電氣設備狀態監測與故障診斷

的現代技術及發展趨勢2022/11/252Mainpoints1狀態監測與故障診斷的概念的再認識

2主要電氣設備的狀態監測方法

3狀態監測的關鍵技術

4電氣設備的現代故障診斷技術

5電氣設備故障診斷技術的發展趨勢

6總結

緒論

(Introduction)2022/11/2541.Introduction

電氣設備的定期檢修制度:到期必修,缺乏對設備的綜合分析,檢修過量,檢修不足人力和物力的浪費,降低了供電可靠性。狀態檢修替代定期檢修是發展的必然趨勢。2022/11/2551.Introduction

及時準確地發現電氣設備潛在的和現有的故障是保證生產安全運行的重要措施。由于種種原因,目前狀態監測與故障診斷的應用水平不平衡，還存在種種問題,包括一些認識上的誤區。2022/11/2561.Introduction本報告要點:首先討論電氣設備狀態監測與故障診斷的概念，概念的再認識

目前主要電氣設備的狀態監測與故障診斷方法關鍵技術與現代診斷方法綜述最后討論發展趨勢2.狀態監測與故障診斷的概念的再認識

(TherecognitionoftheconceptofCMD)2022/11/2582.1狀態監測與故障診斷、故障預測的關系

(Therelationshipbetweenconditionmonitoringandfaultdiagnosis,faultprediction)狀態檢修是我國即將面臨的先進的設備管理體制開展狀態檢修的研究一般從兩個方面進行一類是對設備進行不間斷實時動態的在線監測,用在線的數據來判別設備狀態。另一類是以離線檢測為主,通過各種離線數據分析對設備狀態進行綜合診斷。實現狀態檢修的前提：必須進行可靠的狀態監測與準確的故障診斷以及有效的故障預報。2022/11/2592.1狀態監測與故障診斷、故障預測的關系

(Therelationshipbetweenconditionmonitoringandfaultdiagnosis,faultprediction)故障預報、故障診斷和狀態監測的本質區別：。故障預報——根據故障征兆,對可能發生故障的時間、位置和程度進行預測。故障診斷——根據故障特征,對已發生的故障進行定位和對故障發展程度進行判斷。狀態監測——對設備的運行狀態進行記錄、分類和評估,為設備維護、維修提供決策。關系如圖(按故障發展的時間進程進行分類)2022/11/2510圖1故障預報、故障診斷和狀態監測之間的關系（按時間進程）

2022/11/25112.1狀態監測與故障診斷、故障預測的關系

(Therelationshipbetweenconditionmonitoringandfaultdiagnosis,faultprediction)如果不能對未發生的故障時間、位置進行預測和不能對已發生故障的位置、程度進行準確判斷,則不能稱為故障預報和故障診斷,其結論應該屬于狀態監測范圍。2022/11/25122.1狀態監測與故障診斷、故障預測的關系

(Therelationshipbetweenconditionmonitoringandfaultdiagnosis,faultprediction)對故障的預測或預報必須建模和仿真.故障診斷需要對故障的機理進行分析和研究,因而存在較大的難度。狀態監測主要依據信號處理和模式識別對設備進行評估和判斷,相對容易實現。也不能認為預測或預報是最好的方法,而狀態監測只是一種初級的手段。每一種方法必須適合具體的對象,關鍵在于準確,要得到準確的結論都是不容易的。圖2表示狀態監測、故障診斷和故障預報與設備故障的關系。2022/11/25132.1狀態監測與故障診斷、故障預測的關系

(Therelationshipbetweenconditionmonitoringandfaultdiagnosis,faultprediction)

2022/11/25142.1狀態監測與故障診斷、故障預測的關系

(Therelationshipbetweenconditionmonitoringandfaultdiagnosis,faultprediction)狀態監測適合電力系統主設備的現狀。主設備的主要故障,例如絕緣故障、機械故障等的一些故障機理還不清楚,全系統的故障建模和仿真更難,而作為一個產品,其生存期有限,也沒有必要進行大量的研究工作。如果強調對主設備故障的“預報”和“定位”,不僅現有條件下很難達到預期效果,而且容易產生過分的期望和誤解,并將影響監測技術的推廣和發展。2022/11/25152.1狀態監測與故障診斷、故障預測的關系

