同步机器中的故障检测

同步机器中的故障检测
1.本发明涉及一种同步机器中的故障检测的方法，也涉及可以与同步机器相结合的相关的故障检测系统，以及相对应的计算机程序产品。
2.同步机器，特别是大型同步机器(诸如水力发电机)，在电力生产中发挥着关键作用。供电的高可靠性依赖于这些同步发电机。能源生产中心(发电厂)和生产线的意外停机是电力行业中最关键的问题之一。大规模的能源生产系统完全依赖于大型电机，尤其是同步机器。大型同步机器是发电厂中最昂贵的设备之一。此外，它们的维护和维修成本很高，并且任何由于故障而使同步机器从网络中终止都会导致经济损失。如今，在大多数与电机相关的行业中使用定期维护系统。
3.同步机器中可能发生不同类型的电气故障和机械故障。机械故障可能会导致振动、不平衡的磁拉力进入发电机的特定部分或整个部分。机械故障可能是由不合适的操作状况、机械退化或机器组装期间的缺陷引起的。如果转子与定子芯之间的最小气隙发生变化，那么同步发电机就会出现一种称为偏心故障的状况。有两种类型的偏心：静态和动态。静态偏心是气隙的非均匀分布中的最短长度具有恒定长度并且在空间中固定的状况。静态偏心是同步发电机的常见故障之一。较低水平的偏心不会对机器造成任何损坏；然而，其应在转子芯摩擦定子芯和绕组之前的早期阶段被检测到。
4.一般来说，故障可能是由于外部因素(诸如电网中的严重短路)或由于逐渐出现的缺陷而在内部发生的。对故障的快速响应是同步机器的保护系统的职责。典型的保护系统在定子的端子处使用电压、电流分布或提取的与它们相关联的数据。就水力发电机而言，水力发电厂通常具有复杂的保护系统，该系统由过电压、过电流、差动继电器外加若干子系统和设备组成，这些子系统和设备会自动跳闸以作为对异常操作状况的快速响应。保护系统的目的是确保在与其连接的机器或电力网中发生严重故障的情况下立即且正确地断开生产单元。它可以根据测量数据将电机与电力系统断开连接，以保护其免受快速和破坏性故障的影响。然而，现有的保护系统可能无法检测到机器内部可能导致未来严重故障的逐渐发生的缺陷。因此，拥有状况监测系统来执行进一步的故障检测任务是有益的。本发明涉及在该背景下使用的方法和系统。
5.从第一方面来看，本发明提供了一种同步机器中的故障检测的方法；该方法包括：
6.使用至少一个传感器来确定与同步机器内产生的磁场相关联的参数，该参数包括基于磁场强度、转子电流或电压、定子电流或电压以及振动中的一者或更多者的参数；
7.对传感器测量值进行处理以对与磁场相关联的数据伪影进行识别，其中该处理包括基于时间、频率以及时间和频率两者的一种或更多种信号处理技术；以及
8.对信号处理的输出进行分析，以对指示同步机器中的故障的磁场中的不规则性进行识别和分类，其中该分析包括通过使用计算机辅助模式识别技术(例如，通过机器学习算法)来对所处理的传感器测量值中的模式进行识别。
9.使用这种方法可以更有效地确定同步机器的故障。第一方面的方法涉及同步机器自身内的故障的检测，例如与同步机器的机械部件和/或电气部件有关的故障，通常是在机器内部发现的那些部件的故障。机器内的故障要与机器外部的故障区分开来，例如：与用于
机器的磁化的激励系统或外部电网络有关。在未对机器进行侵入式测量和/或修改的情况下，这种部件的故障通常很难识别和诊断。提供有效的非侵入式技术将是一种优势。该方法在大型同步机器、诸如用作水力发电机的同步电机的情况下具有特别的优势。尽管存在其他故障查找方法，但它们并不专注于实现通过对磁场中的不规则性进行识别和分类而使用磁场来诊断同步机器的许多问题。该方法可以用于对与偏心、阻尼绕组故障和短路中的一者或更多者相关联的故障进行检测。
10.同步机器是一种ac电机，其中，在稳态下，轴的旋转与产生的电压的频率同步，或者如果该机器用作马达，则轴的旋转与电源电压的频率同步。因此，同步机器的旋转周期等于ac周期的整数或由极对数给出的ac周期的分数。本文所述的同步机器可以包含机器的定子上的多相ac电磁体，该多相ac电磁体产生随线路电流的振荡适时旋转的磁场。
11.在本背景下，重要的是要了解同步机器与感应式机器之间的区别。同步机器以锁定到线路频率的速率旋转，因为它不依赖电流感应来产生转子的磁场。相比之下，感应式机器需要打滑(slip)：转子的旋转必须稍慢于ac交替，以便在转子绕组中产生感应电流。当前描述的方法不涉及感应式机器。
12.该方法可以包括使用与高于线路频率的频率相关的信号处理技术。也就是说，该方法不仅适用于电源频率范围(通常为50hz或60hz)内的信号，而且实际上可能特别不涉及使用在该频率范围内可识别的模式的信号处理技术。因此，该方法可以包括适用于高于(并且可选地不包括)电源频率范围的频率，即高于60hz的频率。该方法有利地涉及信号处理技术，该信号处理技术基于作为线路频率的超谐波的频率，通常是远高于线路频率的频率，其可以是75hz以上的频率，例如介于75hz至400hz之间，和/或可以包括khz范围及以上的频率。因此，在第一方面的方法中使用的(一个或更多个)频率可以是1khz以上的频率，并且特别地可以是同步机器的线路频率的超谐波。因此，对输出进行分析的步骤可以包括对所处理的传感器测量值中的模式进行识别，所处理的传感器测量值包括这样的频率：其中模式在这些较大的频率范围内是可识别的。信号处理技术可以包括使用khz范围内的采样频率，诸如5khz或10khz或更高的采样频率。
