基于改進單向遞推算法的發電機故障信號分析

許兆鳳*

（山西大學，山西太原，030013）

基于改進單向遞推算法的發電機故障信號分析

許兆鳳*

（山西大學，山西太原，030013）

發電機是電力系統中重要的電氣設備，對其故障的檢測有著重要的意義。本文提出了一種快速單向遞推算法，能夠迅速捕獲設備非正常信息，在設備故障早期階段就能發出預報，對提高設備運行可靠性有著重要的意義。并通過仿真結果，不僅驗證了該方法的可行性，而且也說明了此方法精度更高，計算量更少。

發電機；故障檢測；仿真

引言

隨著電力系統的不斷發展，在系統容量迅速增長，網絡結構日趨復雜的同時，出現了一些新特點和新問題。發電機設備裝機容量不斷增大，使得設備的故障和停運直接危及到整個電網的安全供電，因此對這些價格昂貴的大型電力設備的故障早期診斷和預警要求日益緊迫，其運行的可靠性更加引起生產和運行部門的重視，對其常見故障的檢測和分析對及早發現故障、預防進一步惡化，以及故障診斷、定位和維修都是十分重要的。故障檢測就是通過狀態檢測所提供的發電機運行的各種信息，對其有無故障及故障程度作出判斷，便于及時、準確地采取相應措施使系統恢復到安全穩定運行狀態。通過分析電機在故障情況下的行為特征，找到一種能準確、深入、有效地分析電力設備的各種常見故障的工程實用方法，對進一步豐富和完善電機的故障檢測技術，保證其安全可靠運行和針對性地減小設備故障率都是十分必要的。

1 發電機常用的故障檢測和診斷方法

早期檢測電機故障對于保證電機正常運行具有十分重要的意義。交流電機的故障檢測方法多年來一直為人們所普遍關注，電機的內部電磁關系十分復雜，加之處于連續高速運轉中，并受制于電氣、機械和環境等運行條件的影響，易出現繞組松動、絕緣老化、軸承磨損、振動加劇、高溫過熱等現象，與之關聯的電氣量（電壓、電流、功率等）或非電量（聲、光、熱、氣、振動、壓力、輻射等）種類繁多，變化復雜且不易測量，給故障的檢測帶來很大的困難。當電機處于故障或異常運行狀態時，引起的電氣量和非電氣量的變化是檢測和判斷故障類型、程度和原因的重要依據。現有的電機故障檢測技術，正是基于這些描述電機運行狀態的物理量故障前后變化規律的認識和總結上逐漸發展起來的。

目前采用的主要故障檢測技術大致可以分為：電氣檢測技術（監視局部放電、加探測線圈、RF檢測等）、化學檢測技術（絕緣分解物、潤滑油劣化和軸承磨損檢測等）、機械檢測技術（繞組端部、軸承和轉子振動監測等）和溫度檢測技術（鐵心、轉子等局部溫度等）等。當然，這些方法對某些故障行為有效（如電機冷卻氣體化學成分的分析及監測局部放電現象等，可對同步電機的絕緣材料的完好程度作出較為可靠的分析判斷；監視軸承座的振動軸承潤滑油的溫度可對軸承的磨損程度提供很好的指示），但對另一些故障還未形成有效的檢測手段（如利用定子電流負序分量來檢測定子繞組故障）。單一的故障檢測技術不能給出準確的判斷結果，往往是各種技術的綜合應用才能提供有意義的結論。

具體來說，電機的故障診斷技術包括檢查和發現異常、診斷故障狀態和部位、分析故障類型三個基本環節，以及信號采集、信號處理、故障源分離和定位技術（故障模式識別）、診斷決策四項基本內容。主要包括描述電機運行狀態的各種電氣和非電氣信息的獲取，并通過先進的信號處理技術獲得故障特征，及時、準確地采取相應措施使系統恢復到安全穩定運行狀態等幾個環節。具體有：基于正弦函數模型的算法頻率特性較差且計算精度與采樣率有關，對信號預處理要求高；基于周期函數模型的算法（傅氏算法和沃爾希算法）假設分析信號為周期函數而不考慮實際信號中的衰減直流分量兩種成分作為待估計參數并利用采樣值進行擬合，它是建立在故障信號模型和干擾特性已知的假設之上，存在著估計精度的問題。總的來說，這些算法主要利用平穩信號的處理結果，并建立在一定的假設基礎上，一方面受到故障信號暫態、奇異成分和噪聲的影響，其精度依賴于對信號進行不同程度預處理的效果；再者，忽略了故障信號中大量有用的暫態信息。因此，若能有效地克服保護算法中衰減直流分量、噪聲、頻率波動和非整數次諧波的影響，并充分利用這些故障暫態信息，可望提高保護的起動能力和靈敏度。