(Therelationshipbetweenconditionmonitoringandfaultdiagnosis,faultprediction)狀態監測應該包括以下任務:a.為設備的運行情況積累資料和數據,建立設備運行的歷史檔案。b.對設備運行狀態處于正常還是異常做出判斷根據歷史檔案、運行狀態等級和已出現的故障特征或征兆,判斷故障的性質和程度。c.對設備的運行狀態進行評估,為狀態檢修的實施提供依據。2022/11/25162.2狀態監測與繼電保護狀態監測、故障診斷與繼電保護有很多共性之處，但其任務與功能是不同的，必須根據故障特點進行定位。不存在誰比誰好，或誰可完全代替誰的問題。對不同的設備和不同的故障類型,采用的監測的方法可能完全不一樣。由于故障發展速度的差別,形成了瞬變故障和緩變故障兩個類型。以大型發電機和變壓器為例,如表1所示。表1.變壓器、發電機故障按處理時間分類2022/11/25172.2狀態監測與繼電保護

(Conditionmonitoringandrelayprotection)瞬變故障

例如相間短路等,發展很快。繼電保護裝置必須在10ms～20ms內處理這類故障,以避免損失擴大。瞬變故障發生時需要解決的問題是故障保護和避免事故擴大,不是診斷和監測的問題。2022/11/25182.2狀態監測與繼電保護

(Conditionmonitoringandrelayprotection)緩變故障是從出現故障征兆發展到故障災害進程較慢的一類故障現象,例如絕緣故障、機械系統故障等。當出現故障征兆時,需要對故障進行定位,或對故障的程度和發展進行監測,采取措施,防止故障狀態的進一步發展和造成重大損失。因此,緩變故障是狀態監測和故障診斷的對象。2022/11/25192.2狀態監測與繼電保護

(Conditionmonitoringandrelayprotection)對于瞬變故障,繼電保護可以發揮巨大的作用,大大減少可能造成的危害。但并不是所有的瞬變故障都是由緩變故障發展形成的,同時,很多緩變故障其發展造成的損害也不在繼電保護所能保護的范圍內。有人認為狀態監測和故障診斷能防止故障發生,是比繼電保護更先進的技術,可以取而代之,這是一種誤解。兩種技術互相補充,缺一不可。2022/11/2520表1.變壓器、發電機故障按處理時間分類

10mS1min瞬變故障緩變故障發生時間電力變壓器繞組匝間、相間短路局部放電partialdischarge(PD)油中氣體色譜分析(PDA)油中水分Waterinoil油溫oiltemperature調壓分接開關tapswitch大型發電機定子繞組匝間、相間短路statorwindingturntoturnshort,phaseshort負序negativesequence逆功率reverse-power定子繞組一點接地statorwindingground?轉子一點接地rotorground失磁Lossoffield轉子繞組匝間短路rotorwindingturntoturnshort局部放電PD軸電壓不正常shaftvoltageabnormal冷卻系統故障coolingsystemfault機械振動mechanicalvibrating軸系振動shaftingvibrating主要檢測方法繼電保護relayprotection狀態監測conditionmonitoring.主要電氣設備的狀態監測

(Conditionmonitoringofmainelectricalequipments)2022/11/25223.1.1變壓器事故統計分析

2000年32臺次、4712.0MVA2001年63臺次、7399.5MVA事故率0.43%=（63臺/14523臺）事故容量0.72%=（7399.5/1024089.7）其中330kV1.65%500kV1.83%容量300MVA(1.04%)3834.0MVA(2.23%)1)事故臺數：3.1電力變壓器的狀態監測

(Conditionmonitoringofpowertransformer)2022/11/25232)事故與運行年限統計：

運行年限事故臺次占百分比(%)≤11221.12~34~5568.810.56~101322.811~151322.816~20＞20447.07.0

合計57100.0投運15年內發生事故的49臺次(其中進口變8臺)，占總事故統計臺次86.0%，說明運行壽命值得擔憂。3.1電力變壓器的狀態監測

(Conditionmonitoringofpowertransformer)2022/11/25243)短路損壞的統計：

表101990～2001年短路損壞事故臺次統計

年份事故總臺次短路事故臺次占總事故比率%1990342619915635199276182419936922321994572137199559294919965829501997552138.21998632641.31999492040.82000321134.42001632133.33.1電力變壓器的狀態監測

