范天明，曹 強(qiáng)

嘉峪關(guān)宏晟電熱有限責(zé)任公司，甘肅 嘉峪關(guān) 735100

0 引言

我國電力工業(yè)正處于大電網(wǎng)與大機(jī)組的發(fā)展階段。隨著單機(jī)容量的不斷增大，機(jī)組運(yùn)行可靠性顯得尤為重要，因此，研究發(fā)電機(jī)在線監(jiān)測(cè)與診斷十分必要。

大型汽輪發(fā)電機(jī)的轉(zhuǎn)子繞組經(jīng)常會(huì)由于加工工藝不良和運(yùn)行中各類機(jī)電作用的影響造成匝與匝之間的接觸，導(dǎo)致匝間短路故障的發(fā)生。轉(zhuǎn)子匝間短路故障是發(fā)電機(jī)運(yùn)行中比較常見的故障，也是影響安全運(yùn)行的主要原因之一。

本文針對(duì)酒鋼電廠3#發(fā)電機(jī)的現(xiàn)場(chǎng)實(shí)際情況，設(shè)計(jì)并在3#發(fā)電機(jī)上進(jìn)行了轉(zhuǎn)子繞組匝間短路的重復(fù)脈沖試驗(yàn)，建立了人工神經(jīng)網(wǎng)絡(luò)模型，主要進(jìn)行了以下幾個(gè)方面的分析研究：

1）對(duì)采用的試驗(yàn)方法—重復(fù)脈沖法（RSO）的原理進(jìn)行了較深入的分析，根據(jù)酒鋼電廠3#發(fā)電機(jī)現(xiàn)場(chǎng)的實(shí)際情況進(jìn)行了RSO試驗(yàn)。

2）在試驗(yàn)所得波形的基礎(chǔ)上，分析并驗(yàn)證了RSO試驗(yàn)原理的正確性。

3）在試驗(yàn)所得數(shù)據(jù)基礎(chǔ)上，利用MATLAB軟件初步建立了一個(gè)轉(zhuǎn)子匝間短路的人工神經(jīng)網(wǎng)絡(luò)（ANN）模型。

1 重復(fù)脈沖試驗(yàn)(RSO)

RSO重復(fù)脈沖法可用于轉(zhuǎn)子匝間短路的早期發(fā)現(xiàn)及短路的故障定位。其試驗(yàn)基本過程是采用雙脈沖信號(hào)發(fā)生器對(duì)發(fā)電機(jī)轉(zhuǎn)子兩極同時(shí)施加一個(gè)前沿陡峭的沖擊脈沖波，用雙線錄波器錄得兩組響應(yīng)特性曲線。將這兩組響應(yīng)特性曲線比較，只有當(dāng)兩響應(yīng)曲線相同時(shí)，其差值才為一條直線，表明匝間無短路現(xiàn)象存在。否則，將說明匝間存在異?；蚨搪贰＝?jīng)過對(duì)響應(yīng)曲線的計(jì)算分析或?qū)z測(cè)結(jié)果直接與發(fā)電機(jī)出廠時(shí)廠家提供的標(biāo)準(zhǔn)波形進(jìn)行比較，可判斷轉(zhuǎn)子繞組匝間是否存在短路以及短路點(diǎn)的位置。

1.1 RSO試驗(yàn)原理

RSO試驗(yàn)應(yīng)用的是波過程理論（行波技術(shù)），當(dāng)信號(hào)發(fā)生器發(fā)出的低壓沖擊脈沖波沿繞組傳播到阻抗突變點(diǎn)的時(shí)候會(huì)導(dǎo)致反射波和折射波的出現(xiàn)，因此會(huì)在監(jiān)測(cè)點(diǎn)測(cè)得與正常回路無阻抗突變時(shí)不同的響應(yīng)特性曲線。匝間短路的程度通過故障點(diǎn)處的波阻抗變化大小來反映，顯示在波形圖上可以用2個(gè)響應(yīng)特性曲線合成的平展程度來判定，有突出的地方說明匝間存在異常，并且突出的波幅大小就表明短路故障的嚴(yán)重程度。因此，即使繞組出現(xiàn)一匝短路故障，應(yīng)用RSO技術(shù)對(duì)故障識(shí)別也有很高的靈敏度。

