發(fā)電機(jī)組電氣故障智能檢測(cè)技術(shù)研究

肖平

摘 ?要：電氣故障是發(fā)電機(jī)組正常運(yùn)行的重大隱患，及時(shí)檢出電氣故障具有重要意義。針對(duì)發(fā)電機(jī)組的電氣故障檢測(cè)問題，提出一種基于回聲狀態(tài)網(wǎng)絡(luò)的智能檢測(cè)方法，可以實(shí)現(xiàn)發(fā)電機(jī)組電氣故障的自動(dòng)實(shí)時(shí)檢測(cè)。此方法中，將發(fā)電機(jī)組的常見10類故障作為輸入，進(jìn)而納入回聲狀態(tài)網(wǎng)絡(luò)中進(jìn)行學(xué)習(xí)和訓(xùn)練，并根據(jù)網(wǎng)絡(luò)分析結(jié)果做出故障判斷。實(shí)驗(yàn)過程中，通過多種傳感器配合人工巡檢采集各變量數(shù)據(jù)，通過多變量時(shí)間序列數(shù)據(jù)在回聲狀態(tài)網(wǎng)絡(luò)中的訓(xùn)練和學(xué)習(xí)，形成故障檢測(cè)的最終結(jié)果。實(shí)驗(yàn)結(jié)果表明，該文提出的智能檢測(cè)算法可以對(duì)發(fā)電機(jī)組的運(yùn)行狀態(tài)進(jìn)行自動(dòng)實(shí)時(shí)的故障檢測(cè)。該文所提出的方法具有非人工、智能化、實(shí)時(shí)性的特點(diǎn)。

關(guān)鍵詞：發(fā)電機(jī)組；電氣故障；智能檢測(cè)；測(cè)試分析；回聲狀態(tài)網(wǎng)絡(luò)

中圖分類號(hào)：TM307.1 ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ? ? ?文章編號(hào)：2095-2945（2024）18-0173-04

Abstract： Electrical fault is a major hidden danger to the normal operation of generator sets， so it is of great significance to detect electrical faults in time. Aiming at the problem of electrical fault detection of generator set， an intelligent detection method based on echo state network is proposed， which can realize automatic real-time detection of generator set electrical fault. In this method， 10 kinds of common faults of generator sets are taken as input， and then incorporated into the echo state network for learning and training， and the fault judgment is made according to the results of network analysis. In the course of the experiment， through a variety of sensors with manual inspection to collect variable data， and through the training and learning of multi-variable time series data in the echo state network， the final result of fault detection is formed. The experimental results show that the intelligent detection algorithm proposed in this paper can automatically and real-time detect the fault of the generator set. The method proposed in this paper is non-manual， intelligent and real-time.

Keywords： generator set; electrical fault; intelligent detection; test and analysis; echo state network

在各種形式的能源供給中，電能占有十分重要的地位。電能作為一種二次能源，是清潔型能源，并且可以為人們生產(chǎn)生活的各種用電器提供能源動(dòng)力[1]。在電能供給體系中，發(fā)電站扮演著十分重要的角色。發(fā)電站內(nèi)的發(fā)電機(jī)組通過持續(xù)工作，將電能源源不斷地輸送到電網(wǎng)，確保千家萬戶的電力設(shè)備可以正常使用。發(fā)電機(jī)組的構(gòu)成形式復(fù)雜，并且因設(shè)備的不同而不同[2]。但是，其中最核心的部件都是變壓器。變壓器可以調(diào)整電能供給端到電能需求端的電壓差降，是發(fā)電機(jī)組工作的關(guān)鍵。為了確保發(fā)電機(jī)組的正常工作，必須對(duì)變壓器進(jìn)行有效的維護(hù)[3]。在常規(guī)檢修狀態(tài)下，主要是通過人工巡檢，定期或不定期地對(duì)發(fā)電機(jī)組進(jìn)行檢查，或者根據(jù)突發(fā)故障對(duì)發(fā)電機(jī)組進(jìn)行有針對(duì)性的維修。人工方法的最大問題是效率低、出錯(cuò)率高，并且無法對(duì)一些潛在的安全隱患及時(shí)排查。為此，本文以發(fā)電機(jī)組尤其是變壓器為關(guān)鍵組件，采用多種傳感器結(jié)合智能檢測(cè)方法進(jìn)行自動(dòng)化的故障檢測(cè)，以期更好地維護(hù)發(fā)電機(jī)組的安全運(yùn)營。

1 ?發(fā)電機(jī)組電氣故障的分類

發(fā)電機(jī)組的構(gòu)成非常復(fù)雜，包含了多種類型的設(shè)備、部件、組件。因此，發(fā)電機(jī)組的故障也千差萬別。為了便于歸納，可以采取不同的分類標(biāo)準(zhǔn)對(duì)發(fā)電機(jī)組的故障類型進(jìn)行劃分。這里采取2種分類原則。