(Conditionmonitoringofpowertransformer)2022/11/25253.1電力變壓器的狀態監測

(Conditionmonitoringofpowertransformer)3.1.2OLTC的特殊監測統計表明,OLTC(有載調節器)故障和繞組故障最常見。因此,監控的關鍵參數包括OLTC故障、油/紙絕緣(包括繞組和變壓器)的老化、負載和運行狀態。1)OLTC的特殊監測:當前已有一些OLTC在線監控系統,但是機械和電氣故障的集成檢測器仍在研究之中。OLTC的振動監測是有效的在線監測方法,但其研究仍在進行之中。2022/11/25263.1電力變壓器的狀態監測

(Conditionmonitoringofpowertransformer)2)絕緣問題:繞組絕緣和主絕緣是影響變壓器壽命的最大的問題之一.通過溫度、油中氣體分析(DGA),局部放電(PD)和濕度分析來監測。考慮到絕緣問題,使用光纖傳感器是直接測量熱點溫度的最重要方法,但這種方法成本很高。絕緣系統中,局部放電的早期檢測非常重要。對變壓器,廣泛使用附著在變壓器箱體上的壓電聲學傳感器來探測局部放電信號。2022/11/25273.1電力變壓器的狀態監測

(Conditionmonitoringofpowertransformer)3)其它有價值的監測量:負載和運行狀態的基本信息可通過電壓、電流互感器監測。振動監測似乎是檢測OLTC故障的最佳方法。2022/11/25283.2發電機的狀態監測

(Conditionmonitoringofthegenerator)發電機故障和監測方法1)定子繞組故障:包括絕緣故障、繞組導體故障和繞組端部故障。電氣絕緣逐漸劣化的結果,絕緣故障便成了主要關注對象。主要早期特征便是機器內局部放電增加,因此,對局部放電的監測成為實施定子繞組狀態監測的主要工具。2022/11/25293.2發電機的狀態監測

(Conditionmonitoringofthegenerator)發電機故障和監測方法2)轉子體故障:對轉子體故障的早期檢測可通過振動監測和氣隙磁密監測來實現。2022/11/25303.2發電機的狀態監測

(Conditionmonitoringofthegenerator)發電機故障和監測方法3)轉子繞組故障:主要是匝間短路故障。匝間短路故障可引起局部過熱甚至導致轉子接地。監測方法是采用氣隙磁密監測:通過探測氣隙磁密,可以確定匝間短路的數量和位置。2022/11/25313.2發電機的狀態監測

Conditionmonitoringofthegenerator發電機故障和監測方法4)定子鐵心故障:主要是鐵心深處的過熱問題。熱監測技術(包括熱成像技術)已被用于變壓器和電動機定子繞組的監測中,但很少有用于定子鐵心監測的報道。2022/11/25323.2發電機的狀態監測

Conditionmonitoringofthegenerator發電機定子繞組的局部放電在線狀態監測定子繞組絕緣劣化:是大型發電機故障的主要原因。定子繞組PD監測:不可缺少的其研究已有40余年的歷史PD監測仍是一項發展中的技術。2022/11/25333.2發電機的狀態監測

Conditionmonitoringofthegenerator發電機定子繞組的局部放電在線狀態監測1)抑制噪聲:在對定子繞組PD進行在線測量時,通常會受到來自電機內、外的電氣干擾。解決方法兩種:一是改進測量方式和測量儀器;二是利用信號處理技術和神經網絡在數據后處理階段消除PD信號中的噪聲。信號處理技術是抑制噪聲的常用工具。例如自適應濾波器和程控帶通濾波器,神經網絡算法也被用于濾除PD信號中的噪聲信號。2022/11/25343.2發電機的狀態監測

Conditionmonitoringofthegenerator發電機定子繞組的局部放電在線狀態監測2)PD行為解釋:在線PD監測期望達到兩個目的:一是判定哪一臺機器需要進行定子繞組維護;二是找出故障位置及成因。經驗表明,PD幅值不能作為故障的絕對指標,因此難以設定一個PD門檻值用于報警。定子繞組的絕緣狀態最好由一段時間的趨勢來判定。2022/11/25353.3感應電動機狀態監測

