CN111758036A - 用于监测运行中的电力设备的运行状态的系统和方法 - Google Patents

用于监测运行中的电力设备的运行状态的系统和方法 Download PDF

Info

Publication number
CN111758036A
CN111758036A CN201980013866.7A CN201980013866A CN111758036A CN 111758036 A CN111758036 A CN 111758036A CN 201980013866 A CN201980013866 A CN 201980013866A CN 111758036 A CN111758036 A CN 111758036A
Authority
CN
China
Prior art keywords
electrical
data
time
data processing
processing apparatus
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.)
Granted
Application number
CN201980013866.7A
Other languages
English (en)
Other versions
CN111758036B (zh
Inventor
安德鲁·贝茨
威廉姆·博尔顿
迈尔斯·班尼斯特
布兰·阿尔费兰
杰弗里·沃克
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.)
Faraday Forecast Ltd
Original Assignee
Faraday Forecast Ltd
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 Faraday Forecast Ltd filed Critical Faraday Forecast Ltd
Publication of CN111758036A publication Critical patent/CN111758036A/zh
Application granted granted Critical
Publication of CN111758036B publication Critical patent/CN111758036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G01R23/20—Measurement of non-linear distortion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/62—Testing of transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H3/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection
    • H02H3/50—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection responsive to the appearance of abnormal wave forms, e.g. ac in dc installations
    • H02H3/52—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection responsive to the appearance of abnormal wave forms, e.g. ac in dc installations responsive to the appearance of harmonics
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Nonlinear Science (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

公开一种电气状态监测系统，其可连接到电力设备，用于监测运行中的电力设备，其中：(i)电气状态监测系统包括(a)感测装置，其用于随时间感测供应到电力设备和/或来自电力设备的电力供应，并生成相应的感测数据；(b)数据处理装置，被配置成处理感测数据以生成包括信号谐波分量的相应的随时间变化的傅立叶频谱，并且处理信号谐波分量的幅度和频率中的时间性变化以生成分析数据；以及(ii)用户接口，被配置用于用户录入用于对分析数据进行分析的输入，并且数据处理装置被配置成基于该输入来分析该分析数据，以获得指示电力设备的运行状态的信息；其特征在于：(iii)数据处理装置可运行用于：识别对应随时间变化的傅立叶频谱上的现象的至少一个局部最大值；计算在随时间变化的傅立叶频谱上出现相同现象的位置，以创建可能局部最大值族；从对应该现象的可能局部最大值族中识别有效局部最大值，并从有效局部最大值的幅度生成分析数据；基于分析数据生成电力设备的实时模型；以及将实时模型与一个或多个存储模型进行比较，以生成指示电力设备的运行状态的信息。