第一種分類原則，按照內(nèi)部或外部的差異進(jìn)行劃分，發(fā)電機(jī)組可能出現(xiàn)2類故障所下。

第一類，發(fā)電機(jī)組的內(nèi)部故障。例如，其關(guān)鍵組件變壓器上纏繞電阻線出現(xiàn)故障，關(guān)鍵組件變壓器的鐵芯絕緣出現(xiàn)問題，連接組件螺栓絕緣出現(xiàn)問題，重要組件電壓開關(guān)出現(xiàn)問題，機(jī)油老化等。

第二類，發(fā)電機(jī)組的外部故障。例如，關(guān)鍵組件變壓器的承載油箱漏油，各組件單元之間聯(lián)動(dòng)控制裝置出現(xiàn)問題，發(fā)電機(jī)組的整體冷卻裝置失效，輔助用溫度計(jì)失靈，繼電器組件不能正常工作等。

第二種分類原則，按照故障的發(fā)生和存續(xù)時(shí)間長(zhǎng)短來進(jìn)行劃分，發(fā)電機(jī)組可能出現(xiàn)2類故障如下。

第一類，發(fā)電機(jī)組的瞬時(shí)故障。當(dāng)發(fā)電過程中，電壓出現(xiàn)短時(shí)間的劇烈波動(dòng)從而導(dǎo)致絕緣失效，甚至引發(fā)一系列外部的電氣故障，都屬于瞬時(shí)故障。自然條件經(jīng)常是此類故障的誘因，如雷暴、地震、颶風(fēng)等。

第二類，發(fā)電機(jī)組的累積故障。在發(fā)電機(jī)組持續(xù)工作相當(dāng)長(zhǎng)的時(shí)間后，不斷累積的老化、破損導(dǎo)致的故障，如發(fā)電機(jī)組的絕緣老化失效、線組破損等。

為了便于后續(xù)的智能檢測(cè)處理，本文按照故障嚴(yán)重程度，對(duì)發(fā)電機(jī)組的故障進(jìn)行3種劃分：重度故障、中度故障、輕度故障，具體見表1。

2 ?發(fā)電機(jī)組電氣故障智能檢測(cè)方法

針對(duì)發(fā)電機(jī)組的故障檢測(cè)問題，本文提出一種融合人工定期巡檢和多傳感器實(shí)時(shí)采集的方法，并通過回聲狀態(tài)網(wǎng)絡(luò)進(jìn)行智能判斷，形成有關(guān)檢測(cè)結(jié)果的最終判斷。這里考慮到發(fā)電機(jī)組對(duì)于更高安全性的追求，在同時(shí)對(duì)表1中10個(gè)故障變量進(jìn)行監(jiān)測(cè)的過程中，如果其中1個(gè)變量確定為重度故障，則直接停機(jī)，等候全面檢修。如果其中1個(gè)變量確定為中度故障，立即派人去現(xiàn)場(chǎng)對(duì)該故障進(jìn)行確認(rèn)。當(dāng)沒有出現(xiàn)重度故障和中度故障的時(shí)候，調(diào)用回聲狀態(tài)網(wǎng)絡(luò)方法，綜合10個(gè)故障變量的時(shí)間序列數(shù)據(jù)，納入智能決策算法，進(jìn)行故障情況的判斷，形成最終的檢測(cè)結(jié)果。

從結(jié)構(gòu)上看，回聲狀態(tài)網(wǎng)絡(luò)和一般的神經(jīng)網(wǎng)絡(luò)具有相似性，但其中間層的神經(jīng)元數(shù)量非常豐富，從而具有更強(qiáng)的計(jì)算能力和非線性逼近能力，這對(duì)于適應(yīng)發(fā)電機(jī)組成因復(fù)雜的多種可能性故障，具有更強(qiáng)的針對(duì)性。本文采用的回聲狀態(tài)網(wǎng)絡(luò)，結(jié)構(gòu)上如圖1所示。

從圖1中可以看出，用于發(fā)電機(jī)組故障檢測(cè)的回聲狀態(tài)網(wǎng)絡(luò)，分為3個(gè)層次。其中輸入是10個(gè)故障變量的時(shí)間序列數(shù)據(jù)，中間層是數(shù)量豐富且結(jié)構(gòu)關(guān)系復(fù)雜的神經(jīng)元組列，輸出是故障程度的判斷結(jié)果。這3個(gè)層次的數(shù)學(xué)模型，如公式（1）所示