繞組可近似看作一簡單的傳輸線，沖擊波在其上的傳播主要是由繞組導(dǎo)體在槽中的幾何形狀和絕緣特性決定的，繞組的耦合作用將使沖擊波發(fā)生散射，但對(duì)于實(shí)心轉(zhuǎn)子來說，這種散射作用影響是不大的。當(dāng)沖擊波加到轉(zhuǎn)子滑環(huán)的一端時(shí)，沖擊波的幅度由沖擊波發(fā)生器內(nèi)阻和繞組波阻抗所決定。沖擊波從繞組的一端滑環(huán)傳到另一端的時(shí)間由繞組的長度和波在繞組中的傳播速度來決定。如果繞組的另一端是開路的，則反射系數(shù)K=1；如果是短路，則K=-1。反射波再返回到?jīng)_擊波發(fā)生器處時(shí)若發(fā)生器的內(nèi)阻抗與波阻抗相等（在電源端K=0），則沖擊波被吸收，不再發(fā)生反射。由于匝間短路點(diǎn)的位置和程度不同，行波發(fā)生反射、折射的時(shí)刻及程度也不相同，故所測(cè)得的響應(yīng)波形信號(hào)中必然包含了匝間短路故障的信息。

1.2 實(shí)驗(yàn)室試驗(yàn)

本次實(shí)驗(yàn)室的試驗(yàn)，是在華北電力大學(xué)電機(jī)教研室SDF-9型故障模擬試驗(yàn)機(jī)組上完成的，該機(jī)組是一臺(tái)直流電動(dòng)機(jī)——三相同步發(fā)電機(jī)組，它可以模擬多種情況下的轉(zhuǎn)子繞組匝間短路。從試驗(yàn)結(jié)果可知：對(duì)于處于不同磁極的匝間短路，其特征波形在走勢(shì)上恰好相反；匝間短路程度越嚴(yán)重，其特征波形與橫軸所圍的面積越大。當(dāng)匝間無短路情況時(shí)其特征波形基本上是一條與橫軸平行的直線。

1.3 現(xiàn)場(chǎng)試驗(yàn)

1.3.1 現(xiàn)場(chǎng)試驗(yàn)設(shè)備簡介

現(xiàn)場(chǎng)試驗(yàn)是在酒鋼電廠二期工程300MW機(jī)組上進(jìn)行，機(jī)組的主要參數(shù)如表1：

表1 發(fā)電機(jī)組基本參數(shù)

信號(hào)發(fā)生器為：HP33120A 型函數(shù)/任意波形發(fā)生器；

示波器為：Tektronix TPS2014隔離通道數(shù)字示波器。

1.3.2 現(xiàn)場(chǎng)試驗(yàn)

現(xiàn)場(chǎng)試驗(yàn)的接線圖和實(shí)驗(yàn)室的相同，根據(jù)現(xiàn)場(chǎng)情況進(jìn)行調(diào)節(jié)。根據(jù)現(xiàn)場(chǎng)調(diào)節(jié)過程中幾種不同情況下所得波形都為正常情況下波形。

1.3.3 試驗(yàn)分析

幾種情況下其特征波形圖（略）都基本上是一條與橫軸平行的直線，這與從理論上所推導(dǎo)出的結(jié)論以及實(shí)驗(yàn)室試驗(yàn)所得結(jié)論是吻合的，從而說明此理論可以應(yīng)用于現(xiàn)場(chǎng)實(shí)際。試驗(yàn)中所采集信號(hào)為機(jī)組正常情況下的特征信號(hào)，可以作為基準(zhǔn)值，在機(jī)組運(yùn)行過程中，按照試驗(yàn)中的方法采集特征信號(hào)，并將運(yùn)行中的信號(hào)與正常情況下的基準(zhǔn)值相比較，如果不吻合，則說明有匝間短路存在。但是這種直觀的方法不能很好的確定匝間短路的位置及程度，因此，需要建立人工神經(jīng)網(wǎng)絡(luò)對(duì)故障進(jìn)行較準(zhǔn)確的分析和定位。