Description

用于监测运行中的电力设备的运行状态的系统和方法
技术领域
本公开整体上涉及监测电力设备，更具体地，涉及用于监测运行中的电力设备的运行状态的系统和方法。此外，本公开还涉及一种计算机程序产品，该计算机程序产品包括非暂时性计算机可读存储介质，该存储介质上存储有计算机可读指令，该计算机可读指令可由计算机化设备执行，该计算机化设备包括执行前述方法的处理硬件。本公开的实施例涉及一种能够减少二氧化碳(CO2)排放的技术，其结果是以更高的效率改善电力设备(例如电机)的运行，并且避免不必要的维护。
背景技术
示例电力设备将由电流和电压定义的电能转换成另一种形式的能量，例如光能、热能或动能(动力学)(例如电动机)，反之亦然(例如发电机)。可替代地，电力设备(例如变压器)可将电能从一个电路传输或耦接到另一个电路。在工业应用中，采用了大量这样的电力设备。这些电力设备必须人工或通过使用监测系统定期地监测，以检测可能停止或妨碍运行(例如生产)的意外故障；这种监测例如是主动执行的。每年累计支出7000亿美元可归因于电力设备故障或其维护，其中支出包括额外损耗、纠正性工作以及其他间接影响。
当给定电力设备中发生故障时，在故障状态下给定电力设备的电力功耗可能不同于在故障状态发生之前的相应状态下给定电力设备的电力功耗。例如，在组件具有电动机的情况下，根据故障的性质，在电动机情况下的故障或劣化可能导致电动机功耗的增加或减少。除了电动机的故障或劣化之外的状态的变化也可能潜在地影响电动机的功耗。例如，电动机承受的负载变化可能影响其功耗。
已部署用于监测电力设备的现有已知监测系统和方法是繁琐的、成本高昂的，和/或仅限于识别电力设备的少数故障模式。此外，现有监测系统和方法在预测和/或诊断潜在问题或故障时是不准确的。一种这样的现有已知监测系统采用振动分析，用于检测旋转设备(例如，风扇、马达、泵、齿轮箱等)中的故障，例如不平衡、移位、滚动元件轴承故障以及共振状况。另一种现有已知监测系统采用电动机电流特征分析(MCSA)，电动机电流特征分析测量电动机的单个电相位或三个电相位上的电流，以监测电动机的运行状态。然而，这种现有的已知系统是不能分析畸变电压，并且具有有限的故障类型应用。
已知的基于模型的电压电流(MBVI)系统并不灵活，具有有限的诊断能力，并且会有大量的误报，导致需要对它们的输出进行专家解释。此外，由于其不灵活的连接和配置能力，这些已知的基于模型的电压和电流(MBVI)系统很难部署。典型的基于模型的电压和电流(MBVI)系统的高成本、安装挑战以及专家解释的成本的综合，使得它们对于广泛采用来说成本过于高昂。
因此，鉴于已知监测系统所遇到的前面提及的缺点和问题，需要在用于监测电力设备的运行状态的现有已知系统和方法中克服上述缺点。
在公开的欧洲专利申请EP2725370A1中；“一种基于阻抗分析的机电系统诊断方法(A method for the diagnostics of electromechanical system based on impedanceanalysis)”，发明者Ottewill(英国)、Orman(波兰)以及Pinto(印度)；申请人ABBTechnology AG(德国)；描述了一种诊断使用电动旋转机械的机电系统的状态的方法，其中该方法采用从机电系统运行期间测量的至少两个电流和两个电压来估测的阻抗分析。当执行电动机和发电机的状态监测时，该方法可能是有用的。该方法包括组合来自在电动机终端可测量的电压和电流信号的信息。具体而言，将来自多相电机的两相以上的电压和电流的测量值进行组合，以估测电机的阻抗，其中阻抗是当电压施加到电路时电路显示出的对电流流动的阻力。
在已公布授权的美国专利US6308140B1中；“电动机状态和性能分析器(Motorcondition and performance analyzer)”，发明人Dowling(美国)，Lang(美国)，Desai(美国)以及Ricciuti(美国)；申请人Crane Nuclear Inc.；描述了一种检测转子断条的方法，其中该方法包括感测施加到电动机的电流，将感测的电流转换成数字数据信号，以及存储数字数据信号。处理器评估数字数据以在各种选择的边带提供电流信号频谱。识别幅度在预定值内的边带峰值，从而指示潜在的电动机问题或发展中问题，包括绕组故障和转子断条。先进的信号处理技术将用于评估进一步存储的数据并提供趋势信息。
在公布的PCT申请WO2017/075254A1中；“具有低铁损的内部磁体电机设计(Interior magnet machine design with low core losses)”，Campbell(美国)和Dang(美国)；申请人Faraday&Future Inc.(美国)；描述了一种用于估测和最小化内部磁体电机中的铁损的方法和设备。这些方法例如包括创建、修改或接收有限元分析(FEA)模型，以表示计算机系统中的电机的至少一部分，在FEA模型中将至少一个线圈放置在电动机的转子铁或定子铁内的第一位置，计算至少一个线圈的时域磁通密度B，将计算出的磁通密度函数转换成频域频谱，接收由频域频谱指示的至少一些频率的材料铁损参数，以及通过材料铁损参数的加权组合来确定电动机的至少一部分的铁损。线圈例如由用户通过用户接口人工放置，或者自动放置。
发明内容
本公开的实施例寻求提供一种可用于监测电力设备的运行状态改进的系统和方法。
本公开提供了一种电气状态监测系统，该系统可连接到电力设备，并且其被配置为当电力设备在运行时监测电力设备，其中：
(i)电气状态监测系统包括感测装置，该感测装置随时间感测电力设备的电力供应和/或来自电力设备的电力供应，并通过处理感测的供应到电力设备的电力供应和/或来自电力设备的电力供应，生成相应的感测数据，其中感测数据包括与供应到电力设备的和/或来自电力设备的电压和电流中至少一者相关的信息；
(ii)电气状态监测系统包括数据处理装置，该数据处理装置包括数据处理器，该数据处理器被配置为处理感测数据以生成相应的随时间变化的傅立叶频谱，该频谱包括供应到电力设备的电流和电压中至少一者的信号谐波分量，并且该数据处理器被配置为处理信号谐波分量的幅度和频率的时间性变化，以生成表示电力设备运行的分析数据；以及
(iii)用户接口，该用户接口被配置为用户录入用于对分析数据进行分析的输入，并且数据处理器被配置成基于该输入来分析该分析数据，以获得指示电力设备的运行状态的信息；
其特征在于：
(iv)数据处理装置可运行用于至少部分地滤除信号谐波分量的幅度和频率中的变化，该变化是由于随时间变化的傅立叶频谱中存在的电失真引起的；
(v)数据处理装置可运行用于通过分析基于感测数据绘制的随时间变化的傅立叶频谱，来识别对应于随时间变化的傅立叶频谱上的现象的至少一个局部最大值；
(vi)数据处理装置可运行用于计算在随时间变化的傅立叶频谱上出现相同现象的位置，以创建可能局部最大值族；
(vii)数据处理装置可运行用于识别来自可能局部最大值族的对应于该现象的有效局部最大值，并且用于根据有效局部最大值的幅度生成分析数据；
(viii)数据处理装置可运行用于基于分析数据生成电力设备的实时模型；以及
(ix)数据处理装置可运行用于访问电力设备的运行的一个或多个存储模型，并将实时模型与一个或多个存储模型进行比较，以生成指示电力设备的运行状态的信息。
本发明的优点在于，消除信号失真的影响使得能够更准确和更可靠地确定电力设备的运行状态。
本公开还提供了一种使用电气状态监测系统的方法，该系统可连接到电力设备并且被配置为当电力设备运行时监测电力设备，其中该方法包括：
(i)使用电气状态监测系统的感测装置随时间感测供应到电力设备和/或来自电力设备的电力供应，并通过处理供应到电力设备和/或来自电力设备的感测的电力供应来生成相应的感测数据，其中感测数据包括与供应到电力设备和/或来自电力设备的电压和电流中的至少一者相关的信息；
(ii)使用电气状态监测系统的数据处理装置的数据处理器处理感测数据，以生成相应的随时间变化的傅立叶频谱，该随时间变化的傅立叶频谱包括供应到电力设备的电流和电压中至少一者的信号谐波分量，并且数据处理器处理信号谐波分量的幅度和频率的时间性变化，以生成表示电力设备运行的分析数据；以及
(iii)配置用户接口，用户录入用于对分析数据进行分析的输入，并使用数据处理器基于该输入来分析该分析数据，以获得指示电力设备的运行状态的信息；
其特征在于，该方法包括：
(iv)操作数据处理装置，以至少部分地滤除信号谐波分量的幅度和频率中的变化，该变化是由于在随时间变化的傅立叶频谱中存在的电失真引起的；
(v)操作数据处理装置，以通过分析基于感测数据绘制的随时间变化的傅立叶频谱，识别对应随时间变化的傅立叶频谱上的现象的至少一个局部最大值；
(vi)操作数据处理装置，以计算在随时间变化的傅立叶频谱上出现相同现象的位置，以创建可能局部最大值族；
(vii)操作数据处理装置，以从对应该现象的可能局部最大值族中识别有效局部最大值，并从有效局部最大值的幅度生成分析数据；
(viii)操作数据处理装置，以基于分析数据生成电力设备的实时模型；以及
(ix)操作数据处理装置，以访问电力设备的一个或多个存储模型，并将实时模型与一个或多个存储模型进行比较，以生成指示电力设备的运行状态的信息。
本公开还提供了一种计算机程序产品，该计算机程序产品包括非暂时性计算机可读存储介质，该存储介质上存储有计算机可读指令，该计算机可读指令可由计算机化设备执行，该计算机化设备包括执行上述方法的处理硬件。
本公开的实施例基本上消除或至少部分地解决了用于监测电力设备的运行状态的现有已知系统和方法中前面提及的缺点。
本公开的其他方面、优点、特征以及目的从附图和结合所附权利要求分析的示例性实施例的详细描述中变得清楚明白。
应当理解，在不脱离由所附权利要求限定的本公开的范围的情况下，本公开的特征易于以各种组合进行组合。
附图说明
当结合附图阅读时，将更好地理解以上概述以及以下对示例性实施例的详细描述。为了说明本公开，在附图中示出了本公开的示例性构造。然而，本公开不限于本文公开的特定方法和手段。此外，本领域人员应理解附图并不是按比例绘制。在可能的情况下，相同的元件都用相同的数字表示。
现在将仅通过示例的方式，参考以下附图来描述本公开的实施例，其中：
图1是根据本公开的实施例的电气状态监测系统的示意图；
图2是根据本公开的实施例的数据处理装置的功能框图；
图3是根据本公开的实施例的电气状态监测系统的图形用户界面的示例性示图；
图4是根据本公开的实施例的描绘电力设备的运行状态的电气状态监测系统的图形用户界面的示例性示图；
图5是根据本公开的实施例的电气状态监测系统的图形用户界面的示例性示图，该图描绘了对随时间变化的傅立叶频谱中的峰值的识别；
图6是根据本公开的实施例的电气状态监测系统的图形用户界面(GUI)的示例性示图，该图描绘了对在电力设备(例如，皮带传动装置)中检测到的故障的建议；
图7是根据本公开的实施例的电气状态监测系统的图形用户界面(GUI)的示例性示图，该图描绘了转子条的自动识别和运行状态；
图8是根据本公开的实施例的电气状态监测系统的图形用户界面(GUI)的示例性示图，该图描绘了电力设备中能量损耗的自动识别；
图9A和图9B是根据本公开的实施例的示例性表格示图，该图描绘了使用电气状态监测系统检测电力设备中的故障；以及
图10A至图10E示出了根据本公开的实施例的方法的流程图。
在附图中，下划线数字用于表示下划线数字位于其上的项或下划线数字与之相邻的项。无下划线的数字与一个项有关，该项由一条将无下划线的数字与该项相连的线来标识。当数字不带下划线并带有相关箭头时，不带下划线的数字将用于识别箭头所指的一般项。
