CN104823064B - 用于检测电动机器中的故障状态的方法 - Google Patents

用于检测电动机器中的故障状态的方法 Download PDF

Info

Publication number
CN104823064B
CN104823064B CN201380057165.6A CN201380057165A CN104823064B CN 104823064 B CN104823064 B CN 104823064B CN 201380057165 A CN201380057165 A CN 201380057165A CN 104823064 B CN104823064 B CN 104823064B
Authority
CN
China
Prior art keywords
frequency component
circulating current
frequency
electrically powered
machine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201380057165.6A
Other languages
English (en)
Other versions
CN104823064A (zh
Inventor
P·罗德里格斯
C·平托
M·奥曼
M·奥基兹
U·阿伦德
R·迪塞尔恩科特
P·尔泽祖辛斯基
J·奥特维尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ABB Schweiz AG
Original Assignee
ABB Research Ltd Switzerland
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ABB Research Ltd Switzerland filed Critical ABB Research Ltd Switzerland
Publication of CN104823064A publication Critical patent/CN104823064A/zh
Application granted granted Critical
Publication of CN104823064B publication Critical patent/CN104823064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/02Measuring effective values, i.e. root-mean-square values
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34Testing dynamo-electric machines
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34Testing dynamo-electric machines
    • G01R31/343Testing dynamo-electric machines in operation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34Testing dynamo-electric machines
    • G01R31/346Testing of armature or field windings

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

公开了一种用于识别电动机器中的故障状态的方法,在该电动机器中至少定子(120)或转子(220)具有并联绕组分支(30,40,50,60)的。执行测量(230)以便获得两个并联绕组分支(30,40,50,60)之间的循环电流数值的集合(240),其中每个绕组分支(30,40,50,60)包括单个线圈(20)。对循环电流数值的集合(250)应用频率分析(250)以获得至少一个频率分量(260)。基于该至少一个频率分量(260)确定该电动机器的故障状态(280)。