13.如上所述，该方法可用于大型同步机器(诸如水力发电机)中的故障检测。在该背景下，大型同步机器是一种在用作发电机时可以产生100kw直至500mw或更多电力的同步机器。水力发电机是一种用于从水流发电的电机，且通常可以是凸极同步发电机。该故障检测的方法可能对凸极同步发电机特别有益。
14.该故障检测的方法利用了同步机器的磁场中的不规则性。这可以是例如在机器启动或关闭期间出现的瞬态磁场。这种瞬态磁场可以与同步机器的持续使用期间(诸如当水力发电机以稳定速度运行或以其他方式连续使用以发电时)出现的稳态磁场或波动磁场区分开来。已经发现，可以通过对这种瞬态磁场中的不规则性进行识别和分类来增强故障检测。因此，该方法可以在当存在瞬态磁场时的期间使用，以便发现指示故障的不规则性，且因此可以涉及在同步机器的启动期间的故障检测。发明人已经意识到，某些故障类型可以在存在瞬态磁场时被最佳地检测到，或者仅可以在机器处于瞬态时被检测到。
15.该方法可以涉及使用至少一个现有传感器或至少一个非侵入式传感器。这允许故障检测获得上面讨论的各种优点，而不需要额外的侵入式传感器并且不需要对同步机器进行修改。这有利于在现有机器中进行故障检测。可替代地，在方便的情况下，包括在设计具
有集成的故障查找能力的新机器时，与传统的大型同步机器相比，可以提供额外的传感器。特别地，通过具有侵入式安装的元件(诸如在转子与定子之间的气隙内)的传感器更直接地测量磁场信号可能是有益的。在一些示例中，该方法利用安装在气隙中的霍尔效应传感器或搜索线圈。
16.在使用现有传感器的情况下，该现有传感器可以是已经随同步机器提供的传感器，诸如在同步机器操作期间用于控制机器的一个或更多个传感器。例如，这可以是用于监测机器的性能的电压传感器或电流传感器。该现有传感器可以是非侵入式传感器，即安装在机器外部和/或以非接触方式进行测量的传感器，或者它可以是集成在同步机器内的传感器。
17.可替代地或附加地，至少一个非侵入式传感器可以与机器一起使用，专门用于故障检测，诸如提供作为故障检测系统的一部分的传感器，其中该传感器临时与机器一起放置，以用于执行故障检测方法。可以使用的非侵入式传感器包括对诸如电压、电流、电阻或相关参数之类的电气性质进行测量的传感器。这可以通过添加的传感器或通过现有传感器(诸如设置有同步机器的电压互感器的电压感测)来完成。另一种可能性是使用加速度计进行振动信号采集，该加速度计放置在机器外部，即非侵入式。
18.该方法可以使用多个传感器，其中多个不同的测量由包括现有的和/或非侵入式传感器的一个以上的传感器进行。
19.在一些示例中，该方法仅使用现有传感器和/或非侵入式传感器。因此，不使用新的侵入式传感器。例如，该方法可能不需要对同步机器进行任何物理修改来放置或附接新的传感器。
20.有利地，该方法可以不涉及来自转子的移动部件的任何数据传输，因此可能没有传感器放置在转子的移动部件上，以及/或者可能没有添加的滑环或其他用于数据传输的修改。这将故障检测方法对机器性能的影响减到最小，因为机器的移动部件不会受到附加传感器的阻碍。
21.该方法可以使用用于电压和/或电流的传感器，诸如在其电压互感器(pt)处为同步机器提供的传感器。通常在电压互感器处存在一个或更多个用于电压和/或电流的传感器。这允许将现有传感器用于所提出的方法，其中来自电压互感器的传感器测量值用于识别磁场不规则性，诸如在机器启动时的瞬态磁场期间识别磁场不规则性。例如，这种测量可以用于对诸如阻尼绕组故障或偏心故障之类的故障进行识别和分类。
22.该方法可以包括确定同步机器的转子的回转半径以及使用回转半径对磁场中的不规则性进行识别和分类。可以评估回转半径以确定各种故障，如下面进一步讨论的。在某些情况下，示例可以使用来自电压互感器处的传感器的测量来确定回转半径。
23.处理传感器测量值的步骤包括一种或更多种信号处理技术。示例包括时间序列数据挖掘(tsdm)、傅里叶变换(ft)、快速傅里叶变换(fft)、希尔伯特变换(ht)、希尔伯特黄变换(hht)、连续小波变换(cwt)和离散小波变换(dwt)。这些技术可以包括使用khz范围内的采样频率，诸如5khz或10khz或更高的采样频率。
24.在一些示例实现方式中，该方法可以包括使用回转半径数据(可选地通过时间序列数据挖掘获得)来检测阻尼绕组故障，特别是用于检测损坏的阻尼条。这可以通过对同步机器的场绕组中的感应电压的相空间进行映射来完成。有利地，该电压可以通过电压互感
器处的传感器来确定或测量。已经发现，在损坏的阻尼条的情况下，回转半径(如基于同步机器的场绕组中的感应电压的相空间所映射的)与没有损坏的阻尼条的机器不同。这种差异允许模式识别技术基于对相空间图中的特征模式进行识别来对指示损坏的阻尼条的磁场不规则性进行自动识别。基本上，当存在损坏的阻尼条时，回转半径的幅度会增大。该方法可以包括基于在已知健康的同步机器的测量结果与已知具有损坏的阻尼条的同步机器的测量结果之间的区分(或匹配)的模式识别。应当理解，类似的方法可以提供一种基于针对已知具有其他故障的同步机器的测量的模式识别来检测其他类型的故障的方式。
