CN112504511B - 一种发电机定子温度监测方法、装置及介质 - Google Patents
一种发电机定子温度监测方法、装置及介质 Download PDFInfo
- Publication number
- CN112504511B CN112504511B CN202011473140.2A CN202011473140A CN112504511B CN 112504511 B CN112504511 B CN 112504511B CN 202011473140 A CN202011473140 A CN 202011473140A CN 112504511 B CN112504511 B CN 112504511B
- Authority
- CN
- China
- Prior art keywords
- temperature
- real
- time
- stator
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000012544 monitoring process Methods 0.000 title claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 239000000498 cooling water Substances 0.000 claims description 35
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 238000004804 winding Methods 0.000 claims description 18
- 239000002826 coolant Substances 0.000 claims description 16
- 239000002609 medium Substances 0.000 claims description 13
- 238000012806 monitoring device Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 239000012526 feed medium Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 8
- 230000005856 abnormality Effects 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011418 maintenance treatment Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- 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
- Y02E10/20—Hydro energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本申请公开了一种发电机定子温度监测方法，在获取到发电机定子的基准运行数据之后，将其转换为标准温度数据；在获取到发电机定子线棒的实时运行数据之后，将其转换为同基准条件下的实时温度数据。如果实时温度数据与标准温度数据的偏差超过第一预设阈值，即可判定发电机线棒温度为异常数据，通过该方法用户可以及时发现发电机线棒故障初期运行数据的轻微变化，有效预警线棒堵塞、过负荷等缺陷引起的温度异常，为发电机定子线棒安全运行提供技术保障。
Description
技术领域
本申请涉及电力设备检测技术领域，特别是涉及一种发电机定子温度监测方法、装置及介质。
背景技术
发电机作为电厂主设备，其健康状况对于机组安全、可靠、高效运行具有重大意义。在发电机本体故障类型中，发电机过负荷运行、冷却系统堵塞、断水等引起的过热故障一旦出现，会引起定子绕组温度迅速升高，损坏绝缘部分和导体，造成发电机及其连接的电气设备故障，对电网造成冲击。另外，因发电机故障需要较长的检修周期和极高的检修成本，如果不能及早发现处理，将带来极大隐患。
传统方法中，大型汽轮发电机中安装有大量测温元件，机组普遍将相关温度测点信号纳入分布式控制系统(DCS，Distributed Control System)，但针对发电机的温度预警功能仅限于实时温度监控数据异常或超过某设定最大阈值的报警，缺少对早期潜在故障的诊断与预警能力，且不能完全反映温度的真实分布情况及过热点的位置和温度大小，对现场环境、设备仪器要求也各有不同，通用性较差，检测结果准确度不高，存在一定局限性和不足。
发明内容
本申请的目的是提供一种发电机定子温度监测方法、装置及介质，可以及时发现发电机出现故障初期的运行数据的变化，有效提高预警准确率，为发电机定子安全运行提供技术保障。
为解决上述技术问题，本申请提供一种发电机定子温度监测方法，包括：
获取所述发电机定子的基准运行数据，并将所述基准运行数据转换为标准温度数据；
获取所述发电机定子的实时运行数据，并将所述实时运行数据转换为实时温度数据；