Description

用于检测电动机器中的故障状态的方法
技术领域
本发明涉及一种用于识别电动机器中的故障的方法和系统。
背景技术
电动机器中的故障检测是用于确保机器的可靠工作的重要问题。故障被检测得越早,就能越好地规划维护,因此避免发生不可控的机器停机以及由于事故的严重损坏。常规地,机器的机械和电子特性被用于识别故障。例如,机械振动以及机器内的电流性能已经被用作了故障指示。并联连接的绕组分支之间的循环电流已经被认为是良好的故障指示,因为它们在理想情况下对于正常状态而言等于零,并且由于机器内的任何不对称而增大。循环电流使得能够在非常早的阶段检测故障状态,例如转子条的破裂(在条完全断开之前)、匝间短路、偏心问题等。
GB2157005A公开了在用于检测不同类型的故障的两极交流发电机的定子中两个并联绕组分支之间的循环电流的频谱分析。根据GB2157005A,用于分析循环电流的频谱的相关谐波是供电频率(50Hz)的偶数谐波。
WANSHUTING等所著的“ACompositiveDiagnosisMethodonTurbine-GeneratorRotorWindingInter-turnShortCircuitFault”公开了通过分析循环电流检测在转子中的匝间短路。
US7253634B1公开了通过分析循环电流检测在发电机中的定子接地故障。US7253634B1特别公开了测量在机器的不同电相位中的循环电流。
MOHAMEDELHACHEMIBENBOUZID:"AReviewofInductionMotorsSignatureAnalysisasaMediumforFaultsDetection"公开了基于在感应电机中的特征分析的故障检测方法。
虽然循环电流在理论上提供了一种在早期阶段检测机器故障的有所改进的方法,但是在实现获取并处理相关数据的方法时存在许多实际的困难。这样的实际困难包括找出最佳故障指示以及学习正确地解释结果。循环电流能够在机器的许多不同位置进行测量,并且对测量进行安排是困难的,这是因为电流传感器可能需要被集成到机器的绕组之中。因此,该方法最适用于高功率电机和发电机,其中有足够的空间来将电流传感器定位在机器内部。此外,需要专门技能正确地解释测量结果以便能够实际检测到故障状态。仍然期望对现有的故障检测方法进行改进以便更为可靠地检测不同类型的故障。
发明内容
本发明的一个目标是提供一种用于检测电动机器中的故障的有所改进的方法。
该目标通过根据所附权利要求1的方法而实现。
根据本发明的第一方面,提供了一种用于识别电动机器中的故障状态的方法,在该电动机器中,至少一个定子或转子具有并联的绕组分支。该方法包括步骤:执行第一测量以便获得两个并联绕组分支之间的循环电流数值的第一集合,其中每个绕组分支包括单个线圈;对循环电流数值的第一集合应用频率分析以获得至少一个频率分量;并且基于该至少一个频率分量确定该电动机器的故障状态。
通过测量两个包括单个线圈的并联绕组分支之间的循环电流,,能够获得机器中的故障状态的稳健指示。由于该故障指示在循环电流的频谱中获得,所以必须进行频率分析以便能够确定故障状态。
根据本发明的一个实施例,故障状态是以下之一:动态偏心、静态偏心、转子中的匝间短路、定子中的匝间短路。虽然本领域技术人员能够意识到,该方法可以被用来诊断电动机器及其相关联负载中的其它故障,但是给定故障状态是电动机器中最为常见的并且在实践中最为重要的那些故障状态。在实践中,电动机器受到给定故障状态的组合的影响。
根据本发明的一个实施例,该方法包括步骤:基于该至少一个频率分量具有数值(2k+1)fs±fr,其中k=(0,1,2,3,...),fs=供电频率且fr=电动机器的旋转频率,确定该机器受到动态偏心的影响。该给定频率已经被发现是动态偏心的明显指示。
根据本发明的一个实施例,该方法包括步骤:基于该至少一个频率分量具有数值kfs,其中k=(0,1,2,3,...)且fs=供电频率,确定该机器受到静态偏心的影响。该给定频率已经被发现是静态偏心的明显指示。