25.替代地或附加地，在一些示例实现方式中，该方法可以包括使用回转半径数据(可选地通过时间序列数据挖掘获得)来检测偏心故障，有利地包括静态偏心故障。这可以通过对同步机器的场绕组中的感应电压的相空间进行映射来完成。与上面讨论的阻尼绕组故障检测一样，该电压可以通过电压互感器处的传感器来确定或测量。在检测到偏心故障的情况下，对信号处理的输出(例如，来自时间序列数据挖掘)进行分析的步骤可以包括参考已知健康的机器的回转半径来确定归一化的回转半径。归一化的回转半径可以被限定为健康的回转半径与测量的(即怀疑有故障的)回转半径之间的差除以健康的回转半径。通过对归一化的回转半径的值(对于健康的机器，该值为零)进行评估，这给出了允许对偏心故障的自动识别和分类的指标。
26.分析的步骤包括通过使用计算机辅助模式识别技术来对所处理的传感器测量值中的模式进行识别。因此，该方法可以包括将在所处理的传感器测量值中发现的模式与被认为指示同步机器中的故障的模式进行比较。这可能是特定故障，因此模式识别可以给出对故障的明确诊断。可替代地，这可以是在可以诊断故障类型之前需要参考其他测量进一步调查或考虑的非特定故障的指示符，所述其他测量包括其他所处理的传感器测量值(以及可选的其中的模式)。计算机辅助模式识别技术可以是基于机器学习算法的技术。例如，模式识别可以基于机器学习算法，所述机器学习算法利用已知与无故障的机器相关的多个所处理的传感器测量值以及已知与有故障的机器相关的多个所处理的传感器测量值来进行训练。机器学习过程可以包括利用已知与特定类别的故障(例如偏心故障或阻尼绕组故障和短路)和/或特定类型的故障(例如损坏的阻尼条形式的阻尼绕组故障)相关的多个所处理的传感器测量值进行训练。
27.从第二方面来看，本发明提供了一种用于同步机器中的故障检测的故障检测系统，该故障检测系统包括：数据处理装置，该数据处理装置用于连接到至少一个传感器以接收与在同步机器内产生的磁场相关联的参数，所述参数包括基于磁场强度、转子电流或电压、定子电流或电压以及振动中的一者或更多者的参数；
28.其中，数据处理装置被配置成：
29.对传感器测量值进行处理以对与磁场相关联的数据伪影进行识别，其中该处理包括基于时间、频率以及时间和频率两者的一种或更多种信号处理技术；以及
30.对信号处理的输出进行分析，以对指示同步机器中的故障的磁场中的不规则性进行识别和分类，其中该分析包括通过使用计算机辅助模式识别技术(诸如通过机器学习算法)来对所处理的传感器测量值中的模式进行识别。
31.数据处理装置可以被配置成执行上面关于第一方面及其可选特征所讨论的步骤。本发明进一步扩展到包括故障检测系统的同步机器，诸如用作水力发电机的大型同步机
器。故障检测系统可以包括如上文关于第一方面及其可选特征所讨论的结构和/或功能特征。故障检测系统被配置为且用于检测同步机器内的故障，如上所述，这将与机器外部的故障(诸如与激励系统或外部电网络相关的问题)区分开来。如上所讨论的，故障检测系统有利地关注高于线路频率/电源频率的频率。
32.例如，故障检测系统可以包括至少一个现有传感器或至少一个非侵入式传感器，或如上所讨论的其他传感器。这可以是放置在同步机器处的现有的和/或非侵入式传感器，用于基于磁场强度、转子电流或电压、定子电流或电压以及振动中的一者或更多者来检测参数。现有传感器可以是已经随同步机器提供的传感器，诸如为在同步机器的操作期间用于控制机器而提供的一个或更多个传感器。例如，这可以是用于对机器的性能进行监测的电压或电流传感器。现有传感器可以是非侵入式传感器，即布置成安装在机器外部和/或以非接触方式进行测量的传感器，或者它可以是集成在同步机器内的传感器。替代地或附加地，至少一个非侵入式传感器可以与机器一起使用，专门用于故障检测，诸如提供作为故障检测系统的一部分的传感器，其中该传感器被配置成临时与机器一起放置，以用于执行故障检测。故障检测系统可以包括多个传感器，其中多个不同的测量由一个以上的传感器(包括现有的和/或非侵入式传感器)提供给数据处理装置。
33.在一些示例中，故障检测系统仅由同步机器的预先存在的传感器和/或非侵入式传感器组成。因此，可能不需要与机器一起安装的新的传感器，特别是可能不需要安装新的侵入式传感器，例如那些需要对同步机器进行物理修改的传感器。
34.故障检测系统可以被布置成使用不具有任何来自转子的移动部件的数据传输的传感器，因此可能没有传感器放置在转子的移动部件上。这将故障检测方法对机器性能的影响减到最小，因为机器的移动部件不会受到附加传感器的阻碍。
35.数据处理装置可以是被适当地配置为执行所需方法步骤的任何装置。它可以是故障检测系统的专用处理器，因此其可以包括合适的处理器，诸如具有适当数据输入和输出连接的计算机处理器。可替代地，故障检测系统可以包括通用计算机设备，诸如台式计算机、膝上型计算机、平板电脑或智能手机，该计算机设备被配置成执行所需的方法步骤，作为其主要角色或作为次要角色，诸如通过使用被提供为安装在通用计算机设备上的软件应用程序。
36.故障检测系统可以包括用于将传感器信号传送到数据处理装置的适当接口，诸如用于将输出信号从传感器传输到数据处理装置的有线或无线系统。
37.从第三方面来看，本发明提供了一种计算机程序产品，该计算机程序产品包括指令，当所述指令在如第二方面中的故障检测系统内执行时，将其数据处理装置配置成：对传感器测量值进行处理以对与磁场相关联的数据伪像进行识别，其中该处理包括基于时间、频率以及时间和频率两者的一种或更多种信号处理技术；以及对信号处理的输出进行分析，以对指示同步机器故障的磁场中的不规则性进行识别和分类，其中该分析包括通过使用计算机辅助模式识别技术(诸如通过机器学习算法)来对所处理的传感器测量值中的模式进行识别。
