CN112526217B - 一种电机电流随机相序的功率因数角计算方法 - Google Patents

一种电机电流随机相序的功率因数角计算方法 Download PDF

Info

Publication number
CN112526217B
CN112526217B CN202011265654.9A CN202011265654A CN112526217B CN 112526217 B CN112526217 B CN 112526217B CN 202011265654 A CN202011265654 A CN 202011265654A CN 112526217 B CN112526217 B CN 112526217B
Authority
CN
China
Prior art keywords
phase
theta
current
value
zero
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011265654.9A
Other languages
English (en)
Other versions
CN112526217A (zh
Inventor
高雅
朱秦岭
李波
李小鹏
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.)
Xian Technological University
Original Assignee
Xian Technological University
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 Xian Technological University filed Critical Xian Technological University
Priority to CN202011265654.9A priority Critical patent/CN112526217B/zh
Publication of CN112526217A publication Critical patent/CN112526217A/zh
Application granted granted Critical
Publication of CN112526217B publication Critical patent/CN112526217B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
    • G01R27/26—Measuring inductance or capacitance; Measuring quality factor, e.g. by using the resonance method; Measuring loss factor; Measuring dielectric constants ; Measuring impedance or related variables
    • G01R27/2688—Measuring quality factor or dielectric loss, e.g. loss angle, or power factor
    • G01R27/2694—Measuring dielectric loss, e.g. loss angle, loss factor or power factor
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本发明公开了一种电机电流随机相序的功率因数角计算方法，本发明针对电机故障诊断技术研究过程中所关心的功率因数计算问题进行研究，提出了一种针对在安装多个检测电机电流传感器时，只利用一个未知相位位置的电压传感器结合多个未知相位的电流传感器检测多个电机的功率因数如何计算的方法。通过该种计算方法，可以极大程度的放宽现场安装时对相序的要求及最大化的减少电压传感器的安装数量。