具体实施方式
以下详细描述示出了本公开的实施例及其实现方式。尽管已经公开了实现本公开的一些模型，但是本领域技术人员将认识到，用于实现或实践本公开的其他实施例也是可行的。
本公开提供了一种电气状态监测系统，该系统可连接到电力设备并且被配置为当电力设备在运行时监测电力设备，其中：
(i)电气状态监测系统包括感测装置，该感测装置用于随时间感测供应到电力设备和/或来自电力设备的电力感应，并通过处理供应到电力设备和/或来自电力设备的感测的电力感应来生成相应的感测数据，其中感测数据包括与供应到电力设备和/或来自电力设备的电压和电流中的至少一者相关的信息；
(ii)电气状态监测系统包括数据处理装置，该数据处理装置包括数据处理器，数据处理器被配置成处理感测数据以生成相应的随时间变化的傅立叶频谱，该频谱包括供应到电力设备和/或来自电力设备的电流和电压(可选地，和/或计算的剩余电流或计算的剩余电压，其中通过将预测电流的模型与电力设备的测量电流进行比较以生成剩余电流数据，来计算出计算的剩余电流)中的至少一者的信号谐波分量；并且数据处理器被配置成处理信号谐波分量的幅度和频率的时间性变化，以生成表示电力设备运行的分析数据；以及
(iii)用户接口，该用户接口被配置用于用户录入用于对分析数据进行分析的输入，并且数据处理器被配置为基于该输入来分析该分析数据，以获得指示电力设备的运行状态的信息；
其特征在于：
(iv)数据处理装置可运行用于至少部分地滤除信号谐波分量的幅度和频率中的变化，该变化是由于随时间变化的傅立叶频谱中存在的电失真引起的；
(v)数据处理装置可运行用于通过分析基于感测数据绘制的随时间变化的傅立叶频谱，来识别对应于随时间变化的傅立叶频谱上的现象的至少一个局部最大值；
(vi)数据处理装置可运行用于计算在随时间变化的傅立叶频谱上出现相同现象的位置，以创建可能局部最大值族；
(vii)数据处理装置可运行用于从对应该现象的可能局部最大值族中识别有效局部最大值，并从有效局部最大值的幅度生成分析数据；
(viii)数据处理装置可运行用于基于分析数据生成电力设备的实时模型；以及
(ix)数据处理装置可运行用于访问电力设备的一个或多个存储模型，并将实时模型与一个或多个存储模型进行比较，以生成指示电力设备的运行状态的信息。
因此，在一段时间内，本系统比现有已知监测系统更精确地监测电力设备的运行状态(例如，电力设备的“健康状况”)。本系统有助于避免对电力设备执行不必要的维护工作。本系统可以在问题或故障变得严重之前分析电力设备中出现的问题或故障，并在适当的时间提供解决问题或故障的建议，以避免电力设备的意外宕机。
可选地，电力设备是一种耗电设备。可替代地，电力设备是一种发电设备。又或者，电力设备能够用作耗电设备以及发电设备；例如。当运行时，电力设备能够暂时性可替代地用作耗电设备和发电设备，例如用于储能的储水器的涡轮发电机，其中当水经由涡轮发电机从储水器排放时，通过涡轮发电机产生电力，并且其中当水克服重力被向上泵入储水器时，通过涡轮发电机存储电力。类似的考虑也适合作必要的修改，其中储水器池可以被压缩空气储能器、潮汐储水器、惯性飞轮储能和发电设备、交通工具电动机以及再生制动系统等所替代。“交通工具”包括公路交通工具、铁路交通工具、轮船、轮渡、潜艇，采用电动螺旋桨的飞机等中的一种或多种。
因此，尽管电压信号和电流信号失真，本系统仍设法处理具有失真的电流测量值或电压测量值或者这两者，并从测量的电压信号或电流信号或这两者中推断感测数据，以有效地监测电力设备的运行状态。本系统在检测电力设备中的问题或故障方面比前述现有已知监测系统更可靠，从而避免了对使用电力设备(例如，电动机、发电机等)的工业设施来说可能是非常具有破坏性并且成本高昂的误报。此外，本系统可以容易地与包括这种电力设备的电气系统连接，并且在部署本系统时不需要对电力设备进行任何配置变更。通过采用基于状态的维护策略来维护电力设备，本系统有助于在比迄今可行的更大程度上节省电力设备的维护成本。
本系统可以通过实时快速分析电力设备中的问题并通过基于与电力设备中发生的能量损耗相关的信息来量化益处，从而减少(例如最小化)能量损耗。本系统可以在工厂验收试验(FAT)时生成电力设备的基线配置文件(例如，感测数据的接受能力，电力设备的寿命等)。本系统可以在电力设备调试时对其执行后续测试(例如，安装后测试(PIT)或调试测试)，以确认在电力设备的交付和安装过程中没有发生损坏。本系统可以生成自动书面建议和图形报告(例如，分析数据)，用户可以通过用户接口(例如，图形用户界面)对其进行编辑，以添加任何特定信息。无论用户如何选择，本系统可以将分析数据提供给相关人员(例如，提供给维护团队或维护管理员)。
本系统有助于例如监测难以接近的电力设备的运行状态，例如潜水泵、钻井泵、罐内泵、低温泵以及屋顶安装的风扇、远程无人水力发电机、远程无人风力涡轮机、远程无人潮汐涡轮机以及远程无人波浪能量涡轮机、定日节涡轮发电机等。在某些情况下，本系统可以有助于监测或测试给定电力设备的运行状态，而无需关闭设备或无需进入电力设备的机柜内部。本系统可以自动分析电力设备中存在的故障，并根据以下测量提供关于故障性质、所需纠正措施和应采取纠正措施的时间表的建议：
(i)供应到电力设备的电压或电流，或者这两者；或者
(ii)在发电机的情况下，由电力设备产生的电压或电流，或这两者。
当电力设备以不同的转速和不同的负载运行时，本系统仍然可以监测电力设备。
电气状态监测系统可以通过基于运行时由电力设备获取和/或从电力设备供应的电压或电流或者这两者来生成感测数据，识别各种各样的故障模式，并且评估电力设备遭受故障的程度。在一个实施例中，电气状态监测系统可便携地连接到电力设备(例如，电动机和/或发电机)以测量电动机运行时使用的电压或电流和/或发电机运行时产生的电压或电流，或者这两者。电气状态监测系统可以周期性地测量供应到电力设备和/或从电力设备供应的电压或电流或者这两者，以便监测电力设备的运行状态。
感测装置可以有效地测量供应到以不同转速和不同负载运行的电力设备和/或从以不同转速和不同负载运行的电力设备供应的电压或电流或这两者。感测装置可以包括用于测量电流的电流钳、和用于测量至电力设备的电压的海豚连接器或磁性连接器。在一个实施例中，电气状态监测系统被电连接到电力设备，用于使用感测装置随时间感测供应到电力设备的电力供应。感测装置可以过滤和处理供应到电力设备的电力供应(例如，电压供应和/或电流供应)，并生成相应的感测数据。
电气状态监测系统可以通过对供应到电力设备和/或从电力设备供应的电流和电压中的至少一者(可选地，或计算的剩余电流或剩余电压)执行快速傅立叶变换(FFT)或相似类型的信号频谱变换，来生成电流和电压中的至少一者(可选地，或计算的剩余电流或计算的剩余电压)的随时间变化的傅立叶频谱。分析数据可以包括趋势图，该趋势图基于感测数据示出信号谐波分量的幅度和频率的变化；可选地，该趋势图还可以显示随机或任意性质的非谐波信号分量。分析数据可以包括指示电力设备的运行状态的报告。分析数据可以以.ppt格式、.doc格式、
Figure BDA0002636920580000111
格式等生成。在一个实施例中，电气状态监测系统以诸如Microsoft
Figure BDA0002636920580000112
的方便的格式生成分析数据，该数据提供包括原始数据的一系列信息(例如，感测信号的电压和电流波形、诊断、预测、关于故障和推荐操作的信息)。在一个实施例中，输出可以包括趋势图、与在电力设备中检测到的一般和特定故障中的至少一者相关的信息、对在电力设备中检测到的故障的建议、电力设备在不同时间段的运行状态、由于电力设备的故障而产生的能量损耗。
在一个实施例中，当电力设备被电气状态监测系统预先测试时，电气状态监测系统从电气状态监测系统的数据库中检索与电力设备(例如，电动机、电力逆变器、电线性致动器、发电机)的参数有关的信息。这些参数可以包括从电力设备获得的标称电压、标称电流以及标称转速。电气状态监测系统可以生成电力设备的自动报告，该自动报告包括以下中的至少一项：不平衡或移位、轴承问题、基础松动、传动松动或摩擦、电动机转子条、电动机定子问题、发电机转子条、发电机定子问题、超出正常预期值的电气奇次谐波或其他频谱峰值、随机变化的信息(例如，由偶发的电气绝缘故障引起的)。电气状态监测系统可以生成报告，该报告包括与电力设备相关的电气参数的信息，该信息包括以下中的至少一项：有功功率、无功功率以及功率因数，电压平衡、电流平衡、电压中的总谐波失真(THD)和电流中的THD。
在一个实施例中，电失真可以包括例如由随时间变化的傅立叶频谱中存在的开关噪声、非线性噪声(例如磁饱和噪声)、火花放电噪声引起的失真，由电力设备的运行引起的失真，由电力设备行为变化导致的电动机电流或发电机电流变化引起的失真，或由来自其他电气装置/设备产生的感应噪声引起的失真。
在一个实施例中，趋势图显示为特定线频率的幅度(例如40赫兹(Hz)峰值的幅度)、或对应于同一潜在现象的位置族中的最高峰值或局部最大值的幅度(例如，在由频率为50Hz的电源供电和/或产生频率为50Hz电源的电力设备中出现的10Hz现象，可能在40Hz(50-10)或60Hz(50+10)的随时间变化的傅立叶频谱上出现)。有时它也可能作为边带在线频率的高次谐波上出现，例如90Hz或110Hz(即2*50Hz+/-10Hz)，或140Hz或160Hz(即3*50Hz+/-10Hz)，或190Hz或210Hz(即4*50Hz+/-10Hz)等。趋势图可以基于这样的峰值族中的最高峰值来绘制。在一个实施例中，当识别可能的峰值或局部最大值族中的最高峰值或局部最大值时，最高峰值的幅度可以基于最高峰值的绝对幅度，或者在基本处理中相对于该峰值的高度的幅度，或者相对于被用于比较目的的多个其他电力设备的平均值的幅度来确定。最高峰值的幅度可以根据绝对数或多个标准偏差来计算。
在一个实施例中，数据处理装置通过应用良好建立的规则(例如，1X旋转速度是不平衡或偏心的指示符，并且2X供电频率是定子绕组问题的指示符)来识别对应随时间变化的傅立叶频谱上的现象的至少一个局部最大值。在一个实施例中，在随时间变化的傅立叶频谱上出现至少一个局部最大值的位置是mfI+/-nfP，其中fI是线频率，并且fP是关注的现象的频率，以及m和n是整数。在一个实施例中，任何特定现象都会在线频率的任一侧和/或在线频率的谐波上提供局部最大值。应当理解，数据处理装置可运行用于根据m和n是表示奇次谐波还是偶次谐波来识别潜在故障。
在一个实施例中，电气状态监测系统采用变点(change-point)技术(例如，累积和(CUSUM)算法)来识别电力设备的参数(例如，标称电压，标称电流以及标称转速)变化。电压和电流信号可能由于多种原因(例如由于电开关噪声)而产生噪声(即信号失真的一种形式)。然而，应当理解，意外的磁饱和也可能导致信号失真，这是电气状态监测系统能够检测到的。变点技术是一种通常用于监测变化检测的技术。变点技术可以辅助电气状态监测系统检测到电压和电流信号平均值的1％的变化，该变化大约为+/-50％。可选地，例如，变点技术可以辅助电气状态监测系统检测到电压和电流信号平均值的高达5％的变化，该变化范围为+/-10％至+/-50％。
电气状态监测系统可以通过对趋势图采用曲线拟合处理来生成趋势图(即，分析数据)，该趋势图是从前面提及的随时间变化的傅立叶频谱导出。曲线拟合处理(例如但不限于样条曲线拟合)指的是构造曲线或数学函数的处理，该处理对一系列数据点具有最佳拟合，可选地，该处理受到约束。在一个实施例中，使用曲线拟合技术(例如线性、抛物线或指数)外推趋势图，以备将来使用。