38.计算机程序产品可以包括指令，所述指令被布置成将数据处理装置配置成执行如上文关于第一方面及其可选特征的方法所描述的其他步骤。计算机程序产品例如可以是为数据处理装置配置的固件或软件，诸如用于专用处理器的固件或用于通用计算机设备的软
件。
39.现在将仅通过示例并参考随附附图来描述本发明的某些示例实施方式，在附图中：
40.图1是故障检测系统的流程图；
41.图2示出了模拟的凸极同步发电机(spsg)的二维方案；
42.图3示出了spsg中的阻尼条的分布位置；
43.图4包括两幅图，其将不同数量的bdb(损坏的阻尼条)在健康和故障情况下的spsg的转子场绕组的感应电压进行了比较；
44.图5是示出spsg转子极的边缘处的健康的和一个损坏的阻尼条的相空间的图；
45.图6示出了spsg的损坏的阻尼条的位置关于其如何影响气隙磁场的不对称性的示例，(a)每个相反的极中的六个bdb，(b)两个相邻极的边缘中的两个bdb，(c)两个相反的极的边缘中的两个bdb，(d)两极节距处的两个bdb；
46.图7示出了：在左图中，模拟的凸极同步发电机和安装在气隙中的霍尔效应传感器的位置；且在右图中，画出了处于健康(且低于20％)静态偏心故障的右传感器的磁通量密度；
47.图8图示了针对：a)右传感器；以及b)左传感器在极坐标图中的每个极的模拟的平均通量密度；
48.图9是示出小波变换的详细信号提取的过程的图；
49.图10示出了健康机器和具有静态偏心故障的机器中的d7的绝对值的小波系数；
50.图11是示出spsg在7个短路匝下空载时的气隙磁通量密度的曲线图；
51.图12是空载时的spsg极的平均通量密度的极坐标图；
52.图13示出了空载时的径向通量密度的频谱；
53.图14示出了空载时的两个传感器相加的通量密度的频谱；以及
54.图15示出了在空载状况下的径向通量密度测量的实验结果。
55.如上所述，用于同步机器的故障检测的方法可以使用与同步机器内产生的磁场相关联的各种参数，该参数包括基于磁场强度、转子电流或电压、定子电流或电压以及振动中的一者或更多者的参数。处理这些传感器测量值以对与磁场相关联的数据伪影进行识别，目的是找到指示磁场中的不规则性的模式以诊断故障。传感器测量值的处理包括基于时间、频率以及时间和频率两者的一种或更多种信号处理技术。关注的频率高于同步机器的线路频率，并且是该频率的超谐波。这些可以是高于75hz的频率，例如介于75hz与400hz之间，和/或可以包括khz范围及以上的频率。通常，用于此方法的采样频率在khz范围内或更高。图1示出了示例故障检测过程的主要步骤的流程图。
56.如以下示例所示，建议包括对信号处理的输出进行分析，以对指示同步机器中的故障的磁场中的不规则性进行识别和分类。将理解，这种分析可以利用计算机辅助模式识别技术来对所处理的传感器测量值中的模式进行识别。下面讨论了几个可能的示例，给出了实现不同故障类型的这种方法的可能的方式。
57.示例1-损坏的阻尼条(bdb)
58.过去，与大型凸极同步发电机(spsg)中的bdb和端环故障相关的研究一直受到限制，因为与其他类型的故障相比，这种故障的统计数量很少。阻尼条用于spsg与快速响应瞬
态的同步。此外，阻尼条在定子条中发生短路故障期间保护转子绕组。同步机器中的bdb故障可能是由于阻尼条与端环之间的不够牢固的连接而发生的。即使在小断裂的情况下，bdb的相邻条中的电流密度也会增大。bdb的电流流过相邻的阻尼条，导致过多的欧姆损耗，从而导致温度升高。因此，bdb故障导致在相邻条周围出现热点，这继而增加了邻近条的断裂速度。
59.对具有bdb故障的抽水蓄能机器的研究提供了一些有用的结果。机器启动期间所需的电磁转矩部分地由通过阻尼条的电流提供。在故障状况下研究了机器的磁通量密度。结果表明，bdb故障会导致不对称的磁场。此外，还调查了机器在故障状况下的启动时间，并证明由于故障而增加了机器的启动时间。然而，启动时间并不是诊断bdb故障的适当的指示符，因为许多因素都会影响机器启动时间，诸如未对准、偏心故障或负载状况。
60.同步马达的阻尼条用于同步和阻尼目的，直到转子达到同步速度。因此，同步机器的特性与同步之前的感应马达相似。在稳态状况下，通过条的电流的幅度较低，这使得bdb故障检测变得困难。
61.这个示例提出了一种在启动时间期间检测spsg中的bdb故障的新方法。该方法中的启动过程首先使机器以标称速度旋转，然后在几秒钟内以斜坡函数增大转子场绕组的激励电流。
62.使用fem对具有bdb的spsg进行建模
63.图2中显示了使用有限元法(fem)的模拟的spsg的二维(2-d)方案。模拟的spsg的完整几何和物理细节，如定子槽、转子极凸极、阻尼条被考虑在内。考虑了层叠的磁芯的非线性特性、涡流效应，以模拟在健康和bdb故障状况下的spsg。在该模拟中，在同步速度下分析spsg，其中转子场电流从零增加直到其标称值。在机器的电压建立期间进行瞬态分析，以模拟这种spsg。在该fem模型中，运动方程被考虑在内，包括与磁力耦合的机械力，以及描述转子场供应的电气方程。
64.此外，饱和、定子和转子槽设计对fem建模中应考虑的故障表征具有相当大的影响。由于机器绕组配置和电源造成的时间和空间谐波在故障检测过程中起着至关重要的作用。由电力电子设备馈入转子场绕组的直流电会在气隙磁场中导致特殊的时间谐波。此外，定子分数槽绕组也会对通量密度以及随之而来的定子端电压和负载电流产生明显的副作用。