当所述实时温度数据与所述标准温度数据之间的偏差大于第一预设阈值时，判定所述发电机定子的温度异常。
优选地，所述将所述基准运行数据转换为标准温度数据，具体为：
依据所述基准运行数据，利用最小二乘法进行非线性拟合及参数辨识，生成标准温度曲线；
则所述将所述实时运行数据转换为实时温度数据，具体为：
依据所述实时运行数据，利用最小二乘法进行非线性拟合及参数辨识，生成实时温度曲线。
优选地，还包括：
当所述实时温度数据与所述标准温度数据之间的偏差大于第二预设阈值且小于所述第一预设阈值时，判定所述发电机定子的温度波动；
其中，所述第二预设阈值小于所述第一预设阈值。
优选地，还包括：设置第一误差、第二误差、第一阈值和第二阈值；其中，所述第一误差小于所述第二误差，所述第一阈值小于所述第二阈值；
则所述当实时温度数据与标准温度数据之间的偏差大于第一预设阈值时，判定所述发电机定子的温度异常，具体为：
预设时间内，与所述标准温度数据之间的偏差超过所述第二误差的实时温度数据与所有实时温度数据的比值大于所述第二阈值时，判定所述发电机定子的温度异常；
则所述发电机定子温度监测方法还包括：
预设时间内，与所述标准温度数据之间的偏差超过所述第二误差的实时温度数据与所有实时温度数据的比值大于所述第一阈值且小于所述第二阈值，或与所述标准温度数据之间的偏差超过所述第一误差的实时温度数据与所有实时温度数据的比值大于所述第二阈值时，判定所述发电机定子的温度波动；
预设时间内，与所述标准温度数据之间的偏差超过所述第一误差的实时温度数据与所有实时温度数据的比值小于所述第二阈值，且与所述标准温度数据之间的偏差超过所述第二误差的实时温度数据与所有实时温度数据的比值小于所述第一阈值时，判定所述发电机定子的温度良好。
优选地，在所述获取发电机的实时运行数据之后，还包括：
对所述实时运行数据进行筛选以得到有效运行数据。
优选地，所述基准运行数据具体包括：定子电流、定子冷却水流量、冷却介质温度、定子冷却水进水温度和定子绕组出水口温度；
所述实时运行数据具体包括：实时定子电流、实时定子冷却水流量、实时冷却介质温度、实时定子冷却水进水温度和实时定子绕组出水口温度。
优选地，所述基准运行数据具体包括：定子电流、定子冷却水流量、冷却介质温度、定子冷却水进水温度和定子线棒温度；
所述实时运行数据具体包括：实时定子电流、实时定子冷却水流量、实时冷却介质温度、实时定子冷却水进水温度和实时定子线棒温度。
为解决上述技术问题，本申请还提供一种发电机定子温度监测装置，包括：
第一获取模块，用于获取所述发电机定子的基准运行数据，并将所述基准运行数据转换为标准温度数据；
第二获取模块，用于获取所述发电机定子的实时运行数据，并将所述实时运行数据转换为实时温度数据；
判定模块，用于当所述实时温度数据与所述标准温度数据之间的偏差大于第一预设阈值时，判定所述发电机定子的温度异常。
为解决上述技术问题，本申请还提供一种发电机定子温度监测装置，包括存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如所述的发电机定子温度监测方法的步骤。
为解决上述技术问题，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如所述的发电机定子温度监测方法的步骤。
本申请所提供的发电机定子温度监测方法，在获取到发电机定子的基准运行数据之后，将其转换为标准温度数据；在获取到发电机定子线棒的实时运行数据之后，将其转换为同基准条件下的实时温度数据。如果实时温度数据与标准温度数据的偏差超过第一预设阈值，即可判定发电机线棒温度为异常数据，通过该方法用户可以及时发现发电机线棒故障初期运行数据的轻微变化，有效预警线棒堵塞、过负荷等缺陷引起的温度异常，为发电机定子线棒安全运行提供技术保障。
附图说明
为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种发电机定子温度监测方法的流程图；
图2为本申请实施例提供的发电机定子温度状态良好曲线示意图；
图3为本申请实施例提供的发电机定子温度状态异常曲线示意图；
图4为本申请实施例提供的一种发电机定子温度监测装置的结构示意图；
图5为本申请另一实施例提供的发电机定子温度监测装置的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本申请保护范围。
本申请的核心是提供一种发电机定子温度监测方法、装置及介质，可以及时发现发电机出现故障初期的运行数据的变化，有效提高预警准确率，为发电机定子安全运行提供技术保障。
需要说明的是，本申请所提供的发电机定子温度监测方法基于最小二乘法系统参数辨识实现。具体地，最小二乘法又称最小平方法，是一种经典的数据处理技术。它通过使多次实际观测值和计算值之间差值的平方乘以度量其精确度的数值以后的和为最小来寻找数据的最佳函数匹配。最小二乘法是解决曲线拟合问题最常用的方法。其基本思路是：
令
其中，是事先选定的一组线性无关的函数，ak是待定系数，(k＝1，2，…，m，m<n)，拟合准则是使(i＝1，2，…，n)与f(xi)的距离δi的平方和最小。