(Conditionmonitoringofinductionmotor)感應電動機故障和監測方法1)定子故障:主要原因:絕緣破壞引起繞組匝間短路造成的。感應電動機的定子繞組匝間故障將在定子電流中產生諧波,因此定子電流可用于故障的檢測。當前,定子電流信號分析是常用方法。由于電動機和發電機在定子繞組上的相似性用于發電機的PD在線監測也可用于電動機中,它比電流監測能更早地檢測到繞組故障。2022/11/25363.3感應電動機狀態監測

(Conditionmonitoringofinductionmotor)2)轉子故障:感應電動機轉子故障主要有轉子導條斷裂,將引起轉矩跳動,轉速波動,轉子振動以及過熱等。檢測方法:定子電流監測。振動和氣隙監測。2022/11/25373.3感應電動機狀態監測

(Conditionmonitoringofinductionmotor)3)軸承故障:軸承故障占所有機器故障的40%以上。潛在的軸承故障通常采用振動和定子電流監測的辦法來檢測。2022/11/25383.3感應電動機狀態監測

(Conditionmonitoringofinductionmotor)4)氣隙不均勻:有兩種類型的氣隙不均：動態和靜態。靜態氣隙不均:最小的氣隙位置在空間上是固定的;

動態氣隙不均:轉子的中心和旋轉中心不一致,因此最小氣隙位置是旋轉的。監測方法:定子鐵心振動監測和定子電流監測來檢測。2022/11/25393.3感應電動機狀態監測

(Conditionmonitoringofinductionmotor)感應電動機狀態監測常用監測技術和最新研究1)振動監測和電流監測:振動和電流監測是感應電動機實際應用中最流行的兩種的狀態監測方法。在電流監測還處于研究中時,振動監測就已投入實際應用。振動監測可以發現機械故障、氣隙不均勻、定子繞組或轉子故障,三相電源不對稱等問題。振動監測的改進依賴于先進的信號處理技術,例如高階統計分析、非靜態的遞歸濾波器和小波等。電流變化相對較小,電流監測一直被認為難以用來檢測故障。目前的研究主要集中于電流監測的實施上。2022/11/25403.3感應電動機狀態監測

(Conditionmonitoringofinductionmotor)感應電動機狀態監測常用監測技術和最新研究2)基于模型的方法和人工智能:基于模型的故障檢測:對于較小的電動機和調速電動機,采用這種方式更為適合一些。首先建立電動機的數學參考模型,通過比較參考模型和測量模型的輸出偏差檢測和定位轉子故障。2022/11/25413.3感應電動機狀態監測

(Conditionmonitoringofinductionmotor)人工智能:神經網絡:建立模型的另一方法。對非線性關系很難甚至根本不可能獲得精確的數學表達式。而利用經過大量數據訓練的神經網絡能很好地反映這種關系。4.

狀態監測的關鍵技術

(KeyTechnologyofConditionmonitoring)2022/11/25434.

狀態監測的關鍵技術

(KeyTechnologyofConditionmonitoring)4.1傳感器技術狀態監測系統輸入信號：電、熱、聲、振動等物理量，油、氣體經化學分析得到的分解物含量,各種來源的信號通過傳感器轉換為電信號。傳感器是監測系統的輸入端,

測量技術的難點和瓶頸。智能傳感器：具有CPU和符合一定協議的通信接口。2022/11/25444.

狀態監測的關鍵技術

(KeyTechnologyofConditionmonitoring)4.2數據分析技術在狀態監測系統中,數據分析的任務：從采集到的數據中得到設備運行的有關信息。數據分析過程：分為數據預處理、特征提取、狀態分類和處理決策等4個部分。數據預處理包括數據選取、消除噪聲等前期處理過程。特征提取是指采用數理統計、信號處理(FFT、小波分析、分形和混沌)等方法提取信號的特征。2022/11/25454.