65.在此模型中，模拟了额定功率为100kva、定子和转子层叠件由m-400材料组成的spsg。示例spsg的规格如表i所示。模拟的spsg模型具有两层分数槽定子绕组，以及由理想直流电源供电的转子场绕组。使用fem对spsg启动期间的bdb进行建模。图3示出了spsg中的阻尼条的分布位置。假设在故障情况下，阻尼条完全损坏，且相对应的电流为零。
66.表i
67.100kva/90kw，14极，400v，428rpm，凸极
68.同步发电机
69.参量值参量值定子外直径780nm定子内直径650nm槽数114阻尼条/极数7匝数8匝/极数35
堆叠长度208阻尼条直径7.3mm极靴宽度108mm极体宽度50mm定子齿宽度8.5mm定子齿高度29.5mm
70.bdb故障的理论分析
71.由于阻尼条故障引起的脉动磁场
72.除了来自阻尼绕组的脉动通量密度外，spsg的气隙中的磁场还包括来自定子和转子两者的场。启动期间气隙中的磁通密度仅包括转子和阻尼条通量密度。众所周知且实用的故障诊断的方法之一关注气隙磁通量密度监测[8]。为了获取此信号，应使用安装在定子齿或槽中的霍尔效应传感器或搜索线圈。在同步机器的瞬态操作中，除了空间谐波之外，时间谐波也会在转子阻尼条中感应出电压。阻尼条通过端环在转子极的两端上被短路。因此，电流可能会通过阻尼条，这继而在气隙中产生磁场。该磁场的幅度从瞬态操作到稳态操作发生显著的变化。
[0073]
为了分析性地监测机器启动期间的脉动磁场，阻尼条的磁动势(mmf)可以按如下所述计算：
[0074][0075]
其中p是极对数，α是阻尼条与2-d平面中的参考点的角度，单位为弧度(图4)，ij是阻尼条电流，ω是角速度，ζ是空间谐波数，因为绕组函数的谐波由ζ＝1
±
6n表示，其中n是整数。
[0076]
阻尼条的脉动通量密度(bp)，相对于机器极的有效长度(l)中的阻尼回路产生的磁动势，由以下方程给出：
[0077][0078]
在spsg的正常操作中，来自转子场和阻尼条的气隙磁场是对称的。根据以上方程，故障条的电流通过相邻条，这增大了回路的电流密度并引起局部饱和。spsg转子条中的不对称电流分布导致气隙中的不平衡磁场。
[0079]
由于bdb故障引起的场绕组中的感应电压
[0080]
由于bdb故障引起的气隙中的不平衡磁场会在转子场绕组中感应出电压。由于将极与阻尼条互连的这种分布的气隙通量密度，总通量如下给出：：
[0081][0082]
因为αi和αj是磁链(flux linkage)通过的转子极的位置，所以rr是转子的外半
径。根据法拉第定律，转子场绕组中的感应电压如下：
[0083][0084]
其中n是转子绕组的匝数。图4示出了spsg的场绕组在健康和故障情况下的感应电压。健康情况下的感应电压是由于转子和定子槽谐波和机器的固有不对称性造成的。bdb故障增大了脉动磁场，这使气隙磁场畸变，从而增大了转子场绕组中的感应电压的幅度。
[0085]
spsg的转子场绕组中的感应电压的幅值与转子极中bdb的位置和数量直接相关。中间条中的电流幅度小于相邻条。由于链磁通通过中间条到达定子芯的路径的磁阻小于转子极的边缘处的其他条。因此，在bdb处于转子极中间处的情况下，激励绕组中的感应电压的幅度应该小于转子极边缘。如图4所示，在3个bdb处于极中间处的情况下的感应电压的幅度小于1个bdb处于转子极的边缘处的情况。
[0086]
特征提取
[0087]
特征提取是电机的故障检测过程的重要部分。必须使用适当的指标来检查bdb故障下的spsg的受影响最大的信号。对通过fe模拟得到的信号对于bdb故障的敏感性进行检查，并对转子场绕组中的感应电压进行选择。这是因为它的故障敏感性与其他信号相比较高。另一方面，机器的气隙磁场可能是用于各种故障检测目标的最可靠的信号。然而，基于气隙通量密度的故障检测是一种侵入式方法，需要在机器内部安装传感器，这几乎是不可能的。对于电机的故障检测，信号处理工具也很重要。在瞬态期间采集的信号是非平稳的，因此大多数信号处理工具(如fft)都不适用。
[0088]
回转半径(rg)可用作考察spsg中bdb故障趋势的合适指标。rg对于任何数量的损坏的阻尼条都具有特定的值。rg是基于时间序列数据挖掘(tsdm)方法。tsdm应用于转子场绕组中的感应电压，以便检测由于在瞬态状况下的spsg中的bdb故障而导致的隐藏模式。
[0089]
时间序列数据挖掘方法
[0090]
tsdm是一种非线性信号处理方法，它是基于动态系统理论在重建的相空间的离散随机模型上发现的。已证明了度量等效的状态空间可以通过单个采样状态变量重新生成。换句话说，动态不变量也保留在重建的状态空间中。为了恢复spsg的状态空间，将处于健康和故障情况的两种状态下的转子场绕组中的感应电压视作状态变量。换句话说，在健康或故障情况下，获取的信号可以再现类似于spsg的原始系统的拓扑等效的状态空间。
[0091]
可以使用两种方法来重建状态空间，分别是时间延迟嵌入和导数嵌入。导数嵌入不是对于实验结果的实用方法，因为此类结果具有对于噪声敏感的高阶导数。因此，选择将标量点转换为向量形式的时间延迟嵌入，以找到动态系统的不变量。假设场绕组中的感应电压的时间序列如下给出：
[0092]
e＝{e(j)-e(j-1),j＝2,3,...,k}
[0093]
因为j是时间指标，k是采样信号的数量。图5中针对健康和故障spsg示出了重建的状态空间，其也称为j等于10的相空间。使用rg来量化由tsdm生成的质量的区域中的任何变化，以区分健康与故障情况，如下所示：
