CN107863755A - 机器保护和诊断系统和方法 - Google Patents

机器保护和诊断系统和方法 Download PDF

Info

Publication number
CN107863755A
CN107863755A CN201710859482.XA CN201710859482A CN107863755A CN 107863755 A CN107863755 A CN 107863755A CN 201710859482 A CN201710859482 A CN 201710859482A CN 107863755 A CN107863755 A CN 107863755A
Authority
CN
China
Prior art keywords
machine
subsystem
protection
performance
motor
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.)
Pending
Application number
CN201710859482.XA
Other languages
English (en)
Inventor
B.帕穆拉帕蒂
B.维纳亚加姆
M.T.穆尔蒂
M.卡纳巴
V.穆图克里什南
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.)
General Electric Technology GmbH
Original Assignee
Alstom Technology AG
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 Alstom Technology AG filed Critical Alstom Technology AG
Publication of CN107863755A publication Critical patent/CN107863755A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
    • H02H7/08—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for dynamo-electric motors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H1/00—Details of emergency protective circuit arrangements
    • H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
    • H02H7/06—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for dynamo-electric generators; for synchronous capacitors

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Safety Devices In Control Systems (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明公开了一种机器保护和诊断系统和方法，通过对包括旋转零件的机器执行诊断程序能够生成跳闸/报警信号。诊断程序可以包括：使用传感器获得当所述旋转零件正在旋转时所述机器的各个标记的关键和/或较不关键子系统的性能参数；基于所述性能参数，实时地确定所述机器的系统性能指标；使用保护模型确定与所述机器的至少一个标记的子系统关联的子系统性能指标；基于将所述系统性能指标和所述子系统性能指标组合，确定资产健康指标；以及当所述资产健康指标超过阈值时，生成所述跳闸/报警信号。所述保护系统可以包括保护装置，所述保护装置被配置成接收所述跳闸信号并对所述机器执行保护动作。

