[发明专利]发电机空载特性曲线确定方法

说明书

技术领域

本发明涉及发电机技术领域，尤其涉及一种发电机空载特性曲线确定方法。

背景技术

发电机空载特性是指发电机在额定转速下、负载电流为零时，发电机定子电压和转子电流的变化曲线。空载特性曲线是发电机最基本的特性曲线，是确定发电机参数及运行特性的重要依据之一。同步发电机的空载特性曲线不但可以反映发电机设计是否合理，而且直接影响着发电机的其他特性，并且与发电机的其他特性相配合还可以计算出发电机的同步电抗等重要参数。此外，通过发电机的空载特性试验也可以发现励磁系统中存在的故障。因此，空载特性试验一直是新投产机组或者老机组大小修后的一个重要试验。

然而，完整的发电机空载特性曲线并不是轻而易举就能获得的，往往受到各种客观因素的制约。试验规程中要求汽轮机空载特性曲线取到1.2倍额定定子电压的点，而水轮机更是要求取到1.3倍额定定子电压的点，某些机组的接线方式决定了发电机-变压器组不容易分开，也就是说空载试验必须带着变压器进行，如果发电机的定子电压升的过高会影响变压器的安全运行，所以这种情况下是不能获得完整的空载特性曲线的。另外，发电机大小修过后，受发电机过激磁、发变组保护以及现场其他条件的制约，都很难获取完整的发电机空载特性曲线。

现有的手工方法获取发电机空载特性曲线，采用手工记录数据，人工描绘发电机空载特性曲线，耗费时间、人力。另外，受到外界客观因素的制约，发电机机端电压最高只能升至1.05倍或者1.1倍额定定子电压的水平，难以取得完整的空载特性曲线，进一步影响相关参数的计算。

现有的软件模拟方法只能对非实测数据点采取手动绘制曲线方法，而且气隙线和饱和系数参数完全是人为确定，对操作者经验要求比较高，而且受个人主观因素的影响较大，容易带来较大的计算误差。

发明内容

本发明提供一种发电机空载特性曲线确定方法，以解决现有技术中的一项或多项缺失。

本发明提供一种发电机空载特性曲线确定方法，包括：从发电机的空载试验原始数据中选取空载试验有效数据，并将所述空载试验有效数据编制成训练样本；构建一神经网络，并利用所述训练样本对所述神经网络进行训练；调用训练后的神经网络，通过网络仿真函数，确定待绘制的空载特性曲线中缺少的数据点，作为空载试验补充数据；利用所述空载试验有效数据和所述空载试验补充数据绘制所述空载特性曲线。

一个实施例中，该方法还包括：利用录波器采集所述发电机的空载试验原始数据。

一个实施例中，从发电机的空载试验原始数据中选取空载试验有效数据，并将所述空载试验有效数据编制成训练样本，包括：将所述空载试验原始数据转化为标幺值；从所述标幺值中选取所述空载试验有效数据作为所述训练样本。

一个实施例中，构建一神经网络，并利用所述训练样本对所述神经网络进行训练，包括：步骤401：将所述训练样本输入至一训练函数，生成所述神经网络；步骤402：利用网络仿真函数对所述神经网络进行仿真，并输出所有所述训练样本对应的误差；步骤403：以最大的所述误差对应的训练样本为权值，为所述神经网络添加一个隐含层神经元；步骤404：重复执行步骤401至步骤403，对添加所述隐含层神经元后的所述神经网络进行仿真，当所有所述训练样本对应的误差中的最大值达到一设定误差值或者所述神经网络的隐含层神经元个数不再增加时，将最终得到的神经网络作为所述训练后的神经网络。

一个实施例中，所述缺少的数据点为所述发电机的额定定子电压的设定倍数的电压范围内缺少的数据点。

一个实施例中，所述神经网络为RBF神经网络。

一个实施例中，该方法还包括：根据所述发电机的经验定子电压范围和所述空载特性曲线绘制所述发电机的气隙线。

一个实施例中，所述经验定子电压范围的电压的标幺值下限值为0，电压的标幺值上限值在[0.7pu,0.8pu]范围。

一个实施例中，还包括：确定所述空载特性曲线和所述气隙线上设定数据点的励磁电流，根据所述励磁电流计算空载特性曲线相关参数。

一个实施例中，所述空载特性曲线相关参数包括：发电机饱和系数、发电机空载励磁电压基准值及换向系数中的一个或多个。

本发明实施例的方法，针对目前各种试验方法都无法获取理想的发电机空载特性曲线和相关参数的问题，利用不完整的空载试验数据，借助神经网络的方法，获取完美的发电机空载特性曲线及相关参数，能够避免人工绘制的人为因素干扰，大大提高了参数计算的效率和准确性。

附图说明