， ?（1）

式中：I（k）為發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的輸入、C（k）為發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的中間層神經(jīng)元、O（k）為發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的輸出，l、m、n為發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)各層次的神經(jīng)元數(shù)量，k是采樣值。

圖1中的輸入，一共包括了10種故障狀態(tài)變量，具體如下。

I1代表“漏油故障”變量，即發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的第一個(gè)輸入；I2代表“油位故障”變量，即發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的第二個(gè)輸入；I3代表“閃絡(luò)故障”變量，即發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的第三個(gè)輸入；I4代表“穢物故障”變量，即發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的第四個(gè)輸入；I5代表“散熱故障”變量，即發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的第五個(gè)輸入；I6代表“溫差故障”變量，即發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的第六個(gè)輸入；I7代表“切換開關(guān)老化故障”變量，即發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的第七個(gè)輸入；I8代表“繞組漏電故障”變量，即發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的第八個(gè)輸入；I9代表“鐵芯絕緣故障”變量，即發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的第九個(gè)輸入；I10代表“繞組變形故障”變量，即發(fā)電機(jī)組故障檢測(cè)回聲狀態(tài)網(wǎng)絡(luò)的第十個(gè)輸入。

基于回聲狀態(tài)網(wǎng)絡(luò)的智能檢測(cè)算法，其實(shí)施流程一般包括以下幾個(gè)步驟。

第一個(gè)步驟，首先將10類故障的時(shí)間序列數(shù)據(jù)，按照相同的時(shí)間坐標(biāo)輸入到回聲狀態(tài)網(wǎng)絡(luò)的輸入單元。這時(shí)需要注意的是，10類故障數(shù)據(jù)量綱不同、閾值范圍大小不一，這就需要進(jìn)行歸一化處理，以便于輸入數(shù)據(jù)都處在相同的變化范圍之內(nèi)。

第二個(gè)步驟，將輸入的10個(gè)變量數(shù)據(jù)送入回聲狀態(tài)網(wǎng)絡(luò)的隱含層，這里有數(shù)量豐富的神經(jīng)元，可以對(duì)全部數(shù)據(jù)進(jìn)行整理、歸類、分析，并通過神經(jīng)元之間的關(guān)系模擬逼近各個(gè)輸入之間的關(guān)系，進(jìn)而建立網(wǎng)絡(luò)內(nèi)部的各輸入變量關(guān)系模擬矩陣，以及隱含層到輸出層的關(guān)系模擬矩陣。

第三個(gè)步驟，隱含層根據(jù)大量經(jīng)驗(yàn)數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，結(jié)合當(dāng)前輸入數(shù)據(jù)，對(duì)發(fā)電機(jī)組可能存在的故障狀態(tài)進(jìn)行智能判斷，并將判斷結(jié)果輸出到輸出神經(jīng)元。

在回聲狀態(tài)網(wǎng)絡(luò)的性能測(cè)試中，分別選取了500組、1 000組數(shù)據(jù)，對(duì)其收斂性能進(jìn)行測(cè)試，結(jié)果如圖2所示。

從圖2中可以看出，用于回聲狀態(tài)網(wǎng)絡(luò)訓(xùn)練的數(shù)據(jù)量越大，其收斂速度越快，并且收斂時(shí)的迭代誤差越小。因?yàn)閺膱D2中2條曲線的對(duì)比可以看出，1 000組數(shù)據(jù)訓(xùn)練下，收斂速度要快于500組數(shù)據(jù)的訓(xùn)練結(jié)果，并且收斂時(shí)的迭代誤差減小了70%。

3 ?發(fā)電機(jī)組電氣故障智能檢測(cè)實(shí)驗(yàn)

接下來的工作中，對(duì)發(fā)電機(jī)組電氣故障智能檢測(cè)的結(jié)果進(jìn)行實(shí)驗(yàn)驗(yàn)證。這里，首先給出各變量數(shù)據(jù)的采集結(jié)構(gòu)框圖，如圖3所示。

從圖3中可以看出，10種常見的故障都通過特定的檢測(cè)方法或傳感器進(jìn)行檢測(cè)，從而確保及時(shí)有效地傳輸?shù)桨l(fā)電機(jī)組故障檢測(cè)的數(shù)據(jù)庫端。發(fā)電機(jī)組電氣故障的智能檢測(cè)算法流程框圖如圖4所示。

這些數(shù)據(jù)將統(tǒng)一在智能檢測(cè)的服務(wù)器端進(jìn)行處理，發(fā)電機(jī)組故障智能檢測(cè)服務(wù)器端的操作界面設(shè)計(jì)結(jié)果，如圖5所示。