Description

机器保护和诊断系统和方法
技术领域
本发明公开涉及保护和诊断系统，并且更具体地涉及与具有一个或多个旋转零件的机器关联的保护和诊断系统。
背景技术
某些类型的机器，诸如工业级电动机和发电机常常被设置在延长的时间段上操作，从而使这些机器的各运动部件受到持续的磨损和撕裂。在这些类型的机器中崩溃、失灵或潜在故障的发展是不期望的，特别是在考虑到与修理和服务的损失关联的费用。因此，传统上以预先方式监测这些机器的一些关键部件，以便采集指示潜在崩溃或可能的成熟故障的性能数据。然而，由于各种原因，诸如关于资产费用和关联的维修工作的监测解决方案的费用，可以使相对较小的机器(通常在工业或中/低电压应用中的那些)不受监测。在一些情况下，一个或多个这些不被监测的机器中的失灵或恶化可能最终直接地或者间接地对机器本身和/或整个过程周期(诸如制造)的失灵或崩溃有贡献，导致预定利润的损失。
发明内容
本公开的某些实施例可以提供机器保护和诊断系统和方法。本公开的一些实施例可以提供与具有一个或多个旋转零件的机器关联的保护和诊断系统。本公开的某些实施例可以至少部分地基于将具有一个或多个旋转零件的机器分类为可以使用诊断程序以预先方式被监测和保护的几个子系统，提供与保护和诊断有关的技术效果和/或解决方案。诊断程序可以包括基于一个或多个性能参数确定所述机器的系统性能指标，并且还可以包括使用一个或多个保护和/或监测模型确定与所述机器的至少一个子系统关联的一个或多个子系统性能指标。然后，可以基于将所述系统性能指标和所述一个或多个子系统性能指标组合，确定资产健康指标；以及当所述资产健康指标和/或至少一个系统性能指标超过阈值时，可以生成一个或多个控制信号、跳闸(trip)信号和报警信号。
因此，在本公开的一个示例性实施例中，机器保护和诊断系统可以包括诊断系统和保护系统。诊断系统可以被配置成通过对具有一个或多个旋转零件的机器执行诊断程序生成跳闸信号或报警信号的至少一个。所述诊断程序可以包括当所述一个或多个旋转零件正在旋转时，使用耦连至所述机器的一个或多个传感器获得所述机器的一个或多个性能参数；基于所述一个或多个性能参数实时地确定所述机器的系统性能指标；使用一个或多个保护模型确定与所述机器的至少一个子系统关联的至少一个子系统性能指标；基于将所述系统性能指标和所述至少一个子系统性能指标结合，确定资产健康指标；以及当所述资产健康指标超过阈值时，生成跳闸信号或报警信号的至少一个。所述保护系统可以包括保护装置，所述保护装置被配置成接收所述跳闸信号并对所述机器执行保护动作。
根据本公开的另一示例性实施例，系统可以包括至少一个传感器、数据库和诊断系统。所述至少一个传感器可以耦连至包含一个或多个旋转零件的机器，并且可以被配置成当所述一个或多个旋转零件正在旋转时获得所述机器的一个或多个性能参数。所述数据库可以被配置成至少存储指示所述一个或多个性能参数的历史趋势的数据。所述诊断系统可以包括处理器，所述处理器被配置成执行诊断程序。所述诊断程序可以包括基于由所述至少一个传感器获得的所述一个或多个性能参数，实时地确定所述机器的系统性能指标；使用存储在所述数据库中的数据确定与所述机器的至少一个子系统关联的至少一个子系统性能指标；基于将所述系统性能指标和所述至少一个子系统性能指标结合，确定资产健康指标；以及当所述资产健康指标超过阈值时，生成警告信号或跳闸信号的至少一个，所述跳闸信号可操作以对所述机器发起保护动作。
根据本公开的又一另外的示例性实施例，一种非瞬态计算机可读存储介质可以包含能够由计算机执行的用于执行可以包括以下的操作的指令：当所述机器的至少一个旋转零件正在旋转时，从耦连至机器的一个或多个传感器获得所述机器的一个或多个性能参数；基于所述一个或多个性能参数，实时地确定所述机器的系统性能指标；使用一个或多个保护模型确定与所述机器的至少一个子系统关联的至少一个子系统性能指标；基于将所述系统性能指标和所述至少一个子系统性能指标结合，确定资产健康指标；当所述资产健康指标超过阈值时，生成跳闸信号；以及将所述跳闸信号传送至至少一个保护装置以对所述机器执行保护动作。
通过结合附图进行的以下描述，本公开的其它实施例和方面将变得显然。
附图说明
已经概括地描述了本公开，现在参照附图进行描述，附图不一定是按比例绘制的，图中：
图1为示出根据本发明的实施例耦连至特征为一个或多个子系统的机器的示例性保护和诊断系统的框架图。
图2为示出根据本发明的实施例可以用来实现保护和诊断程序的示例性体系结构的框架图。
图3为示出根据本发明的实施例可以在保护和诊断系统中提供的特征的示例性列表的示意图。
图4为说明合并图3中所示的至少一些示例性特征列表的保护和诊断系统的示例性操作体系结构的示意图。
图5为说明根据本发明的实施例在应用于电动机时保护和诊断系统的示例性方面的示意图。
图6为说明根据本发明的实施例指示在计算一些性能指标时可以考虑的几个示例性方面的方案的示意图。
图7为说明图6中所示的方案的示例性实现方式的示意图。
图8为说明图6中所示的方案的另一示例性实现方式的示意图。
图9示出根据本公开的实施例合并用于执行保护和诊断程序的处理器的示例性计算机的示意图。
具体实施方式
本说明书后面参照附图，更全面地描述本公开，附图中示出本公开的示例性实施例。不过，本公开可以以许多不同形式体现，不应当解读为局限于本文中陈述的示例性实施例；而是，提供这些实施例使得本公开将满足适用的法律要求。相同的数字全部指相同的元件。应当理解，本文中只出于方便使用某些词语和术语，这些词语或术语应当解读为参照由本领域普通技术人员通常以各种形式和等同物理解的各个对象和动作。应当理解，如本文中使用的词语“示例”和“示例性”旨在本质上是非排他性的和非限制性的。更具体地，如本文中使用的词语“示例性”指示几个示例中的一个，应当理解针对被描述的特定示例没有任何不适当的重点或优选。
首先关注图1，图1示出根据本公开的实施例耦连至机器105的示例性保护和诊断系统110，机器105的特征为“n”个子系统106(n≥1)。子系统106通常由机器105的性质、类型和应用定义，并且可以包括运动零件和/或静止零件。因此，例如，当机器105是电动机时，子系统106-1可以是转子组件，子系统106-2可以是定子组件，子系统106-3可以是例如气隙、绝缘体、接地排、连接器或熔丝。
