【电力期刊】基于免疫算法的无刷励磁发电机旋转整流器故障诊断.pdf
《【电力期刊】基于免疫算法的无刷励磁发电机旋转整流器故障诊断.pdf》由会员分享,可在线阅读,更多相关《【电力期刊】基于免疫算法的无刷励磁发电机旋转整流器故障诊断.pdf(4页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、 第 2 7卷第5 期由2 0 0 7 年5 月 电 力 自 动 化 议 备E l e c t ri c P o w e r A u t o m at i o nE q u i P m e n tVo l.2 7No.5M a y Z O 0 7基于免疫算法的无刷励磁发电机 旋 转 整 流 器 故 障 诊 断刘 念,谢 驰2,王(1.四川大学 电气工程系涛,陈实,孙克金,周步祥,冉立,四川 成都 6 l 0()6 5;2,四川大学 测控工程系,四川 成都 61006 5;3.四川电力工业调整试验所,四川 成都 610016)摘要:在大型发电机的无别励磁系 统中,旋转整流器承受着强大的离心力和电
2、磁作用,故障发生率相对较高。采用旋转整流器故障时交流励磁机旋转电枢产生的谐波磁场在其定子励磁线圈中感应谐波电势的电 磁特性,从中 提取旋转整流器故障信号波形。运用傅里叶分解故障信号波形,对故障信号波形的特征值进行编码处理,并用免疫算法中 的反向选择算法对傅里叶分解后的故障特征值进行计算,完成旋转整流器的故障诊断。利用人工免疫的反向选择算法,对一台巧k w无别励磁同步发电机旋转整流器的短路与开路故障进行仿真诊断。仿真结果表明,基于免疫系 统反向选择机制的人工免疫算法,与傅里叶分解算法相结合,进一步提高了无刷励磁同步发电机旋转整流器故障诊断的准确率,可达95%以 上。关键词:人工免疫系 统;反向选
3、择算法;旋转整流器;故障诊断中图分类号:T M3 4 1文献标识码:A文章编号:1 0 0 6 一 6 0 4 7(2 0 07】0 5 一 0 0 3 2 一 0 40 引言 由于无刷励磁方式取消了有刷励磁中的滑动接触部分和机械整流部分,从而具有无摩擦火花、维护简单和可长期连续运行等许多优点,因此在大中型同步发电机中应用越来越多1 一3。在无刷励磁系统中,核心部分就是旋转整流器,其主要由整流元件(二极管或晶闸管)、旋转盘、励磁调节器等组成。为了保证无刷励磁系统能正常工作,必须保证旋转整流器工作在正常状态,而且在其发生故障时,能够快速 且准 确 地 诊断出 故障 类型4 一10)。无刷励磁发电
4、机旋转励磁系统结构十分复杂,系统运行干扰源多ll 一 3 。针对该复杂性的问题,采用自 然界免疫系统抗干扰的功能对无刷励磁发电机旋转整流器故障诊断是非常有效的 4 。作为一个复杂的自 然防御体系,免疫系统的主要功能是识别进人体内的外界物质(例如病毒)和发生变异的体细胞(例如癌细胞),并把它们从人体内部清除。外来物质和变异体细胞被称为抗原,由免疫系统产生并用于杀死抗原的物质被称为抗体。免疫系 统 具 有2 个主 要 优 点 l5。a.它是一个分布式系统。其检测模式是分布式的,它可以快速适应新的环境,能够自 我学习,而且还能随着环境条件的改变而改变。b.具有记忆能力。当免疫系统消灭抗原后,产生记忆
5、细胞,当与该抗原相似的抗原出现时,系统就能快速产生相应的抗体,而且其记忆能力能够自 我收稿日期:2 0 0 6 一 0 6 一 2 6;修回日期:2 0 0 6 一 1 1 一 2 0组织调整,记忆的内容可按地址寻找。因此,抗原能被同 样的抗体所标识。当有多种抗原出 现时,系统有很强的抗干扰能力,能产生正确的抗体。基于人工免疫系统的自我学习机理中的反向选择机制,提出一种新的无刷励磁发电机旋转整流器故障诊断方法。当无刷励磁发电机的旋转整流器发生故障时,通过实时监测电流和电压信号波形发生的改变,利用人工免疫的反向选择算法对这些故障信号波形进行分析处理,可以确定旋转整流器发生的故障类型。1 故障信号