狀態監測的關鍵技術

(KeyTechnologyofConditionmonitoring)4.2數據分析技術狀態分類和處理決策是數據分析的核心部分,也是難度較大的部分。狀態分類是一個模式識別問題。例如,一個一維的狀態分類問題,設x為特征指數,x0為特征指數的閾值,則:x<x0為正常狀態;x>x0為故障狀態。對于多維問題,特征指數不止1個,狀態分類在多維空間中不是一個簡單的區域劃分問題。這個過程一般都采用了人工智能技術,如模式識別、人工神經網絡、模糊數學、專家系統等。5.電氣設備的現代故障診斷方法

(Modernfaultdiagnosismethodsforelectricalequipment)2022/11/25475.1基于信號變換的診斷方法

Signaltransformation-baseddiagnosingmethods

5.1基于信號變換的診斷方法

許多故障信息是以調制的形式存在于所監測的電氣信號及振動信號之中,借助于某種變換對這些信號進行解調,獲得故障特征信息常用的信號變換方法有希爾伯特變換和小波變換。小波變換時率函數,具有多分辨率特點利用小波變換的奇異點在多尺度下的綜合表現來檢測信號的局部突變點,從而進行故障診斷。2022/11/25485.1基于信號變換的診斷方法

Signaltransformation-baseddiagnosingmethods如，在電機故障診斷中，通過對定子電流預處理,并進行小波變換,有效的提取電機定子繞組故障特征,并明顯區分由于外部負載突變和外部電流不對稱而引起的定子電流變化。診斷結果幾乎不受負載影響,實現有效可靠地進行電機故障在線診斷。特點：小波變換,很適合于探測正常信號分析中夾帶的瞬態反常現象并展示其成分,但基于信號變換的診斷方法缺乏學習功能。2022/11/25495.2基于專家系統的診斷方法

Expertsystembaseddiagnosingmethods

5.2基于專家系統的診斷方法基于專家系統的診斷方法:是根據被診斷系統的專家以往經驗,將其歸納成規則,并運用經驗規則通過規則推理來進行故障診斷。特點：優點：過程簡單、快速等,局限性：基于專家系統的方法屬于反演推理,因而不是一種確保唯一性的推理方法,該方法存在著獲取知識的瓶頸。對于復雜系統所觀測到的癥狀與所對應故障之間聯系是相當復雜的,專家經驗歸納成規則往往不是唯一的并且有相當難度。該方法不適合于復雜電機設備或新的及未有經驗的電機設備的故障診斷。對于診斷結論除了重復被采用的規則外，無法做出進一步解釋,通常只能診斷單個故障,難以診斷多重故障。2022/11/25505.3

基于模糊理論的診斷方法

Fuzzytheorybaseddiagnosingmethods5.3基于模糊理論的診斷方法在電氣設備故障診斷中,模糊屬性常常出現，模糊理論是處理這類問題的最好的工具。模糊故障診斷有兩種方法：一種是基于模糊關系及合成算法的診斷方法。先建立征兆與故障類型之間的因果關系矩陣R,再建立故障與征兆的模糊關系方程,即F=S.R。這時F為模糊故障矢量;S為模糊征兆矢量;“.”為模糊合成算子。另一種是基于知識處理的診斷方法方法。先建立故障與征兆的模糊規則庫,再進行模糊邏輯推理的診斷過程。該方法已實現了對鼠籠式感應電機軸承的故障診斷。2022/11/25515.3

基于模糊理論的診斷方法

Fuzzytheorybaseddiagnosingmethods5.3基于模糊理論的診斷方法優缺點：優點：模糊語言變量接近自然語言,知識的表示可讀性強,模糊推理邏輯嚴密,類似人類思維過程,易于解釋。不足或難點：模糊診斷知識獲取困難,尤其是故障與征兆的模糊關系較難確定,且系統的診斷能力依賴模糊知識庫,學習能力差,容易發生漏診和誤診。另外,由于模糊語言變量是用模糊數(即隸屬度)表示的,如何實現語言變量與模糊數之間的轉化,是實現上的一個難點。2022/11/25525.4