通常并根据本公开的各个实施例，可以在识别机器105的一些部件为与机器105的一些其它部件相比相对不那么关键的部件的基础上，选择机器105的一个或多个子系统。因此，例如，当机器105是电动机时，诸如安装螺栓的部件可以相比电动机的电枢被识别为较不关键的部件。可以理解，电枢的失效对电动机的操作有更关键和即刻的影响，而安装螺栓的失效最终可能导致电枢的失效(可能由于电动机外壳的过大振动)。如另一示例，根据本公开的实施例，在以往与其它部件相比具有较低故障率的机器105的一些部件可以认为是机器105的不太关键的子系统。可以使用各种其它标准识别和对机器105的一个或多个子系统的一些或所有进行分类，使得在各种传统的监测系统中，某些子系统可以不被监测。
然而，应当理解，根据本公开在一些实施例中，一个或多个子系统可以包括机器105的相对关键的部件。例如，如面所指出的，子系统106-1可以是转子组件，其被认为是电动机的关键部件。组合关键和非关键子系统可以允许监测和处理这些个两种类型的子系统之间的各种交互和依赖性。而且，在一些示例性实施例中，机器105可以表示为软件格式的数字资产，其提供组合“n”个物理子系统106和可以在计算机中创建的一个或多个虚拟子系统。
监测系统110可以耦连至机器105，以监测一个或多个子系统中每一个的一个或多个参数。为此目的，监测系统110可以包括一个或多个传感器111，诸如热传感器、压力传感器、气体传感器、化学传感器和/或绝缘击穿传感器。保护和诊断系统115可以耦连至监测系统110，并且还可以耦连至机器105。保护和诊断系统115可以包括具有一个或多个保护装置(诸如继电器、断路器、熔丝、限位开关、隔离器和过载保护器)的保护系统116。可以使用诊断系统117经由一个或多个传感器111接收各个子系统的性能参数，特别是当机器105处于操作中，机器105的一个或多个旋转零件正在旋转时。诊断系统117可以使用性能参数来确定机器105的系统性能指标。
根据本说明书的一些示例性实现方式中，可以由一个或多个传感器111以时间同步方式测量数据参数，并且数据参数可以包括当机器105在正常、健康的条件下操作时测量的测量数据值的参考集合。此外，时间同步信号可以由监测系统110提供至一个或多个传感器。可以使用测量的数据值的参考集合作为评估在任何其它给定时间机器的健康的基线数据。例如，这可以通过将测量的数据值的参考集合与在不同时间采集的数据参数的集合比较来执行。
而且，诊断系统117可以使用一个或多个保护模型118和/或诊断模型121确定与机器105的至少一个子系统106关联的至少一个子系统性能指标。然后子系统性能指标可以与系统性能指标结合来确定资产健康指标。当资产健康指标超过阈值时，可以生成跳闸信号。跳闸信号可以提供至保护系统116以执行一个或多个保护和/或控制操作，诸如使断路器(未示出)跳闸，修改机器105的操作，或关闭机器105。下面将更加详细地描述这些方面。
图2示出根据本公开的实施例可以用来对机器105实现保护和诊断程序的示例性体系结构框图200。应当理解，根据本公开在一些示例性实现方式中，标记机器105的块可以代表一个或多个机器，可以使用施加给两个或更多个机器的比较性程序执行保护和诊断程序以用于评估多个机器。测量数据210可以代表通过使用监测系统110监测机器105的各个性能参数获得的性能数据。计算数据215可以代表由保护和诊断系统115从对机器105执行的一个或多个测量计算的性能数据。外部数据220可以代表可以从外部来源获得的与机器105有关的性能数据，外部来源诸如来自机器105的制造商，来自历史记录，通过通信来自其它第三方监测装置，机群(fleet)或参考模型，机器离线测试数据和/或统计分析。
子系统数据标记225通常指一个过程，通过该过程机器105的各个部件分类为标记的子组件。例如，这可以通过将第一标识(ID)标记与可以是关键部件的第一部件关联，将第二ID标记与可以是较不关键的部件的第二部件关联来进行，依次类推。第一部件在图1中由子系统106-1指示，第二部件由子系统106-2指示，依此类推。ID标记不仅允许将机器105的各个部件标识为相对关键或非关键部件，还可以由保护和诊断系统115使用以应用映射程序，其中，可以将一些子系统分类为属于第一组，一些其它子系统属于第二组，依此类推。配置230代表各个配置相关的数据，诸如设定点，测量、监测和/或计算数据和跳闸阈值，这些数据可以提供至保护和诊断系统115。
保护和诊断系统115可以生成可以与离线数据260互补的记录/报告235。离线数据260通常在机器105处于关机条件或者在维修测试周期中获得，离线数据260可以包括各种参数，诸如绕组的电阻或绝缘电阻。保护和诊断系统115还可以生成各种保护和诊断输出240，诸如报警和警告。可以以各种方式提供报警和警告，包括可视格式、基于文本的格式和/或基于等级的格式(诸如小、大和重要报警)。
可以使用各个保护和诊断输出240计算子系统风险优先级245，子系统风险优先级245可以应用于一些或所有子系统106。基于子系统风险优先级245，可以执行机器105的总体评估250。总体评估可以提供关于机器105的风险等级和/或机器105的条件的信息，并且还可以被用作机器105的未来健康的预测器。因此，在一些情况下，可以使用由总体评估250提供的信息提供推荐255，以解决机器105的一些不期望的当前条件和/或预先地解决或识别机器105的未来条件。
图3示出根据本公开的实施例可以在耦连至机器105(在此示例性描述中是电动机)的保护和诊断系统中提供的示例性特征列表。项目1属于操作学习数据，其可以通过捕获机器105的操作信息获得。操作信息可以包括使用各个数学或预测函数和“n”个子系统106的分类测量和/或计算的平均值、最小值、最大值和/或导出值。可以在预定义的规则间隔，在特定的时间段上和/或用于获得预定义的记录集合，捕获操作信息。在自动计算时，可以基于产品指令码以及对基于“n”个子系统106的分组，自动地过滤和计算操作学习数据。在以先进先出格式被捕获之后，至少一些数据可以离线存储在数据库119中或者其它地方，诸如在云仓库和/或外部数据库中。可以提供警告以当捕获的数据超过预定阈值时，执行数据备份程序。可以以各种格式表示学习数据，诸如表、趋势、相关模型或比较模型。可以提供形式为关于基线模型的变化率模型的比较模型。