电气状态监测系统可以基于与不同负载和不同转速相关的标准化数据集，来确定要采用的变点技术和曲线拟合处理。确定变点技术和曲线拟合处理的过程非常复杂；此外，它对负载也非常敏感。例如，如果电力设备的负载改变，则可以在不改变电压供应的情况下改变供应到电力设备的电流。因此，如上所述，线性模型的参数值对负载和转速的变化是敏感的。由于线性模型的参数值被用于识别电力设备内部(例如，电动机和被驱动设备或发电机和驱动设备)或电源中的问题，所述如果变化是由于电力设备的负载或转速引起的，则电气状态监测系统产生误报的可能性较小(例如，避免产生误报)。电气状态监测系统可以将线性模型或存储模型的参数值与实时模型的参数值进行比较，以确定特定负载和转速下的预期参数值。电气状态监测系统通过创建一组单独的单元来比较参数值，并且每个单元对应负载和转速的特定范围(例如，频率为40Hz至45Hz，并且电流供应在100安培至110安培的范围内)。通常在电力设备的初始安装和调试之后执行的基本处理中，每次获取一组感测数据，其结果在相应的单元中被更新。在一个实施例中，电气状态监测系统确定参数值与电力设备的负载和转速之间的关系特征。电气状态监测系统使用该关系特征来评估电力设备的测量负载和转速的预期参数值，而无需在该特定单元中预先填充数据。
根据一个实施例，数据处理装置计算实时模型与一个或多个存储模型之间的参数差，并生成描述参数差的预测模型，以生成指示电力设备的运行状态的信息。根据另一个实施例，数据处理装置从预测模型生成一个或多个警报，该一个或多个警报涉及：电力设备的一个或多个能量利用趋势；由电力设备引起的二氧化碳(当量)的产生；由电力设备节省的二氧化碳(当量)的产生；以及电力设备的维护、更换或修理。
根据又一个实施例，用户接口(例如，图形用户界面(GUI))被配置用于用户录入用户定义的参数，以在电气状态监测系统的数据库中生成一系列多变量单元，并且数据处理装置被配置为对在感测数据相应的多变量单元中的电力设备的感测数据进行更新，其中多变量单元存储与感测数据相关的随时间变化的傅立叶频谱、和与电力设备相关的一个或多个存储模型。
感测数据可以包括参数值以及随时间变化的傅立叶频谱上的局部最大值和局部最小值的幅度。获取一大组感测数据，并将每个感测数据更新成感测数据相应的多变量单元中的值，以生成感测数据的更新的平均值和标准偏差，该平均值和标准偏差用每个新的感测数据进一步更新；“大组”是指在2至100000个独立读数范围内，更可选地，在50至500个读数的范围内。一旦基本处理完成，电气状态监测系统可以将新的感测数据与适当的多变量单元中的平均值进行比较。电气状态监测系统可以根据多变量单元中的标准偏差的数量来量化参数差。为更新在负载和转速的组合情况下出现的新感测数据并且在之前没有多变量单元的新感测数据，电气状态监测系统可以从多变量单元使用内插和外推处理来识别感测数据存储在多变量单元中的位置以及没有先前数据的位置。在一个实施例中，电气状态监测系统表征了参数在多变量单元之间变化的方式(例如，想象电压和电流矩阵上绘制的一个三维表面(在所附权利要求中的“表面”))，并基于仅在少数多变量单元中获得的实际感测数据，来估测多变量单元中的期望值。
根据又一个实施例，数据处理装置被配置为(即在运行时“运行用于”)通过分析数据更新分析数据相应的多变量单元中预先存在的分析数据，以生成感测数据的更新的平均值和标准偏差。根据又一个实施例，数据处理装置被配置为(即在运行时“运行用于”)基于计算的频率抽取感测数据中的数据点，以确定用于生成随时间变化的傅立叶频谱的多个相关数据点。在一个实施例中，当按照顺序绘制以及当不同的样本出现在很大不同的供应频率处时，随时间变化的傅立叶频谱被绘制成理想对齐；在这种情况下，“理想”意味着，当与变速机械相关的各个频谱在不同的供应频率下(在设备转速不同时)产生时，每个频谱上的点将彼此对齐，因此为了使相应的特征对齐，这些频谱必须沿着频率轴扩展或压缩。
根据又一个实施例，电力设备包括以下中的至少一项：同步一相电动机、同步多相电动机、同步三相电动机、开关磁阻电机、开关步进电机、直流电动机、压缩机、泵、风扇、传送机、搅拌机、搅拌器、鼓风机、混合器、永磁(PM)电动机、永磁发电机、电力变压器、空调、通风机、烤箱、太阳能电池板、电磁线性致动器、电磁线性发电机、照明光源、同步一相发电机、同步多相发电机、同步三相发电机、直流发电机、永磁(PM)发电机。然而，应当理解，本公开的实施例可以用于监测其他类型的电力设备，例如工业微波炉(例如，用于检测电极腐蚀或真空劣化)、电阻加热元件炉(例如，用于检测加热元件渐进氧化或加热元件微裂纹)、太阳能电池发电性能(例如冷凝、元件老化、太阳能电池开裂)。根据又一个实施例，用户接口被配置用于用户录入描述电力设备的机械参数，其中机械参数包括以下中的至少一项：通用标称工作电压、通用标称工作电流、通用标称供电频率、通用标称转速、电力设备的叶轮上的叶片数量、电力设备的轴承类型代码或电力设备的皮带传动尺寸。
根据又一个实施例，用户接口被配置用于用户录入描述将由数据处理装置执行的分析类型的机械参数，其中分析类型允许用户设置时间分辨率和感测数据样本长度。根据又一个实施例，用户接口允许用户以至少2兆赫兹(2Mhz)至10兆赫兹(10MHz)的采样速率设置来自电力设备的电压和/或电流读数。
可选地，采用100KHz的采样速率，并抽取到2.5kHz至25kHz的可选频率范围内。然而，应当理解，合适的采样速率可选地高达1MHz。
更可选地，采样速率在2.5kHz至125MHz的范围内，例如采样速率在该范围内可选择。
根据又一个实施例，用户接口允许用户选择实现在数据处理装置中计算的感测数据的D-Q相位变换和A-B相位变换，其中D-Q相位变换将三相定子和转子量转换到单个旋转参考系中，以消除时变电感的影响，其中A-B相位变换指的是为简化三相定子和转子的分析而执行的数学变换。根据又一个实施例，数据处理装置被配置为创建从电力设备获得的电压和电流信号之间的一种或多种关系的线性模型；例如，一种或多种关系可以对样本数据采用各种样条拟合。
根据又一个实施例，数据处理装置被配置为计算以下中至少一项的分析：子空间状态空间系统识别(N4SID)的数值算法、多变量输出误差状态空间(MOESP)算法，过去输出多变量输出误差状态空间(PO-MOESP)算法和规范变量分析(CVA)，以基于感测数据生成实时模型。诸如过去输出多变量输出误差状态空间(PO-MOESP)、子空间状态空间系统识别(N4SID)的数值算法以及规范变量分析的子空间辨识方法(SIMs)，基于感测数据生成实时模型(例如状态空间模型)。多变量输出误差状态空间(MOESP)和子空间状态空间系统识别(N4SID)的数值算法是两种已知的子空间辨识技术。当正确执行时，子空间和状态空间识别的数值算法通常比预测误差方法更快，因为子空间和状态空间识别的数值算法基本上是非迭代的，利用诸如LQ分解(QR分解的转置)和奇异值分解的来自数值线性代数的基本算法，以基于感测数据生成实时模型。在一个实施例中，数据处理装置被配置成计算以下中至少一项的分析：子空间状态空间系统识别(N4SID)的数值算法、多变量输出误差状态空间(MOESP)算法、过去输出多变量输出误差状态空间(PO-MOESP)算法和规范变量分析(CVA)，以基于从电力设备获得的电压和电流信号生成存储模型或线性模型。然而，在本公开的上下文中，使用上述已知的方法执行数据处理是未知的。
根据又一个实施例，数据处理装置可运行用于：
(i)生成描述电力设备的线性模型；
(ii)使用线性模型根据从电力设备获得的测量电压，创建电力设备的预测电流模型；
(iii)将电力设备的预测电流模型与测量电流进行比较，以创建剩余电流数据；
(iv)对剩余电流数据执行快速傅立叶变换(FFT)，以创建随时间变化的傅立叶频谱；
(v)使用爬行技术识别随时间变化的傅立叶频谱上的至少一个局部最大值，并将整个随时间变化的傅立叶频谱分成在局部最小值处彼此连接的局部最大值，其中爬行技术通过确定朝向至少一个局部最大值增加的值或从至少一个局部最大值减小的值，来识别随时间变化的傅立叶频谱上的至少一个局部最大值；
(vi)根据绝对值或与平均值的标准偏差数确定有效局部最大值；以及
(vii)通过用户接口中的现象描述来标记有效局部最大值，以呈现给用户。
在一个实施例中，电气状态监测系统识别随时间变化的傅立叶频谱上的每个点，并在随时间变化的傅立叶频谱上左右移动，例如经由前面提及的用户接口以图形形式(根据横坐标频率轴)向给定用户显示。电气状态监测系统确定朝向该点增加的值或从该点减少的值。在一个实施例中，如果某点两侧的值较低，则该点被标识为局部最大值。在另一个实施例中，如果某点两侧的值较高，则该点被认为是局部最小值。电气状态监测系统可以识别随时间变化的傅立叶频谱上的所有局部最大值和局部最小值，并将整个随时间变化的傅立叶频谱分成局部最大值，这些局部最大值在局部最小值处彼此邻接。
本公开还提供了一种使用电气状态监测系统的方法，该电气状态监测系统可连接到电力设备并且被配置为当电力设备运行时监测电力设备，其中该方法包括：
(i)使用电气状态监测系统的感测装置，用于随时间感测供应到和/电力设备或来自电力设备的电力供应，并通过处理供应到电力设备和/或来自电力设备的感测的电力供应来生成相应的感测数据，其中感测数据包括与供应到电力设备和/或来自电力设备的电压和电流中的至少一者相关的信息；
(ii)使用电气状态监测系统的数据处理装置的数据处理器来处理感测数据，以生成相应的随时间变化的傅立叶频谱，该频谱包括供应到电力设备和/或来自电力设备的电流和电压中的至少一者的信号谐波分量(可选地，或计算的剩余电流或剩余电压，其中通过将电力设备的预测电流的模型与测量电流进行比较来计算出计算的剩余电流，以生成剩余电流数据)；并且数据处理器用于处理信号谐波分量的幅度和频率的时间性变化，以生成表示电力设备运行的分析数据；以及
(iii)配置用户接口，用于用户录入对分析数据进行分析的输入，并且使用数据处理器基于该输入来分析该分析数据，以获得指示电力设备运行状态的信息；
其特征在于，该方法包括：
(iv)操作数据处理装置，以至少部分地滤除由电失真噪声引起的信号谐波分量的幅度和频率的变化，电失真噪声例如为存在于随时间变化的傅立叶频谱中的开关噪声、非线性噪声(例如磁饱和噪声)、火花放电噪声；
(v)操作数据处理装置，以通过分析基于感测数据绘制的随时间变化的傅立叶频谱，识别对应随时间变化的傅立叶频谱上的现象的至少一个局部最大值；
(vi)操作数据处理装置，以计算在随时间变化的傅立叶频谱上出现相同现象的位置，以创建可能局部最大值族；
(vii)操作数据处理装置，以从对应该现象的可能局部最大值族中识别有效局部最大值，并从有效局部最大值的幅度生成分析数据；
(viii)操作数据处理装置，以基于分析数据生成电力设备的实时模型；以及
(ix)操作数据处理装置，以访问电力设备的一个或多个运行的存储模型，并且将实时模型与一个或多个存储模型进行比较，以生成指示电力设备的运行状态的信息。
根据一个实施例，该方法包括使用数据处理装置来计算实时模型与一个或多个存储模型之间的参数差，并生成描述参数差的预测模型，以生成指示电力设备的运行状态的信息。
根据另一个实施例，该方法包括使用数据处理装置来从预测模型生成一个或多个警报，该警报涉及：
(a)电力设备的能源利用趋势；
