8-10毫米，所以探測管的外逕取8毫米，以便插入通風溝。探測線圈一般距離轉子表面從 英寸到 英寸之間，大約位於定子鐵心內表面沿軸向的中間為宜。
由於轉子繞組匝間短路故障初期階段對機組正常運行影響不大，而隨著時間的增加，許多匝間短路故障才會進一步發展，最終導致惡性事故的發生。因此轉子繞組匝間短路故障檢測的實時性要求不高，本發明選擇每5s採集一次數據，採樣速率是50k/s。發電機轉子的額定轉數是3000rpm，本發明設計每次採集30ms的感應電勢數據流即1.5個波形周期的數據。
對感應電勢波形的轉子大齒段進行分析和識別，截取第一個大齒段之後20ms的數據，即1個周期的完整波形；如圖1a所示，是600MW發電機額定轉速下檢測到的感應電勢波形圖，發電機轉子採用輻射形槽。沿著轉子外圈，佔2/3的轉子表面上均勻開著32個下線槽，在另外的佔轉子1/3的部分沒有開下線槽，形成了大齒。感應電勢波形的16個波峰和16個波谷與轉子的32個下線槽一一對應。
發電機轉子大齒段的諧波是由定子線槽產生的，因為傳感器距離定子表面相對較遠，所以轉子大齒段的諧波峰峰值明顯低於轉子齒諧波。感應電勢波形的最大振幅大約4.5V，轉子大齒段的諧波峰峰值大約0.5V，轉子齒諧波峰峰值大約3-4V。根據發電機轉子大齒段諧波峰峰值較低的特徵，即可截取一個周期的感應電勢波形。
上述識別感應電勢波形轉子大齒段的具體步驟是1)對獲取的感應電勢數據流進行查找，識別其最大值和最小值，通過計算差值得到感應電勢波形的最大振幅改變量，將最大振幅改變量的10％設置為閾值α1；2)從數據流起始位置取0.4ms數據，計算感應電勢波形最大振幅改變量；3)判斷0.4ms內的最大振幅改變量是否超出閾值α1，如果沒有超出閾值則說明檢測到了轉子大齒段，如果超出閾值則繼續取下一段0.4ms數據流進行分析，直到檢測到大齒段。
對單周期感應電勢波形數據積分得到單周期磁密波形數據；對單周期磁密波形進行對稱比較法識別故障，其具體步驟是1)對單周期磁密波形中轉子齒諧波的波峰和波谷進行分析和識別；2)根據磁密波形起始段的波峰值判斷磁密波形前半周期的基波變化趨勢。如果波峰值逐漸增大，表明前半周期基波的變化趨勢是逐漸上升，則將前半周期轉子齒諧波的波峰值和後半周期轉子齒諧波的波谷值按順序存入數組A；如果波峰值逐漸減小，表明前半周期基波的變化趨勢是逐漸下降，將後半周期轉子齒諧波的波峰值和前半周期轉子齒諧波的波谷值按順序存入數組A；本實例中，轉子齒槽每極16個，因此數組A元素數目為32。
3)利用數組中的數據計算半周期對稱位置的波峰和波谷之間的幅值偏差E[i-1]即計算數組中第i(1≤i≤16)個數據A[i-1]與第(i+16)個數據A[i+15]的差；4)設置磁密波形對稱位置波峰和波谷之間的幅值偏差閾值α2；α2為全部偏差的平均值E的5％；5)計算全部偏差的平均值E；6)計算任一幅值偏差E[i-1]與E之間的差值，判斷該差值是否超出閾值α2，如果超出閾值則說明存在故障點，若偏差E[i-1]為正，故障位於轉子N極第i槽，若偏差E[i-1]為負，故障位於轉子S極第i槽；如果沒有超出閾值則說明無故障。
對單周期磁密波形進行諧波峰峰值法識別故障，其具體步驟是1)對單周期磁密波形轉子齒諧波的波峰和波谷進行分析和識別，並對轉子齒諧波進行編號；2)每個轉子齒諧波的波峰值和波谷值相減，計算每個轉子齒諧波的峰峰值；3)對磁密波形的諧波峰峰值按一維樣條進行插值計算；
4)採用二進離散小波變換的快速算法----Mallat算法抓取插值計算後的諧波峰峰值曲線突變點；5)設置突變閾值α3為該處轉子齒諧波峰峰值的5％，並判斷突變點是否超出閾值；如果超出閾值則說明存在故障點，故障位於突變點處，如果沒有超出閾值則說明沒有故障點。
下面是發明人給出的一個具體實例如圖3所示，為採用本發明提供的故障診斷方法實現的發電機轉子繞組匝間短路故障在線診斷儀的硬體組成框圖。由以下幾部分組成電源電路1，信號調理電路2，基準電壓電路3，AD採樣及數位訊號處理器電路4，CAN總線驅動5，外擴RAM空間6，LCD顯示電路7，聲光報警指示電路8，CF卡存儲電路9，鍵盤電路10組成。
由於本發明提供的故障診斷算法需要複雜的數位訊號處理算法，為了滿足系統的實時運算要求，選用數位訊號處理器(DSP)TMS320LF2407作為系統的核心，它在30MHz的時鐘頻率下能夠達到30MIPS的執行速度，足以滿足系統實時性要求。在DSP內部，除了CPU內核外，還集成了專用的硬體乘法器、16通道10位AD轉換器、控制器區域網(CAN)2.0B模塊、看門狗電路等。