项目2属于电动机启动概要，其可以包括与电动机的激励条件和/或启动条件有关的暂态和/或瞬时数据。数据可以指示对预定数目的周期采集的平均值、最小值、最大值和/或导出值。
项目3属于电动机停机概要，其可以包括与许多电动机停机条件和/或电动机的跳闸条件有关的去激励特性。电动机停机条件和/或跳闸条件可以与正常的停机条件和/或与异常停机条件关联。
项目4属于集成故障报告，其在电动机中出现重大事件之后，捕获各种稳态和前/后电、热和机械诊断数据。可以使用“n”个子系统106的分类捕获此数据。可以使用触发源生成集成故障报告，触发源在操作数的基础上可配置，诸如基于拐点(flex)逻辑的操作数。也可以使用由各种类型的触发器发起的示波法生成集成故障报告。
项目5属于资产健康报告，其提供形式为健康指标的电动机的总体条件评估。健康指标可以基于“n”个子系统106的每一个的风险优先级，并以合并报告的形式提供。可以在可配置时间段内基于各种项目生成资产健康报告，各种项目诸如资产名牌信息、监测信息、操作学习数据、数据趋势、基线数据、参考数据、保护概要报告、报警报告、维修数据、数据分析和签名/光谱分析。
项目6属于电动机模型，其一些示例在本公开其它地方提供。
项目7属于可以使用诸如保护继电器之类的元件获得的外部诊断数据，保护继电器被配置成基于各种基于时间和基于事件的标准采集数据。
项目8属于使用“n”个子系统106的分类捕获的前和/或后事件数据。
项目9属于针对例如作为在子系统级的故障条件出现的结果，标识被分析的一个或多个电信号中的不期望分量的签名(signature)分析(和/或光谱分析)。在一些示例性实施例中，一旦检测到故障，可以发起签名/光谱分析。
项目10属于可以使用“n”个子系统106的分类提供的事件日志。
项目11属于电动机的寿命上的历史最大值，这可以基于使用“n”个子系统106的分类测量的和/或计算的数据。
项目12属于子系统分析数据，其能够使用用于标识“n”个子系统106的每一个的标记被监测、测量和/或计算。
项目13属于数据相关和/或分析模型，其能够通过跟踪学习数据的趋势并应用与“n”个子系统106的每一个有关的预测函数被创建。
项目14属于离线测试数据，其在一些示例性实施例中，能够被保存以与离线数据一起使用。
现在关注图4，图4所示为说明可以合并图3中所示的一些或所有示例性特征列表的示例性保护和诊断系统的示例性操作体系结构400。因此，现在使用图3中所示的示例性特征列表描述图4的示例性操作体系结构400。指出图4中的虚线框内部指示的数字对应于在图3中所示的特征列表中的各个项目数字可能是相关的。
可以以多种方式执行数据获取和参数计算415。例如，可以在外部监测和诊断(在图3中所示的特征列表中的项目7)的基础上获取数据。可以在时间同步的基础上执行这些数据的获取，以便实现将时间戳应用于此数据。可以使用获取的数据执行各种类型的计算，这能够生成时间特定的数据，诸如停机趋势和/或停机数据420和启动趋势和/或启动数据410。停机趋势和/或停机数据420可以与机器105的停机特性关联，启动趋势和/或启动数据410可以与机器105的启动特性关联。可以组合停机趋势和/或停机数据420和启动趋势和/或启动数据410以生成机器105的历史趋势和/或历史数据425。还可以使用数据获取和参数计算415确定相对操作模式435的健康，该确定至少部分地通过将机器105的健康状态与机器105的当前操作状态比较来执行。
出于各种目的，可以使用数据获取和参数计算415，包括集成故障报告405(对应于图3中所示的特征列表中的项目4)的生成。在执行机器105的参数级监测和/或评估操作性能440时，还可以使用数据获取和参数计算415。在图3中所示的示例性特征列表中，操作性能440可以与项目1(操作学习数据)和/或项目11(历史最大值记录)关联。操作性能440属于机器105的各种参数，诸如至少部分通过数据获取和参数计算415获得的效率、阈值、使用、负载、温度。
基于机器105的操作性能440的监测，可以由诊断系统117(图1中所示)确定系统性能指标445。在根据本公开的示例性实现方式中，可以实时地由监测系统110和/或由人(工程师、技师、操作员等)实时地执行监测，以解决任何潜在的操作问题。
还可以使用监测系统110用于子系统级监测450、参数级监测465和/或失效模式监测470。可以使用参数级监测465提供等级分类(诸如正常、警告、报警)，由等级分类可以对机器105的各个参数分类。失效模式监测470可以包括使用各种保护模型和/或预测分析器。模型可以包括电动机模型(图3中所示的特征列表中的项目6)、热模型、电流不平衡、接地电流模型、过载模型、历史模型、从学习数据获得的数据模型、电签名分析模型、诊断模型和预测性模型。
可以与作为子系统分析(图3中所示的特征列表中的项目12)的一部分的性能和子系统级诊断485组合使用由子系统级监测450、参数级监测465和/或失效模式监测470导出的信息。可以使用此子系统分析的结果生成机器105的各个报告，诸如健康报告、服务报告和指示器报告495和/或可视化报告。还可以例如通过使用由前/后分析以及监测和诊断事件捕获460指示的数据生成报告。这些报告可以与历史趋势和历史数据425结合，可以被提供至诊断装置496。在一些示例性实施例中，诊断装置496可以是被配置成执行离线数据分析(图3中所示的特征列表中的项目14)的计算机。在一些其它示例性实施例中，诊断装置496可以包括保护装置，诸如继电器和/或可以由操作人员使用的图形用户界面以与保护和诊断系统115交互，以便基于一个或多个报告控制和/或修改机器105的一个或多个操作。
再参照子系统级监测450、参数级监测465和/或失效模式监测470，可以使用由这些监测活动生成的数据导出各种子系统性能指标455。可以在在线基础和/或历史基础上导出这些子系统性能指标455。子系统性能指标455可以与子系统健康指示器480(如由子系统相关475指示的)交叉相关(cross-correlated)。交叉相关可以提供子系统160的第一子系统中的故障对子系统160中第二子系统的影响的指示，诸如非关键子系统对关键子系统的影响，或反之亦然。