(b)电力设备产生和/或节省的二氧化碳(当量)的产生；以及
(c)电力设备的维护、更换或修理，例如电力设备中采用的绝缘状态。
根据又一个实施例，该方法包括配置用户接口，用于用户录入用户定义的参数，以在电气状态监测系统的数据库中生成一系列多变量单元，并使用数据处理装置对在感测数据相应的多变量单元中的电力设备的感测数据进行更新，其中多变量单元存储与感测数据相关的随时间变化的傅立叶频谱、和与电力设备相关的一个或多个存储模型。
根据又一个实施例，该方法包括使用数据处理装置通过分析数据来更新分析数据相应的多变量单元中预先存在的分析数据，以生成感测数据的更新的平均值和标准偏差。
根据又一个实施例，该方法包括使用数据处理装置基于计算的频率抽取感测数据中的数据点，以确定用于生成随时间变化的傅立叶频谱的多个相关数据点。
根据又一个实施例，电力设备包括以下中至少一项：同步一相电动机、同步多相电动机、同步三相电动机、开关磁阻电机、开关步进电机、直流电动机、压缩机、泵、风扇、传送机、搅拌机、搅拌器、鼓风机、混合器、永磁(PM)电动机、PM发电机、同步一相发电机、同步多相发电机、同步三相发电机、直流发电机、电力变压器、空调、通风机、烤箱或太阳能电池板。然而，电力设备可选地包括静态设备，例如烤箱、太阳能电池板等。
根据又一个实施例，该方法包括配置用户接口，用于用户录入描述电力设备的机械参数，其中机械参数包括以下中至少一项：通用标称工作电压、通用标称工作电流、通用标称电源频率、通用标称转速、电力设备的叶轮上的叶片数量、电力设备的轴承类型代码或电力设备的皮带驱动尺寸。
根据又一个实施例，该方法包括配置用户接口，用于用户录入描述将由数据处理装置执行的分析类型的机械参数，其中分析类型允许用户设置时间分辨率和感测数据样本长度。
根据又一个实施例，该方法包括使用用户接口，用户以至少2兆赫兹(2Mhz)至10兆赫兹(10MHz)的采样速率设置来自电力设备的电压和/或电流读数。可选地，采用的采样速率超过10MHz。
可选地，采用100KHz的采样速率，并抽取到2.5kHz至25kHz的可选频率范围内。然而，应当理解，合适的采样速率可达1MHz。更可选地，采样速率在2.5kHz至125MHz的范围内，例如采样速率在该范围内可选择。
根据又一个实施例，该方法包括使用用户接口来允许用户选择实现在数据处理装置中计算的感测数据的D-Q相位变换和A-B相位变换，其中D-Q相位变换将三相定子和转子量转移到单个旋转参考系中以消除时变电感的影响，其中A-B相位变换指的是为简化三相定子和转子的分析而执行的数学变换。
根据又一个实施例，该方法包括配置数据处理装置以创建从电力设备获得的电压和电流信号之间的一种或多种关系的线性模型。
根据又一个实施例，该方法包括配置数据处理装置来计算以下中至少一项的分析：子空间状态空间系统识别(N4SID)的数值算法、多变量输出误差状态空间(MOESP)算法、过去输出多变量输出误差状态空间(PO-MOESP)算法或规范变量分析(CVA)，以基于感测数据生成实时模型。
根据又一个实施例，该方法包括运行数据处理装置以：
(i)生成描述电力设备的线性模型；
(ii)使用线性模型根据从电力设备获得的测量电压，创建电力设备的预测电流模型；
(iii)将电力设备的预测电流模型与测量电流进行比较，以创建剩余电流数据；
(iv)对剩余电流数据执行快速傅立叶变换(FFT)，以创建随时间变化的傅立叶频谱；
(v)使用爬行技术识别随时间变化的傅立叶频谱上的至少一个局部最大值，以将整个随时间变化的傅立叶频谱分成在局部最小值处彼此连接的局部最大值，其中爬行技术通过确定朝向至少一个局部最大值增加的值或从至少一个局部最大值减小的值，来识别随时间变化的傅立叶频谱上的至少一个局部最大值；
(vi)根据绝对值或平均值的标准偏差数确定有效局部最大值；以及(vii)使用用户接口中的现象描述来标记有效局部最大值，以便呈现给用户。
因此，本方法的优点与上面结合本系统公开的那些优点相同，并且上面结合本系统列出的实施例作必要的修改后适用于本方法。
本公开还提供了一种计算机程序产品，包括存储有计算机可读指令的非暂时性计算机可读存储介质，该计算机可读指令可由包括执行前述方法的处理硬件的计算机化设备执行。
因此，本计算机程序产品的优点与上面结合本系统公开的那些优点相同，并且上面结合本系统列出的实施例作必要的修改后适用于本计算机程序产品。
因此，本公开的实施例在一段时间内，比现有监测系统更准确地监测电力设备的运行状态(例如，电力设备的健康状况)。本公开的实施例可以有助于避免对电力设备执行不必要的维护工作；当电力设备位于成本高昂和/或难以接近的远程位置时(例如远程泵、远程电机驱动屏障(motor-actuated barrier)、远程水力发电机、远程风力涡轮机、远程潮汐涡轮机、远程地热涡轮机、远程海浪涡轮机等)，这种避免尤其有价值。因此，尽管电压和电流信号失真，本公开的实施例管理具有失真的电流和电压测量的处理，并从测量的电压和电流信号推断感测数据，以有效地监测电力设备的运行状态。本公开的实施例可以容易地与电力系统连接，并且无需电力设备进行任何配置改变来部署它。本公开的实施例通过采用基于状态的维护策略对电力设备进行维护，有助于在更大程度上节省电力设备的维护成本。
附图详细描述
图1是根据本公开的实施例的电气状态监测系统的示意图。电气状态监测系统100包括电力设备102和电气状态监测系统104。电气状态监测系统104包括感测装置106和数据处理装置108。这些部件具有如上所述的功能。
图2是根据本公开的实施例的数据处理装置的功能框图。数据处理装置的功能框图包括数据库202、滤波模块204、频谱分析模块206、实时模型生成模块208以及模型比较模块210。数据库202包括例如存储在数据存储器中的一系列多变量单元。多变量单元存储电力设备的感测数据。多变量单元存储与感测数据相关的随时间变化的傅立叶频谱、和与电力设备相关的一个或多个存储模型。滤波模块204部分地滤除信号谐波分量的幅度和频率的变化，该变化是由随时间变化的傅立叶频谱中存在的电失真(例如开关噪声)引起的。频谱分析模块206通过分析基于感测数据绘制的随时间变化的傅立叶频谱，识别对应随时间变化的傅立叶频谱上的现象的至少一个局部最大值。频谱分析模块206计算在随时间变化的傅立叶频谱上出现相同现象的位置，以创建可能局部最大值族。频谱分析模块206从对应该现象的可能局部最大值族中识别有效局部最大值，并从有效局部最大值的幅度生成分析数据。实时模型生成模块208基于分析数据生成电力设备的实时模型。模型比较模块210访问电力设备的运行的一个或多个存储模型，并将实时模型与一个或多个存储模型进行比较，以生成指示电力设备的运行状态的信息。
图3是根据本公开的实施例的电气状态监测系统的图形用户界面(GUI)300的示例性示图。图形用户界面300描绘了显示电力设备的运行状态和与电力设备(例如皮带传动)中检测到的故障相关的信息的条形图。该条形图示出了电力设备的不同部件(例如电气转子、电气定子、电气奇次谐波、电气偶次谐波、电动机转子等)的运行状态。每个条形图均可以表示电力设备的不同部件的故障。
图4根据本公开的实施例的描绘电力设备的运行状态的电气状态监测系统的图形用户界面400的示例性示图；图形用户界面400描绘了基于电流读数、电力设备的最近平均运行状态、一个月预测和三个月预测的电力设备的预测运行状态显示电力设备的瞬时运行状态的条形图。
图5是根据本公开的实施例的电气状态监测系统的图形用户界面500的示例性示图，图形用户界面500描绘了对随时间变化的傅立叶频谱中的峰值(即，最大值)的识别；图形用户界面500描绘了与随时间变化的傅立叶频谱上的不同现象对应的各种峰值(例如，局部最大值)的识别，该频谱是基于电力设备的感测数据生成的。例如，峰值S1描绘了与电力设备相关的电气转子的运行状态，峰值S10描绘了电力设备中的电动机基础松动，峰值S11描绘了电力设备中的电动机传动松动，以及峰值S15描绘了电力设备中的驱动不平衡和移位。
图6是根据本公开的实施例的电气状态监测系统的图形用户界面600的示例性示图，图形用户界面600描绘了对在电力设备(例如，皮带传动)中检测到的故障的建议。图形用户界面600示出了对应现象(例如故障/问题)的可能峰值族(例如局部最大值)。图形用户界面600提供在皮带传动中检测到的故障的描述、原因以及影响。例如，该描述提供了与皮带传动中检测到的故障/问题相关的信息。该描述表明，在皮带传动中检测到的问题/故障是由于皮带传动中安装不良或调整不当(如校准不合适)、负载过大或张紧不合适造成的。
图7是根据本公开的实施例的电气状态监测系统的图形用户界面700的示例性示图，图形用户界面700描绘了转子条运行状态的自动识别。图形用户界面700示出了指示转子条的运行状态以及与其相关的描述的峰值(例如局部最大值)。该描述表明，转子条开裂或移位，导致约6％的电动机(作了必要修改的发电机)故障，可高达4千伏(4kV)规格，和约13％的电动机(作了必要修改的发电机)故障，可超过4千伏(4kV)规格。图形用户界面700还描绘了转子条的开裂或移位可能是由启动引起的(特别是当给定的启动负载过高时)，以及是由高负载变化和与时间相关的劣化引起的。
图8是根据本公开的实施例的电气状态监测系统的图形用户界面800的示例性示图，图形用户界面800描绘了电力设备中能量损耗的自动识别。图形用户界面800示出了峰值族(例如，局部最大值)，该峰值族指示了由于电力设备中的问题/故障而发生的能量损耗的自动识别。
图9A和图9B是根据本公开的实施例的示例性表格示图，该表格示图描绘了使用电气状态监测系统检测电力设备中的故障。该表格示图示出了故障类型字段902和电力设备类型字段904。故障类型字段902包括在电力设备的不同部件(例如，电气转子、电气定子、电气转子条、电动机轴承1、电动机轴承2、发电机条、发电机轴承1、发电机轴承2等)中检测到的故障类型。电力设备类型字段904包括不同类型的电力设备(例如，电动机和发电机)。表格示图描述了在不同电力设备中检测到的故障类型(例如，一般故障和特定故障)。当除了标称电压、标称电流和标称转速之外，不存在关于电力设备输入的特定信息时，会检测到一般故障。当适当的信息(通常是旋转元件轴承类型代码、变速器和皮带轮直径的比率以及皮带传动的分离距离)被输入电气状态监测系统时，会检测到特定故障。
图10A至图10E是示出根据本公开的示例性实施例的方法1000的流程图。在步骤1002，使用电气状态监测系统的感测装置随时间感测供应到电力设备和/或来自电力设备的电力供应，并且通过处理供应到电力设备和/或来自电力设备的感测的电力供应，生成相应的感测数据。感测数据包括与供应到电力设备和/或来自电力设备的电压和电流中的至少一者相关的信息。在步骤1004，处理感测数据以生成相应的随时间变化的傅立叶频谱，该频谱包括供应到电力设备和/或从电力设备产生的电流和电压中的至少一者的信号谐波分量，并且使用电气状态监测系统的数据处理装置的数据处理器，处理信号谐波分量的幅度和频率的时间性变化，以产生表示电力设备运行的分析数据。在步骤1006，用户接口被配置用于用户录入用于对分析数据进行分析的输入，并且数据处理器被配置为(即，运行时的功能)对分析数据进行分析以获得指示电力设备的运行状态的信息。在步骤1008，数据处理装置可运行用于至少部分地滤除信号谐波分量的幅度和频率的变化，该变化由于存在于随时间变化的傅立叶频谱中的电失真(开关噪声)引起。在步骤1010，数据处理装置可运行用于通过对基于感测数据绘制的随时间变化的傅立叶频谱进行分析，来识别对应随时间变化的傅立叶频谱上的现象的至少一个局部最大值。在步骤1012，数据处理装置可运行用于计算随时间变化的傅立叶频谱上出现相同现象的位置，以创建可能局部最大值族；对多个局部最大值的族的这种聚集的识别，有利于提供更可靠的预测，并因此避免可能花费高昂成本和/或时间来解决的假警报(即“误报”)。在步骤1014，数据处理装置可运行用于从对应该现象的可能局部最大值族中识别有效局部最大值，并从有效局部最大值的幅度生成分析数据。在步骤1016，数据处理装置可运行用于基于分析数据生成电力设备的实时模型。在步骤1018，数据处理装置可运行用于访问电力设备的运行的一个或多个存储模型，并将实时模型与一个或多个存储模型进行比较，以生成指示电力设备的运行状态的信息。
