發電機電氣故障智能診斷機理分析溫步瀛1林濟群1林禮清2蔣傳文3杜松懷3(1.福州大學電氣工程系,福建福州350002;2.福建水口水力發電廠,福建福州350800;3.上海交通大學電氣工程系,上海200240)糊關系,建立了模糊關系方程,實現了智能診斷,并以軟件實現模擬運行,診斷結果準確可靠。:發電機;電氣故障;智能診斷發電機的運行狀態直接影響電力系統運行的安全性和經濟性,及時準確地判定運行中的故障是十分重要的。但在運行條件下監視其運行工況并進行在線診斷卻是相當困難的國內外對電力系統故障智能診斷的研究很活躍,但對發電機電氣故障診斷的總體研究較少。本文結合發電廠和電網的運行經驗,用人工智能原理來實現發電機的電氣故障診斷。 由于發電機故障現象與故障原因有著密切的關系,每一種故障現象的發生,可能由一個或多個故障原因引起,同時每一種故障都會相應地引發某些現象,再加上大型發電機故障種類繁多,因此其故障現象、原因及機理的復雜性和模糊性難以用準確的數學模型加以描述,也難以完全依靠確定性的判據來斷定故障的性質本文將發電機運行經驗與專家系統原理、模糊理論相結合,找出發電機運行中電氣故障原因和現象間的模糊關系,經模糊推理,實現發電機電氣故障的智能診斷1模糊理論的引入模糊理論可以解決生產過程中某些因素相互間存在的不確定關系,在發電機電氣故障診斷領域內,可用模糊關系矩陣來反映它的某些故障現象與故障原因之間的關系,具體描述如下。 設XY分別表示輸入與輸出,且分別代表故障原因與故障現象的量化集合,則:1,2,…,n;則模糊關系方程為:其中,R=(ri/)mKn,ri/屬于,稱為Xi與y,的關系強度,r/=0表示無關,ri/越大,關系越密切,n/越小,關系越小。,福建永泰人,福州大學講師。 行中常見的電氣故障原因和現象進行分析。首先確定輸入,即電氣故障原因矩陣X,如代表定子A相接地故障,詳見表1然后確定輸出,即電氣故障現象矩陣Y,如UaI代表機端A相電壓下降,用y4表示,詳見表2表1輸入模糊集(故障原因)故障原因輸入故障原因輸入定子A相接地轉子一點接地定子B相接地轉子兩點接地定子C相接地運行中失磁定子三相接地事故過負荷定子A相匝間短路外部短路故障定子B相匝間短路定子C相匝間短路表2輸出模糊集(故障現象)故障現象輸出故障現象輸出故障現象輸出An個個U個Ua個/A個/b個Uf個Ub個/c個/f個C個表2中,A.為機端零序電流;為機端零序電壓;Q <0為無功表指示負值;U為定子絕緣監視電壓;(/a-/a)為差動保護繼電器一、二次側電流差;Ilhn為中性端不平衡電流;U為轉子繞組正極對地電壓;Uf為勵磁電壓;/f為轉子電流結合某電廠火電機組運行經驗并咨詢有關專家,可初步形成故障原因與故障現象之間的模糊關系矩陣R,詳見表3表3中列出了23種電氣故障現象與12種電氣故障原因之間的關系表示x與y/之間的關系強度,0.9表示關系密切,0. 5表示關系一般,0 2表示關系較小,。表示無關如何確定模糊關系矩陣元素和閾值,是決定模糊推理正確與否的關鍵它們的取值是專家知識和發電機運行實踐的反映,是經過長期分析提煉而來的。對于模糊關系矩陣元素ri/的評估,可采用“模糊統計法” 取值不應大于輸出矩陣中最大的元素。若Xi>w,則y/很可能是由xi引起的;若xi