（新疆中泰化学托克逊能化有限公司）
摘要：在现代电网中，汽轮发电机充当着十分重要的角色，是电能的制造者，特别是近些年，我国经济迅速发展，人们用电量也不断增加，这对于发电机的稳定性和可靠性便提出了更高的要求。匝间短路发电机较为严重的一种故障，本文主要研究匝间短路故障检测方法，对匝间短路的成因和特点进行了分析，传统检测仅是通过针对气隙或无功进行检测，在准确程度方面存在不足，本文改进出一种利用BP神经网络对发电机振动进行分析的方法，从振动频谱方面检测发电机匝间短路，利用MATLAB软件进行仿真，证明了该方法的可行性与优越性，由于振动信号的获取相对容易，频谱特征也较为明显，检测准确程度也更高，既可以单独作为检测手段，也可以与其它检测方法结合使用。
关键词：汽轮发电机；匝间短路；故障检测
0 引言
随着我国经济的迅速发展，对电能的需求也日益增加，目前我国全社会用电量已超过5.55万亿千万时，且有继续增长的趋势，由于我国煤炭资源较为丰富，火力发电在各种形式发电量中一直占据首要位置。近些年来，尽管我国大力发展新能源发电，但从可靠性和稳定性而言，火力发电依然有供电可靠等特有的优点[1]。火力发电厂中的汽轮发电机是产生电能核心设备，关系到发电的可靠与稳定，由于汽轮机处于长时间高速运转状态，使其不断受到机械力作用和热作用，很容易产生匝间短路故障，如不及时发现并进行处理，容易引发电力系统电压不平衡等严重问题，甚至引起电网解列等非常严重的供电事故。对于发电机匝间短路故障的检测一直是国内外研究的热点课题。在故障检测领域，美国的ADR3、PmPower、MPuls诊断系统，欧洲的PSAD、COMPASS系统目前已得到广泛应用，我国在该领域的研究也取得了较好的成果，但随着智能算法的不断发展，故障检测的可靠性还有进一步提升的空间，本文主要研究神经网络算法实现发电机匝间短路故障的检测。
1 转子匝间短路的原因
我国发电厂所发的工频交流电为50Hz，也就是说发电机转子每秒50转，从结构上看，主流发电机主要由转子铁芯、缠绕在铁芯上的线圈、电刷、与电刷接触的中心环组成。当发电机正常工作时，转子绕组随着转子的转动能够形成旋转的磁场，电刷和中心环对绕组供电。匝间短路的形成大体上是由发电机制造和长期运行导致的[2]。由于发电机在生产过程中有极其复杂的工序和多个环节，各个零件的安装、焊接等环节引起的振动发热难免对绕组的绝缘造成一定的损伤，加之在组装过程中线圈表面不平坦、或零件固定不够牢固，这样在日后长期运行过程中就会有匝间短路的隐患。由于火力发电机启停机会消耗大量能源，一般的火力发电机都处于长期运转状态，在线圈在磁场的作用下受力以及电流通过时发出大量的热，逐渐使得线圈发生微小的形变，增加了相互摩擦，也会使绝缘性能下降，引起匝间短路。此外发电机辅助设备例如风扇不能正常工作起到冷却降温作用、轴承长时间在机械力作用下的变形等因素也会对匝间绝缘造成一定的破坏。
2 匝间短路特性分析
当发电机绕组之间发生短路时，短路部分的线圈将失去其原有的匝数作用，同时由于短路会使得该线圈电流的增大，这样会破换转子形成的原有磁场，造成励磁的畸变，这是匝间短路的最直接影响[3]。由于绕组处于转子的开槽部位，正常情况下励磁波形相对于开槽为均匀梯形波，而励磁畸变便会形成齿谐波，这种谐波会引起气隙漏磁的变化，同时，匝数的改变也会对无功造成改变，这样通过检测气隙漏磁或无功就可以判断匝间短路情况，但由于漏磁相对较弱，实际检测起来较为困难，而匝间短路造成的无功功率变化较小，而电网在实际运行中也存在无功功率，这样通过判断无功检测故障难度较大。匝间短路除了对磁场与无功造成影响，也会使得发电机的机械振动造成变化，正常情况下，绕组的电磁力是均衡的，发电机的机械振动较小，而发生匝间短路之后，电磁力矩的平衡会遭到破坏，加上电流热作用的不平衡，会明显加大发电机的振动，通过对发电机的振动振幅以及振动频率的检测，便可以判断出发电机是否存在匝间短路故障，目前对于振动信号的分析大多以傅里叶变换为主，但傅里叶变换对高频信号的分辨率不够，因此我们考虑采用神经网络算法对振动信号进行分析。
