一種基于大數據分析的水輪發電機定子鐵芯疊片松動在線檢測方法研究

邢志江，吳 濤，張 宏，王 江，楊昶宇

（華能瀾滄江水電股份有限公司，云南省昆明市 650214）

0 引言

定子鐵芯疊片松動是引起發電機故障的重要原因之一，當前對定子鐵芯疊片松動進行檢測分析的方法一般有：發電機定子鐵芯拉緊螺桿松緊度檢查；發電機運行狀態下噪聲監測分析；發電機定子鐵芯溫度監測分析；發電機定子鐵芯振動數據監測分析；定子鐵芯鐵損試驗或磁化試驗[1]。常規的檢測分析方法，需要進行現場檢查測試或對監測數據進行人工分析，分析效率較低、實時性較差及人力投入較多的弊端，不利于及時有效地對定子鐵芯疊片的運行狀況進行檢測及檢修維護計劃的科學制定。本文將來自不同在線監測系統，反應定子鐵芯疊片松動的發電機運行的溫度、振動等特征數據進行匯聚，建立多維度的診斷模型，并利用小波算法、主成分分析等算法，完成相關檢測量的特征值和緩變量提取[2]。最終通過特征值和緩變量的趨勢預測，以及特征值和緩變量的邏輯組合，實現定子鐵芯疊片松動情況的檢測工作。

1 定子鐵芯疊片松動的危害及原因分析

當發電機定子鐵芯疊片松動時，會引起定子鐵芯磁滯損耗增大、局部溫度升高和鐵芯振動增大，發電機定子鐵芯或線棒長期在高溫高熱和振動的環境下，將會加劇定子鐵芯或線棒絕緣損傷和鐵芯形變[3]。通過理論及實踐分析，引起發電機定子鐵芯疊片松動的主要原因有：

（1）發電機結構設計、疊片材質及制造等存在缺陷。

（2）定子鐵芯疊片安裝過程中拉緊力或壓緊密度等不滿足安裝要求。

（3）水輪發電機組運行過程中，定子鐵芯熱脹冷縮引起螺栓松動。

（4）導軸承油盆漏油，污染發電機定子鐵芯疊片[4]。

2 常規檢測方法及存在問題分析

（1）通過發電機定子鐵芯拉緊螺桿松緊度，分析定子鐵芯疊片松動，該工作需要機組檢修或定子鐵芯疊片疑似松動時停機后開展，實時性不足。

（2）通過發電機運行狀態下噪聲檢測，分析定子鐵芯疊片松動，易受發電機運行工況的影響和檢測人員技術水平制約。

（3）通過發電機定子鐵芯溫度檢測，分析定子鐵芯疊片松動，因溫度檢測點較多，單個測點溫度變化未必能及時發現；同時，空冷器冷卻效率降低、風道阻塞等因素也能引起鐵芯溫度變化，需要人工進行分析排除。

（4）通過發電機定子鐵芯振動數據檢測，分析定子鐵芯疊片松動，由于定子分數槽諧波磁勢、負序電流、定子機架合縫不良等因素也能引起鐵芯振動，需要人工進行分析排除。

（5）檢修時對定子鐵芯進行鐵損試驗或磁化試驗，分析定子鐵芯疊片松動，工序復雜、投入人力多、需要時間長[5]。

3 基于機理與大數據分析的定子鐵芯疊片檢測方法研究

根據常規定子鐵芯疊片松動檢測方式存在的問題，結合發電機定子鐵芯疊片松動引起的物理現象，以及以小波算法、主成分分析為主要算法的數據計算模型的優點，制定了水輪發電機運行機理與大數據分析計算結合的在線檢測方法[6]，具體研究情況如下：

