专利名称：大电机绝缘状态在线诊断评估方法
技术领域：
本发明涉及一种大电机在线监测和故障诊断评估方法。
背景技术：
大型电机在运行时，受到工作环境和电、热、机械的应力的长期作用，其绝缘性 能逐渐老化、受损，最终导致绝缘事故，这类事故约占大电机故障的40%。因此，对大电机 绝缘状态在线诊断评估，对提高大电机运行可靠性具有十分重要的现实意义。专利号为 CN1402015A的发明专利《基于小波变换的电机绝缘老化诊断方法及其装置》，利用冲击源敲 击大型发电机定子线棒的主绝缘表面，由声传感器接收所辐射的声波。对接收到的声信号 进行小波变换，求取其在尺度1下的模极大值，通过该模极大值确定大型发电机主绝缘的 老化状态。这种方法从绝缘老化过程中材料和结构发生本征变化的角度监测，有效地避免 现场测试中的电磁干扰，但该方法需要敲击线棒绝缘，只适用于电机停机检修，不能实现在 线监测。长期以来，国内外学者对大型电机绝缘的在线监测和诊断，特别是对局部放电的监 测和分析作了大量的研究，目前已在实际应用中取得了很大的经济效益。西安交通大学的 乐波于2002年9月在《中国电力》发表的“基于虚拟仪器技术的大型发电机局部放电在线 监测系统”，介绍了一种局部放电在线监测系统，该系统可以有效地监测大型发电机运行过 程中定子绝缘的局部放电，直观显示放电信息，但不能得出绝缘分析和诊断结论。上海交通 大学的张毅刚于2004年9月在《高电压技术》发表的“发电机绝缘诊断专家系统的研究”， 介绍了一种绝缘诊断专家系统，该系统以局部放电在线监测为基础，采用从分析到综合的 分析思路，实现了发电机的绝缘诊断，该系统虽在综合评估中融合温度和振动传感器的数 据，但未考虑工作环境数据对局部放电和主绝缘的影响，得到的局部放电数据不真实，不能 准确评估绝缘状态。综上所述，现有的大电机绝缘在线诊断评估方法仅对局部放电参数进行分析，没 有考虑电机工作环境因素(振动、温度、湿度)对局部放电的影响。而局部放电易受工作环 境的影响，在不同的工作环境下，相同绝缘的局部放电特征也会有明显的差异，对于不同的 放电模式，工作环境因素对其作用又各不相同。因此，忽视工作环境因素的局部放电分析方 法可靠性低，不能准确诊断评估绝缘状态。

发明内容
本发明目的是为克服上述已有技术的不足，提供一种综合考虑振动、温度、湿度等 电机工作环境因素对局部放电的影响，准确诊断评估绝缘状态的大电机绝缘状态在线诊断 评估方法。本发明的技术方案是提供一种大电机绝缘状态在线诊断评估方法，建立工作环 境对各种局部放电模式的关系模型，采集电机局部放电和工作环境数据，识别电机局部放 电模式，再依据对应的关系模型，得到标准工作环境下的局部放电最大放电量込，通过纵 向、横向比较込判断绝缘老化状态，结合模式识别结果，得出绝缘诊断评估结论。具体分为以下步骤
(1)建立用于识别放电模式的神经网络；制作内部放电、槽部放电、端部放电和完好的 线棒模型，在6 kV、8 kV、10 kV、12 kV、15kV下测量四种线棒模型的局部放电，根据IEEE Std 1434-2000标准，计算正半周放电速率、负半周放电速率、正半周最大放电量、负半周最 大放电量、正半周放电起始相位、负半周放电起始相位这六个放电极性参数，对以上数据归 一化，得到局部放电模式识别的样本库；
对数 据归一化处理 所 使用公 式为
权利要求
1. 一种大电机绝缘状态在线诊断评估方法，其特征是(1)建立用于识别放电模式的神经网络制作内部放电、槽部放电、端部放电和完好的 线棒模型，在6 kV、8 kV、10 kV、12 kV、15kV下测量四种线棒模型的局部放电，根据IEEE Std 1434-2000标准，计算正半周放电速率、负半周放电速率、正半周最大放电量、负半周最 大放电量、正半周放电起始相位、负半周放电起始相位这六个放电极性参数，对以上数据归 一化，得到局部放电模式识别的样本库； 对数据归一化所使用的公式式中，χ为待处理数据、^ 为数据的最大值、为数据的最小值、 为归一化的数据；在MATLAB2007中搭建神经网络框架，从样本库中抽取样本训练神经网络；以剩余样本 作为测试样本，测试神经网络；若对各种放电模式的识别率都很高，记录神经网络的阈值和 