根据本发明的一个实施例,该方法包括步骤:基于该至少一个频率分量具有数值kfr,其中k=(0,1,2,3,...)且fr=该电动机器的旋转频率,确定该机器受到转子中的匝间短路的影响。该给定频率已经被发现是转子中的匝间短路的明显指示。
根据本发明的一个实施例,该方法包括步骤:基于该至少一个频率分量具有数值(2k+1)fs,其中k=(0,1,2,3,...)且fs=供电频率,确定该机器受到定子中的匝间短路的影响。该给定频率已经被发现是定子中的匝间短路的明显指示。
根据本发明的一个实施例,该电动机器是同步电机或发电机。本方法在识别同步电动机器中的故障状态时是特别有效的。
根据本发明的一个实施例,该第一测量利用两个电流传感器来执行以便从两个并联绕组分支获得分支电流信号,并且使用运算放大器在该分支电流信号已经被转换至数字域中之后或使用数学减法从该分支电流信号导出该循环电流数值的第一集合。根据这里所提供的测量装置即使在两个绕组分支彼此不同时也能够相对容易地实施。
根据本发明的一个实施例,该第一测量利用差分电流传感器来执行。测量结果预计在使用差分电流传感器时更为准确。
根据本发明的一个实施例,该第一测量以定子的圆周方向在两个相对的绕组分支之间执行。通过该测量,获得了更为明显的故障指示。
根据本发明的一个实施例,该方法包括步骤:执行对应于该第一测量的第二测量,该第二测量中的两个并联绕组分支与第一测量中那些的有所不同。该测量使得可能关于定子找出故障位置。
根据本发明的一个实施例,该第二测量中的两个并联绕组分支与第一测量中的那些处于不同的电场相位。该测量使得可能以有所改进的方式关于定子找出故障位置。
根据本发明的一个实施例,该方法包括步骤:针对该电动机器中的每个电场相位中的绕组分支执行对应于该第一测量的测量。该测量使得可能以进一步有所改进的方式关于定子找出故障位置。
根据本发明的一个实施例,该电动机器的故障状态基于多于一个的频率分量进行确定。通过该测量,实现了指示故障状态的更高的确定性。
根据本发明的一个实施例,该方法包括步骤:将该频率分量的循环电流的幅值与预定阈值进行比较。通过实施循环电流幅值的阈值,能够将故障状态与机器的正常的不对称区分开来。
根据本发明的一个实施例,该方法包括步骤:将该频率分量的循环电流的相对幅值与预定阈值进行比较,其中该相对幅值由包括该频率分量的循环电流的均方根的算法,由包括因数的算法,或者由算法所确定,其中RMS(Ic)是该频率分量的循环电流的均方根,Ireted是该机器的额定电流,Afault_related_frequency,i是第i个频率分量的循环电流的幅值,n是频率分量的数量,并且Amain是供电频率的市电电流的幅值。通过该测量,能够更好地将故障状态与机器的正常的不对称区分开来。
根据本发明的一个实施例,在该电动机器的瞬态操作期间执行该第一测量。该循环电流的一些与故障状态相关的频率分量尤其在该电动机器的瞬态操作期间是突出的。对它们进行分析有助于更为明显的故障指示。
附图说明
将参考附图对本发明进行更为详细的解释,其中
图1示出了根据本发明实施例的测量设施;
图2a,2b示出了根据本发明实施例的测量设施;
图3针对同步电机情形示出了故障指示的查找表;以及
图4示出了图示出根据本发明的方法的主要步骤的流程图。
具体实施方式
参考图1,三相四极机器的定子绕组10针对每个电场相位I、II、III包括四个线圈20。线圈20在包括六个绕组分支30、40、50、60、70、80的绕组配置中并联连接,其中第一、第二、第三和第四绕组分支30、40、50、60包括单个线圈20,而第五和第六绕组分支70、80则均包括两个线圈20。实际上,线圈20可以由多个串联连接的线圈段所组成,即在本发明的上下文中,多个串联连接的线圈段等同于单个线圈20。当机器进行操作时,电流依据该机器的特性和操作条件流过绕组分支30,...,80。由于包括单个线圈的绕组分支30、40、50、60在每个电场相位I、II、III并联连接,并且由于理想的机器在结构上是对称的,所以理论上所有相对应绕组分支30、40、50、60中的电流都是相同的。这同样应用于相对应的均包括两个线圈20的绕组分支70、80。。然而,实际的机器通常具有一些非对称性,这导致不同线圈20中的磁通量以及所产生的抵抗电流的电动势(EMF)有所不同。结果,在不同线圈20中所引发的电流也有所不同,并且并联连接的绕组分支30,...,80之间出现循环电流85。