[0094][0095]
其中l是相空间的时间滞后，μ0和μ
l
是它们各自维度的回转中心。
[0096]
rg的幅度在bdb故障发生时增大。由于机器具有某种程度的固有不对称性，因此即使在健康情况下也存在rg的幅度。图5示出了具有一个bdb的健康和故障spsg的相空间。根据图5，bdb故障增大了质量的半径，因为其半径在健康情况下为0.1119，而在一个损坏的阻尼条的情况下增大到2.4307。当转子极(db-4)中间处的阻尼条被损坏时，rg的幅度不会显示出相当大的敏感性，因为最低的电流密度正在通过该条。
[0097]
此外，在极的中间处有三个bdb的情况下，rg的大小小于边缘处的一个bdb。这是因为它们的电流较低。然而，由于故障导致的rg增量取决于bdb的位置和数量。例如，在转子极的边缘处通过条的最显著的电流量，因此，它相对于其他条的变化应该更明显。bdb的位置是可以改变rg的幅度的关键因素。在bdb故障发生在同一极的两个边缘条处的情况下，其rg值小于在边缘处有一个bdb的情况。由于在极的边缘处的两个bdb引起的脉动磁场是一个bdb的两倍。然而，故障的对称性主要抵消了脉动磁场。然而，它们并没有完全消除它们的影响，因此气隙磁场中仍然存在不对称性，从而产生了rg指标。显著增大rg幅度的最坏情况是同一极处的两个相邻bdb。在这种情况下，两个bdb的电流通过第三个从而导致局部饱和。结果，由于bdb引起的脉动磁场、局部饱和与磁场不足导致强烈的不平衡磁场，这在转子场绕组中感应出大的电压。
[0098]
损坏的阻尼条位置对所提出的指标的影响
[0099]
rg的大小取决于由bdb故障位置引起的气隙磁场的不对称水平。图6示出了在不同转子极中的bdb故障的位置。表ii的第三和第四列示出了rg指标相对于在不同极中的bdb故障的位置的变化。
[0100]
表ii
[0101]
针对不同数量和位置的bdb的健康和故障spsg中的回转半径
[0102][0103]
在情况(a)中，与一个极中的三个bdb相比，rg的幅度增大到两倍。然而，由于中间条处的电流密度低，预计其值不应根据bdb的数量而增大。尽管在情况(b)中预期具有更高程度的rg，这种情况在相邻转子极的两个边缘处有两个bdb，但与一个极的边缘处的一个bdb相比，它的幅度没有增大。因为通量密度水平在极中的一个极(北或南)的外周上发生变化。在情况(c)中，两个转子极具有相同的通量密度极性，这继而又将rg的幅度增大为极的边缘处的一bdb的两倍。在情况(d)中，幅度不增大而是部分地减小，这可以基于情况(b)来解释。
[0104]
结论
[0105]
本示例处理bdb故障下的spsg的详细建模、分析研究和状况监测。分析方法证明，由于bdb故障导致的阻尼条电流的变化，阻尼条产生脉动磁场，这会使气隙通量密度发生畸变。这种通量畸变会在转子场绕组中产生电动势，与非侵入式方法相比，该电动势对bdb故障有极高的敏感性。将时间序列数据挖掘方法应用于转子场端子处的感应电压，以提取精确的特征来诊断bdb故障。结果表明，该指标对bdb故障具有高度的敏感性。此外，还研究了条的数量及其位置对rg的影响。结果表明，rg的幅度随着bdb数量的增加而增大。此外，如果bdb位于具有相同极性的极中，则rg的大小可能会增加。
[0106]
示例2-静态偏心
[0107]
如果转子与定子芯之间的最小气隙发生变化，那么同步发电机就会出现一种称为偏心故障的状况。有两种类型的偏心：静态和动态。静态偏心是在气隙的非均匀分布中的最短长度具有恒定长度并且在空间中固定的状况。静态偏心是同步发电机中的常见故障之一。较低水平的偏心不会对机器造成任何损坏；然而，应在转子芯摩擦定子芯和绕组之前的早期检测到它。
[0108]
多年来，已经研究了许多方法来诊断同步发电机中的静态偏心故障。基于如定子端子电压或电流、或者机器参数的非侵入式方法的故障检测已被用于检测同步发电机的偏心故障。然而，这些方法无法在其早期检测到故障，因为转子的拓扑结构可以掩盖上述信号中的故障指示符。
[0109]
在这个示例中，使用气隙的磁通量密度来检测凸极同步发电机中的静态偏心故障。使用有限元(fe)方法来模拟同步机器。讨论了安装在机器的气隙中的霍尔效应传感器的位置和数量。使用小波变换作为处理磁场信号的处理工具。引入了一种新的指标来检测静态偏心故障。将证明，所提出的标准指标可以准确地检测机器的健康或故障状态以及故障的严重程度。
[0110]
有限元建模：
[0111]
使用二维有限元方法对100kva凸极同步发电机进行了建模。在两种情况下对同步机器进行建模：健康和具有不同严重水平的静态偏心。在空载下、于恒定同步速度和转子场绕组的额定电流下检查同步发电机。健康情况下的同步机器的有限元建模如图7所示。同步发电机规格如下表iii所示。
[0112]
表iii.100kva凸极同步发电机的特性
[0113]
定子槽数114每极阻尼条数7定子匝数8转子匝数/极35定子外直径780mm定子内直径650mm极靴宽度108mm极体宽度50mm定子齿宽度8.5mm定子齿高度29.5mm堆叠长度208mm阻尼条直径7.3mm
[0114]
静态偏心的测量点：
[0115]