图5所示为说明根据本公开的实施例在应用于电动机500时保护和诊断系统115的示例性方面。列表505示出在确定系统性能指标(图4中的框445)时可以被评估的几个示例性性能参数。这些示例性性能参数可以包括过载因子、效率、电流不平衡、定子/转子/轴承RTD、ESA加I/O、THD/HDF和/或累加器/学习数据。列表510示出在确定子系统性能指标(图4中的框455)时可以被评估的几个示例性性能参数。这些示例性性能参数可以包括子系统I/O、子系统ESA、子系统计算数据、子系统学习数据、子系统名牌数据、子系统事件数据、子系统监测数据和/或子系统计量数据。列表515示出在确定资产健康指标(图4中的框490)时可以被评估的几个示例性性能参数。这些示例性性能参数可以包括子系统智慧PI、性能指标和/或电动机名牌数据。通常，电动机500的性能参数可以包括操作数据和/或结构数据，诸如电不平衡、接地电流、过载条件、轴承损坏、破裂的转子排、定子绝缘故障、定子匝间失效、失配、地基松动和过热。
图6所示为说明指示根据本公开的实施例在计算一些性能指标时可以被考虑的几个示例性方面的方案，性能指标诸如电动机(电动机500)健康指标620、系统性能指标625和子系统性能指标630。可以定义参数605的各个值，诸如哪些构成参数605的正常范围、警告范围、报警范围和/或跳闸范围。示出一些示例性数字值，以更加详细地图解说明此方面。可以使用包括一个或多个常数的示例性公式确定电动机健康指标620。可以基于各种因子，诸如子系统优先级、关键性和/或短期监测影响来定义这些常数。还可以提供形式为指示电动机的健康的风险优先数目的电动机健康指标620。
指示与机器105在时间的任何给定的时刻(“当前”时间)关联的各个值的当前值610可以包括用来确定系统性能指标625的各个参数。如上文参照图4(块445)指示的，系统性能指标625可以包括由人员(工程师、技师、操作员等)实时地执行的实时监测，以解决任何潜在的操作问题。此过程可以认为是短期监测。在另一方面，可以使用学习数据615确定的子系统性能指标630可以被认为是长期监测，这可以出于诊断和预防目的针对不仅一个机器还针对机器机群执行。
在一些示例性实施例中，可以从当前稳态操作数据导出可以用于短期监测的系统性能指标625，作为加权标准化指标。还可以从当前稳态操作数据、学习数据和/或历史数据导出可以用于长期监测的子系统性能指标630，作为加权标准化指标。
图7所示为说明图6中所示方案的示例性实现方式。在此示例性实现方式中，可以使用电动机健康指标620公式(图6)并基于可以被监测、测量和/或计算的一些示例性当前值，计算数字系统性能指标625。然后可以针对参数605(图6)评估数字系统性能指标625，以识别电动机的当前/目前条件。在图7中所示的示例性实施例中，系统性能指标625被确定为13.42，当前条件分类为“警告”。
图8所示为说明图6中所示方案的另一示例性实现方式。在此示例性实施方式中，可以使用学习数据615基于示例性数字系统性能指标625(图7)确定电动机健康指标620(图6)。然后可以使用参数605(图6)评估数字电动机健康指标620，以识别机器的当前条件。在此示例中，电动机健康指标620被确定为128.67，当前条件分类为“警告”。
图9所示为说明包括一个或多个处理器，诸如处理器905，以用于对图1中所示的机器105执行机器保护和诊断程序的示例性计算机900。可以使用适当的硬件、软件、固件或其组合实现和操作处理器905。软件或固件实现方式可以包括以任何适当的编程语言编写的计算机可执行或机器可执行指令，以执行描述的各个功能。在一个实施例中，与功能块语言关联的指令可以存储在存储器925中并由处理器905执行。
可以使用存储器925存储程序指令以及存储在这些程序的执行期间生成的数据，程序指令可由处理器905加载和执行。取决于机器105的配置和类型和/或机器保护和诊断程序，存储器925可以是易失性的(诸如随机存取存储器(RAM))和/或非易失性的(诸如只读存储器(ROM)、闪存等)。在一些实施例中，存储器装置还可以包括附加的移动存储930和/或非移动存储935，包括但不限于磁存储、光盘和/或磁带存储。磁盘驱动器和其关联计算机可读介质可以提供计算机可读指令、数据结构、程序模块和其它数据的非易失性存储。在一些实现方式中，存储器925可以包括多种不同类型的存储器，诸如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)或ROM。
存储器925、移动存储和非移动存储都是非暂态计算机可读存储介质的示例。可以以用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术实现此非暂态计算机可读存储介质。可能存在的附加类型的非暂态计算机存储介质包括但不限于可编程随机存取存储器(PRAM)、SRAM、DRAM、ROM、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)、数字多用途盘(DVD)或其它光存储、磁带盒、磁带、磁盘存储或其它磁存储装置、或可以用来存储期望信息并且可以由处理器505访问的任何其它介质。任何上述的组合也应当包括于非暂态计算机可读介质的范围内。
转到存储器925的内容，存储器925可以包括但不限于操作系统(OS)和用于实现本文中公开的特征和方面的一个或多个应用程序或服务。这些应用和服务可以包括保护和诊断系统115和/或监测系统110的软件和/或固件部分。例如，存储器925可以包括图1中所示的保护模型118、诊断模型121、数据库119和诊断系统117的一些部分。
可以想到此处所列出的本发明的许多修改和其他实施例，对其来说这些发明属于得益于在上述描述和相关附图中展现的教旨。因此，要认识到，可以以许多形式体现本公开，不应当局限于上文描述的示例性实施例。因此，要理解本公开不局限于公开的特定实施例，各变形和其它实施例旨在包括于所附权利要求的范围内。尽管本文中使用了特定术语，但其只是在通用和描述意义上而不是出于限制目的使用的。