如以上所指出的,小幅的非对称对于每个电动机器都是正常的。然而,在故障机器中,非对称性连同故障状态的严重性一同增加。因此,实际上要对非对称性进行观察以识别出电动机器中的故障状态。由于在机器中没有出现故障时,循环电流85理想地为零,所以它们固有地非常适于识别非对称性以及相对应的故障状态。在图1的示例中,在第一电场相位I,测量第一和第二绕组分支30、40之间的循环电流85。如以上所解释的,与均包括两个线圈20的第五和第六绕组分支70、80相比,第一和第二绕组分支30、40包括都包括单个线圈20。可替换地,在图1的示例中,能够在第一和第三绕组分支30、50之间,或者在相同电场相位I、II、III内包括单个线圈20的两个绕组分支30、40、50、60的任意其它组合之间测量循环电流85。优选地在均仅包括单个线圈20的两个绕组分支30、40、50、60之间测量循环电流85。即使在实际上可能更加难以部署测量的情况下,这样的绕组分支30、40、50、60之间的循环电流85与包括多于一个的线圈20的绕组分支70、80之间的循环电流相比给出了故障状态的更好指示。
在图1中,示出了两种可能的测量部署形式。第一部署形式包括第一和第二分支电流传感器90、100,其被配置为测量相应绕组分支30、40处的绝对电流。第二部署形式包括差分传感器110,其被配置为测量两个相应绕组分支30、40之间的差分电流。在第一部署形式的情况下,需要从两个测量导出循环电流的数值。这能够通过例如利用运算放大器以电气的方式或者在信号已经被转换至数字域之后以数字的方式减去第一和第二分支电流传感器90、100的输出信号来实现。从两个测量导出循环电流的要求能够被视为一个缺陷,并且第一部署形式所具有的另一个缺陷在于,所测量的绝对电流数值相对于感兴趣的循环电流数值会非常高。第一部署形式因此可能比第二部署形式更容易受到噪声的影响。第二部署形式的差分传感器110包括以相反方向围绕两个绕组分支30、40的绞合的传感器回路,而使得在该绞合传感器回路中所引发的电流直接对应于循环电流85。第二部署形式所具有的缺陷在于,实际上可能难以在电动机器的两个不同绕组分支30,...,80之间部署差分测量。
参考图2a和2b,六极机器中的第一电场相位I的线圈20关于定子120的圆周进行对称分布。该机器可以具有三个或更多的电场相位I、II、III,但是出于测量循环电流85的目的,每次仅考虑一个电场相位I、II、III就足够了。在第一电场相位I,存在有均包括单个线圈20的第七、第八、第九、第十、第十一和第十二绕组分支130、140、150、160、170、180。此外,存在每个均包括两个线圈20的第十三、第十四和第十五绕组分支190、200、210。根据以上的描述,循环电流85应当在从均包括单个线圈20的六个绕组分支130,...,180(即,第七至第十二绕组分支130,...,180)中所选择的两个绕组分支130、140、150、160、170、180的任意组合之间进行测量。然而,以定子120的圆周方向测量两个相对绕组分支130,...,180(诸如图2b的实施例中的第七和第八绕组分支130、140)之间的循环电流,产生了故障状态的更为明显的指示。
如果在处于机器的至少两个不同位置的两个相应的并联绕组分支30、40、50、60、130、140、150、160、170、180之间测量循环电流85,则可能找出关于定子120的故障位置。这能够通过将一个循环电流85相对另一个进行绘图,或者通过应用另一种允许提取空间信息的方法(例如,空间频率分析)提取出空间信息来实现。这例如对于检测静态偏心的方向而言是有用的。优选地至少在两个电场相位I、II、III(诸如在机器的所有电场相位I、II、III)执行不同的测量。
从个体分支电流的测量,能够根据以下等式提取出循环电流数值
I c = I 1 - I 2 2