3 BP神经网络的构建
神经网络是上个世纪80年代末逐渐发展起来的一种新型智能算法[4]，这种方法汇集了包括数学、生物学、神经生理学、脑科学、遗传学等诸多领域的研究成果，它是基于人脑的思维模式，从信息的处理、学习、联想、分类、记忆等角度把问题进行抽象和简化[5]。神经网络种类很多，典型的神经网络主要有误差反向传播神经网络（BP神经网络）和径向基神经网络（RBF神经网络）。神经网络算法离不开人工神经元，每一个人工神经元，大体上都由输入信号xi、连接权值wkj、线性求和以及激活函数f（•）构成，人工神经元最为神经网络的基本单位。BP神经网络是一种多层网络，各层之间进行全互联，但同一层不相连，它的激发函数采用S函数。典型的BP神经网络包括输入层、隐含层和输出层，以及信息双向传递，通过学习调整权值，在发电机匝间故障的检测这里依据电机的振动信号，因此将振动频率、振幅以及对应的时间作为BP神经网络的输入量，而输出量则选取出震动的高频频谱和低频频谱，通过对频谱的观测达到检测匝间短路故障的目的，其结构如图1所示。
从数据仿真来看，正常状态时发电机振动频谱大体上呈现正态分布规律，而匝间短路时的振动频谱呈现畸变的正态分布规律，这也正说明了正常工作时发电机的振动是均匀的，发生故障使得发电机振动变得不再均匀。在实际应用中为了提高检测的准确程度，还可以结合气隙磁通或无功功率的变化综合判断.
5 总结
发电机是电力系统中产生电能的重要设备，火力发电厂采用的汽轮发电机是稳定电网电压、有功和无功的关键设备，发电机的匝间短路将直接影响到电力系统的安全运行。本文通过分析发电机匝间短路故障所产生的特定作用，在传统的检测气隙磁通与无功功率方法的基础上改进出一种利用BP神经网络检测发电机匝间故障的方法。利用智能算法对发电机的振动信号进行分析，通过观察振动的频谱分析出发电机的运行状态，对于发电机而言，由于其转子绕组通有电流，在磁场中必然受到磁场力的作用，由于绕组的均匀缠绕，这种磁场力会处于平衡状态，出现匝间短路时，这种磁场力的平衡遭到破坏，这样正常运行于发生匝间短路时振动情况是不同的，频谱分布也会产生差异，便可以精确检测出匝间短路故障。
参考文献：
[1] 孔超.发电机转子匝间短路分析及处理[J]. 电机技术，2017，（03）：37-39.
[2] 王攀攀，贯士虎，谭银朝.发电机转子绕组匝间短路故障分析与预防[J]. 教育现代化，2016，3（33）：261-262.
[3] 沈力平，马明晗，李永清，冯雪萍. 基于无功相对偏差的无刷励磁发电机转子绕组匝间短路故障诊断新判据[J]. 电机与控制应用，2017，44（11）：106-110.
[4] 刘小平，鄂东辰，高强，张立杰. 基于BP神经网络的翻车机液压系统故障诊断[J].液压与气动，2016（08）：68-73.
[5] 史丽萍，汤家升，王攀攀，韩丽，张晓蕾. 采用最优小波树和改进BP神经网络的感应电动机定子故障诊断[J]. 电工技术学报，2015，30（24）：3.
论文作者:高永亮
论文发表刊物:《电力设备》2018年第2期
论文发表时间:2018/6/6
标签：发电机论文; 神经网络论文; 转子论文; 绕组论文; 故障论文; 频谱论文; 磁场论文; 《电力设备》2018年第2期论文;