电机运行状态在线监测方法、装置、电子设备和存储介质与流程
本公开涉及数据处理,尤其涉及一种电机运行状态在线监测方法、装置、电子设备和存储介质。
背景技术:
1、火力发电机组作为电力系统的核心组成部分,其电机、发电机等电气设备的运行状态直接关系到发电效率与电网安全。相关技术中,通过电流频谱诊断技术、智能故障识别算法与在线监测系统的协同作业,构建了基于电流特征分析的设备状态评估体系。
2、现有的电机监测方法中,采用定期检修或离线检测,导致轴承磨损、绝缘老化等早期异常无法及时捕捉,从而影响设备的安全运行与检修效率,增加非计划停机风险。
技术实现思路
1、本公开提供了一种电机运行状态在线监测方法、装置、电子设备和存储介质。
2、根据本公开的第一方面,提供了一种电机运行状态在线监测方法,其中,包括:
3、在电机供电电缆中采集高频电流信号;
4、对所述高频电流信号进行滤波处理,滤除直流成分和噪声信号,得到目标频段电流信号;
5、基于机器学习模型对所述目标频段电流信号进行特征提取与故障分类,识别电机初发故障类型;
6、根据识别出的故障类型及其危害程度,生成分级预警信息并推送至运维终端。
7、可选的,所述在电机供电电缆中采集高频电流信号包括:
8、在电机供电电缆上安装电流传感器,通过电磁感应方式采集所述高频电流信号。
9、可选的,所述对所述高频电流信号进行滤波处理,滤除直流成分和噪声信号,得到目标频段电流信号包括:
10、通过无源隔直电路滤除直流成分,通过可调低通滤波电路滤除低频噪声信号;
11、通过二阶高通滤波电路滤除分数高频电流,得到精确频段的目标频段电流信号。
12、可选的,所述基于机器学习模型对所述目标频段电流信号进行特征提取与故障分类,识别电机初发故障类型包括:
13、对所述目标频段电流信号进行小波包变换,得到特定频次电流信号;
14、利用能量值分析函数对所述特定频次电流信号进行能量值计算,得到能量值特征数据;
15、将所述能量值特征数据输入机器学习模型,进行故障分类。
16、可选的,所述根据识别出的故障类型及其危害程度,生成分级预警信息并推送至运维终端包括:
17、根据故障类型、危害程度及发展速度,设定预警、告警和紧急告警三级预警阈值,实现所述预警阈值的动态调整与自校准;
18、通过系统平台和移动端进行多渠道预警推送。
19、可选的,所述方法还包括:
20、建立动态更新的故障特征数据库,将识别出的故障类型及对应的特征数据存储至所述故障特征数据库;
21、结合历史运维数据优化所述机器学习模型,提升故障识别的准确性。
22、根据本公开的第二方面,提供了一种电机运行状态在线监测装置,包括:
23、采集单元,用于在电机供电电缆中采集高频电流信号;
24、滤波单元,用于对所述高频电流信号进行滤波处理,滤除直流成分和噪声信号,得到目标频段电流信号;
25、识别单元,用于基于机器学习模型对所述目标频段电流信号进行特征提取与故障分类,识别电机初发故障类型;
26、推送单元,用于根据识别出的故障类型及其危害程度,生成分级预警信息并推送至运维终端。
27、可选的,所述采集单元还用于:
28、在电机供电电缆上安装电流传感器,通过电磁感应方式采集所述高频电流信号。
29、可选的,所述滤波单元还用于:
30、通过无源隔直电路滤除直流成分,通过可调低通滤波电路滤除低频噪声信号;
31、通过二阶高通滤波电路滤除分数高频电流,得到精确频段的目标频段电流信号。
32、可选的,所述识别单元还用于:
33、对所述目标频段电流信号进行小波包变换,得到特定频次电流信号;
34、利用能量值分析函数对所述特定频次电流信号进行能量值计算,得到能量值特征数据;
35、将所述能量值特征数据输入机器学习模型,进行故障分类。
36、可选的,所述推送单元还用于:
37、根据故障类型、危害程度及发展速度,设定预警、告警和紧急告警三级预警阈值,实现所述预警阈值的动态调整与自校准;
38、通过系统平台和移动端进行多渠道预警推送。
39、可选的,还包括:
40、建库存储单元,用于建立动态更新的故障特征数据库,将识别出的故障类型及对应的特征数据存储至所述故障特征数据库;
41、模型优化单元,用于结合历史运维数据优化所述机器学习模型,提升故障识别的准确性。
42、根据本公开的第三方面,提供了一种电子设备,包括:
43、至少一个处理器;以及
44、与所述至少一个处理器通信连接的存储器;其中,
45、所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述第一方面所述的方法。
46、根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行前述第一方面所述的方法。
47、根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如前述第一方面所述的方法。
48、本公开提供的电机运行状态在线监测方法、装置、电子设备和存储介质,通过本申请,由于依托电机供电电缆高频电流原位采集、滤波提纯信号结合机器学习智能化故障辨识,可在线实时甄别电机初期隐性故障,无需依托人工定期检修、离线拆机检测,因此,可以解决现有火力发电机组电机依靠定期检修、离线检测,无法及时捕捉轴承磨损、绝缘老化等电机早期异常的技术问题,达到精准识别电机初发故障、提前分级预警、保障机组电气设备安全运行、提升运维检修效率、降低电机非计划停机风险的技术效果。
49、应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
1.一种电机运行状态在线监测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述在电机供电电缆中采集高频电流信号包括:
3.根据权利要求1所述的方法,其特征在于,所述对所述高频电流信号进行滤波处理,滤除直流成分和噪声信号,得到目标频段电流信号包括:
4.根据权利要求1所述的方法,其特征在于,所述基于机器学习模型对所述目标频段电流信号进行特征提取与故障分类,识别电机初发故障类型包括:
5.根据权利要求1所述的方法,其特征在于,所述根据识别出的故障类型及其危害程度,生成分级预警信息并推送至运维终端包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.一种电机运行状态在线监测装置,其特征在于,包括:
8.一种电子设备,其特征在于,包括:
9.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
10.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com