其中Ic是循环电流,I1是第一分支电流并且I2是第二分支电流。差分传感器110直接给出了数值(I1-I2),而在使用两个单独分支电流传感器90、100时,该推导需要分开执行。
该测量最终产生循环电流数值的集合。必须要对这些数值进行处理而使得能够提取出相关诊断信息。能够对循环电流85的频率内容进行评估以识别出故障状态。因此,例如在利用快速傅里叶变换(FFT)将结果变换至频域之后对测量结果引用频率分析。能够使用使得能够在频域中对测量结果进行观察的任意其它可行的数学或非数学方法,诸如过滤掉不感兴趣的频率。该测量能够在电动机器的稳定状态条件期间或者在瞬时操作(启动或关机)期间来执行。在本发明的上下文中,考虑需要使用频率信息的任意分析技术—诸如希尔伯特变换或小波分解—作为频率分析250。
将能够从对循环电流进行的频率分析获得多个频率分量。这些频率分量的幅值与作为某些故障状态的特性而已知的基准数值进行比较。该基准数值能够通过计算机仿真而获得,在上述计算机仿真中,在对应于感兴趣的电动机器的仿真模型中引发不同的故障状态。该基准数值还能够通过对真实机器的测量而获得,在上述真实机器中,刻意引发或以其它方式获知某些故障状态。该基准数值还能够在查找表中进行收集,该查找表列出了所有已知基准数值以及它们与之相关联的故障状态。
参考图3,用于故障指示的查找表可以包括对应于不同故障状态的列以及对应于某些基准数值的行。与某些故障状态相关联的一个或多个频率可以在该查找表上被列出,这考虑到了幅值的显性化(dominance)。例如,存在具有数值kfr的频率分量指示该机器受到转子220中的匝间短路的影响,其中k=(0,1,2,3,...)且fr=该电动机器的旋转频率。虽然在健康机器中,给定频率的循环电流幅值接近于零,但是存在某些这样的频率分量并非必然意味着出现了故障状态。频率分量的出现仅在该频率处的循环电流幅值超过某个阈值的情况下才被认为是故障状态的指示。在机器的正常非对称情况下可能出现具有小的幅值的频率分量,或者其可能是接近于缺陷的指示,上述缺陷还没有涉及到非常严重的故障状态从而需要进行矫正性测量。该故障指示可以进一步被规范化以便考虑不同的电动机器,而无论其大小和/或设计如何。
当针对一个频率分量处的循环电流的幅值确定高于其的振荡将被认为是故障状态的指示的阈值时,操作条件的变化所导致的循环电流幅值之间的差异意味着关于绝对幅值数值确定阈值并非必然是可行的。相反,已经发现根据以下算法确定相对循环电流幅值是更为可行的
Fault _ indicator = Σ i = 1 n ( RMS ( I c ) I reted - | 20 log A fault _ related _ frequency , i A main | )
其中Fault_indicator是要与阈值进行比较的相对幅值,RMS(Ic)是该频率分量的循环电流的均方根,Irated是该机器的额定电流,Afault_related_frequency,i是第i个频率分量的循环电流的幅值,n是频率分量的数量,并且Amain是供电频率的主电流的幅值。要与阈值进行比较的相对幅值因此并不针对操作条件的变化而改变,并且可以轻易地与标量阈值进行比较。该算法还包括规范化因数以便考虑不同的电动机器,而无论其大小和/或设计如何。
图3的频率特性应用于某些同步电机,并且其结果可以被用来检测相同类型的同步机器中的故障状态。然而,该方法并不局限于某些类型的电动机器的诊断,并且其尤其并不局限于同步机器的诊断。与之相反,该方法能够被应用于诸如电动电机或电动发电机之类的电动机器,其中至少定子120或转子220具有并联的绕组分支30,...,60、130,...,180。特别地,该方法可以被应用于感应机器。该方法可以随从转子220所获得的循环电流数值而使用,虽然在实际上从定子120测量循环电流85更为容易。
参考图4,该方法包括三个主要步骤:测量230产生了循环电流数值的集合240;频率分析250产生了至少一个频率分量260;以及故障状态识别270产生了故障状态280的最终确定。
本发明并不局限于以上所示出的实施例,相反本领域技术人员可以在如权利要求所限定的本发明的范围内以多种方式对它们进行修改。