2 用人工神經(jīng)網(wǎng)絡(luò)對(duì)試驗(yàn)數(shù)據(jù)做進(jìn)一步分析的探討

2.1 基于人工神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)子匝間短路判定法

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，簡稱ANN)是由大量簡單的神經(jīng)元按某種方式連接形成的智能仿生動(dòng)態(tài)網(wǎng)絡(luò)。它是在不停頓地向生物神經(jīng)網(wǎng)絡(luò)（Biological Neural Network，簡稱BNN）的學(xué)習(xí)中開始自己的學(xué)科研究的。

數(shù)學(xué)模型是某些事物或現(xiàn)象的一種“類似” ，一個(gè)精確的數(shù)學(xué)模型，應(yīng)該比較準(zhǔn)確的反映出真實(shí)系統(tǒng)的輸入、輸出和狀態(tài)之間的定量關(guān)系。

數(shù)學(xué)模型常見的有兩類：基本模型和黑箱模型?；灸Ｐ褪且袁F(xiàn)實(shí)系統(tǒng)的基本物理、化學(xué)定律等理論為基礎(chǔ)而得到的一種模型，這種建模的方法往往因?yàn)楝F(xiàn)實(shí)系統(tǒng)的結(jié)構(gòu)過于復(fù)雜，或其中存在著一些未知或不確定的參數(shù)和干擾等問題而使用價(jià)值較低。黑箱模型是對(duì)所研究現(xiàn)實(shí)系統(tǒng)一無所知的情況下，將現(xiàn)實(shí)系統(tǒng)視為“黑匣子”，而僅借助于輸入和輸出數(shù)據(jù)，透過數(shù)學(xué)技巧來解決系統(tǒng)的模式。

如果我們能夠?qū)Πl(fā)電機(jī)轉(zhuǎn)子建立一個(gè)非常精確的數(shù)學(xué)模型，那么我們就有可能用行波理論對(duì)其匝間短路做出判斷。但是，該模型是一個(gè)多輸入多輸出非線性模型，傳統(tǒng)的基本模型不能夠很好的解決這一問題。神經(jīng)網(wǎng)絡(luò)作為黑箱建模的一種工具就能夠較好的解決這一問題。經(jīng)過適當(dāng)設(shè)計(jì)和訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能夠在輸入和輸出模式之間合成一個(gè)有效的非線性映射。這對(duì)于匝間短路檢測(cè)和定位是非常關(guān)鍵的。

圖1給出了利用神經(jīng)網(wǎng)絡(luò)進(jìn)行匝間短路檢測(cè)和定位的基本過程。由特征信號(hào)采集裝置采集的訓(xùn)練數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練。從特征信號(hào)中抽取的特征作為訓(xùn)練標(biāo)準(zhǔn)的人工多層前饋神經(jīng)網(wǎng)絡(luò)的輸入。將短路的位置編碼成若干輸出神經(jīng)元，輸出神經(jīng)元的數(shù)目由確定短路位置所需的分辨率決定。神經(jīng)網(wǎng)絡(luò)的輸出神經(jīng)元同隸屬函數(shù)的數(shù)目相等。在實(shí)驗(yàn)期間，將神經(jīng)網(wǎng)絡(luò)輸出進(jìn)行解模糊，其中每一個(gè)隸屬度函數(shù)根據(jù)對(duì)應(yīng)的輸出神經(jīng)元加權(quán)。然后將加權(quán)的隸屬度函數(shù)相加，所得和的質(zhì)心（第一動(dòng)量）就是短路位置。

圖1 匝間短路測(cè)定過程框圖

2.2 發(fā)電機(jī)轉(zhuǎn)子匝間短路人工神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)為BP(Back-Propagation Network)網(wǎng)絡(luò)，由輸入層，隱含層和輸出層構(gòu)成。其中輸入層有10個(gè)輸入神經(jīng)元，隱含層有13個(gè)神經(jīng)元，輸出層有20個(gè)神經(jīng)元，如圖2所示。