Claims (20)

1.一种机器保护和诊断系统，包括：
诊断系统，所述诊断系统被配置成通过对具有一个或多个旋转零件的机器执行诊断程序，生成跳闸信号或报警信号的至少一个，所述诊断程序包括：
使用耦连至所述机器的一个或多个传感器，获得所述机器的一个或多个性能参数；
基于所述一个或多个性能参数，实时地确定所述机器的系统性能指标；
使用一个或多个保护模型确定与所述机器的至少一个子系统关联的至少一个子系统性能指标；
基于将所述系统性能指标和所述至少一个子系统性能指标组合，确定资产健康指标；以及
当所述资产健康指标超过阈值时，生成所述跳闸信号或所述报警信号的至少一个；以及
保护系统，所述保护系统包括保护装置，所述保护装置被配置成接收所述跳闸信号并对所述机器执行保护动作。
2.根据权利要求1所述的系统，其中，所述机器的所述至少一个子系统包括一个或多个旋转零件，并且其中，使用耦连至所述机器的所述一个或多个传感器获得所述机器的所述一个或多个性能参数包括当所述一个或多个旋转零件正在旋转时，获得所述一个或多个性能参数。
3.根据权利要求1所述的系统，其中，所述机器是电动机，并且所述至少一个子系统包括转子。
4.根据权利要求3所述的系统，其中，所述机器的所述一个或多个性能参数包括以下的至少一个：所述机器中的电流不平衡，所述机器中的接地电流，所述机器中的过载条件，或所述机器中的过热条件，并且其中，所述一个或多个保护模型是所述转子的历史模型或预测模型的至少一个。
5.根据权利要求1所述的系统，其中，所述机器是电动机，并且所述至少一个子系统包括运动零件和静止零件，所述运动零件与所述静止零件操作性相互依赖。
6.根据权利要求5所述的系统，其中：
所述运动零件是转子；
所述诊断程序还包括使用至少一个诊断模型确定与所述机器的所述至少一个子系统关联的至少一个健康指标或至少一个其它性能指标；
所述一个或多个保护模型包括热模型或不平衡模型的至少一个；以及
所述至少一个诊断模型包括以下的至少一个：所述转子的历史模型、基于电签名分析的模型或预测模型。
7.根据权利要求6所述的系统，其中，所述电动机的所述一个或多个性能参数包括以下的至少一个：所述电动机中的电流不平衡，所述电动机中的接地电流，所述电动机中的过载条件，或所述电动机中的过热条件，并且其中，所述一个或多个保护模型是所述转子或定子的至少一个的历史模型或预测模型的至少一个。
8.一种系统，包括：
至少一个传感器，所述至少一个传感器耦连至包含一个或多个旋转零件的机器，所述至少一个传感器被配置成当所述一个或多个旋转零件正在旋转时，获取所述机器的一个或多个性能参数；
数据库，所述数据库被配置成至少存储指示所述一个或多个性能参数的历史趋势的数据；以及
诊断系统，所述诊断系统包括处理器，所述处理器被配置成执行诊断程序，所述诊断程序包括：
基于由所述至少一个传感器获得的所述一个或多个性能参数，实时地确定所述机器的系统性能指标；
使用存储在所述数据库中的数据确定与所述机器的至少一个子系统关联的至少一个子系统性能指标；
基于将所述系统性能指标和所述至少一个子系统性能指标结合，确定资产健康指标；以及
当所述资产健康指标超过阈值时，生成警告信号或跳闸信号的至少一个，所述跳闸信号可操作以对所述机器发起保护动作。
9.根据权利要求8所述的系统，还包括至少一个保护装置，所述至少一个保护装置被配置成接收所述跳闸信号并对所述机器执行保护动作。
10.根据权利要求8所述的系统，其中，所述机器的所述至少一个子系统包括所述一个或多个旋转零件。
11.根据权利要求8所述的系统，其中，所述机器是电动机，并且所述至少一个子系统包括转子。
12.根据权利要求11所述的系统，其中，所述机器的所述一个或多个性能参数包括以下的至少一个：所述机器中的电流不平衡，所述机器中的接地电流，所述机器中的过载条件，或所述机器中的过热条件，并且其中，存储在所述数据库中的数据还包括所述转子的历史模型或预测模型的至少一个。
13.根据权利要求8所述的系统，其中，所述机器是电动机，所述至少一个子系统包括运动零件和静止零件，所述运动零件与所述静止零件操作性相互依赖。
14.根据权利要求13所述的系统，其中，所述运动零件是转子，所述静止零件是定子。
15.一种非瞬态计算机可读存储介质，所述非瞬态计算机可读存储介质具有存储于其上的能够由计算机执行的用于执行包括以下的操作的指令：
当所述机器的至少一个旋转零件正在旋转时，从耦连至机器的一个或多个传感器获得所述机器的一个或多个性能参数；
基于所述一个或多个性能参数，实时地确定所述机器的系统性能指标；
使用一个或多个保护模型确定与所述机器的至少一个子系统关联的至少一个子系统性能指标；
基于将所述系统性能指标和所述至少一个子系统性能指标结合，确定资产健康指标；
当所述资产健康指标超过阈值时，生成跳闸信号；以及
将所述跳闸信号传送至至少一个保护装置以对所述机器执行保护动作。
16.根据权利要求15所述的非瞬态计算机可读存储介质，其中，所述机器的至少一个子系统包括所述一个或多个旋转零件。
17.根据权利要求15所述的非瞬态计算机可读存储介质，其中，所述机器是电动机，并且所述至少一个子系统包括转子。
18.根据权利要求17所述的非瞬态计算机可读存储介质，其中，所述机器的所述一个或多个性能参数包括以下的至少一个：所述机器中的电流不平衡，所述机器中的接地电流，所述机器中的过载条件，或所述机器中的过热条件，并且其中，所述一个或多个保护模型是所述转子的历史模型或预测模型的至少一个。
19.根据权利要求15所述的非瞬态计算机可读存储介质，其中，所述机器是电动机，并且所述至少一个子系统包括运动零件和静止零件，所述运动零件与所述静止零件操作性相互依赖。
20.根据权利要求19所述的非瞬态计算机可读存储介质，其中，所述运动零件是转子，所述静止零件是定子。
CN201710859482.XA 2016-09-21 2017-09-21 机器保护和诊断系统和方法 Pending CN107863755A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IN201641032195 2016-09-21
IN201641032195 2016-09-21