2 改進單向實時遞推小波算法

由序列的z變換及其時域卷積性質，信號序列、母小波序列以及小波系數序列的z變換為

對小波序列

其中，

故

則經逆Z變換得遞推公式為

在此算法基礎上，只需計算四個小波變換初值，以后只需向后單向遞推便可計算出所有小波系數，避免了向前的遞推運算，所需系數（）等只需計算一次，且具有較低次方的計算，該算法可滿足實時計算的要求。針對不同的瞬態信號需選擇不同的小波以獲得較大的分解，達到較好的檢測效果。只要選擇的小波滿足多項式與指數衰減乘積的形式，即的形式，其Z變換便能化為的有理函數，按前述方法構造相應的實時遞推算法，不同之處在于系數的計算不同。

3 檢測效果分析

為說明以上實時算法檢測信號突變的有效性，下面以發電機定子繞組故障信號為例進行分析。以動模實驗測得的發電機定子繞組相間短路和匝間短路故障信號為例。BC兩相發生過度電阻為零的15%相間短路時，ABC三相縱差電流的基波分量如圖1所示，圖2為三相縱差電流的小波變換結果，圖中比較了三種小波變換：Morlet積分小波變換（實線所示）、文獻［1］的小波及雙向遞推算法（虛線所示）、本文的小波及單向遞推算法（點畫線所示）檢測故障的能力。

4 結束語

電力系統中最重要的是能迅速檢測出故障。電力設備狀態監視、電能質量檢測、繼電保護啟動等均要求一定的實時性，能在故障信息突變瞬間即捕獲此突變時刻以及突變量的大小，將有利于在故障初期就能發出預報并及早采取措施。傳統的小波變換方法具有迅速捕獲故障突變的能力，但不能進行實時分解。小波變換的相位信息往往對奇異性更為敏感，易于捕獲奇異點，準確地檢測出信號突變，因而可選用復值小波計算小波系數，但每次計算均需完成一次完整的積分，其計算量隨數據量迅速增加。因而尋求一種滿足實時要求的快速算法，并保留原有的計算精度，對于迅速捕獲設備非正常信息，在設備故障早期階段就能發出預報，提高設備運行可靠性有著及其重要的意義。本文詳細推導了一種快速遞推算法，計算少量小波初值后，小波系數的計算依遞推關系實現，其計算量隨數據量增加不大，可用于實時計算。在此基礎上提取對奇異性較為敏感的相位信息輔助幅值信息來實時監測電力系統的突變信號，并且能獲得和很高的精度，易于準確及時地檢測出信號的突變點。本文提出的小波及其改進遞推算法具有和文獻［1］中的小波及 Morlet小波一樣的檢測能力，并且單向快速遞推算法大大提高了計算速度，計算量更小，可應用于故障的實時檢測，能夠更快更準確地預報故障信息。

[1]Chaari O,Meunier M,Brouaye F.Wavelets:a new tool for the resonate grounded power distribution systems relaying.IEEE Trans.On Power Delivery,1996,11(3):1301-1308.

[2]Meyer Y.Wavelets Algorithms ＆Applications.Society for Industrial and Applied Mathmatics(SLAM),Philadelphia:1993.

[3]任震,黃群古,黃雯瑩.兩種小波變換及其在發電機故障信號分析中的應用[J].中國電機工程學報,2000,20(10):59-63.

[4]Mallat S.Zhong.Characterization of signals from multiscale edges.IEEE Trans.On Pattern Anal.Mach.Intell.(PAMI),1992,14(7):710-73.

[5]戴志軍.基于改進 HHT的雙饋風力發電機定轉子故障診斷研究與實現[D].上海機電學院,2015.

Based on the Improved Unidirectional Generator Fault Signal Analysis of Recursion Method

XU Zhaofeng*
(Shanxi University,Shanxi Taiyuan,030013,China)

The generator is an important electrical equipment in the power system,and the detection of fault is of great significance.This paper proposes a fast one-way recursion method,can quickly capture equipment abnormal information,in the early period of equipment failure can make forecast,has important significance to improve the reliability of equipment operation.The simulation results show that the method is more accurate and less computational.

Generator; Fault detection; Simulation

TK513

A

1672-9129(2017)04-0073-04

許兆鳳.基于改進單向遞推算法的發電機故障信號分析[J].數碼設計,2017,6(4):73-76.

Cite：XU Zhaofeng.Based on the Improved Unidirectional Generator Fault Signal Analysis of Recursion Method [J].Peak Data Science,2017,6(4):73-76.

10.19551/j.cnki.issn1672-9129.2017.04.019

2016-12-19；

2017-01-14。

許兆鳳(1978-),女，碩士，山西大學講師，電氣工程及其自動化專業。E-mail:xuzhaofeng2016@sina.com