[发明专利]基于神经网络的三相交流异步电机多参数寿命预测方法

说明书

本发明公开了基于神经网络的三相交流异步电机多参数寿命预测方法，属于工业电机安检系统领域，利用微机继电保护器的状态参数和保护事件参数记录信息，结合深度学习网络，实现电机多参数寿命预测的方法，预测步骤包括：构建神经网络训练集、半数寿命训练子集和一成损耗训练子集，将上述训练集送入神经网络进行训练，利用误差反向传播算法修正网络参数，获得网络对电机已使用寿命的参数化描述，构建电机损耗测试集输入已建神经网络并预测；避免了复杂的建模过程，并提高预测的准确度，杜绝工厂工艺异常停车的安全隐患，降低安全事故造成的经济损失和人员伤亡风险。

技术领域

本发明属于工业电机安检系统领域，尤其涉及的是一种三相交流异步电动机寿命预测方法。

背景技术

随着经济的快速发展，社会对电力能源的需求旺盛，使得电力系统的容量不断扩大，发展规模迅速。其中，工业生产中三相交流异步电动机的应用非常广泛，例如在石油石化领域，一个化工厂往往需要同时运行几百甚至上千台三相交流异步电动机。这些异步电动机负责物料的泵送或加压，是化工领域中最主要的能耗设备。

尤其是一些关键生产工艺节点处的主、备电机，更换一次需要大规模的停产停工，会对生产厂家造成一定的经济损失。这些电机不能随时“寿终正寝”，无法做到“坏了就换”。各电机的正常可靠运行密切关系到生产生命财产安全，所以对其进行有效的健康管理和寿命预测具有重大的现实意义。

现有技术中，工业生产中三相交流异步电动机的控制和状态监测主要有两种形式：一是利用变频器直接驱动，其状态参数由变频器的通信接口联网、上传到后台管理软件；二是利用微机继电保护器(即电动机保护器)进行管理，其状态参数通过电动机保护器的通信接口上传到后台管理软件。

电动机保护器，多为微机继电保护器，是三相交流异步电动机集群状态监测和保护中应用最为广泛的设备之一。通常一台电动机保护器负责监控一台三相交流异步电动机，能够实时测量电动机的三相电压、三相电流、漏电流和温度等参数；并利用这些参数进行计算，得到电动机运行的各项派生参数，如正负序电流、有功功率、无功功率、视在功率、功率因数、发热容量等。

除了监测电机运行的各项参数以外，电动机保护器还可以在检测到异常参数后，延迟固定的时间发出跳闸指令，切断电机电源，实现若干保护功能。通常一台微机继电保护器具有如下十几种电机保护功能：启动超时保护、堵转保护、热过载保护、三相电流不平衡保护、单相接地保护、漏电保护、断相保护、过电压保护、欠电压保护、欠电流保护、抗晃电保护、延迟再启动保护、本安电机的TE时间保护等。在发生这些保护功能后，各项检测参数和发生的时间都会被电动机保护器自动记录下来，并可进行现场显示或通过通信接口上传到后台。然而，对于工业电机应用领域，单纯的跳闸保护无法满足安全生产的要求，甚至容易引发管道堵塞，罐体爆炸等安全事故。

同时这些状态参数以及保护事件参数记录被上传到后台软件后，往往只是用于生成生产管理报表。然而实际上这些状态参数和保护记录反映了一台电机整个生命周期的详细信息，其中状态参数的波动、异常的发生次数和发生时间直接影响了电机的使用寿命，是电机健康管理中非常重要的数据。现有技术难于对各项此类参数量化应用，管理维护人员仅能凭借个人经验，将其作为维修的参考信息。

发明内容

本发明为了解决现有技术无法实时精确检测工业电动机寿命，各电动机利用率差、安全风险高的问题，本发明提供一种利用微机继电保护器的状态参数和保护事件参数记录信息，结合深度学习网络，实现电机多参数寿命预测的方法。

本发明提供的技术方案如下：

基于神经网络的三相交流异步电机多参数寿命预测方法，预测步骤包括：

1)组建神经网络训练集：