权值，完成本步骤；否则，重新训练直至很高的识别率；(2)建立局部放电与对其影响的工作环境因素的关系模型先准备多个不同老化程度 的某一缺陷的线棒，在标准环境下测试局部放电，根据IEEE Std 1434-2000标准，计算最大 放电量仏，记录下标准环境下的込；然后，分级改变与这一局部放电模式相关的环境因素， 得到局部放电込和对应的环境数值，再用局部放电込和对应的环境数值作为数据样本，以 标准环境下的込作为目标，建立神经网络，对其进行训练，得到这一放电模式与对其影响的 工作环境因素的神经网络关系模型；根据各环境因素对不同放电模式的作用关系，分别建立各种放电模式与对其影响的工 作环境因素的关系模型；对于内部放电，建立温度对其的关系模型；对于端部放电，建立湿 度对其关系模型；对于槽部放电，建立振动对其关系模型；(3)数据采集；在大电机上安装局部放电传感器、温度传感器、湿度传感器、振动传感 器，采集局部放电、定子温度、空气湿度、定子振动数据；局部放电传感器与大电机高压母线 相连，其他各传感器均安装在电机绕组上；(4)建立数据库数据库建有4个表，分别为电动机静态数据表、在线监测数据表、仏修 正数据表和诊断评估结论表；电机静态数据表上保存有电动机的型号、容量、额定电压、额 定电流、绝缘等级、生产厂家、启用时间、所在区域、负责人信息等信息；在线监测数据表上 保存局部放电各特征参数、振动幅度、定子温度、空气湿度等数据；込修正数据表上保存込 的修正值；诊断评估结论表上保存诊断评估结论；(5)计算特征值对于局部放电信号，根据IEEEStd 1434-2000标准，计算正半周放电 速率、负半周放电速率、正半周最大放电量、负半周最大放电量、正半周放电起始相位、负半 周放电起始相位这六个放电极性参数，供识别放电模式；根据IEEE Std 1434-2000标准， 计算局部放电最大放电量込；对于定子温度信号和空气湿度信号，简单计算各自数值；对于 定子振动信号，计算其振动幅值；把所有特征值存入步骤(4)建立的在线监测数据表中；(6)修正得到标准工作环境下的込值对局部放电模式进行识别，以步骤(5)中计算的 局放电六个极性特征值，作为神经网络的输入，使用步骤(1)建立的神经网络，识别放电模 式；如果没有发生放电，直接得出结论“绝缘状态良好”，退出程序；否则，按下面步骤执行 根据放电模式，选择与其相关的工作环境因素及其与局部放电仏的关系模型，以步骤(5)得到的仏和工作环境因素数值为输入，使用步骤(2)得出关系模型，得到込的修正值；把修正 后的Qm值存入步骤(4)建立的Qm修正数据表中；(7)诊断评估从数据库中读取修正的Qm历史数据与当前的Qm修正值纵向比较，在同 一设备三相之间和所有电机之间横向比较込，依据相应的规则，得出绝缘状况，结合步骤 (6)的局部放电模式识别结论，提出绝缘故障诊断和评估结论；把最终评估结论值存入步骤 (4)建立的诊断评估结论表中。
2.如权利要求1所述的大电机绝缘状态在线诊断评估方法，其特征是局部放电传感器 采用80pF耦合电容器，温度传感器采用定子温度PT100传感器，湿度传感器采用HIH-3610 型湿度传感器，振动传感器采用振动位移传感器，温度传感器采用定子PT100传感器。
全文摘要
一种大电机绝缘状态在线诊断评估方法，目的是综合考虑振动、温度、湿度等电机工作环境因素对局部放电的影响，准确诊断评估绝缘状态；本发明方法先建立用于识别放电模式的神经网络，在MATLAB2007中搭建神经网络框架，从样本库中抽取样本训练神经网络；根据各环境因素对不同放电模式的作用关系，分别建立各种放电模式与对其影响的工作环境因素的关系模型；在大电机上安装各种传感器，采集数据；建立数据库；计算特征值；修正得到标准工作环境下的Qm值；从数据库中读取修正的Qm历史数据与当前的Qm修正值纵向比较，在同一设备三相之间和所有电机之间横向比较Qm，依据相应的规则，得出绝缘状况，提出绝缘故障诊断和评估结论。
文档编号G01R31/12GK102135593SQ20101060919
公开日2011年7月27日 申请日期2010年12月28日 优先权日2010年12月28日
发明者刘杰, 吝伶艳, 宋建成, 温敏敏, 田慕琴, 穆靖宇, 许春雨, 郑丽君 申请人:太原理工大学