本公开的实施例涉及一种能够减少二氧化碳(CO2)排放的技术，其结果是以更高的效率改善电力设备(例如电动机)的运作，并且避免不必要的维护。
尽管前面描述了对单个电力设备的感测和监控，但是应当理解，电气状况监测系统100能够被布置(即被配置成)使得感测装置106感测耦接到多个电力设备的连接点的电流和/或电压；例如，感测装置(例如，实现为电压探针和/或钳形电流传感器)106被耦接在主电气接线盒处，该主电气接线盒向一批电力设备供电或从一批电力设备接收电力。在这样的实施例中，滤波模块204、频谱分析模块206、实时模型生成模块208以及模型比较模块210都被布置成采用对应多个电力设备集合的一个或多个模型。然而，电力设备可能在相互不同的状态下运行(例如，一些电动机或发电机是静止的，而另一些电动机或发电机可在相互不同的功率大小或转速下运行)，这使得系统100的运行更加复杂。然而，这种运行方式具有潜在的成本效益，因为安装感测装置106可能是昂贵的人员密集型(即劳动密集型)活动，例如在还需要远程遥测的情况下。
换言之，系统100能够连接到多个电动机、多个发电机或者一个或多个电动机与一个或多个发电机的组合，并诊断在任何一个电动机和/或发电机中出现的故障或其他现象。感测装置106例如方便地连接在与多个电动机、多个发电机或它们的组合相关的配电盘上。
部署系统100来同时监测和诊断多个电力设备会更加复杂，因为从感测装置106生成的关于多个电力设备的信号被有效地聚合，即相互合并成单个信号。系统100能够从这样的聚合信号中以一种有意义的方式识别各个参数。当不同的电动机，可选地，不同的发电机，或者这两者都驱动不同类型的设备时，每种类型的设备的配置文件是不同的，并且至少与设备相关的一些故障频率是不同的。通过依次建立每个电动机或作了必要修改的发电机的配置文件，系统100能够建立当时运行的所有电动机或作了必要修改的发电机的总的预期配置文件，然后将其与实际的整体配置文件(即频谱)进行比较。如果电动机或作了必要修改的发电机正在驱动相同类型的设备或正被相同类型的设备驱动，则每项设备的故障频率都是相同的。系统100能够识别故障的性质，但不能识别哪一个电动机或是作了必要修改的发电机应对故障负责。可选地，在系统100中，通过将故障信号在指定时间是否存在与在该指定时间哪些电动机或是作了必要修改的哪些发电机在运行或不运行进行关联，来缩小有故障的给定电动机或作了必要修改的给定发动机的范围。
系统100能够被运行用于确定和记录一组基线，该基线对应于与一个或多个电动机和/或一个或多个发电机有关的运行参数的组合范围。这种运行参数涉及例如给定电力设备的负载和转速之间的关系，例如表现为电力设备的电流和旋转频率之间的关系；在系统100中，通过将随后监测的测量值或导出的数据与这些基线进行比较，来执行随后的监测和诊断。
如上所述，实时模型生成模块208基于分析数据生成电力设备的实时模型。这种对应于基线信息的实时模型被方便地存储在计算硬件内的多变量单元中，在初始表征给定电力设备(例如电动机或发电机)的基本处理中，这些多变量单元通过实际测量，换句话说，通过传感器数据来填充。然而，在这种基本处理中没有遇到运行参数的每个相关组合的情况下，通过合适的数学方法可选地创建适合于未遇到的运行参数组合的数据；这种数学方法可选地实现如下，例如：
(i)采用了一种根据附近(例如，相邻)多变量单元中的基线数据进行内插或外推的处理，来创建在关注的运行参数范围内的外推多变量单元的矩阵。可选地，使用更新处理，用初始基本处理完成之后随后收集的实际数据，来更新该外推多变量单元矩阵；或
(ii)采用了一种以等效的三维或多维“表面”的形式(概念上)在监测测量值或导出数据与运行参数之间建立数学关系的处理。然后，这种关系被用于计算监测测量值和/或导出数据的值，这些值是前述运行参数值的任何组合所期望的。
应当理解，通过解释“模型参数”，这些可以是系统100中使用的数学模型的参数，或者可以是描述给定电动机或发电机的物理量的参数，例如转子电阻、转子电抗、定子电阻、定子电抗。
还应当理解，电气状态监测系统100(即作为诊断系统的一种形式运行)，识别具有电流波形的感测电流信号中的失真(该失真不是由具有电压波形的相应电压信号的失真引起的)，以创建剩余电流信号，然后该剩余电流信号用于执行进一步的分析。给定电力设备中的时间性变化，(例如施加到电动机的负载或发电机的输出)，导致电力设备所汲取或由电力设备供应的总电流的变化，而不会导致电压信号的显著变化，因此这种负载或输出变化导致剩余电流的明显变化。在早期已知的诊断系统中，这些明显变化可能导致错误的故障识别。本公开的实施例通过捕获一系列的“典型”读数及其相关的频谱和模型参数，并将代表频谱和模型参数的相关数据存储在矩阵的各个单元中，该矩阵限定负载和转速(即旋转频率)之间的关系或输出和转速(即旋转频率)之间的关系。可选地，本公开的实施例为电动机的负载和转速或作了必要修改的为发电机的输出和转速的每个组合捕获多组数据，并对该多组数据进行平均或聚合，作为电气状态监测系统100内采用的基本处理的一部分。然后，问题的诊断是在系统100中基于任何特定时间的读数与为给定电动机的负载和转速的组合或作了必要修改的给定发动机的输出和转速的组合建立的基线的比较。前述矩阵中采用的单元数量越多，监测读数和基线读数之间的比较就越接近，因此系统100在运行时提供的诊断就越有效。然而，矩阵中单元的数量越多，在基本处理中遇到所有单元的可能性越低，因此需要以某种方式填充这些空单元，例如通过使用前面提及的外推或内插的方式。
如上所述，在系统100内采用的用于识别电流波形上的失真(该失真不是由相应电压波形上的失真引起)的数学方法涉及创建电压测量值和电流测量值之间的关系的数学模型。此外，如上所述，这些模型利用多个模型参数，每次使用系统100进行测量时，这些模型参数的值可能会随时间改变。通过将这种模型参数与电动机或作了必要修改的发动机的物理模型相关联，可以评估诸如转子电阻、定子电阻等的物理参数的值，特别是通过识别可能与潜在物理变化相关的模型参数的变化。
例如，这种变化的检测允许检测电气绝缘故障的早期阶段，例如转子和/或定子电气绕组故障；这种早期检测是通过在一定频率范围内测量绝缘的电容和电阻，以及通过使用已经存在于电压和电流信号中的谐波来分析不同频率分量范围内的电压和电流之间的关系来实现的，例如通过对系统100捕获的测量电流和电压信号执行前述傅立叶分析来分离。相比之下，评估绝缘完整性的传统“简单”方法涉及测量从邻接绝缘层的导体到地的电阻。这种电阻通常非常大，即为兆欧姆量级。如果绝缘层已经失效，绝缘层的电阻将会非常小，可能只有几欧姆量级；通常，绝缘层是一种聚合物塑料材料，可以分解成电导体的碳。这种传统技术不擅长识别逐渐劣化的情况，因此在给出绝缘击穿预测性警告方面没有很大帮助；此外，这些传统技术通常只有在给定电动机与给电动机供电的电源断开时，或作了必要修改的给定发电机与给定发电机供电的电网断开时才可行。因此，应当理解，系统100能够提供电动机(或作了必要修改的发电机)绝缘完整性的实时连续监测。
可在系统100中采用更灵敏的技术，用于更早地检测给定绝缘层的劣化，并因此给出即将出现的问题的早期警告，这依赖于给定绝缘层在一段时间内逐渐发生化学变化的特性，例如由于化学氧化处理和/或金属迁移过程。这些化学变化导致给定绝缘层的电气行为发生变化；原则上，给定绝缘层所表现出的电容减小，并且其电阻行为发生变化，例如增加或减少，这导致使用时施加到绝缘层上的电压和流经它的(非常小，例如纳安或微安)泄电流之间的相角(或“tanδ”)发生变化。系统100被配置成运行用于测量该相角(或“tanδ”)。
在系统100中实现的计算是基于理想绝缘体的行为，理想绝缘体从概念上被认为是以矩阵方式串联和并联连接的小电容元件的阵列。由于存在所有的电容元件，如果将DC电压施加到理想绝缘体上，则不存在DC电流；然而，当交流电压施加到理想绝缘体上时，将会有电容性电流流动，该电流将随着交流频率的增加而增加(计算基础：I＝C.dv/dt，其中I是电流，C是电容，以及dv/dt是施加到电容C的电压变化的时间速率)。作为纯电容电流，它将与施加的电压信号成90度(90°)的正交角流动，其中电流超前电压(便于理解的工程提示：“CIVIL”-在电容器中，C、I在V之前；在电感器中，L、V在I之前；其中V是交流正弦电压，I是交流正弦电流)。在一段时间内，当使用理想绝缘层时，理想绝缘层中的化学变化导致这些小电容元件中的一些在性质上变成小电阻元件。尽管只有少数电容元件变成了电阻元件，但仍然没有直流电(DC)通过老化的理想绝缘层到地的路径，但是交流(AC)电流现在将具有不同的相角，因为一些AC电流是现在流经电阻元件的。通过在不同频率获取多个读数，可以计算电容元件和电阻元件的值以及相角。一种评估早期绝缘问题的技术已经被专业的台式测试器使用，用于在车间中测试电动机，或者电动机仍然放在原位但被断电时(即，与电源断开)测试。专业的台式测试器跨接在电动机的导体和地之间。传统上，一系列测试信号在一定频率范围内施加，由此可以评估绝缘层的“健康状况”(即老化程度)。与这种传统方法相反，系统100能够通过利用施加到绝缘层上的交流电压中的测量的谐波分量，在正常运行期间评估绝缘层的健康状况(即，“老化”)，从而评估绝缘层的电容元件和电阻元件，即，可从与绝缘层相关的电流和电压信号之间的前述“tanδ”角来确定。
可选地，系统100测量当耦接到系统100的给定电动机或发电机启动运行时的瞬态，例如从静止旋转加速到旋转运行状态。前述用于描述给定电动机或给定发电机的模型(即，由实时模型生成模块208提供并由系统100的模型比较模块210使用的模型)有利地包括基线中的参数，该参数描述给定电动机或给定发电机的瞬时启动特性(可选地关断特性)。系统100的这种运行方式能够识别开关设备中的潜在故障，这些开关设备分别向给定电动机输送电力或从给定发电机接收电力。
前面提及的多变量单元不仅限于电流测量值和电压测量值，无论是从测量直接获得，还是通过对相邻多变量单元的数据进行内插或外推生成，而且可选地还额外基于以下中至少一项：温度测量值、湿度测量值、振动测量值。例如，温度测量值允许考虑绕组元件的电阻率系数，以及湿度测量值使得更精确地建模绝缘层(因为极化水分子能够调节老化和受损绝缘材料的传导特性)。
在不脱离由所附权利要求限定的本公开的范围的情况下，可以对上文中描述的本公开的实施例进行修改。诸如“包括”、“包含”、“结合”、“具有”、“是”的用于描述和要求保护本公开的表述，旨在以非排他性的方式进行解释，即允许未明确描述的项、组件或元件也存在。诸如“可以”的表述应被解释为意指“可选地”、“可选的”、“能够”、“有……能力”，视情况而定。对单数的参考也应解释为涉及复数。