前端信號調理電路如圖4所示，主要由三部分組成儀用放大器信號調理電路3、增益數字控制電路2、偏置數字調整電路12組成。儀用放大器採用AD623，其增益可通過外接在+RG和-RG之間的增益電阻方便地在1～1000範圍內設定。增益的計算公式如下G=1+100KRG]]>AD623在前端電路中的作用有三個。第一，以高共模抑制比、高閉環增益精度和高輸入阻抗對微型探測線圈輸出的小電壓信號進行放大，以匹配ADC的輸入量程。第二，由於ADC以+2.50v電壓為參考對輸入模擬信號進行轉換，AD623通過加於REF管腳的數字可調電壓基準對其輸入信號進行偏置調整；第三，配合數字電位器，通過程序控制接入增益電阻RG的不同，實現增益的數字控制。
增益數字控制電路中選用數字電位器X9313，總阻值為100k，32抽頭，也即在前端信號處理電路中，與AD623配合，可實現32檔的可編程放大器，放大倍數可在2～1000倍範圍內調整。
偏置數字調整電路採用MAX517實現，由單片機進行程序控制輸出電壓的範圍。
通過以上分析可得如下ADC輸入電壓的計算公式uadm=um(1+100kRG)+DACReg0FFH2.50(V)]]>式中uadm-------------ADC的輸入信號um---------------微型線圈輸出信號RG-------------數字電位器接入調理電路部分的阻值DACReg-----max517轉換寄存器的值，範圍00H-0FFH電壓基準電路，選用MAXIM公司的max6166，其輸入電壓為2.7v～12.6v，輸出電壓為2.50v，溫度係數為5ppm/℃，具有很好的精度，對感應電勢磁密波形的準確測量提供精確的參考電壓。
由於DSP內部集成了CAN總線控制器，因此，僅需要添加CAN總線驅動晶片，即可實現儀器的CAN通訊網絡，方便的與計算機進行連接傳輸數據。在本實例中，選擇的是TI公司的SN65HVD231D，其內部有一個驅動器，一個接收器，工作電壓為3.3V。
由於轉子繞組匝間短路故障波形及後續分析波形較為複雜，因此選用CSTN7.7#液晶(LM8V302)提供顯示界面，該液晶具有640×480點陣，8色，可以滿足顯示需要，同時將原始感應電勢波形、磁密波形，及處理後波形以不同顏色顯示，方便區分查看。
考慮到對採集的數據進行長時間存儲，以利於後續分析，選用CF卡(Compact Flash)進行保存數據。目前市場上512M CF卡僅售價150元，具有很高的性價比，在本儀器中，設計CF卡擴展槽，可根據用戶需要自行配置不同容量的CF卡，進行數據存儲。以選用256M CF卡為例，每次存儲1.5周期波形數據(採樣速率為50kps，採樣精度為10位)，每10分鐘存儲一次，則可存儲的時間為256M/(24*6*1.5*50000*2/50)＝621(天)，即一張256M的CF卡，可存儲近兩年的波形數據。由於該CF卡的讀寫操作以扇區為單位操作，每個扇區大小為512位元組，因此外擴一片RAM，64kB空間，作為數據臨時存儲以及程序運行所需變量空間使用。
該故障診斷儀還設置了聲光報警指示，如果診斷有故障，將通過繼電器給出開關量報警信息，該開關量可控制位於控制室的光子牌，從而報警提醒操作人員前去查看故障。
通過上述模塊實現的發電機轉子繞組匝間短路故障在線診斷儀具有的功能如下1)對磁通量探測器輸出的感應電勢信號進行採集，採集周期可調整，範圍為5秒～60秒；2)可響應計算機請求，以CAN總線方式傳輸檢測數據及故障診斷結果；3)可對採集數據進行長時間存儲，存儲時間間隔可選，範圍5分鐘～24小時；4)對故障按磁密波形對稱法和磁密波形諧波峰峰值法進行診斷，給出診斷結果5)對發現的故障給出報警信號輸出；6)可顯示感應電勢波形、積分後的磁密波形、經磁密波形對稱法及磁密波形諧波峰峰值法處理後的波形；7)可從CF卡中回調歷史數據波形，並對其進行故障分析；採用本發明給出的發電機轉子繞組匝間短路檢測方法，克服了以往探測線圈波形法在發電機帶負荷運行時診斷的靈敏度會降低，同時難以實現一次定位，對於輕微的匝間短路有時候也難以檢測到的缺點。所開發的發電機轉子繞組匝間短路故障診斷儀，採用數位訊號處理器配合彩色液晶屏幕，具有很好的故障分析和顯示能力，儀器功能豐富，操作方便，人機界面友好。