3.1 物理模型分析及建立

（1）定子鐵芯疊片松動分析，得出定子鐵芯疊片松動后發電機主要狀態特征因素。

（2）優化網絡結構，充分利用電廠現有數據采集存儲設備和電力監控網絡安全防護設備，采用分層分布式網絡構架和基于數據查詢、計算功能分區的數據庫部署技術，打通安全生產控制區到生產管理信息區的數據傳輸通道，實現各生產系統數據交互及集中存儲。

（3）建立KKS編碼技術規范，實現設備全數據點值、波形值以及計算模型的KKS編碼及標識，建立不同模型之間數據交互和應用的數據標識體系[7]。

（4）建立基于幅值、相位、波形及鍵相等要素的數據質量檢驗方法和技術標準體系，各關聯監測系統接入時鐘同步系統，確保數據精度及質量滿足模型計算要求[8]。

3.2 數學算法模型分析及建立

3.2.1 物理模型分析

根據物理機理，開發能適應IEC 104、MODBUS通信規約的數據接口程序，將建立數學模型所需要的所有定子鐵芯溫度、定子鐵芯垂直極頻振動、機組有功功率和勵磁電流數據接入數據平臺，部分數據見表1。

表1 某一時刻設備運行數據Table 1 Equipment operation data at some point

3.2.2 最大值提取

從3.2.1設備運行數據中提取定子鐵芯最大溫度值，結果為：Tmax=T5=46.3℃。

3.2.3 垂直極頻振動值擬合

采用傅里葉變換分別提取發電機上端部定子鐵芯垂直振動的極頻振動值[9]，如3.2.1所示，并通過均方根算法將多個定子鐵芯垂直極頻振動值擬合為一個數值，如下：

式中：At——3個定子上端部圓周的鐵芯垂直極頻振動合成值，μm；

Ai——定子上端部圓周的鐵芯垂直極頻振動幅值，μm。

3.2.4 三維數字模型建立

根據物理模型，建立與主觀測量、相關工況限制或關鍵影響因素量組成的三維數字模型，以此建立的三維數字模型解決了不同運行狀態導致主觀測量離散變化對故障分析的影響，較好地擬合了與關鍵影響因素量的關系，降低了數據運算的資源消耗，提高了數據運算速度和模型計算可靠性。

（1）影響定子鐵芯溫度的主要因素是水輪發電機組的有功功率和勵磁電流，因此，建立以定子鐵芯最大溫度值、機組有功功率和發電機勵磁電流為主要因素的三維數字模型，見圖1。

圖1 定子鐵芯最大溫度三維數字模型Figure 1 Three-dimensional model of the stator core maximum temperature

（2）影響定子鐵芯疊片垂直極頻振動的主要因素是水輪發電機組的有功功率和勵磁電流，因此，建立以定子鐵芯疊片垂直極頻振動擬合值、機組有功功率和發電機勵磁電流為主要因素的三維數字模型，見圖2。

圖2 定子鐵芯垂直極頻振動三維數字模型Figure 2 Three-dimensional model of stator core vertical vibration

3.2.5 特征值提取

采用小波算法和主成分分析方法，分別對定子鐵芯最大溫度、定子鐵芯垂直極頻振動三維數字模型進行特征值提取，通過模型分別計算出定子鐵芯最大溫度特征值和定子鐵芯垂直極頻振動特征值T[10]，具體方法如下：

（1）利用小波算法，檢測定子鐵芯最大溫度的突變信號，同時利用主成分分析方法，將同一時刻的機組有功功率、發電機勵磁電流和定子鐵芯最大溫度三維數據降為二維數據，實現在二維平面上對相近或需要分析工況的定子鐵芯最大溫度特征值的提取，見圖3[11]。

圖3 定子鐵芯最大溫度特征值提取Figure 3 Extraction of the maximum temperature characteristic value of the stator core

（2）利用小波算法，檢測定子鐵芯垂直極頻振動值的突變信號，同時利用主成分分析方法，將同一時刻機組有功功率、發電機勵磁電流和定子鐵芯垂直極頻振動值的三維數據，降為二維數據，實現二維平面上對相近或需分析工況定子鐵芯垂直極頻振動特征值的提取，見圖4。