系统辨识模型根据满足预先规定要求的输出逆向寻找系统的特性设计控制输入。通常，预先给定一类已知结构的模型μ＝{M}，一类输入信号u和等价准则J＝L(y,yM)(一般情况下，J是误差函数，是过程输出y和模型输出yM的一个泛函)；然后选择使误差函数J达到最下的模型，作为辨识所要求的结果。系统辨识包括两个方面：结构辨识和参数估计。其中参数估计是在知道模型的结构后，用输入输出数据确定模型中的未知参数。实际测量都是有误差的，所以参数估计以统计方法为主。
为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。
图1为本申请实施例提供的一种发电机定子温度监测方法的流程图。如图1所示，该方法包括：
S10：获取发电机定子的基准运行数据，并将基准运行数据转换为标准温度数据。
在具体实施中，基准运行数据指的是发电机从零起升压至额定功率的过程中与发电机定子相关的标准数据。可以理解，基准运行数据应该尽可能全面的代表发电机正常运行时的状态，包括发电机启动到运行稳定以及关闭过程中的不同数据。获取方式可以是与故障录波器或者DCS系统等发电机运行数据在线检测系统进行数据通信，以获取发电机的基准运行数据，实际应用过程中还可以是用历史数据作为基准运行数据使用。无需增加额外测点，方便简单。获取不同工况下大量的基准运行数据后，将这些数据通过一定方式整合，转换为标准温度数据。具体可以是利用温度场法，即采用现代数值计算方法加上一些边界条件来求解热传导微分方程，从而得到发电机定子的标准温度数据，或者是利用最小二乘法，通过使多次实际观测值和计算值之间差值的平方乘以度量其精确度的数值以后的和为最小来寻找数据的最佳函数匹配，以对获取到的基准运行数据进行非线性拟合，得到标准温度曲线。
S11：获取发电机定子的实时运行数据，并将实时运行数据转换为实时温度数据。
本实施例中，实时温度数据可以是单个时间点的单组数据，还可以是一定时间内的多组数据，获取方式以及转换实时温度数据的方式与上述实施例中基准运行数据的获取以及转换方式一致，此处不再赘述。
S12：当实时温度数据与标准温度数据之间的偏差大于第一预设阈值时，判定发电机定子的温度异常。
在具体实施中，对实时温度数据与标准温度数据之间的偏差程度进行评估，如果偏差很大甚至超过第一预设阈值，则判定发电机定子的温度异常，需要尽快进行检修处理。
需要说明的是，本实施例对于第一预设阈值的具体数值不做限定，如果第一预设阈值过高，则可能对异常情况出现漏判，如果第一预设阈值过低，则可能出现误报。实际应用中，应考虑发电机的不同工况以及环境因素的综合影响，从而制定第一预设阈值的具体参数。
本申请所提供的发电机定子温度监测方法，在获取到发电机定子的基准运行数据之后，将其转换为标准温度数据；在获取到发电机定子线棒的实时运行数据之后，将其转换为同基准条件下的实时温度数据。如果实时温度数据与标准温度数据的偏差超过第一预设阈值，即可判定发电机线棒温度为异常数据，通过该方法用户可以及时发现发电机线棒故障初期运行数据的轻微变化，有效预警线棒堵塞、过负荷等缺陷引起的温度异常，为发电机定子线棒安全运行提供技术保障。
进一步地，将基准运行数据转换为标准温度数据，具体为：
依据基准运行数据，利用最小二乘法进行非线性拟合及参数辨识，生成标准温度曲线。
则将实时运行数据转换为实时温度数据，具体为：
依据实时运行数据，利用最小二乘法进行非线性拟合及参数辨识，生成实时温度曲线。
本实施例中，基准运行数据具体包括：定子电流I、定子冷却水流量F、冷却介质温度θH2、定子冷却水进水温度θw和定子绕组出水口温度θi五项参数。基准运行数据为一定时间内的多组数据。
利用最小二乘法进行非线性拟合及参数辨识的具体方式为：
利用最小二乘法获得各基准运行数据对应的参数：
令
其中，为不同时刻对应的一组基准运行数据，a1…e1为各基准运行数据对应的变量。
建立第i根定子绕组出水口温度模型：
其中，Ie为额定定子电流、Fe为额定定子冷却水流量，ai…ei为上述步骤中对应的变量。
从正常运行发电机的工况数据中选取大量有效样本数据，每组包括定子电流I、定子冷却水流量F、冷却介质温度θH2、定子冷却水进水温度θw和定子绕组出水口温度θi五项参数。
假设总共采集了n组实测值，实测值θi与标准参考值θj离差θi-θj的平方和：∑(θi-θj)2。根据最小二乘法的优化判据，当∑(θi-θj)2最小时，此时为最优解。
利用Matlab中已有最小二乘法参数辨识函数，对温度模型进行拟合计算，得到温度标准参考值拟合曲线方程式，进而得到标准温度曲线。
在具体实施中，基准运行数据还可以包括：定子电流I、定子冷却水流量F、冷却介质温度θH2、定子冷却水进水温度θw和定子线棒温度θi'五项参数。发电机第i根线棒的定子线棒温度模型与第i根线棒的定子绕组出水口温度模型算法一致，ai…ei根据各基准运行数据的不同而改变。
实时运行数据与上述基准运行数据相对应，实时运行数据具体包括：实时定子电流、实时定子冷却水流量、实时冷却介质温度、实时定子冷却水进水温度、实时定子绕组出水口温度或实时定子线棒温度。同上述方式，利用最小二乘法进行非线性拟合及参数辨识，得到发电机实测温度拟合曲线方程式，获得当前工况下的发电机定子的实时温度曲线。