權利要求
1.一種負載工況下自動識別發電機轉子繞組匝間短路故障的方法，其特徵在於，該方法對磁通量探測器的感應電勢波形積分獲得磁密波形，提取故障特徵，用兩種計算方法的結合獲取故障檢測結果，具體包括以下步驟1)在發電機氣隙中安裝磁通量探測器，每5s採集一次數據，每次採集30ms即1.5個周期的感應電勢數據流；2)對感應電勢波形中的轉子大齒段進行分析和識別，截取第一個大齒段之後20ms的數據，即1個周期的完整波形；3)對單周期感應電勢波形數據積分得到單周期磁密波形數據；4)利用磁密波形對稱比較法分析單周期磁密波形，對發電機轉子繞組匝間短路故障進行分析和識別；5)利用磁密波形諧波峰峰值法分析單周期磁密波形，對發電機轉子繞組匝間短路故障進行分析和識別；6)將兩種計算方法的結果綜合給出最終的故障檢測結果。
2.如權利要求1所述的法，其特徵在於，所述的識別感應電勢波形轉子大齒段的具體步驟是1)對獲取的感應電勢數據流進行查找，識別其最大值和最小值，通過計算差值得到感應電勢波形的最大振幅改變量，將最大振幅改變量的10％設置為閾值α1；2)從數據流起始位置取0.4ms數據，計算感應電勢波形最大振幅改變量；3)判斷0.4ms內的最大振幅改變量是否超出閾值α1，如果沒有超出閾值則說明檢測到了轉子大齒段，如果超出閾值則繼續取下一段0.4ms數據流進行分析，直到檢測到大齒段。
3.如權利要求1所述的方法，其特徵在於，所述的磁密波形對稱比較法的具體步驟是1)對單周期磁密波形中轉子齒諧波的波峰和波谷進行分析和識別；2)根據磁密波形起始段的波峰值判斷磁密波形前半周期的基波變化趨勢，如果波峰值逐漸增大，表明前半周期基波的變化趨勢是逐漸上升，則將前半周期轉子齒諧波的波峰值和後半周期轉子齒諧波的波谷值按順序存入數組A；如果波峰值逐漸減小，表明前半周期基波的變化趨勢是逐漸下降，將後半周期轉子齒諧波的波峰值和前半周期轉子齒諧波的波谷值按順序存入數組A；數組A元素數目為N，N對應為轉子槽總數；3)利用數組中的數據計算半周期對稱位置的波峰和波谷之間的幅值偏差E[i-1]即計算數組中第i個數據A[i-1]與第i+N/2個數據A[i-1+N/2]的差，其中1≤i≤N/2；4)設置磁密波形對稱位置波峰和波谷之間的幅值偏差閾值α2；5)計算全部偏差的平均值E；6)計算任一幅值偏差E[i-1]與E之間的差值，判斷該差值是否超出閾值α2，如果超出閾值則說明存在故障點，若偏差E[i-1]為正，故障位於轉子N極第i槽，若偏差E[i-1]為負，故障位於轉子S極第i槽；如果沒有超出閾值則說明無故障。
4.如權利要求1所述的方法，其特徵在於，所述的磁密波形諧波峰峰值法的具體步驟是1)對單周期磁密波形轉子齒諧波的波峰和波谷進行分析和識別，並對轉子齒諧波進行編號；2)每個轉子齒諧波的波峰值和波谷值相減，計算每個轉子齒諧波的峰峰值；3)對磁密波形的諧波峰峰值按一維樣條進行插值計算；4)採用二進離散小波變換的快速算法----Mallat算法抓取插值計算後的諧波峰峰值曲線突變點；5)設置突變閾值α3，並判斷突變點是否超出閾值；如果超出閾值則說明存在故障點，故障位於突變點處，如果沒有超出閾值則說明沒有故障點。
5.如權利要求3所述的方法，其特徵在於，所述的磁密波形對稱法中的閾值α2為全部偏差的平均值E的5％。
6.如權利要求4所述的方法，其特徵在於，所述的突變閾值α3以該處轉子齒諧波峰峰值的5％為突變點。
全文摘要
本發明公開了一種負載工況下自動識別發電機轉子繞組匝間短路故障的方法，該方法對磁通量探測器的感應電勢波形積分獲得磁密波形，提取故障特徵，並給出了兩個新的計算方法的結合獲取故障檢測結果，一個是比較磁密波形半周期對稱位置的轉子齒諧波波峰和波谷之間偏差的計算方法，該方法解決了傳統方法磁通量探測器感應電勢波形在負載工況下非對稱而導致無法準確監測故障的問題；另一個是比較磁密波形轉子齒諧波峰峰值的計算方法，該方法解決了傳統方法在發電機轉子對稱位置出現匝間短路故障的情況下無法監測到故障的問題。本發明的方法可以滿足發電機負載工況下在線監測的要求，且故障診斷的準確性得到進一步提高，漏報率有很大降低。
文檔編號H02H7/06GK1896760SQ20061004298
公開日2007年1月17日 申請日期2006年6月15日 優先權日2006年6月15日
發明者陳鋒, 司剛全, 張彥斌, 虞鶴松 申請人:西安交通大學