Claims (33)

1.一种电气状态监测系统，能连接到电力设备并且被配置成当所述电力设备运行时监测所述电力设备，其中：
(i)所述电气状态监测系统包括感测装置，所述感测装置随时间感测对所述电力设备和/或来自所述电力设备的电力供应，并通过处理供应到所述电力设备和/或来自所述电力设备的感测的所述电力供应而生成相应的感测数据，其中所述感测数据包括与供应到所述电力设备和/或从所述电力设备供应的电压和电流中至少一者相关的信息；
(ii)所述电气状态监测系统包括数据处理装置，所述数据处理装置包括数据处理器，所述数据处理器被配置成处理所述感测数据以生成相应的随时间变化的傅立叶频谱，所述随时间变化的傅立叶频谱包括供应到所述电力设备和/或从所述电力设备供应的所述电流和电压中至少一者的信号谐波分量，并且所述数据处理器被配置成处理所述信号谐波分量的幅度和频率的时间性变化，以生成表示所述电力设备的运行的分析数据；以及
(iii)用户接口，被配置用于用户录入用于对所述分析数据进行分析的输入，并且所述数据处理器被配置成基于所述输入来分析所述分析数据，以获得指示所述电力设备的运行状态的信息；
其特征在于：
(iv)所述数据处理装置用以用于至少部分地滤除所述信号谐波分量的幅度和频率中的变化，所述变化是由于所述随时间变化的傅立叶频谱中存在的电失真引起的；
(v)所述数据处理装置用于通过分析基于所述感测数据绘制的所述随时间变化的傅立叶频谱，来识别对应所述随时间变化的傅立叶频谱上的现象的至少一个局部最大值；
(vi)所述数据处理装置用于计算在所述随时间变化的傅立叶频谱上出现相同现象的位置，以创建可能局部最大值族；
(vii)所述数据处理装置用于从对应于所述现象的所述可能局部最大值族中识别有效局部最大值，并从所述有效局部最大值的幅度生成所述分析数据；
(viii)所述数据处理装置用于基于所述分析数据生成所述电力设备的实时模型；以及
(ix)所述数据处理装置用于访问所述电力设备的运行的一个或多个存储模型，并将所述实时模型与所述一个或多个存储模型进行比较，以生成指示所述电力设备的运行状态的信息。
2.根据权利要求1所述的电气状态监测系统，其特征在于，在(ii)中，供应到所述电力设备和/或从所述电力设备供应的所述电流和电压中的至少一者是计算的剩余电流或剩余电压，其中通过将所述电力设备的预测电流的模型与测量电流进行比较，来计算所计算的剩余电流或剩余电压，以生成剩余电流数据或剩余电压数据。
3.根据权利要求1或2所述的电气状态监测系统，其特征在于，所述数据处理装置计算所述实时模型与所述一个或多个存储模型之间的参数差，并生成描述所述参数差的预测模型，以生成指示所述电力设备的运行状态的信息。
4.根据权利要求3所述的电气状态监测系统，其特征在于，所述数据处理装置生成一个或多个警报，所述一个或多个警报涉及：
(a)所述电力设备的能量使用趋势和/或发电趋势；
(b)所述电力设备造成和/或节省的二氧化碳(当量)产生；
(c)所述电力设备的维护、更换或修理；以及
(d)所述电力设备的绝缘状态。
5.根据权利要求1至4中任一项所述的电气状态监测系统，其特征在于，所述用户接口被配置用于用户录入用户定义的参数，以在所述电气状态监测系统的数据库中生成一系列多变量单元，并且所述数据处理装置被配置成对感测数据相应的多变量单元中的所述电力设备的感测数据进行更新，其中所述多变量单元存储与所述感测数据相关的所述随时间变化的傅立叶频谱以及与所述电力设备相关的所述一个或多个存储模型。
6.根据权利要求5所述的电气状态监测系统，其特征在于，所述数据处理装置被配置成用所述分析数据来对分析数据相应的多变量单元中预先存在的分析数据进行更新，以生成所述感测数据的更新的平均值和标准偏差。
7.根据权利要求5所述的电气状态监测系统，其特征在于，所述数据处理装置被配置成通过外推和/或内插，根据相邻多变量单元计算未填充的多变量单元的数据，所述未填充的多变量单元基于以下至少一项：电压测量值、电流测量值、频率测量值。
8.根据权利要求1至7中任一项所述的电气状态监测系统，其特征在于，所述数据处理装置被配置成基于计算的频率，抽取所述感测数据中的数据点，以确定用于生成所述随时间变化的傅立叶频谱的多个相关数据点。
9.根据权利要求1至8中任一项所述的电气状态监测系统，其特征在于，所述电力设备包括以下至少一项：同步一相电动机、同步多相电动机、同步三相电动机、开关磁阻电动机、开关步进电动机、直流电动机、压缩机、泵、风扇、传送机、搅拌机、搅拌器、鼓风机、混合器、永磁(PM)电动机、永磁发电机、电力变压器、空调、通风机、烤箱、太阳能电池板、同步一相发电机、同步多相发电机、同步三相发电机、直流发电机、永磁(PM)发电机。
10.根据权利要求1至9中任一项所述的电气状态监测系统，其特征在于，所述用户接口被配置用于用户录入描述所述电力设备的机械参数，其中所述机械参数包括以下至少一项：通用标称工作电压、通用标称工作电流、通用标称供电频率、通用标称转速、所述电力设备的叶轮上的叶片数量、所述电力设备的轴承类型代码或所述电力设备的皮带传动尺寸。
11.根据权利要求1至9中任一项所述的电气状态监测系统，其特征在于，所述用户接口被配置用于用户录入描述将由所述数据处理装置执行的分析类型的机械参数，其中所述分析类型允许所述用户设置时间分辨率和感测数据样本长度。
12.根据权利要求10所述的电气状态监测系统，其特征在于，所述用户接口允许所述用户以高达10兆赫兹的采样速率设置来自所述电力设备的电压和/或电流读数。
13.根据前述任一项权利要求所述的电气状态监测系统，其特征在于，所述用户接口允许所述用户选择以实现在所述数据处理装置中计算的所述感测数据的D-Q相位变换和A-B相位变换，其中所述D-Q相位变换将三相定子和转子量转换到单个旋转参考系中，以消除时变电感的影响，其中所述A-B相位变换指的是为简化所述三相定子和转子的分析而执行的数学变换。
14.根据前述任一项权利要求所述的电气状态监测系统，其特征在于，所述数据处理装置被配置成创建从所述电力设备获得的电压和电流信号之间的一种或多种关系的线性模型。
15.根据前述任一项权利要求所述的电气状态监测系统，其特征在于，所述数据处理装置被配置成计算以下至少一项的分析：子空间状态空间系统识别(N4SID)的数值算法、多变量输出误差状态空间(MOESP)算法、过去输出多变量输出误差状态空间(PO-MOESP)算法或规范变量分析(CVA)，以基于所述感测数据生成所述实时模型。
16.根据前述任一项权利要求所述的电气状态监测系统，其特征在于，所述数据处理装置用于：
(i)生成描述所述电力设备的线性模型；
(ii)使用所述线性模型根据从所述电力设备获得的测量电压，创建所述电力设备的预测电流模型；
(iii)将所述电力设备的所述预测电流模型与测量电流进行比较，以创建剩余电流数据；
(iv)对所述剩余电流数据执行快速傅立叶变换(FFT)，以创建所述随时间变化的傅立叶频谱；
(v)使用爬行技术识别所述随时间变化的傅立叶频谱上的所述至少一个局部最大值，以将整个所述随时间变化的傅立叶频谱分成在局部最小值处彼此连接的局部最大值，其中所述爬行技术通过确定朝向所述至少一个局部最大值增加的值或从所述至少一个局部最大值减小的值，来识别所述随时间变化的傅立叶频谱上的所述至少一个局部最大值；
(vi)根据绝对值或与平均值的标准偏差数确定所述有效局部最大值；以及
(vii)利用所述用户接口中的现象描述来标记所述有效局部最大值，以便呈现给所述用户。
17.一种使用电气状态监测系统的方法，所述电气状态监测系统能连接到电力设备并且被配置成当所述电力设备运行时监测所述电力设备，其中所述方法包括：
(i)使用所述电气状态监测系统的感测装置随时间感测对所述电力设备和/或来自所述电力设备的电力供应，并通过处理对所述电力设备和/或来自所述电力设备的感测的所述电力供应来生成相应的感测数据，其中所述感测数据包括与供应到所述电力设备和/或从所述电力设备供应的电压和电流中的至少一者相关的信息；
(ii)使用所述电气状态监测系统的数据处理装置的数据处理器处理所述感测数据，以生成相应的随时间变化的傅立叶频谱，所述随时间变化的傅立叶频谱包括供应到所述电力设备和/或从所述电力设备供应的所述电流和电压中至少一者的信号谐波分量，并且所述数据处理器处理所述信号谐波分量的幅度和频率的时间性变化，以生成表示所述电力设备的运行的分析数据；以及
(iii)配置用户接口，以用于用户录入用于对所述分析数据进行分析的输入，并使用所述数据处理器基于所述输入来分析所述分析数据，以获得指示所述电力设备的运行状态的信息；
其特征在于，所述方法包括：
(iv)操作所述数据处理装置，以至少部分地滤除所述信号谐波分量的幅度和频率中的变化，所述变化是由于在所述随时间变化的傅立叶频谱中存在的电失真引起；
(v)操作所述数据处理装置，以通过分析基于所述感测数据绘制的所述随时间变化的傅立叶频谱，来识别对应于所述随时间变化的傅立叶频谱上的现象的至少一个局部最大值；
(vi)操作所述数据处理装置，以计算在所述随时间变化的傅立叶频谱上出现相同现象的位置，以生成可能局部最大值族；
(vii)操作所述数据处理装置，以从对应所述现象的所述可能局部最大值族中识别有效局部最大值，并从所述有效局部最大值的幅度生成所述分析数据；
(viii)操作所述数据处理装置，以基于所述分析数据生成所述电力设备的实时模型；以及
(ix)操作所述数据处理装置，以访问所述电力设备的运行的一个或多个存储模型，并将所述实时模型与所述一个或多个存储模型进行比较，以生成指示所述电力设备的运行状态的信息。
18.根据权利要求17所述的方法，其特征在于，在(ii)中，供应到所述电力设备和/或从所述电力设备供应的所述电流和电压中的至少一者是计算的剩余电流或剩余电压，其中通过将所述电力设备的预测电流的模型与测量电流进行比较，来计算出计算的剩余电流，以生成剩余电流数据或剩余电压数据。
19.根据权利要求17或18所述的方法，其特征在于，所述方法包括使用所述数据处理装置来计算所述实时模型与所述一个或多个存储模型之间的参数差，并生成描述所述参数差的预测模型，以生成指示所述电力设备的运行状态的信息。
20.根据权利要求19所述的方法，其特征在于，所述方法包括使用所述数据处理装置以从所述预测模型生成一个或多个警报，所述一个或多个警报涉及：
(a)所述电力设备的能量利用趋势；
(b)所述电力设备造成和/或节省的二氧化碳(当量)产生；
(c)所述电力设备的维护、更换或修理；以及
(d)所述电力设备的绝缘状态。
21.根据权利要求17至20中任一项所述的方法，其特征在于，所述方法包括配置所述用户接口，用于用户录入用户定义的参数，以便在所述电气状态监测系统的数据库中生成一系列多变量单元，并使用所述数据处理装置来对感测数据相应的多变量单元中的所述电力设备的感测数据进行更新，其中所述多变量单元存储与所述感测数据相关的所述随时间变化的傅立叶频谱以及与所述电力设备相关的所述一个或多个存储模型。
22.根据权利要求21所述的方法，其特征在于，所述方法包括使用所述数据处理装置用所述分析数据来更新所述分析数据相应的多变量单元中预先存在的分析数据，以生成所述感测数据的更新的平均值和标准偏差。
23.根据权利要求21所述的方法，其特征在于，所述方法包括使用所述数据处理装置通过外推和/或内插，根据相邻多变量单元计算未填充的多变量单元的数据，所述未填充的多变量单元基于以下至少一项：电压测量值、电流测量值、频率测量值。
24.根据权利要求17至23中任一项所述的方法，其特征在于，所述方法包括使用所述数据处理装置基于计算的频率，抽取所述感测数据中的数据点，以确定用于生成所述随时间变化的傅立叶频谱的多个相关数据点。
25.根据权利要求17至24中任一项所述的方法，其特征在于，所述电力设备包括以下至少一项：同步一相电动机、同步多相电动机、同步三相电动机、开关磁阻电动机、开关步进电动机、直流电动机、压缩机、泵、风扇、传送机、搅拌机、搅拌器、鼓风机、混合器、永磁(PM)电机、永磁发电机、电力变压器、空调、通风机、烤箱、太阳能电池板、同步一相发电机、同步多相发电机、同步三相发电机、直流发电机、永磁(PM)发电机。
26.根据权利要求17至25中任一项所述的方法，其特征在于，所述方法包括配置所述用户接口，用于用户录入描述所述电力设备的机械参数，其中所述机械参数包括以下至少一项：通用标称工作电压、通用标称工作电流、通用标称供电频率、通用标称转速、所述电力设备的叶轮上的叶片数量、所述电力设备的轴承类型代码和所述电力设备的皮带传动尺寸。
27.根据权利要求17至26中任一项所述的方法，其特征在于，所述方法包括配置所述用户接口，用于用户录入描述将由所述数据处理装置执行的分析类型的机械参数，其中所述分析类型允许所述用户设置时间分辨率和感测数据样本长度。
28.根据权利要求27所述的方法，其特征在于，所述方法包括使用所述用户接口，所述用户以高达125兆赫兹(125MHz)的采样速率设置来自所述电力设备的电压和/或电流读数。
29.根据权利要求17至28中任一项所述的方法，其特征在于，所述方法包括使用所述用户接口来允许所述用户选择实现在所述数据处理装置中计算的所述感测数据的D-Q相位变换和A-B相位变换，其中所述D-Q相位变换将三相定子和转子量转换到单个旋转参考系中以消除时变电感的影响，其中所述A-B相位变换指的是为简化所述三相定子和转子的分析而执行的数学变换。
30.根据前述权利要求17至29中任一项所述的方法，其特征在于，所述方法包括配置所述数据处理装置，以创建从所述电力设备获得的电压和电流信号之间的一种或多种关系的线性模型。
31.根据权利要求17至30中任一项所述的方法，其特征在于，所述方法包括配置所述数据处理装置来计算以下至少一项的分析：子空间状态空间系统识别(N4SID)的数值算法、多变量输出误差状态空间(MOESP)算法、过去输出多变量输出误差状态空间(PO-MOESP)算法或规范变量分析(CVA)，以基于所述感测数据生成所述实时模型。
32.根据权利要求17至31中任一项所述的方法，其特征在于，所述方法包括操作所述数据处理装置以用于：
(i)生成描述所述电力设备的线性模型；
(ii)使用所述线性模型根据从所述电力设备获得的测量电压，创建所述电力设备的预测电流模型；
(iii)将所述电力设备的所述预测电流模型与测量电流进行比较，以创建剩余电流数据；
(iv)对所述剩余电流数据执行快速傅立叶变换(FFT)，以创建所述随时间变化的傅立叶频谱；
(v)使用爬行技术识别所述随时间变化的傅立叶频谱上的所述至少一个局部最大值，以将整个所述随时间变化的傅立叶频谱分成在局部最小值处彼此连接的局部最大值，其中所述爬行技术通过确定朝向所述至少一个局部最大值增加的值或从所述至少一个局部最大值减小的值，来识别所述随时间变化的傅立叶频谱上的所述至少一个局部最大值；
(vi)根据绝对值或与平均值的标准偏差数确定所述有效局部最大值；以及
(vii)用所述用户接口中的现象描述标记所述有效局部最大值，以便呈现给所述用户。
33.一种计算机程序产品，包括存储有计算机可读指令的非暂时性计算机可读存储介质，所述计算机可读指令能由计算机化设备执行，所述计算机化设备包括处理硬件以执行权利要求17至32中的任一项所述的方法。
CN201980013866.7A 2018-02-18 2019-02-18 用于监测运行中的电力设备的运行状态的系统和方法 Active CN111758036B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1802619.5 2018-02-18
GB1802619.5A GB2571119B (en) 2018-02-18 2018-02-18 System and method for monitoring an operating condition of an electrical device when in operation
PCT/EP2019/053964 WO2019158751A1 (en) 2018-02-18 2019-02-18 System and method for monitoring an operating condition of an electrical device when in operation