图2为本申请实施例提供的发电机定子温度状态良好曲线示意图。图3为本申请实施例提供的发电机定子温度状态异常曲线示意图。如图2和图3所示，利用实时温度曲线和标准温度曲线之间的偏差，方便相关技术人员及时得知发电机定子的温度状况。
进一步地，在获取发电机的实时运行数据之后，还包括：
对实时运行数据进行筛选以得到有效运行数据。
本实施例中，将实时运行数据中不满足要求的数据进行剔除，主要是指发电机负荷短期内大幅度波动的数据，以此消除数据测量偶然性带来的误差，使得检测准确性较高。
本实施例所提供的发电机定子温度监测方法，利用发电机正常运行工况与温度异常状态下，各电气量的变化趋势，通过最小二乘法系统参数辨识，计算拟合发电机定子绕组标准温度参考值曲线及实测温度曲线，使得标准温度数据和实时温度数据能够直观的进行对比，方便相关技术人员及时得知发电机定子的温度状况。找出温度异常变化前后，标准温度与标准温度的差异，解决了发电机温度监测功能仅限于监控数值显示和超过某一较高阈值才会报警，无有效在线检测手段的问题。
在上述实施例的基础上，当实时温度数据与标准温度数据之间的偏差大于第二预设阈值且小于第一预设阈值时，判定发电机定子的温度波动；
其中，第二预设阈值小于第一预设阈值。
在具体实施中，若仅仅设定一个温度阈值，则会造成对实时温度数据与标准温度数据之间的偏差程度的评估不够全面。本实施例中，通过第一预设阈值和第二预设阈值进行评估。如果偏差较小，即偏差小于第二预设阈值，则说明发电机定子运行正常，如果偏差一般，即偏差大于第二预设阈值且小于第一预设阈值，则说明发电机定子的温度存在波动点，需要加强运行监测，缩短监测评价周期，如果偏差很大甚至超过第一预设阈值，则判定发电机定子的温度异常，需要尽快进行检修处理。
需要说明的是，本实施例对于第二预设阈值的具体数值不做限定，如果第二预设阈值过高，则可能对异常情况出现漏判，如果第二预设阈值过低，则可能出现误报。实际应用中，应考虑发电机的不同工况以及环境因素的综合影响，从而制定第二预设阈值的具体参数。
在上述实施例的基础上，作为一种优选地实施例，设置第一误差、第二误差、第一阈值和第二阈值；其中，第一误差小于第二误差，第一阈值小于第二阈值。
在具体实施中，设定第一误差r1＝±1℃，第二误差r2＝±2℃，第一阈值为5％，第二阈值为30％。
则当实时温度数据与标准温度数据之间的偏差大于第一预设阈值时，判定发电机定子的温度异常，具体为：
预设时间内，与标准温度数据之间的偏差超过第二误差的实时温度数据与所有实时温度数据的比值大于第二阈值时，判定发电机定子的温度异常。
则发电机定子温度监测方法还包括：
预设时间内，与标准温度数据之间的偏差超过第二误差的实时温度数据与所有实时温度数据的比值大于第一阈值且小于第二阈值，或与标准温度数据之间的偏差超过第一误差的实时温度数据与所有实时温度数据的比值大于第二阈值时，判定发电机定子的温度波动；
预设时间内，与标准温度数据之间的偏差超过第一误差的实时温度数据与所有实时温度数据的比值小于第二阈值，且与标准温度数据之间的偏差超过第二误差的实时温度数据与所有实时温度数据的比值小于第一阈值时，判定发电机定子的温度良好。
本实施例中，假设一段时间内共采集实时运行数据N组，假设超过第一误差r1的数据共有N1组，超过设定第二误差r2的数据共有N2组。若N1/N×100％＜30％且N2/N×100％＜5％，则判定发电机定子的温度良好；若N1/N×100％≥30％或5％≤N2/N×100％＜30％，则判定发电机定子的温度波动，需加强运行监测，缩短监测评价周期；若N2/N×100％≥30％，则定子绕组温度异常，需尽快进行检修处理。
本实施例所提供的发电机定子温度监测方法，通过设置第一误差和第二误差，更具体地对发动机定子的温度状况进行了区分和限定，使得对于发电机温度监测更加准确。
在上述实施例中，对于发电机定子温度监测方法进行了详细描述，本申请还提供发电机定子温度监测装置对应的实施例。需要说明的是，本申请从两个角度对装置部分的实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件的角度。
图4为本申请实施例提供的一种发电机定子温度监测装置的结构示意图。如图4所示，基于功能模块的角度，该装置包括：
第一获取模块10，用于获取发电机定子的基准运行数据，并将基准运行数据转换为标准温度数据；
第二获取模块11，用于获取发电机定子的实时运行数据，并将实时运行数据转换为实时温度数据；
判定模块12，用于当实时温度数据与标准温度数据之间的偏差大于第一预设阈值时，判定发电机定子的温度异常。
由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
本申请实施例提供的发电机定子温度监测装置，在获取到发电机定子的基准运行数据之后，将其转换为标准温度数据；在获取到发电机定子线棒的实时运行数据之后，将其转换为同基准条件下的实时温度数据。如果实时温度数据与标准温度数据的偏差超过第一预设阈值，即可判定发电机线棒温度为异常数据，通过该方法用户可以及时发现发电机线棒故障初期运行数据的轻微变化，有效预警线棒堵塞、过负荷等缺陷引起的温度异常，为发电机定子线棒安全运行提供技术保障。