在静态偏心故障下，通量密度分布在整个转子旋转周内没有变化；然而，在转子场绕组匝间故障或动态偏心故障中，情况并非如此。静态偏心导致通量密度随位置变化；因此，通量密度测量点的位置至关重要。图7示出了同步发电机的气隙中的测量点的位置，其形成了两对。两个测量点指左测量点和右测量点，而另外两个点指上测量点和下测量点(传感器位置用红圈示出)。上测量点和下测量点的位置相对于左测量点和右测量点以90度角分配。
[0116]
每对测量点必须位于同步机器的直径相反侧，以便在健康或静态偏心状况下体验相同的通量密度的变化。然而，由于滞后通量现象，测量点中的每个测量点的通量密度的变化不应完全相同。
[0117]
无论偏心故障取向如何，通量密度测量点都应检测静态偏心故障。如果测量点的位置与静态偏心的取向正交，则气隙的通量密度不会有任何明显的变化。因此，直轴和交轴上的测量的磁场被解耦，且其可用于检测静态偏心故障的方向。然而，对于具有上述配置的沿气隙分布的四个测量点，必须用一对测量点来检测偏心故障，而不管故障的方向。测量点与静态偏心的取向的最大角度不得超过90度。图7呈现了健康和20％静态偏心故障下右测量点中的磁通量密度的变化。
[0118]
在本示例中，静态偏心在所有模拟中沿正x轴、y轴和与正x轴成45度施加。气隙长度在右测量点中增大，且在左测量点中相等地减小。换句话说，在给定的静态偏心水平下，
左测量点中的磁通量密度的幅度与健康情况相比将增大。图8示出了在健康和偏心故障状况下左测量点和右测量点的每个极的平均通量密度的极坐标图。
[0119]
信号处理：
[0120]
小波变换(wt)是一种用于电力系统和电机分析等不同领域的有用的信号处理工具。在小波变换中使用信号的不同频率分量的时间局部化。与传统的频域信号处理工具不同，小波变换不使用固定宽度的窗口。小波分析功能根据给定信号的频率分量调整其时间宽度，该较低的频率在较宽的窗口中，而较高的频率在较窄的窗口中。换句话说，具有振荡和局部化脉冲的信号可以通过使用小波变换以分别在短时间和长时间间隔内分解高频分量和低频分量的方式来处理。
[0121]
在这个示例中，daubechies-8被用作母小波。与d-8类似的更高阶小波具有更高的分辨率，这可以提高电机中的故障检测的质量。图9示出了使用离散小波变换的信号分解的过程，其中s是输入信号，lpf和hpf是低通滤波器和高通滤波器。初步地，给定的小波变换的信号被划分成两半，其为lpf和hpf的输入。然后将第一级lpf的输出分成一半的频率带宽。该过程一直持续到给定信号被分解为该级的预定义值。本文中的采样频率为10khz，且根据奈奎斯特定理，信号可以包含的最高频率为5khz。因此，第一级小波变换的频率带宽必须在5-2.5khz之间。
[0122]
故障检测：
[0123]
使用气隙中的霍尔效应传感器将小波变换(daubechies-8)应用于获得的磁场信号。与凸极同步发电机中的其他小波级相比，小波变换的第七级对静态偏心的升级表现出更好的敏感性。图10呈现了在健康、以及在2.5％、10％和20％静态偏心下的第七级(d7)系数的详细信号的绝对值。对不同严重程度级别下的静态偏心的情况下的小波系数的大小比较表明，故障增大了d7中的振荡水平，这是由于气隙不规则性导致磁场中的次谐波的幅度增大。为了量化不同偏心故障级下的d7的值，提出了一种新的标准指标：
[0124][0125]
其中小波系数(d7)的绝对值的振荡以气隙磁场的平均值为单位定义。根据表vi，针对右传感器提出的指标的值减小，而针对左传感器的指标的幅度增大。因为，在沿正x轴方向的静态偏心的情况下，右侧的气隙长度增大，这导致气隙中的磁场减小；因此，提出的特征应该减少。结果表明，标准指标从健康情况下的0.6007下降到2.5％、10％和20％静态偏心的情况下的0.5969、0.5975和0.5597。健康和2.5％静态偏心标准指标之间的差证明了指出的特征可以在早期检测到静态偏心故障。
[0126]
表iv.健康和故障状况下来自左测量点和右测量点的磁通量的标准指标。
[0127][0128]
结论：
[0129]
在这个示例中，引入了一种新颖的特征作为标准指标，，以在凸极同步发电机的早期检测静态偏心故障。使用安装在同步机器的气隙中的霍尔效应传感器获取的磁场，因为它具有关于由气隙中的故障引起的不规则性的充分信息。通过考虑所有详细的几何形状和材料特性，使用有限元方法以在健康和故障状况下对同步机器进行建模。daubechies-8用作母小波来分析健康和故障状况下的磁场。其精度表明该指标可以在早期检测到故障。在本文的最终版本中，将添加其他两个轴(y轴，相对于正x轴45度)处的偏心的结果。此外，将添加与如何检测故障的位置相关的部分。另外，模拟将通过实验结果进行验证。
[0130]
示例3-短路
[0131]
此示例包括使用fe方法对健康和初期匝间短路故障中的spsg进行详细的电磁分析。基于平均径向通量、极坐标图、两个传感器通量密度之和以及频谱监测提出了一种用于激励绕组中的短路检测的过程。研究了传感器位置、采样频率和数据的重新采样的影响。研究了对所提出的方法的负载效应。模拟结果通过定制的100kv a spsg进行验证。
[0132]
电磁分析
[0133]
可靠的故障诊断需要足够精确的建模方法。在本示例中，采用时间步进有限元方法来模拟spsg。在此建模中，考虑了机器的详细几何复杂性，诸如定子槽和转子阻尼条。此外，还包括转子极的凸度、电枢绕组的空间分布、芯材料的非线性。下表v总结了提出的spsg的规格。
[0134]
表v
[0135]
100kva/90kw，14极，400v，428rpm，凸极