Publications (2)

Publication Number Publication Date
CN111758036A true CN111758036A (zh) 2020-10-09
CN111758036B CN111758036B (zh) 2024-02-27

Family

ID=61783696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980013866.7A Active CN111758036B (zh) 2018-02-18 2019-02-18 用于监测运行中的电力设备的运行状态的系统和方法

Country Status (5)

Country Link
US (1) US20210018542A1 (zh)
EP (1) EP3797304B1 (zh)
CN (1) CN111758036B (zh)
GB (1) GB2571119B (zh)
WO (1) WO2019158751A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114747794A (zh) * 2022-04-21 2022-07-15 河南中烟工业有限责任公司 基于累计和策略的梗丝干燥机出口含水率控制方法

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11281275B2 (en) * 2019-10-10 2022-03-22 Dell Products L.P. System and method for using input power line telemetry in an information handling system
US11423495B2 (en) * 2019-11-18 2022-08-23 Rockwell Automation Technologies, Inc. System and method for generating single-line diagrams for an industrial automation system
EP3851921A1 (en) 2020-01-14 2021-07-21 UVUE Limited Distributed computer control system and method of operation thereof via collective learning
CN111898647B (zh) * 2020-07-07 2022-12-09 贵州电网有限责任公司 一种基于聚类分析的低压配电设备误告警识别方法
EP4124873A1 (en) * 2021-07-30 2023-02-01 Abb Schweiz Ag Monitoring system for a low voltage, medium voltage, or high voltage circuit breaker
EP4124874A1 (en) * 2021-07-30 2023-02-01 Abb Schweiz Ag Monitoring system for a low voltage, medium voltage, or high voltage circuit breaker
CN113759196B (zh) * 2021-09-08 2022-09-13 山东大学 一种高压电气设备实验装置及其实验方法
CN115563511B (zh) * 2022-12-05 2023-03-10 广州水沐青华科技有限公司 一种基于机器学习的边缘侧电力指纹识别方法及装置
CN117768930B (zh) * 2023-12-27 2024-07-19 珠海市众知科技有限公司 基于无线通讯网络的电力设备测试系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4761703A (en) * 1987-08-31 1988-08-02 Electric Power Research Institute, Inc. Rotor fault detector for induction motors
US5629870A (en) * 1994-05-31 1997-05-13 Siemens Energy & Automation, Inc. Method and apparatus for predicting electric induction machine failure during operation
US20060071666A1 (en) * 1999-09-28 2006-04-06 Reliance Electric Technologies, Llc Detection of pump cavitation/blockage and seal failure via current signature analysis
CN101685138A (zh) * 2008-09-26 2010-03-31 浙江师范大学 一种交流发电机组电气性能的测试方法
CN102735930A (zh) * 2011-04-11 2012-10-17 通用汽车环球科技运作有限责任公司 使用频谱分析的交流发电机速度估计

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6144924A (en) * 1996-05-20 2000-11-07 Crane Nuclear, Inc. Motor condition and performance analyzer
US9104650B2 (en) * 2005-07-11 2015-08-11 Brooks Automation, Inc. Intelligent condition monitoring and fault diagnostic system for preventative maintenance
EP2725370B1 (en) * 2012-10-26 2015-01-14 ABB Technology AG A method for the diagnostics of electromechanical system based on impedance analysis
WO2014201455A1 (en) * 2013-06-14 2014-12-18 Larimore Wallace E A method and system of dynamic model identification for monitoring and control of dynamic machines with variable structure or variable operation conditions
EP2919026B1 (en) * 2014-03-11 2021-10-27 ABB Schweiz AG Method and system for determining a synchronous machine fault condition
US20180322231A1 (en) * 2015-10-30 2018-11-08 Faraday&Future Inc. Interior magnet machine design with low core losses
EP3378040A4 (en) * 2015-11-20 2020-01-22 Integrated Dynamic Electron Solutions, Inc. TEMPORAL COMPRESSION DETECTION SYSTEMS
GB2560559A (en) * 2017-03-15 2018-09-19 Zenith Oilfield Tech Limited Methods and systems for monitoring the performance of electric motors

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4761703A (en) * 1987-08-31 1988-08-02 Electric Power Research Institute, Inc. Rotor fault detector for induction motors
US5629870A (en) * 1994-05-31 1997-05-13 Siemens Energy & Automation, Inc. Method and apparatus for predicting electric induction machine failure during operation
US20060071666A1 (en) * 1999-09-28 2006-04-06 Reliance Electric Technologies, Llc Detection of pump cavitation/blockage and seal failure via current signature analysis
CN101685138A (zh) * 2008-09-26 2010-03-31 浙江师范大学 一种交流发电机组电气性能的测试方法
CN102735930A (zh) * 2011-04-11 2012-10-17 通用汽车环球科技运作有限责任公司 使用频谱分析的交流发电机速度估计

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114747794A (zh) * 2022-04-21 2022-07-15 河南中烟工业有限责任公司 基于累计和策略的梗丝干燥机出口含水率控制方法
CN114747794B (zh) * 2022-04-21 2022-12-27 河南中烟工业有限责任公司 基于累计和策略的梗丝干燥机出口含水率控制方法

Also Published As

Publication number Publication date
EP3797304A1 (en) 2021-03-31
WO2019158751A1 (en) 2019-08-22
CN111758036B (zh) 2024-02-27
GB201802619D0 (en) 2018-04-04
EP3797304B1 (en) 2023-10-04
WO2019158751A4 (en) 2019-10-03
US20210018542A1 (en) 2021-01-21
EP3797304C0 (en) 2023-10-04
GB2571119A (en) 2019-08-21
GB2571119B (en) 2020-04-29

Similar Documents

Publication Publication Date Title
CN111758036B (zh) 用于监测运行中的电力设备的运行状态的系统和方法
EP3775944B1 (en) System and method for monitoring an operating condition of at least one electrical device using a data server arrangement
US7042229B2 (en) System and method for on line monitoring of insulation condition for DC machines
Pezzani et al. Detecting broken rotor bars with zero-setting protection
EP2728367B1 (en) A method for detecting a fault condition in an electrical machine
WO2008148075A1 (en) Machine condition assessment through power distribution networks
JPWO2014156386A1 (ja) 電動機の診断装置および開閉装置
JP6945371B2 (ja) 回転機システムの診断装置、電力変換装置、回転機システム、および回転機システムの診断方法
JP2005251185A (ja) 電気設備診断システム
US20050218906A1 (en) System and method for monitoring of insulation condition
EP2942867A2 (en) Induction motor speed estimation
CN110456270B (zh) 一种电机绝缘在线监测方法及装置
CN114616476A (zh) 同步机器中的故障检测
CN106771895A (zh) 一种基于磁场谐波检测的电缆老化检测方法
Bhole et al. Motor current signature analysis for fault detection of induction machine–a review
US20200341063A1 (en) Systems and methods for analyzing operation of motors
CN110749810A (zh) 一种调相机绝缘故障预测方法及系统
Shehata et al. Detection of induction motors rotor/stator faults using electrical signatures analysis
Sawyer et al. Creating low-cost energy-management systems for homes using non-intrusive energy monitoring devices
Chaouche et al. Finite element method to construct a lumped parameter ladder network of the transformer winding
RU2532762C1 (ru) Способ диагностики и оценки остаточного ресурса электроприводов переменного тока
Shaikh et al. Detection Of Severe Ground Insulation Deterioration Before Failure in VFD-Fed Motors Using Off-line Common-Mode Voltage
Drif et al. Rotor cage fault diagnostics in three-phase induction motors, by the instantaneous phase-angle signature analysis
Rauf et al. Health Monitoring of Induction Motor Using Electrical Signature Analysis.
Bikfalvi et al. Rotor Fault Detection in Induction Machines: Methods and Techniques-State-of-the-Art

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
GR01 Patent grant
GR01 Patent grant