图5为本申请另一实施例提供的发电机定子温度监测装置的结构图，如图5所示，基于硬件结构的角度，该装置包括：存储器20，用于存储计算机程序；
处理器21，用于执行计算机程序时实现如上述实施例中发电机定子温度监测方法的步骤。
本实施例提供的发电机定子温度监测装置可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器20可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器20至少用于存储以下计算机程序201，其中，该计算机程序被处理器21加载并执行之后，能够实现前述任一实施例公开的发电机定子温度监测方法的相关步骤。另外，存储器20所存储的资源还可以包括操作系统202和数据203等，存储方式可以是短暂存储或者永久存储。其中，操作系统202可以包括Windows、Unix、Linux等。
在一些实施例中，发电机定子温度监测装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
本领域技术人员可以理解，图5中示出的结构并不构成对发电机定子温度监测装置的限定，可以包括比图示更多或更少的组件。
本申请实施例提供的发电机定子温度监测装置，包括存储器和处理器，处理器在执行存储器存储的程序时，能够实现如下方法：在获取到发电机定子的基准运行数据之后，将其转换为标准温度数据；在获取到发电机定子线棒的实时运行数据之后，将其转换为同基准条件下的实时温度数据。如果实时温度数据与标准温度数据的偏差超过第一预设阈值，即可判定发电机线棒温度为异常数据，通过该方法用户可以及时发现发电机线棒故障初期运行数据的轻微变化，有效预警线棒堵塞、过负荷等缺陷引起的温度异常，为发电机定子线棒安全运行提供技术保障。
最后，本申请还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请所提供的一种发电机定子温度监测方法、装置及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (8)
1.一种发电机定子线棒温度监测方法，其特征在于，包括：
获取所述发电机定子线棒的基准运行数据，并将所述基准运行数据转换为标准温度数据；
获取所述发电机定子线棒的实时运行数据，并将所述实时运行数据转换为实时温度数据；
当所述实时温度数据与所述标准温度数据之间的偏差大于第一预设阈值时，判定所述发电机定子的温度异常；其中，所述基准运行数据具体包括：定子电流、定子冷却水流量、冷却介质温度、定子冷却水进水温度和定子绕组出水口温度；所述实时运行数据具体包括：实时定子电流、实时定子冷却水流量、实时冷却介质温度、实时定子冷却水进水温度和实时定子绕组出水口温度；
所述将所述基准运行数据转换为标准温度数据，具体为：
依据所述基准运行数据，利用最小二乘法进行非线性拟合及参数辨识，生成标准温度曲线；
则所述将所述实时运行数据转换为实时温度数据，具体为：
依据所述实时运行数据，利用最小二乘法进行非线性拟合及参数辨识，生成实时温度曲线；
其中，利用最小二乘法进行非线性拟合及参数辨识生成曲线的具体方式为：
利用最小二乘法获得各所述基准运行数据或各所述实时运行数据对应的参数：
令f
其中，为不同时刻对应的一组所述基准运行数据或所述实时运行数据，a1…e1为各所述基准运行数据或各所述实时运行数据对应的变量；
建立第i根定子绕组出水口温度模型：
其中，Ie为额定定子电流、Fe为额定定子冷却水流量，ai…ei为对应的变量；
从正常运行发电机的工况数据中选取有效样本数据，每组包括定子电流I、定子冷却水流量F、冷却介质温度θH2、定子冷却水进水温度θw和定子绕组出水口温度θi五项参数；
若采集n组实测值，实测值θi与标准参考值θj离差θi-θj的平方和：
∑(θi-θj)2；
根据最小二乘法的优化判据，当∑(θi-θj)2最小时为最优解；
对温度模型进行拟合计算得到温度标准参考值拟合曲线方程式，进而得到标准温度曲线或实时温度曲线。
2.如权利要求1所述的发电机定子线棒温度监测方法，其特征在于，还包括：
当所述实时温度数据与所述标准温度数据之间的偏差大于第二预设阈值且小于所述第一预设阈值时，判定所述发电机定子的温度波动；
其中，所述第二预设阈值小于所述第一预设阈值。
3.如权利要求1所述的发电机定子线棒温度监测方法，其特征在于，还包括：设置第一误差、第二误差、第一阈值和第二阈值；其中，所述第一误差小于所述第二误差，所述第一阈值小于所述第二阈值；
则当所述实时温度数据与标准温度数据之间的偏差大于第一预设阈值时，判定所述发电机定子的温度异常，具体为：
预设时间内，与所述标准温度数据之间的偏差超过所述第二误差的实时温度数据与所有实时温度数据的比值大于所述第二阈值时，判定所述发电机定子的温度异常；
则所述发电机定子线棒温度监测方法还包括：