Claims (14)

1.一种用于识别电动机器中的故障状态的方法,在所述电动机器中至少定子(120)或转子(220)具有电气并联绕组分支(30,40,50,60,130,140,150,160,170,180),所述方法包括以下步骤:
-执行第一测量(230)以便获得两个电气并联绕组分支(30,40,50,60,130,140,150,160,170,180)之间的循环电流数值的第一集合(240),其中每个绕组分支(30,40,50,60,130,140,150,160,170,180)包括单个线圈(20);
-对循环电流数值的所述第一集合(240)应用频率分析(250)以获得至少一个频率分量(260);以及
-基于所述至少一个频率分量(260)确定所述电动机器的故障状态(280);
所述方法的特征在于,包括以下步骤中的至少一个步骤:
-基于所述至少一个频率分量具有数值(2k+1)fs±fr,其中k=(0,1,2,3,...),fs=供电频率且fr=所述电动机器的旋转频率,确定所述机器受到动态偏心的影响;
-基于所述至少一个频率分量具有数值kfs,其中k=(1,2,3,...)且fs=供电频率,确定所述机器受到静态偏心的影响;以及
-基于所述至少一个频率分量具有数值(2k+1)fs,其中k=(0,1,2,3,...)且fs=供电频率,确定所述机器受到所述定子(120)中的匝间短路的影响。
2.根据权利要求1所述的方法,其中所述电动机器是同步电机或发电机。
3.根据之前任一项权利要求所述的方法,其中所述第一测量(230)利用两个电流传感器来执行,以便从两个所述电气并联绕组分支(30,40,50,60,130,140,150,160,170,180)获得分支电流信号,并且其中使用运算放大器或在所述分支电流信号已经被转换至数字域中之后使用数值减法从所述分支电流信号导出循环电流数值的所述第一集合(240)。
4.根据权利要求1-2中任一项所述的方法,其中所述第一测量(230)利用差分电流传感器(110)来执行。
5.根据权利要求4所述的方法,其中所述第一测量(230)以所述定子(120)的圆周方向在两个相对的绕组分支(30,40,50,60,130,140,150,160,170,180)之间执行。
6.根据权利要求1-2中任一项所述的方法,其中所述方法包括步骤:
-执行对应于所述第一测量的第二测量,所述第二测量中的两个所述电气并联绕组分支(30,40,50,60,130,140,150,160,170,180)与所述第一测量(230)中的两个所述并联绕组分支有所不同。
7.根据权利要求6所述的方法,其中所述第二测量中的两个所述电气并联绕组分支(30,40,50,60,130,140,150,160,170,180)与所述第一测量(230)中的两个所述并联绕组分支处于不同的电相位(I,II,III)。
8.根据权利要求1-2中任一项所述的方法,
其中所述方法包括步骤:
-针对所述电动机器中的每个电相位(I,II,III)中的绕组分支执行对应于所述第一测量的测量。
9.根据权利要求1-2中任一项所述的方法,其中所述电动机器的故障状态(280)基于多于一个频率分量(260)进行确定。
10.根据权利要求1-2中任一项所述的方法,其中所述方法包括步骤:
-将所述频率分量(260)处的所述循环电流(85)的幅值与预定阈值进行比较。
11.根据权利要求1-2中任一项所述的方法,其中所述方法包括步骤:
-将所述频率分量(260)处的所述循环电流(85)的相对幅值与预定阈值进行比较,其中所述相对幅值由包括所述频率分量处的所述循环电流(85)的均方根的算法所确定。
12.根据权利要求1-2中任一项所述的方法,其中所述方法包括步骤:
-将所述频率分量(260)处的所述循环电流(85)的相对幅值与预定阈值进行比较,其中所述相对幅值由包括因数的算法所确定,其中Afault_related_frequency是所述频率分量(260)处的所述循环电流(85)的幅值,并且Amain是供电频率处的主电流的幅值。
13.根据权利要求1-2中任一项所述的方法,其中所述方法包括步骤:
-将所述频率分量(260)处的所述循环电流(85)的相对幅值与预定阈值进行比较,其中所述相对幅值由算法所确定,其中RMS(Ic)是所述频率分量处的所述循环电流(85)的均方根,Ireted是所述机器的额定电流,Afault_related_frequency,i是第i个频率分量(260)处的所述循环电流(85)的幅值,n是频率分量的数量,并且Amain是供电频率处的主电流的幅值。
14.根据权利要求1-2中任一项所述的方法,其中所述第一测量(230)在所述电动机器的瞬态操作期间执行。
CN201380057165.6A 2012-11-01 2013-10-03 用于检测电动机器中的故障状态的方法 Active CN104823064B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP12190951.9 2012-11-01
EP12190951.9A EP2728367B1 (en) 2012-11-01 2012-11-01 A method for detecting a fault condition in an electrical machine
PCT/EP2013/070623 WO2014067742A1 (en) 2012-11-01 2013-10-03 A method for detecting a fault condition in an electrical machine