Publications (1)

Publication Number Publication Date
CN107863755A true CN107863755A (zh) 2018-03-30

Family

ID=59997041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710859482.XA Pending CN107863755A (zh) 2016-09-21 2017-09-21 机器保护和诊断系统和方法

Country Status (7)

Country Link
US (1) US10121349B2 (zh)
EP (1) EP3299919B1 (zh)
JP (1) JP7042577B2 (zh)
CN (1) CN107863755A (zh)
BR (1) BR102017018671A2 (zh)
CA (1) CA2979155A1 (zh)
MX (1) MX2017012118A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110398384A (zh) * 2018-04-25 2019-11-01 斯凯孚公司 旋转机械的机器健康监测
CN112631825A (zh) * 2020-12-31 2021-04-09 伯泰克汽车电子(芜湖)有限公司 一种嵌入式设备的产线诊断功能实现方法
CN112673265A (zh) * 2018-09-10 2021-04-16 3M创新有限公司 基于机器学习监测电力电缆附件的健康状态的方法和系统
CN114840247A (zh) * 2022-05-06 2022-08-02 贵州电网有限责任公司 一种芯片级电力智能系统配置方法及装置

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109818462A (zh) * 2019-01-15 2019-05-28 贵州固创云电子科技有限公司 一种马达探音诊断综合系统
US20230221693A1 (en) * 2022-01-10 2023-07-13 General Electric Technology Gmbh Systems and methods for integrated condition monitoring for power system asset health scoring
CN115880871A (zh) * 2022-11-29 2023-03-31 广西电网有限责任公司电力科学研究院 基于深度学习的高压断路器状态预警方法、系统、设备
CN117576879B (zh) * 2024-01-17 2024-04-16 兰陵城投矿业有限公司 一种用于矿山运输设备的检测预警方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060259271A1 (en) * 2005-05-12 2006-11-16 General Electric Company Method and system for predicting remaining life for motors featuring on-line insulation condition monitor
US20070286089A1 (en) * 2006-03-10 2007-12-13 Edsa Micro Corporation Systems and methods for predictive monitoring including real-time strength and security analysis in an electrical power distribution system
US20110213744A1 (en) * 2010-02-26 2011-09-01 General Electric Company Systems and methods for asset condition monitoring in electric power substation equipment
CN103412805A (zh) * 2013-07-31 2013-11-27 交通银行股份有限公司 一种it故障源诊断方法及系统
US20150106058A1 (en) * 2013-10-15 2015-04-16 General Electric Company Systems and methods for improved reliability operations
US20150236631A1 (en) * 2013-06-28 2015-08-20 Eaton Corporation System and method of rotor time constant online identification in an ac induction machine