圖4 定子鐵芯垂直極頻振動特征值提取Figure 4 Extraction of vertical polar frequency vibration eigenvalue of stator core

3.2.6 緩變量計算

分別計算當前定子鐵芯最大溫度、定子鐵芯垂直極頻振動特征值與過去180天的特征平均值的差值，計算出特征值緩變量ΔT，即ΔT=T -。

3.2.7 報警計算

設定特征值報警限值為A，一級報警天數D1，二級報警天數D2，其中D1＞D2。當T+ΔT×D1≥A時，報一級報警；當T+ΔT×D2≥A時，報二級報警。以本方法中定子鐵芯垂直極頻振動為例，設定垂直極頻報警定值為A=40μm，一級報警時長D1=30天，二級報警時長D2=10天。其原理為：若以當前的特征值、緩變量與目標值進行計算比對，若30天內達到報警值，說明事件一般，報一級報警；若10天內達到報警值，說明事件緊急，則報二級報警，則具體參數設定方法見圖5。

圖5 報警參數設定Figure 5 Alarm parameter setting

3.3 故障檢測診斷方法研究

3.3.1 特征值及緩變量變化趨勢分析

根據計算出的特征值和緩變量，分別繪制定子鐵芯最大溫度、定子鐵芯垂直極頻振動特征值和緩變量曲線，通過曲線觀察相關數據變化趨勢，見圖6。

圖6 關系量變化趨勢Figure 6 Change trend of relational quantity

3.3.2 報警定值設定

設定定子鐵芯最大溫度、定子鐵芯垂直極頻振動特征值和緩變量一級報警及二級報警定值，當計算數據超過設定定值時，發出橙色和紅色報警信息，提醒數據分析人員對相關測點趨勢進行監測和分析。

3.3.3 故障預測模型設定

通過定子鐵芯疊片松動后相關特征值、緩變量，建立發電機定子鐵芯疊片松動故障預測模型，實現定子鐵芯疊片松動故障報警[12]，具體方法為：

（1）提取定子鐵芯最大溫度特征值、定子鐵芯垂直極頻振動特征值、定子鐵芯最大溫度緩變量及定子鐵芯垂直極頻振動緩變量作為故障預測邏輯模型的主要元素，算法配置情況見圖7。

圖7 報警算法配置Figure7 Alarm algorithm configuration

（2）定子鐵芯疊片松動故障一級報警邏輯：至少存在定子鐵芯垂直極頻振動特征值一級報警、定子鐵芯垂直極頻振動緩變量一級報警和定子鐵芯最大溫度特征值一級報警信號。

（3）定子鐵芯疊片松動故障二級報警邏輯：至少存在定子鐵芯垂直極頻振動特征值二級報警、定子鐵芯垂直振動極頻緩變量二級報警、定子鐵芯最大溫度特征值和定子鐵芯最大溫度緩變量一級報警信號。

3.3.4 故障定位

當發現定子鐵芯疊片松動故障報警時，分析機組狀態監測系統定子鐵芯垂直振動波形，確定定子鐵芯疊片松動相位，并進行檢查。

4 結論

本方法通過多工控協議的數據通信程序及網關和數據KKS編碼標準的建立，實現數據從安全生產控制大區向生產管理信息區的匯聚管理，奠定了數據分析的資源基礎；同時，采用定子鐵芯溫度、定子鐵芯垂直振動等水輪發電機定子鐵芯疊片松動的故障機理模型與新一代信息技術、大數據分析處理算法模型相結合的智能分析模式，建立了多要素、全面和友好的發電機定子鐵芯疊片松動數據分析、可視化模型，提高了故障分析預測可靠性和運算效率，實現了定子鐵芯疊片松動在線實時檢測和提前預警，為生產人員進行故障處理提供了充分的準備時間，提高了設備的安全運行水平。