预设时间内，与所述标准温度数据之间的偏差超过所述第二误差的实时温度数据与所有实时温度数据的比值大于所述第一阈值且小于所述第二阈值，或与所述标准温度数据之间的偏差超过所述第一误差的实时温度数据与所有实时温度数据的比值大于所述第二阈值时，判定所述发电机定子的温度波动；
预设时间内，与所述标准温度数据之间的偏差超过所述第一误差的实时温度数据与所有实时温度数据的比值小于所述第二阈值，且与所述标准温度数据之间的偏差超过所述第二误差的实时温度数据与所有实时温度数据的比值小于所述第一阈值时，判定所述发电机定子的温度良好。
4.如权利要求1所述的发电机定子线棒温度监测方法，其特征在于，在所述获取发电机的实时运行数据之后，还包括：
对所述实时运行数据进行筛选以得到有效运行数据。
5.如权利要求1所述的发电机定子线棒温度监测方法，其特征在于，所述基准运行数据具体包括：定子电流、定子冷却水流量、冷却介质温度、定子冷却水进水温度和定子线棒温度；
所述实时运行数据具体包括：实时定子电流、实时定子冷却水流量、实时冷却介质温度、实时定子冷却水进水温度和实时定子线棒温度。
6.一种发电机定子线棒温度监测装置，其特征在于，包括：
第一获取模块，用于获取所述发电机定子的基准运行数据，并将所述基准运行数据转换为标准温度数据；
第二获取模块，用于获取所述发电机定子的实时运行数据，并将所述实时运行数据转换为实时温度数据；
判定模块，用于当所述实时温度数据与所述标准温度数据之间的偏差大于第一预设阈值时，判定所述发电机定子的温度异常；其中，所述基准运行数据具体包括：定子电流、定子冷却水流量、冷却介质温度、定子冷却水进水温度和定子绕组出水口温度；所述实时运行数据具体包括：实时定子电流、实时定子冷却水流量、实时冷却介质温度、实时定子冷却水进水温度和实时定子绕组出水口温度；
所述将所述基准运行数据转换为标准温度数据，具体为：
依据所述基准运行数据，利用最小二乘法进行非线性拟合及参数辨识，生成标准温度曲线；
则所述将所述实时运行数据转换为实时温度数据，具体为：
依据所述实时运行数据，利用最小二乘法进行非线性拟合及参数辨识，生成实时温度曲线；
其中，利用最小二乘法进行非线性拟合及参数辨识生成曲线的具体方式为：
利用最小二乘法获得各所述基准运行数据或各所述实时运行数据对应的参数：
令
其中，为不同时刻对应的一组所述基准运行数据或所述实时运行数据，a1…e1为各所述基准运行数据或各所述实时运行数据对应的变量；
建立第i根定子绕组出水口温度模型：
其中，Ie为额定定子电流、Fe为额定定子冷却水流量，ai…ei为对应的变量；
从正常运行发电机的工况数据中选取有效样本数据，每组包括定子电流I、定子冷却水流量F、冷却介质温度θH2、定子冷却水进水温度θw和定子绕组出水口温度θi五项参数；
若采集n组实测值，实测值θi与标准参考值θj离差θi-θj的平方和：
∑(θi-θj)2；
根据最小二乘法的优化判据，当∑(θi-θj)2最小时为最优解；
对温度模型进行拟合计算得到温度标准参考值拟合曲线方程式，进而得到标准温度曲线或实时温度曲线。
7.一种发电机定子线棒温度监测装置，其特征在于，包括存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的发电机定子线棒温度监测方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的发电机定子线棒温度监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011473140.2A CN112504511B (zh) | 2020-12-15 | 2020-12-15 | 一种发电机定子温度监测方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011473140.2A CN112504511B (zh) | 2020-12-15 | 2020-12-15 | 一种发电机定子温度监测方法、装置及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112504511A CN112504511A (zh) | 2021-03-16 |
| CN112504511B true CN112504511B (zh) | 2023-08-15 |
Family
ID=74972295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011473140.2A Active CN112504511B (zh) | 2020-12-15 | 2020-12-15 | 一种发电机定子温度监测方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112504511B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113400351A (zh) * | 2021-06-07 | 2021-09-17 | 上海宜齐自动化系统有限公司 | 工业机器人轴电机检测方法、装置、存储介质及电子设备 |