6、提取 如图1 所示,1 套无刷励磁发电机组主要由1 台大型同步发电机、1 台交流励磁机和旋转整流器组成,交流励磁机和旋转整流器相连,旋转整流器向大型同步发电机提供励磁电流。因此,整流系统是连接大型同步发电机和交流励磁机的关键部分,确保该系统工作在稳定可靠状态十分重要。电网交流励磁机旋转整流器同 步 发 电 衫 蕊 叮 电压信号 图 1定子励磁回路提取转子故障信息 F i g.IS t a t o re x c i t a ti o nl o o pfo r fa u l t i n fon l l ati o ne x t r a c t i o n 利用一个电容分压器,旋转整流器故障信号可以
7、从交流励磁机的定子励磁绕组中提取出来。然万方数据第 5期刘念,等:基于免疫算法的无刷励磁发电机旋转整流器故障诊断雷后,利用傅里叶级数对提取的故障信号进行傅里叶分解,分解后的故障信号波形可以看成是由不同的谐波组成。经过频率分析处理后,不同 谐波的振幅一般是不同的,而且振幅的值可以 从傅里叶分解中 得出。因此,最后就可以利用反向选择算法对这些不同的振幅值进行分析,从而达到故障诊断的目 的。经过傅里叶变换后,从交流励磁机的定子励磁绕组中提取出电压信号可以表示为 E()=A。+乙 瓜 5 n(k“+甲*)()。=2 二 f=2 汀/T(2)及=双 硫 丁 可一,叭=arcta n(及/注、)(3)对式
8、(1)进行数值积分变换,则A。、A、和B、可以用下式表示:法确定故障类型。但是,在故障诊断中,不仅需要知道系统是否发生故障,还需要及时确定故障类型。其次,当受到保护的自 我集合5 中的字符串变长时,检测集R中的检测器数目 将会成指数率增加,这将会产生大量的 无用检测器,同时会显著降低检测速度。需要受到监测保护的目标是无刷励磁发电机的旋转整流器,这代表受保护目 标只有1 个,因此自 我集5 中的有限字符串只有1 个。在正常工作条件下,使用一个电容分压器,旋转整流器的电信号可以从交流励磁机的定子励磁绕组中获得,经过傅里叶级数展开处理后,信号可以类似式(1)表示。但是,在实际应用中,k 取一个有限值
9、已经足够了,因此,经过傅里叶展开的信号可表示如下:lJ 性 n=-丁 二-丁-刀 一 1A k=B*=艺E(t。)1 二1N一1乏E(t)s i n k o t。(4)乏E(t:)c o s k o t、二l 在式(4)中,N是一个周期中的采样信号数,当旋转整流器故障的电压信号数据被预处理后,借助微处理器,利用反向选择算法对预处理后的信号进行分析,就可以 诊断出旋转整流器发生的故障类型。2 故障诊断方法 自 然免疫系统主要由2 种淋巴细胞组成,分别是B 细胞和T 细胞。T 细胞在胸腺中产生,有些T细胞能和身体自 身蛋白质发生反应,这些T 细胞被消灭,称为不成熟的T 细胞,剩下的都是不能和自 身
10、蛋白 质发生反应的T 细胞,它们都是成熟的。成熟的T细胞在体内不断循环,而且只和外来蛋白质进行反应,因此它们就可以区分自己和非己物质。反向选择算法有3 个主要过程。a.定义一个由 有限字符串组成的集合5,每一个字符串可以是一段程序、数据文件或者行为模式等。这个集合5 称为自 我集,当中的字符串就是需要被保护的目 标。b.随机产生一个检测集R,R也是由有限字符串组成的集合,但每一个字符串都不能和自我集5中的任何字符串 相匹配。c.不断地将 自我集 5中的字符串和检测集R中的字符串相比较,如果出现5中的字符串与R中的 字符串 相匹配的现象,就可以确定5 集发生了 变化,这就意味着受到保护的目 标发
11、生错误或出现异常。反向选择算法是受到反向选择机理的启发,其主要特点在于当利用该算法检测异常时,并不需要先验知识,但是该算法也有一些局限性。首先,该算法只能检测自我集 5 是否发生了变化和出现异常情况,可是无法确定5 中发生的 是何种变化,出现何种异常。这意味着使用没有经过改进的反向选择算法进行故障诊断时,只能发现受检测体是否发生故障,却无 E。()=A。+乙 EO、5 n(k 田 +甲。*)(5)其中n 是有限值,可根据实际情况和要求设定。设 A 断Eo、,E 二,Eon 为EO(约 的特征值。然后依次对这些特征值进行单独编码。当然,编码模式不是唯一的,可以根据实际情况和要求,灵活选择合适的编