圖5中，點(diǎn)擊設(shè)備狀態(tài)智能分析按鈕，界面中右上區(qū)域?qū)⒆優(yōu)樵O(shè)備狀態(tài)智能分析區(qū)域。區(qū)域中包含以下控件：上方可以選擇樣本數(shù)據(jù)的路徑，點(diǎn)擊打開文件導(dǎo)入樣本數(shù)據(jù)；左下包含了網(wǎng)絡(luò)訓(xùn)練和分析過程中的參數(shù)配置，包括迭代次數(shù)、迭代閾值、輸入權(quán)重矩陣、輸出權(quán)重矩陣和隱含權(quán)重矩陣等；右下包含了網(wǎng)絡(luò)訓(xùn)練和網(wǎng)絡(luò)分析2個(gè)按鈕，點(diǎn)擊它們可以觸發(fā)訓(xùn)練功能、分析功能的響應(yīng)函數(shù)。

圖5是通過樣本數(shù)據(jù)，對(duì)ESN網(wǎng)絡(luò)進(jìn)行訓(xùn)練。此次訓(xùn)練過程中，設(shè)定迭代次數(shù)為1 000次，迭代閾值為0.01。如果迭代結(jié)果始終不能小于0.01，則執(zhí)行1 000次迭代為止，如果迭代次數(shù)不到1 000次，迭代結(jié)果就小于0.01，也結(jié)束迭代過程。此時(shí)得到的輸入權(quán)重矩陣、輸出權(quán)重矩陣、隱含權(quán)重矩陣，就是可用于當(dāng)前狀態(tài)參數(shù)分析的結(jié)果。

根據(jù)樣本數(shù)據(jù)，執(zhí)行回聲狀態(tài)網(wǎng)絡(luò)訓(xùn)練后，確定回聲狀態(tài)網(wǎng)絡(luò)各關(guān)鍵參數(shù)，進(jìn)一步對(duì)當(dāng)前采集到的發(fā)電機(jī)組狀態(tài)進(jìn)行智能分析，結(jié)果如圖6所示。

從圖6的結(jié)果中可以看出，發(fā)電機(jī)組中編號(hào)為Z1S5BYQ5的變壓器，其狀態(tài)的智能分析結(jié)果為中等異常，根據(jù)事先規(guī)定的處理原則，應(yīng)立即派人檢修。從上述處理過程可以看出，通過對(duì)發(fā)電機(jī)組各個(gè)可能故障狀態(tài)的臺(tái)帳記錄和實(shí)時(shí)采集，配合回聲狀態(tài)網(wǎng)絡(luò)智能分析方法，可以由檢測(cè)系統(tǒng)自動(dòng)給出分析結(jié)果，實(shí)現(xiàn)了變壓器這一變電站核心電力設(shè)備狀態(tài)的智能檢測(cè)。

4 ?結(jié)束語

電能供給是有關(guān)日常生產(chǎn)和生活的最重要能量供給形式，關(guān)系到生產(chǎn)進(jìn)度和人們?nèi)粘Ｉ畹谋憷０l(fā)電機(jī)組是電能供給的核心設(shè)備，其安全性關(guān)系到電能供給能否可靠地進(jìn)行。本文中，在傳統(tǒng)的常規(guī)人工檢測(cè)的基礎(chǔ)上，提出了一種多故障類型綜合智能檢測(cè)方法，用于發(fā)電機(jī)組故障的智能檢測(cè)。其使用的核心技術(shù)，是基于回聲狀態(tài)網(wǎng)絡(luò)的智能檢測(cè)算法。實(shí)現(xiàn)被確定劃分的各種常見故障類型，以變量的形式作為回聲狀態(tài)網(wǎng)絡(luò)的輸入，經(jīng)過回聲狀態(tài)網(wǎng)絡(luò)的綜合判斷形成最終的檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明，本文提出的智能檢測(cè)方法，可以實(shí)現(xiàn)對(duì)發(fā)電機(jī)組的實(shí)時(shí)故障檢測(cè)，對(duì)于提升發(fā)電機(jī)組安全性能具有重要的實(shí)用價(jià)值。

參考文獻(xiàn)：

[1] 李曉明，彭昆.關(guān)于對(duì)電力電子視閥下的電力設(shè)備狀態(tài)檢修技術(shù)的應(yīng)用之探討[J].電子技術(shù)與軟件工程，2018，16（3）：234-234.

[2] 李正存，唐松楊，李紅文，等.電力系統(tǒng)自動(dòng)化專業(yè)狀態(tài)檢修技術(shù)的探究[J].中國電業(yè)（技術(shù)版），2018，12（2）：103-106.

[3] 廖瑞金，張鐿議，黃飛龍，等.基于可拓分析法的電力變壓器本體絕緣狀態(tài)評(píng)估[J].高電壓技術(shù)，2017，38（3）：521-526.