[发明专利]一种发电机电刷滑环烧伤故障程度诊断方法

说明书

技术领域

本发明涉及一种发电机电刷滑环烧伤故障程度诊断方法，属于发电机技术领域。

背景技术

双馈异步感应发电机(DFIG)凭借其自身转速调节灵敏、功率变换双向、变频控制灵活等特点广泛应用于风力发电系统。作为发电机的动静转换器件，运行中的电刷滑环系统出现故障而导致发电机无法稳定运行的现象数见不鲜，严重时甚至会出现发电机电刷冒火现象并形成环火，造成机组减负荷后停机。与此同时，电刷滑环系统的日常维护工作量大，需要经常开展人工检查和器件更换工作，尤其是处于像高海拔、低气压、高湿度等这些恶劣环境下的风电机组，这将加大电刷滑环系统维护、修理工作的难度和更多人力、物力和财力的投入。

与传统发电机的电刷滑环系统相类似，对双馈异步发电机电刷滑环系统故障的诊断及监测方法多种多样，但是对滑环烧伤故障的研究还未构建成熟的体系，因此很难掌握电机电刷滑环的运行工况而进行准确及时的抢修。截至目前，常用的监测方法有：电刷滑环间火花电弧监测、电刷滑环温度监测和电刷滑环系统振动监测。有学者以双馈异步发电机电刷滑环为研究对象，定量分析了电刷滑环不稳定接触对转子电流的影响，但是所受电机本身和外界干扰太大，具有一定局限性；有学者将热电偶嵌入到距接触面0.15～0.25mm深度处的电刷内来测量电刷和滑环的接触温度，实际操作工艺相对较复杂，精准度要求很高；最新的方法采用红外测温探头非接触测量滑环表面温度，通过通信总线实时传输温度数据，并设置过热报警功能，但检测精度不高，不能稳定实时地反映电机在电刷滑环处的烧伤故障程度。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种发电机电刷滑环烧伤故障程度诊断方法，解决现有技术中发电机电刷滑环故障诊断方法精度不高、可操作性不高、具有一定局限性的技术问题。

为解决上述技术问题，本发明所提供的技术方案是：一种发电机电刷滑环烧伤故障程度诊断方法，包括如下步骤：

建立训练样本集：对电刷滑环烧伤故障程度进行分类，仿真不同程度烧伤故障对应的流经电刷滑环的励磁电流，建立包括不同程度烧伤故障的多个训练样本集；

构建自适应神经模糊推理系统：以训练样本集中发生不同程度烧伤故障时流经电刷滑环的励磁电流作为输入，赋予每种程度烧伤故障一个输出，构建自适应神经模糊推理系统，选择推理系统输入输出的隶属度函数；设置推理系统的训练目标误差，对构建的自适应神经模糊推理系统进行训练，确定推理系统的输入隶属度函数参数和输出隶属度函数参数；

比较判断：采集流经发电机电刷滑环的励磁电流，输入至自适应神经模糊推理系统，将自适应神经模糊推理系统的输出与每种程度烧伤故障赋予的输出相对比，判断发电机电刷滑环是否烧伤，在满足训练目标误差的条件下，判断故障程度。

电刷滑环烧伤故障程度分为：滑环表面正常、滑环表面故障相一处轻度烧伤、滑环表面故障相一处重度烧伤、滑环表面故障相一处轻度烧伤加一处重度烧伤。

赋予每种程度烧伤故障一个输出，具体为：滑环表面正常赋输出值“1”、滑环表面故障相一处轻度烧伤赋输出值“2”、滑环表面故障相一处重度烧伤赋输出值“3”、滑环表面故障相一处轻度烧伤加一处重度烧伤赋输出值“4”。

建立训练样本集的具体方法如下：

基于Ansoft仿真软件，构造发电机电刷滑环不同程度烧伤故障，仿真不同程度烧伤故障情况下流经电刷滑环的励磁电流，建立多个训练样本集；

对训练样本集中的励磁电流进行处理，包括采用公式(1)对训练样本集中的励磁电流进行归一化处理：

式中：I_max、I_min分别为励磁电流的最大值和最小值，I^*为归一化结果，对归一化后的训练样本集使用减法聚类算法来进行非线性规划，将处理后的数据作为自适应神经模糊推理系统的输入。

采用混合学习法对构建的自适应神经模糊推理系统进行训练。

以训练样本集中发生不同程度烧伤故障时流经电刷滑环的励磁电流作为输入，每组输入有3个隶属度函数，隶属度函数的类型选用高斯型隶属度函数，采用网格分割方式生成。

与现有技术相比，本发明所达到的有益效果是：

1、不需要分离双馈异步发电机和电刷滑环系统作分别研究，保证了电机整体结构运行的完整性，可操作性强，诊断结果准确、可靠；

2、避免受电机本身及外界干扰，诊断结果有效，诊断精确度高。

附图说明

图1是本发明涉及的自适应神经模糊推理系统的结构示意图；