12、码方法。最后,这些编码完的特征值按顺序组成一个字符串,这个字符串就组成自 我集5,也就代表需要受到监测和保护的目 标旋转整流器。旋转整流器故障类型可以用集合W表示,如下所示:W=Y,Y Z,Y 3,Y。(6)式中 m表示可能发生的故障类型总数;Y、(l蕊 1 蕊 m)则表示第1 类故障。因为反向选择算法只能检测出旋转整流器是否发生故障,却无法确定故障类型,因此需要对该算法进行一定的改进。为同时能够确定故障类型,检测集R就不能随机产生了。每一种故障类型用下式表示:及()=A、。+悬 E!*5 n(k“+甲*)(7)式(7)中,E (t)表示当故障类型Y*发生时,经电容分压器提取出的旋转整流器故障
13、信号。而 A、。,E*,及 2,一,风。就成为E,(t)的特征值。和EO(t)类似,对 1(t),EZ(t),瓜(t)进行编码,编码过程和格式是一样的。从而在检测器集R中就产生了m个字符串,即m个检测器。当然,必须保证一个检测器只能对应一种故障类型,这可以通过选择合适的编码方式实现。在旋转整流器的状态监测和故障诊断系统中,实时地将自 我集5中字符串与检测集R中的检测器相比较,如果5 中的字符串与R中的某个检测器相匹配,就可以确定旋转整流器出现异常和发生故障,同时根据匹配的检测器所对应故障类型就可以判明出现的故障类型,所以使用反向选择算法能对无刷励磁发电机组的旋转整流器进行故障诊断。3 故障诊断
14、仿真 大型无刷发电机组的故障诊断系统主要由信号万方数据.电 力自 动 化 议 备第 2 7卷提取、数据处理和故障诊断部分组成。a.在交流励磁机定子励磁回 路中 提取故障信号。b.对采集到的故障信号进行消噪和傅里叶级数处理。c.利用改进的免疫算法对故障信号进行故障诊断。对无刷励磁同步发电机的旋转整流器故障运行状态进行分析,旋转整流器可能出现的7 类运行故障如下:Y,正常运行;y ZB 相 正 组(B+)臂 开 路 故障;Y。A相负组(A一)、B 相正组(B+)2 臂开路故障;Y 4A相负组(A 一)、B 相正组(B+)和C 相负组 (C 一)3臂开路故障;Y。B 相 正 组(B+)臂 短 路 故
15、障;Y。A相正、负组(A 十、A 一)2臂短路故障;Y 7A相负组(A 一)、B 相正组(B+)和c 相负组 (C 一)3 臂短路故障。把无刷励磁同步发电机的旋转整流器正常运行状况看成一种特殊的故障模式,当然也可以取消该运行情况,为了能够更好地验证算法,加上对正常运行时的 各次谐波幅值。各种运行情况都模拟了3 次,采集3 次数据,从而谐波电压幅值是3 次模拟后的平均值,对谐波幅值做归一化处理,以各种运行情况下的 最大谐波幅值为基准值得到表 1。表 1运行故障的各次谐波电压幅值相对值 T a b.IH a rmo n i cv o l t a g era t i o su n d e r a b
16、 n o rma l o p e ra t i o nm o d e刷励磁同步发电机的旋转整流器进行故障诊断。仿真诊断旋转整流器故障的准确率如表2 所示。表 2仿真故障诊断准确率T a b.2 5 1 1 1 1 1】l a t e d c o l T e c t n e s srati oo f fa u l t d i a g n o s i s参数设置 几=7 1 二8 9=3 0 m 二7 月=1 5P。二 0.7 5P。=0.0 1故障类型诊断准确率/%100%98100959899YI玖玖乙儿坑玖4 结语 仿真故障诊断准确度超过了95%,表明了基于免疫算法的诊断技术有较高的诊断精度
17、。当故障模式空间越大,即监测器数目 越多,基于免疫算法的无刷励磁发电机旋转整流器故障诊断的精度就会相应地提高。基于反向选择算法,对无刷励磁发电机旋转整流器故障诊断原理和诊断过程进行了研究,与其他故障诊断技术相比,该方法在无刷励磁发电机旋转整流器故障诊断精度和速度方面得到了提高。参考文献:故障类 型电压幅值相对值A=1人=ZA=3A=4A=SA=6人=70.1 8 60一 吕 吕 90 一 0 5 8 l05 4 20.3 0 50 一 6 6 30.1 9 80.8 910 一 0 6 60 一 3 9 80.4 9 30.5 7 20.5 8 60 一 2 0 60 一 4 4 50 一 0