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0654572A (ja) * 1992-07-31 1994-02-25 Omron Corp 電動機の熱保護装置
JPH09242507A (ja) * 1996-03-04 1997-09-16 Toshiba Corp 蒸気タービンの起動制御装置
GB0200867D0 (en) 2002-01-15 2002-03-06 Univ Glasgow Electric motor monitoring system
JP3972748B2 (ja) * 2002-07-03 2007-09-05 トヨタ自動車株式会社 内燃機関の排気浄化装置
JP2004364396A (ja) * 2003-06-04 2004-12-24 Yaskawa Electric Corp モータの制御装置および制御方法
CA2641657A1 (en) 2006-02-14 2007-08-23 Edsa Micro Corporation Systems and methods for real-time system monitoring and predictive analysis
JP4928885B2 (ja) * 2006-09-22 2012-05-09 株式会社ケーヒン 車両用空気調和装置
US20130253898A1 (en) * 2012-03-23 2013-09-26 Power Analytics Corporation Systems and methods for model-driven demand response
US10649424B2 (en) * 2013-03-04 2020-05-12 Fisher-Rosemount Systems, Inc. Distributed industrial performance monitoring and analytics
US9396639B2 (en) * 2014-10-21 2016-07-19 Honeywell International Inc. Apparatus and method for managing operator alertness and enhancing operator effectiveness for industrial control systems

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060259271A1 (en) * 2005-05-12 2006-11-16 General Electric Company Method and system for predicting remaining life for motors featuring on-line insulation condition monitor
US20070286089A1 (en) * 2006-03-10 2007-12-13 Edsa Micro Corporation Systems and methods for predictive monitoring including real-time strength and security analysis in an electrical power distribution system
US20110213744A1 (en) * 2010-02-26 2011-09-01 General Electric Company Systems and methods for asset condition monitoring in electric power substation equipment
US20150236631A1 (en) * 2013-06-28 2015-08-20 Eaton Corporation System and method of rotor time constant online identification in an ac induction machine
CN103412805A (zh) * 2013-07-31 2013-11-27 交通银行股份有限公司 一种it故障源诊断方法及系统
US20150106058A1 (en) * 2013-10-15 2015-04-16 General Electric Company Systems and methods for improved reliability operations

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110398384A (zh) * 2018-04-25 2019-11-01 斯凯孚公司 旋转机械的机器健康监测
CN112673265A (zh) * 2018-09-10 2021-04-16 3M创新有限公司 基于机器学习监测电力电缆附件的健康状态的方法和系统
CN112631825A (zh) * 2020-12-31 2021-04-09 伯泰克汽车电子(芜湖)有限公司 一种嵌入式设备的产线诊断功能实现方法
CN114840247A (zh) * 2022-05-06 2022-08-02 贵州电网有限责任公司 一种芯片级电力智能系统配置方法及装置

Also Published As

Publication number Publication date
US10121349B2 (en) 2018-11-06
JP7042577B2 (ja) 2022-03-28
MX2017012118A (es) 2018-09-26
EP3299919B1 (en) 2019-07-17
BR102017018671A2 (pt) 2018-06-12
JP2018049609A (ja) 2018-03-29
CA2979155A1 (en) 2018-03-21
EP3299919A1 (en) 2018-03-28
US20180082568A1 (en) 2018-03-22

Similar Documents

Publication Publication Date Title
CN107863755A (zh) 机器保护和诊断系统和方法
CA2927545C (en) Integrated transformer health monitoring architecture
CA3011985C (en) Systems and methods for monitoring and diagnosing transformer health
US10782360B2 (en) Systems and methods for monitoring and diagnosing transformer health
CN105699760B (zh) 电能计量设备及用电信息采集设备的运行工况分析方法
CN108107360A (zh) 电机故障辨识方法与系统
CN107065720A (zh) 智能电机故障录波预警系统
KR101893563B1 (ko) 사물인터넷 기반 화재 블랙박스 시스템 및 그 운용 방법
KR20140130533A (ko) 과도 상태 중의 발전 장비의 불량의 검출 및 분류
JP2014059664A (ja) フォールトツリー生成プログラム、方法及び装置
US20220200281A1 (en) Systems and methods for evaluating electrical phasors to identify, assess, and mitigate power quality issues
CN112291805B (zh) 一种omc系统监控方法、装置、设备及可读存储介质
CN108767814A (zh) 一种电磁式电压互感器故障分析方法及装置
CN206930947U (zh) 智能电机故障录波预警系统
Bradley et al. Model-based diagnosis of induction motor failure modes
Nordzi et al. Real Time Electrical Transient Analyzer Program (ETAP RT) Improvement for Gas Processing & Utilities (GPU) plant, PETRONAS Gas Berhad
AU2015201505B2 (en) An alternator having integrated therewith a facility for performance parameter history logging
Palayam et al. Identification of Signature Oscillatory Modes in ERCOT by Mining of Synchrophasor Data
Kanase et al. Condition Monitoring and Controlling of Induction Motors based on PIC Microcontroller and GSM System
CN109190833A (zh) 电站健康管理方法、装置及系统
Badajena et al. Realizing On-Chip Digital Twin for Event Tracking in Squirrel Cage Induction Motors and Drives
Pamulaparthy et al. Protection Relay based Industrial Motors Pro-Active Asset Management Solution and Case studies
Pawar Framework Standard for Prognosis: An Approach for Effective Prognosis Implementation
CN116249946A (zh) 在功率转换器中进行事件监控
Papallo et al. Digital Functionality in low voltage power distribution

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180330

WD01 Invention patent application deemed withdrawn after publication