| CN113588123B (zh) * | 2021-07-29 | 2023-01-06 | 东方电气集团东方电机有限公司 | 一种定子绕组温度预警方法 |
| CN113591029B (zh) * | 2021-07-29 | 2023-06-30 | 东方电气集团东方电机有限公司 | 一种定子绕组温度在线计算方法 |
| CN114199505B (zh) * | 2021-11-29 | 2024-04-09 | 中电华创(苏州)电力技术研究有限公司 | 一种基于相关性分析的发电机定子线棒流通性评价方法 |
| CN115496628A (zh) * | 2022-10-21 | 2022-12-20 | 普杰软件(南京)有限公司 | 一种智慧酒店管理系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6200021B1 (en) * | 1997-11-10 | 2001-03-13 | Toyoto Jidosha Kabushiki Kaisha | Abnormality detector apparatus for a coolant apparatus for cooling an engine |
| CN103383433A (zh) * | 2013-07-03 | 2013-11-06 | 中国人民解放军海军工程大学 | 船舶发电机定子铁心的状态监测和故障预警方法 |
| CN106773666A (zh) * | 2016-11-11 | 2017-05-31 | 中国电力科学研究院 | 一种针对压水堆一回路系统的模型参数获取方法 |
| CN108051211A (zh) * | 2017-12-29 | 2018-05-18 | 湖南优利泰克自动化系统有限公司 | 一种风电机组主轴承温度预警诊断方法 |
| CN110006552A (zh) * | 2019-04-03 | 2019-07-12 | 中国水利水电科学研究院 | 一种机组设备温度异常检测方法 |
| CN110414154A (zh) * | 2019-07-31 | 2019-11-05 | 北京天泽智云科技有限公司 | 一种带有双测点的风机部件温度异常检测和报警方法 |
| EP3599715A1 (en) * | 2018-07-26 | 2020-01-29 | Siemens Gamesa Renewable Energy A/S | Assessing wind turbine generator rotor temperature |
| CN111046582A (zh) * | 2019-12-27 | 2020-04-21 | 大亚湾核电运营管理有限责任公司 | 一种核电站柴油发电机组线圈温度预警方法及系统 |
| CN111049450A (zh) * | 2019-12-25 | 2020-04-21 | 上海电力大学 | 一种异步电机矢量控制转子绕组温度在线监测方法 |
| CN111596177A (zh) * | 2020-05-14 | 2020-08-28 | 润电能源科学技术有限公司 | 发电机转子匝间绝缘的检测方法、装置、设备及存储介质 |
| CN111814848A (zh) * | 2020-06-22 | 2020-10-23 | 浙江大学 | 一种风电机组温度故障的自适应预警策略设计方法 |
| CN112001418A (zh) * | 2020-07-14 | 2020-11-27 | 华北电力大学（保定） | 一种发电机定子线圈冷却水路堵塞故障诊断方法 |
-
2020
- 2020-12-15 CN CN202011473140.2A patent/CN112504511B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6200021B1 (en) * | 1997-11-10 | 2001-03-13 | Toyoto Jidosha Kabushiki Kaisha | Abnormality detector apparatus for a coolant apparatus for cooling an engine |
| CN103383433A (zh) * | 2013-07-03 | 2013-11-06 | 中国人民解放军海军工程大学 | 船舶发电机定子铁心的状态监测和故障预警方法 |
| CN106773666A (zh) * | 2016-11-11 | 2017-05-31 | 中国电力科学研究院 | 一种针对压水堆一回路系统的模型参数获取方法 |
| CN108051211A (zh) * | 2017-12-29 | 2018-05-18 | 湖南优利泰克自动化系统有限公司 | 一种风电机组主轴承温度预警诊断方法 |