18、 3 80.1 8 00.4 7 30.2 9 80.1 9 50.2 5 60.1 8 70.24 50 一 2 7 60.2 2 50.1 8 20.1 3 10.2 2 40.2 6 1 l0.1 8 80.1 0 50.0 7 50.0 4 30.1 0 10.0 9 80.0 3 20.0 9 000 2 90.0 3 50 一 科30 一 0 6 80.1 2 8川 李基成.现代同步发电机励磁系统设计及应用 M .北京:中国 电力出版社,2 0 0 2.【2 黄耀群,李兴源.同步电机现代励磁系统及其控制 M.成都:成都科技大学出版社,1 9 9 4.3 G O D H W A N
19、IA,B A S LERMJ.D i g i t alexc i t a t i o nc o n t ro l s y s t e m fo ru s eo nb ru s h 1 e s se x c i t e ds y n c h ro n o u s罗n e ra t o rs J I E E E T r a n s act i o n so nE n e r g yC o n v e rs i o n,1 9 9 6,1 1(3):6 1 6 一 6 20.4 沈标正.电机故障诊断技术 M .北京:机械工业出 版社,1 9 9 6.5 刘念,谢驰.F uz zy模式识别在旋转整流器
20、 故障 监测中的 应用 J.四川联合大学学报:工程科学版,1 9 99,3(1):4 7 一 4 9.llU N i an,X I E C h i.A P P l i c at i o no ffu z z yp at t e rn re c o,i t i o nt o fa u l t m o n i t o ri n g o f ro t at i n g re c t ifi e rs J .J ourn alofs i c h u a nU n i o n U n i v e r s i t y:E n gi n e e ri n gs c i e n c eE d i t i o
21、n,1 9 9 9,3(1):4 7 一 4 9.6 B E N B O U Z I DMEH,N E JJ A R I H.As i mPl efu z z yl o gi ca p P ro a c h fo r i n d u c t i o nmot o rss t at o r C o n d i t i o nm o n i t o n g c /I E E EI n t er-YI玖玖乙玩玖卜 注:A为谐波次数。在表1 中,取旋转整流器故障信号的各次谐波电压幅值相对值作为故障情况下谐波的 标准值,即故障模式下的样本空间。对各种故障模式下的样本空间进行二进制编码,然后训练监测器,产
22、生监测集。由于样本空间取的是1 次至7 次等7 种谐波,因此每个抗体由7 个染色体段组成,即n=7。为便于编码,先对谐波幅值相对值进行整数化处理,即对每个幅值扩展1 00倍后取整,再用8 位二进制编码,即1=8,因此每个抗体(监测器)的长度为:C=n xl=7 x 8=56。父池规模为30,即9=30,每种故障 类型对应的 监测集有3 0 个监测器。7 种故障类型,即m=7,有7 个监测集,因而总的 监测器数为N=m x g=7 x 30=2 10。亲和度阀 值月 二 1 5,交叉概率和变异概率则分别由 交叉算子p。=0.75和变异算子p e=0.01决定。根据监测集训练后的诊断模型,对该巧k
23、 w无n a t i o n alC o l 1 fer e n c e o n E l e c t ri c Ma c h i n e s andb ri d g e:I n s t I l u t eof E l ec t ri c al a n d E l e c t ro n i c s2 0 0 1:6 3 4 一 6 3 9.D ri v e s.C a ll l-E n gl n e e rs l n c,【7 刘念.旋转整流器故障的神经网络识别研究 J.电力系统自 动 化,1 9 9 8,2 2(1 0):3 1 一 3 3.L I UN i a n.S t u 街 Of an
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 电力期刊 电力 期刊 基于 免疫 算法 无刷励磁 发电机 旋转 整流器 故障诊断
限制150内