圖2 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

將RSO試驗(yàn)中所得到的特征波形每連續(xù)100個(gè)采樣點(diǎn)分為一組，計(jì)算波形與橫軸所圍成的面積，將這10個(gè)面積值作為人工神經(jīng)網(wǎng)絡(luò)輸入神經(jīng)元的輸入，如圖3所示；將轉(zhuǎn)子每極480匝繞組平均分成10份，兩極960匝共分為20份，每一份的短路程度為輸出神經(jīng)元的輸出，如圖4所示。例如：在L1、L2間短接情況下，通過計(jì)算可得出其輸入神經(jīng)元輸入為：[3.778817.365833.052237.398784.640026.461144.000033.05007.53529.1908]，輸出神經(jīng)元輸出為：[0.30 00 00 00 00 00 00 00 00 00]。

用試驗(yàn)所得的輸入、輸出樣本訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，最后將得到一個(gè)與該大型汽輪發(fā)電機(jī)轉(zhuǎn)子匝間短路相對(duì)應(yīng)的BP神經(jīng)網(wǎng)絡(luò)模型，以后在匝間短路探測(cè)過程中只需先進(jìn)行RSO試驗(yàn)，然后提取特征波形，將特征波形與橫軸所圍得面積作為神經(jīng)網(wǎng)絡(luò)的輸入，根據(jù)神經(jīng)網(wǎng)絡(luò)的輸出就能夠判斷匝間短路的位置及程度。探測(cè)的精確度與試驗(yàn)設(shè)備精度、參與神經(jīng)網(wǎng)絡(luò)訓(xùn)練的樣本數(shù)以及輸出神經(jīng)元的個(gè)數(shù)直接相關(guān)，而輸入神經(jīng)元和隱含神經(jīng)元個(gè)數(shù)對(duì)精度也有一定影響。

圖3 輸入神經(jīng)元輸入數(shù)據(jù)來源示意圖

圖4 輸出神經(jīng)元輸出數(shù)據(jù)涵義示意圖

2.3 用MATLAB建立人工神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)工具箱是MATLAB眾多工具箱之一，它以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，用MATLAB語言構(gòu)造出典型神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，使設(shè)計(jì)者對(duì)所選定網(wǎng)絡(luò)輸出的計(jì)算變成對(duì)激活函數(shù)的調(diào)用。另外，根據(jù)各種典型的修正網(wǎng)絡(luò)權(quán)值的規(guī)則，加上網(wǎng)絡(luò)的訓(xùn)練過程，用MATLAB語言編寫出各種網(wǎng)絡(luò)訓(xùn)練與設(shè)計(jì)的子程序，網(wǎng)絡(luò)的設(shè)計(jì)者可以根據(jù)自己的需要去調(diào)集工具箱中有關(guān)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)訓(xùn)練程序，使自己能夠從繁瑣的編程中解脫出來，集中精力去思考問題和解決問題，從而提高效率和解題質(zhì)量（具體程序從略）。

3 結(jié)論

本文針對(duì)大型汽輪發(fā)電機(jī)轉(zhuǎn)子匝間短路故障，對(duì)RSO波形探測(cè)法的原理、試驗(yàn)過程及試驗(yàn)數(shù)據(jù)分析作了一定的探討，可以得到如下幾點(diǎn)結(jié)論：

1）通過分析重復(fù)脈沖法（RSO）的原理，在試驗(yàn)室利用SDF-9型故障模擬試驗(yàn)機(jī)組、波形發(fā)生器及數(shù)字存儲(chǔ)示波器設(shè)計(jì)并進(jìn)行了RSO試驗(yàn)。利用試驗(yàn)所得波形和數(shù)據(jù)信息進(jìn)行分析，證明了RSO試驗(yàn)原理的正確性，同時(shí)得到了進(jìn)行轉(zhuǎn)子繞組匝間短路故障診斷的初步結(jié)論。

2）在試驗(yàn)所得數(shù)據(jù)信息的基礎(chǔ)上，利用MATLAB軟件初步建立了一個(gè)轉(zhuǎn)子匝間短路的人工神經(jīng)網(wǎng)絡(luò)（ANN）模型。利用此模型進(jìn)行轉(zhuǎn)子繞組匝間短路故障診斷，能夠?qū)Χ搪肺恢煤统潭冗M(jìn)行分析。