Publications (2)

Publication Number Publication Date
CN104823064A CN104823064A (zh) 2015-08-05
CN104823064B true CN104823064B (zh) 2016-06-29

Family

ID=47143659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380057165.6A Active CN104823064B (zh) 2012-11-01 2013-10-03 用于检测电动机器中的故障状态的方法

Country Status (6)

Country Link
US (1) US10088506B2 (zh)
EP (1) EP2728367B1 (zh)
CN (1) CN104823064B (zh)
ES (1) ES2717194T3 (zh)
PT (1) PT2728367T (zh)
WO (1) WO2014067742A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10288688B2 (en) * 2014-07-24 2019-05-14 Schweitzer Engineering Laboratories, Inc. Systems and methods for monitoring and protecting an electric power generator
US10488372B2 (en) * 2017-08-16 2019-11-26 General Electric Company Systems and methods for detecting damage in rotary machines
DK3652853T3 (da) 2017-08-22 2021-08-30 Siemens Gamesa Renewable Energy As Overvågning af en stator med flere viklingssæt
US10931097B2 (en) 2017-09-25 2021-02-23 Schweitzer Engineering Laboratories, Inc. Generator stator ground protection using third harmonic
US10333291B2 (en) 2017-09-25 2019-06-25 Schweitzer Engineering Laboratories, Inc. Multiple generator ground fault detection
FR3072462B1 (fr) * 2017-10-16 2020-05-22 Schneider Electric Industries Sas Dispositif de mesure de courant, procede de fabrication, module de protection et disjoncteur differentiel utilisant un tel dispositif de mesure de courant
US10969435B2 (en) * 2018-02-12 2021-04-06 Brandon & Clark, Inc. System and method for induction motor rotor bar surface magnetic field analysis
US10797632B2 (en) 2018-08-21 2020-10-06 Schweitzer Engineering Laboratories, Inc. Sensitive directional element for generator protection
KR102079034B1 (ko) * 2019-01-30 2020-02-19 윤상흠 전류 공간 벡터와 푸리에 또는 웨이블릿 변환을 이용하여 유도 전동기의 회전자 결함 및 부하 결함을 진단하는 방법 및 장치
DE102019205561A1 (de) * 2019-04-17 2020-10-22 Robert Bosch Gmbh Verfahren zur Diagnose eines Elektromotors
US11500037B2 (en) * 2019-08-05 2022-11-15 Sembcorp Industries Ltd Method and a system of detecting winding fault under online operation of an electrical machine
US11316455B2 (en) 2019-08-28 2022-04-26 Schweitzer Engineering Laboratories, Inc. Generator rotor turn-to-turn fault detection using fractional harmonics
US10819261B1 (en) 2019-10-25 2020-10-27 Schweitzer Engineering Laboratories, Inc. Security improvements for electric power generator protection
CN111624515B (zh) * 2020-07-06 2022-07-15 华北电力大学(保定) 一种早期同步发电机定子绕组匝间短路检测方法及装置
EP4087119A1 (en) * 2021-05-06 2022-11-09 Siemens Gamesa Renewable Energy A/S Method for detecting an electrical fault in the stator of an electric machine, especially in the generator of a wind turbine
US11946966B1 (en) 2023-02-20 2024-04-02 Schweitzer Engineering Laboratories, Inc. Selective stator ground fault protection using positive-sequence voltage reference
CN117723965A (zh) * 2023-12-13 2024-03-19 上海正泰自动化软件系统有限公司 电动机故障检测方法、装置、存储介质及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8253365B2 (en) * 2009-10-20 2012-08-28 GM Global Technology Operations LLC Methods and systems for performing fault diagnostics for rotors of electric motors