[0136]
同步发电机
[0137]
参量值参量值定子外直径780mm定子内直径650mm槽数114阻尼条/极数7匝数8匝/极数35堆叠长度208阻尼条直径7.3mm极靴宽度108mm极体宽度50mm定子齿宽度8.5mm定子齿高度29.5mm
[0138]
匝间短路故障下的故障极的总磁动势减小。因此，受影响的极的通量密度降低，且气隙磁场发生畸变。两个霍尔效应传感器以相反的方向位于定子齿上，以测量气隙径向磁
场(这两个传感器分别命名为左点和右点)。建模的spsg有14个极，这些极中的每个极有35匝。模拟了严重程度从1到10匝的不同程度的匝间短路故障。图11示出了一个完整的转子旋转周的气隙磁场变化，其中35匝中有7匝在一个极中短路。与健康极相比，当故障极被传感器扫过时，气隙中的通量密度具有较低的幅度，因为具有减小的安匝数的故障极会产生减小的磁动势。通过比较每个极彼此的平均通量密度，可以诊断匝间短路故障。然而，在短路匝数或短路匝数占极匝总数的百分比较低的情况下，故障检测很困难。
[0139]
图12示出了空间中每个极的平均通量密度作为健康和故障同步发电机的极坐标图。在健康且理想的机器中，从极坐标图的原点到每个极的平均值的径向距离将是相等的。转子极磁场的平均值随着短路匝的增加而减小。故障极的平均通量密度相对于短路匝为1、2、3、7和10的所有极的平均通量密度分别为99％、97.9％、96.8％、93.7％和88.8％。
[0140]
图13中气隙磁场的频谱示出了由于激励绕组中的匝间短路故障导致的边带谐波的快速变化。故障相关谐波的幅度随着短路匝的增加而增大。指标频率标识符如下：
[0141]f故障
＝fs±
k.fr[0142]
其中fs是电频率，fr是转子的机械频率，p是极对数，k是整数。图13的图具有健康机器的最大幅度尖峰，较小的幅度尖峰显示重叠，从上到下为10、7、3、2、1，然后在某些情况下是健康的。频谱中与故障相关的最显著的谐波分量出现在低于基波的频率处。一个短路匝的7.14hz分量的幅度约为60.22db或约1mt。两个短路匝时，幅度增加到约2mt，而10匝时，幅度约为10.3mt。所有故障相关谐波的大小随着短路匝数的增加显示出或多或少的线性增大。
[0143]
气隙中安装的两个霍尔效应传感器的磁场之和的频谱也可以揭示机器状况状态。在健康和平衡的操作状况下，基于理论的两个传感器经历相同的通量密度变化，导致它们的总和变为零。在场绕组中有短路匝的情况下，故障极的通量密度降低会在故障极每次经过测量点中的一个测量点时导致通量密度之和出现尖峰。健康同步发电机的模拟结果表明，频谱中的基波分量及其奇数倍数被有效地抵消了，如图14所示。图14的曲线图因此抵消了健康机器的分量，剩下的尖峰显示重叠，从上到下，10、7、3、2和1匝。频谱中出现的频率分量是场绕组中的短路匝的直接后果，这会使健康机器的固有磁对称性发生扭曲。此外，频谱中与故障相关的谐波更少。该谱仅包含奇数倍的频谱。磁场谱之和的幅度高于径向磁通谱，这使故障检测更容易。
[0144]
实验测试台
[0145]
使用100kva凸极同步发电机来验证所提出的理论。除了尺寸之外，发电机的拓扑结构类似于典型的水力发电厂中的实际的水力发电机，诸如在挪威使用的水力发电机。实验室spsg有14个极，且气隙长度为1.75mm，以实现适当的同步电抗。
[0146]
故障极和右传感器通过的两个后极的通量密度的绝对值如图15所示。故障极的响应符合预期；通量密度随着短路匝的增加而减小。因此，对于图15的最左侧部分，最高线表示健康，然后这些线依次向下显示1、2、3、7和10匝，其中10匝是最低的线。具有相反极性的相邻极的通量密度也随着短路匝数的增加而略有减小。这是由于遵循穿过故障极并到达相反极性的相邻极上的路径的通量减小的结果。
[0147]
结论
[0148]
在这个示例中，使用fe方法研究了基于气隙磁场的凸极同步发电机的激励绕组中
的匝间短路故障。使用100kva定制spsg的实验结果来验证fe结果。所提出的用于匝间短路故障检测的过程是基于使用相反方向的两个霍尔效应传感器的。对极坐标图中的平均磁场、两个传感器的磁场之和以及它们的频谱进行比较可以揭示故障的严重程度和位置。实验测试的验证结果如下。通过对平均磁场分布或极坐标图进行分析，可以立即检测到大量短路匝数。可以观察到通量密度谱中的低次谐波分量的幅度均匀增大。对只有短路故障的机器中两个传感器的磁通量之和进行监测可能是用于诊断目的的宝贵工具，因为磁通量密度谱之和的大小通过增加短路匝数显示出更好的响应。测量应与编码器相协调，以识别故障极的位置。
[0149]
机器学习
[0150]
机器学习算法的使用通过为所处理的信号中的模式识别提供自动化和再现性来增强上述示例的有效性。参考示例1，机器学习模式识别系统可用于确定所测量/计算的回转半径与指示损坏的阻尼条的已知回转半径模式的匹配。结合示例2，可以使用机器学习模式识别系统来对包括标准指标的数据进行评估，以便识别可能的静态偏心故障的指示。参考示例3，可以使用机器学习系统来代替与对平均磁场分布或极坐标图进行分析相关的某些或全部人工输入。
[0151]
上述示例中使用的传感器的类型以及本文讨论的其他传感器类型可以组合使用，各种信号处理步骤和指标的生成也可以组合完成。组合的信号处理系统可以执行所有信号处理，得到的经处理的数据被自动评估(诸如通过机器学习系统)以用于检查各种故障。