基于人工神經網絡的診斷方法

ANNbaseddiagnosingmethod5.4基于人工神經網絡的診斷方法用ANN技術處理故障診斷問題,不僅能進行復雜故障診斷模式的識別,還能進行故障嚴重性評估和故障預測,由于ANN能自動獲取診斷知識,使診斷系統具有自適應能力。將ANN應用于電氣設備故障診斷是當前電氣設備故障診斷的熱點之一。如采用BP網絡對電機進行故障診斷。基本思想：采用傳感器獲取表征電機設備故障的特征信號（如電流、噪聲等）,對獲取的特征信號做FFT變換,利用特征信號頻譜中的若干個譜峰（值）的能量值做為神經網絡的輸入樣本,以故障類型做為神經網絡的輸出樣本,對網絡采用BP算法進行學習,獲取輸入樣本(特征信號)與輸出樣本(故障類型)間的映射關系。利用神經網絡的聯想記憶和分布處理功能對電機設備故障進行診斷。2022/11/25535.4

基于人工神經網絡的診斷方法

ANNbaseddiagnosingmethod5.4基于人工神經網絡的診斷方法問題及改進：BP網絡具有較強的非線性逼近能力,能進行故障模式識別,還能進行故障嚴重程度評估和預測,應用較廣。但是,由于BP算法在迭代時采用梯度下降法,存在收斂慢、振蕩和局部極小等問題。另外,BP算法用于故障診斷的一個突出問題還在于對異常故障的處理能力低以及不具備增量學習功能。這主要是由于BP算法在數學本質上是內插值法,其解題能力對樣本依賴性極大;當一個與樣本差異較大的新的故障類型發生時,往往會將其歸于一個已知的故障類型或判為正常狀態,產生誤診或漏診。因此當前文獻中利用BP網絡進行電機設備故障診斷都采用各種不同的BP改進算法。2022/11/25545.5基于遺傳算法的電機故障診斷方法

(Geneticalgorithmbaseddiagnosingmethod)5．5基于遺傳算法的電機故障診斷方法遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法,它的推算過程就是不斷接近最優解的方法。特點：并行計算與全局最優。與一般的優化方法相比,遺傳算法只需較少的信息就可實現最優化控制。因此,通常用遺傳算法來優化神經網絡或模糊邏輯系統的參數和結構。2022/11/25555.5基于遺傳算法的電機故障診斷方法

(Geneticalgorithmbaseddiagnosingmethod)5．5基于遺傳算法的電機故障診斷方法例如：將遺傳算法應用于基于神經網絡的電氣設備故障診斷。設計神經網絡的關鍵在于如何確定神經網絡的結構及連接權系數。將遺傳算法應用于神經網絡的設計和訓練兩個方面,分別構成設計遺傳算法和訓練遺傳算法。許多神經網絡的設計細節,如隱層節點數、神經元轉移函數等,都可由設計遺傳算法進行優化,而神經網絡的連接權重可由訓練遺傳算法優化。6電氣設備故障診斷技術的發展趨勢

Thedevelopmenttrendsofelectricalequipmentfaultdiagnosis2022/11/25576

Thedevelopmenttrendsofelectricalequipmentfaultdiagnosis故障診斷研究仍有一段艱巨的路程要走。目前和今后的主要研究可歸納為：多傳感器數據融合技術；在線實時故障檢測算法；混合智能故障診斷技術；基于因特網的遠程協作診斷技術；以故障監測及分離為核心的容錯控制、監控系統和可信性系統研究等。2022/11/25586.1

多信息量融合，多層次診斷集成

(Multi-informationfusion,multi-hierarchydiagnosis)6.１多信息量融合，多層次診斷集成集成知識庫中的各種診斷知識，結合數據庫中的各種故障數據，按照不同的故障情況進行綜合分析、判斷，定位故障點。主要對狀態監測所得到的信息進行融合，結合層次診斷模型，按照深淺結合的推理層次進行診斷。它進一步把狀態監測中的信號監測處理集成到診斷系統中，進行在線數據處理與在線診斷推理，實現非實時診斷到實時診斷的轉變，也實現信息診斷與智能診斷的統一。2022/11/25596.2基于集成型智能系統的診斷方法

Integratedintelligencesystemsbaseddiagnosis6.２基于集成型智能系統的診斷方法隨著電機設備系統復雜,依靠單一的故障診斷技術已難滿足復雜電機設備的故障診斷要求,