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2157005A (en) * 1984-04-06 1985-10-16 Central Electr Generat Board Detecting rotor winding faults
US6727725B2 (en) * 2001-05-01 2004-04-27 Square D Company Motor bearing damage detection via wavelet analysis of the starting current transient
JP2004328899A (ja) * 2003-04-24 2004-11-18 Nissan Motor Co Ltd モータ制御装置
JP2006280158A (ja) 2005-03-30 2006-10-12 Toyota Motor Corp 多相モータの偏心測定方法およびその装置
US7791307B2 (en) * 2005-10-17 2010-09-07 Siemens Industry, Inc. AC motor controller
US7253634B1 (en) * 2006-03-31 2007-08-07 General Electric Company Generator protection methods and systems self-tuning to a plurality of characteristics of a machine
CN101025434A (zh) * 2007-03-28 2007-08-29 华北电力大学 异步电动机定子绕组匝间短路故障在线检测方法及装置
DE102008017900A1 (de) * 2008-04-09 2009-10-15 Danfoss Drives A/S Verfahren zum Erfassen eines Fehlers in einer Drehfeldmaschine
US7956762B2 (en) 2008-09-15 2011-06-07 Caterpillar Inc. Method and apparatus for power generation failure diagnostics
DE102011079398A1 (de) * 2010-12-21 2012-06-21 Siemens Aktiengesellschaft Überwachung und Fehlerdiagnose einer elektrischen Maschine
CN102135600A (zh) * 2011-01-28 2011-07-27 中国人民解放军海军潜艇学院 异步电动机故障检测装置及方法
US9845012B2 (en) * 2011-07-06 2017-12-19 General Electric Company System and method for predicting mechanical failure of a motor

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8253365B2 (en) * 2009-10-20 2012-08-28 GM Global Technology Operations LLC Methods and systems for performing fault diagnostics for rotors of electric motors

Also Published As

Publication number Publication date
US10088506B2 (en) 2018-10-02
ES2717194T3 (es) 2019-06-19
PT2728367T (pt) 2019-04-22
WO2014067742A1 (en) 2014-05-08
EP2728367A1 (en) 2014-05-07
CN104823064A (zh) 2015-08-05
EP2728367B1 (en) 2019-01-09
US20150276823A1 (en) 2015-10-01

Similar Documents

Publication Publication Date Title
CN104823064B (zh) 用于检测电动机器中的故障状态的方法
Lamim Filho et al. Detection of stator winding faults in induction machines using flux and vibration analysis
Mehala et al. Motor current signature analysis and its applications in induction motor fault diagnosis
Gyftakis et al. A novel approach for broken bar fault diagnosis in induction motors through torque monitoring
Henao et al. Analytical approach of the stator current frequency harmonics computation for detection of induction machine rotor faults
Ruschetti et al. Rotor demagnetization effects on permanent magnet synchronous machines
Da et al. A new approach to fault diagnostics for permanent magnet synchronous machines using electromagnetic signature analysis
Sharifi et al. Detection of stator winding faults in induction motors using three-phase current monitoring
Urresty et al. Application of the zero-sequence voltage component to detect stator winding inter-turn faults in PMSMs
JP5792374B2 (ja) 減磁を監視するための方法
Sahraoui et al. Dynamic eccentricity in squirrel cage induction motors–Simulation and analytical study of its spectral signatures on stator currents
Mirzaeva et al. Advanced diagnosis of rotor faults and eccentricity in induction motors based on internal flux measurement
US9389276B2 (en) Fault diagnosis of electric machines
US20090219030A1 (en) Methods and Systems for Detecting Rotor Field Ground Faults In Rotating Machinery
Frosini et al. Development of a leakage flux measurement system for condition monitoring of electrical drives
Yazidi et al. Flux signature analysis: An alternative method for the fault diagnosis of induction machines
CN114616476A (zh) 同步机器中的故障检测
Baccarini et al. Fault induction dynamic model, suitable for computer simulation: Simulation results and experimental validation
Sahraoui et al. Detection of inter-turn short-circuit in induction motors using Park–Hilbert method
Afshar et al. Stator short-circuit fault detection and location methods for brushless DFIMs using nested-loop rotor slot harmonics
Antonino-Daviu et al. Transient detection of eccentricity-related components in induction motors through the Hilbert–Huang Transform
Guellout et al. Elimination of broken rotor bars false indications in induction machines
Ehya et al. Comprehensive broken damper bar fault detection of synchronous generators
Pilloni et al. Fault detection in induction motors
Pusca et al. An improvement of a diagnosis procedure for AC machines using two external flux sensors based on a fusion process with belief functions

Legal Events

Date Code Title Description
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20191122

Address after: Baden, Switzerland

Patentee after: ABB Switzerland Co., Ltd.

Address before: Zurich

Patentee before: ABB Research Co., Ltd.