| EP3599715A1 (en) * | 2018-07-26 | 2020-01-29 | Siemens Gamesa Renewable Energy A/S | Assessing wind turbine generator rotor temperature |
| CN110006552A (zh) * | 2019-04-03 | 2019-07-12 | 中国水利水电科学研究院 | 一种机组设备温度异常检测方法 |
| CN110414154A (zh) * | 2019-07-31 | 2019-11-05 | 北京天泽智云科技有限公司 | 一种带有双测点的风机部件温度异常检测和报警方法 |
| CN111049450A (zh) * | 2019-12-25 | 2020-04-21 | 上海电力大学 | 一种异步电机矢量控制转子绕组温度在线监测方法 |
| CN111046582A (zh) * | 2019-12-27 | 2020-04-21 | 大亚湾核电运营管理有限责任公司 | 一种核电站柴油发电机组线圈温度预警方法及系统 |
| CN111596177A (zh) * | 2020-05-14 | 2020-08-28 | 润电能源科学技术有限公司 | 发电机转子匝间绝缘的检测方法、装置、设备及存储介质 |
| CN111814848A (zh) * | 2020-06-22 | 2020-10-23 | 浙江大学 | 一种风电机组温度故障的自适应预警策略设计方法 |
| CN112001418A (zh) * | 2020-07-14 | 2020-11-27 | 华北电力大学（保定） | 一种发电机定子线圈冷却水路堵塞故障诊断方法 |
Non-Patent Citations (1)
| Title |
|---|
| 发电机故障诊断中不同运行条件下定子绕组温度标准值的确定;蒲莹,史家燕,罗应立,叶新福,杨奇逊;中国电机工程学报(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112504511A (zh) | 2021-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112504511B (zh) | 一种发电机定子温度监测方法、装置及介质 | |
| CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
| CN110646194B (zh) | 一种换流阀冷却能力多维度分析预警方法及系统 | |
| CN112629585A (zh) | 基于多维参数估计的设备在线监测方法及装置 | |
| CN109193650B (zh) | 一种基于高维随机矩阵理论的电网薄弱点评估方法 | |
| CN108460207A (zh) | 一种基于运行数据模型的发电机组的故障预警方法 | |
| CN111209934A (zh) | 风机故障预报警方法及系统 | |
| CN116994416B (zh) | 基于人工智能的风机运行故障预警方法及系统 | |
| CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
| CN110969185A (zh) | 基于数据重构的设备异常状态检测方法 | |
| CN110992205A (zh) | 风电机组发电机绕组的状态检测方法、系统及相关组件 | |
| CN113608119B (zh) | 电机运行状态监测方法、装置、设备和存储介质 | |
| CN116086537A (zh) | 一种设备状态监测方法、装置、设备及存储介质 | |
| CN113987027A (zh) | 一种基于故障预测的设备状态确定方法、装置及介质 | |
| CN110751217A (zh) | 基于主元分析的设备能耗占比预警分析方法 | |
| CN114151147A (zh) | 汽轮机转速异常的故障预警方法、系统、设备及介质 | |
| KR102110319B1 (ko) | 학습 데이터 생성 시스템 | |
| CN109814535A (zh) | 基于维纳模型辨识方法的扩散炉在线诊断方法 | |
| CN116150666B (zh) | 储能系统故障检测方法、装置及智能终端 | |
| CN115374653B (zh) | 基于nset模型的风力发电机温度预警方法及相关装置 | |
| CN110826899B (zh) | 一种风力发电机组的性能评估方法、装置、设备及存储介质 | |
| CN111638649B (zh) | 电器运行安全监测方法及装置 | |
| CN114418347B (zh) | 配电变压器的监测方法、装置、设备及存储介质 | |
| CN116659826B (zh) | 风电螺栓状态的检测方法及装置 | |
| CN117590834A (zh) | 用于设备、系统和火电机组的安全性能评价方法及装置 |
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 |