Description

一种电机电流随机相序的功率因数角计算方法
技术领域
本发明专利属于电机故障诊断技术领域，具体涉及一种电机电流随机相序的功率因数角计算方法。
背景技术
电动机占国民生产中90％以上的电机比例，作为生产过程中最底层的执行元件，其是否能够高效运行，极大程度的反映和制约着生产制造过程中是否能够安全、高效、优质和低耗运行。该执行机构的运行状态不仅影响电机本身，而且会影响整个生产系统的高效运行，因此电机运行中有关利用率和运行状态的数据监测成为了一个重要的内容。而功率因数是衡量电机运行效率的一个主要参数之一，不合适的功率因数，会影响电机的利用率，增加电网系统的无功功率输出，破坏电网中无功功率和有功功率的比例。且通过电机功率因数的计算，可以区分电动机负载有功功率输出情况和电机内部的无功功率消耗，评估电机的工作状态。
随着工业化进程的不断推进和发展，当下，企业不仅只关注设备如何能够运行，更多的关注了如何能够高效的运行。通过电机故障检测和运维系统平台，获取电机的功率因数，了解电机运行利用率成为了一个主要的途径。而传统的检测功率因数的方法是通过在对应的线路上同时安装电压传感器和电流传感器，通过计算相位差获得功率因数。这种方法具有需要传感器多且电压必须断电情况下安装，前期安装和后期更换都较困难。
发明内容
本发明涉及一种电机电流随机相序的功率因数角计算方法，解决现有技术中需要多个电压传感器，传感器的安装相序与对应的电流传感器要一一对应，且安装及更换困难的问题。
为了解决上述问题，本发明的技术方案如下：
一种电机电流随机相序的功率因数角计算方法，其特征在于，包括如下步骤：
步骤1：采集一台电机的三相电流时间序列数据Iai、Ibi、Ici和一相电压时间序列数据Uei，且并不清楚该电压数据与三相电流数据的哪一相同相；
步骤2：过滤高频信号，利用Asin(ωt+θ)提取步骤1采集的三相电流数据和一相电压数据中能量最大的基频波形，获取三相电流基波数据的幅值Aa、Ab、Ac和一相电压基波数据的幅值Be，获取三相电流基波数据的初始相位θa、θb、θc和一相电压基波数据的初始相位θe；
步骤3：对步骤2所获取的三相电流基波数据的初始相位θa、θb、θc和一相电压基波数据的初始相位θe进行非负值处理，处理过程为对其θa、θb、θc、θe分别与零比较，θa大于等于零时θa‘＝θa，θa小于零时，θa‘＝360+θa；θb大于等于零时θb‘＝θb，θb小于零时，θb‘＝360+θb；θc大于等于零时θc‘＝θc，θc小于零时，θc‘＝360+θc；θe大于等于零时θe‘＝θe，θe小于零时，θe‘＝360+θe；
步骤4：对步骤3获取的非负相位θa‘、θb‘、θc‘进行排序，找到最小值记为θ‘’min，当θa‘最小时θ‘’min＝θa‘，当θb‘最小时θ‘’min＝θb‘，当θc‘最小时θ‘’min＝θc‘；找到中间值，记为θ‘’mid，当θa‘是中间值时θ‘’mid＝θa‘，当θb‘最小时θ‘’mid＝θb‘，当θc‘最小时θ‘’mid＝θc‘；找到最大值记为θ‘’max，当θa‘是最大值时θ‘’max＝θa‘，当θb‘最大时θ‘’max＝θb‘，当θc‘最大时θ‘’max＝θc‘；从上可确定最小值、中间值和最大值是在A、B、C三相的具体哪相，将A相记为1，B相记为2，C相记为3；将最小值对应相的值赋给Zmin，将中间值对应相的值赋给Zmid，将最大值对应相的值赋给Zmax；
步骤5：将三相θa‘、θb‘、θc‘均分别减去最小值θ‘’min，得到θa‘’、θb‘’、θc‘’，其中θa‘’、θb‘’、θc‘’中必定一个为0，一个为120°，一个为240°；由于步骤4的过程，在这里可以确定最小值、中间值和最大值是在A、B、C三相的具体哪相；
步骤6：将电压的相位θe‘同样减去最小值θ‘’min，获得θe‘’，判断θe‘’与零的大小，θe‘’大于等于零时θe‘”＝θe‘’，θe‘’小于零时，θe‘”＝360+θe‘’；
步骤7：将θa‘’、θb‘’、θc‘’、θe‘’按照从小到大排序，获取其θe‘’’在排列顺序中的位置值X，由于步骤5的过程，在从小到大的顺序排列中X不可能排在第一位；
步骤8：针对交流电动机，当X排在第二位时，取Zmin所在的相为计算功率因数时需要的电流相；当X排在第三位时，取Zmid所在的相为计算功率因数时需要的电流相；当X排在第四位时，取Zmax所在的相为计算功率因数时需要的电流相；针对交流发电机，当X排在第二位时，取Zmid所在的相为计算功率因数时需要的电流相；当X排在第三位时，取Zmax所在的相为计算功率因数时需要的电流相；当X排在第四位时，取Zmin所在的相为计算功率因数时需要的电流相；
步骤9：根据步骤8获得的计算功率因数的电流相位，与电压相位进行求差值，再求绝对值，该角度即为计算功率因数时的功率角度Δθ；
步骤10：对于交流电动机，计算电流有效值I和电压有效值U乘积，再乘以再乘以效率η，再乘以cosθ即为电机的有功功率；计算电流有效值I和电压有效值U乘积，再乘以再乘以效率η，再乘以sinθ即为电机的无功功率；对于交流发电机，计算电流有效值I和电压有效值U乘积，再乘以/>再乘以cosθ即为电机的有功功率；计算电流有效值I和电压有效值U乘积，再乘以/>再乘以sinθ即为电机的无功功率。
与现有技术相比，本发明的有益效果：
本发明针对电机故障诊断技术研究过程中所关心的功率因数计算问题进行研究，提出了一种针对在安装多个检测电机电流传感器时，只利用一个未知相位位置的电压传感器结合多个未知相位的电流传感器检测多个电机的功率因数如何计算的方法，通过该种计算方法，可以极大程度的放宽现场安装时对相序的要求及最大化的减少电压传感器的安装数量。
附图说明
图1是本发明方法的流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合实施例对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
本发明方法从交流电动机和交流发电机工作原理出发，根据电机工作过程中参数间的矢量关系，分析电机三相电流和电压的相序和相位关系，利用单台或多台电机获取的不分相序的一相电压和三相电流数据，分析单台或者多台电机的功率因数，由于其采集的电压和电流数据不是对应相序，其相序存在随机性，如何通过常规交流发电机和交流电动机的参数间矢量关系，分析电机的三相电流相序，以及如何结合采集的一相随机相位电压计算电机功率因数为本发明需要解决的问题。
本发明适用于交流电动机和交流发电机，对于常规交流电动机，其每相电压相位超前电流相位，而对于常规交流发电机，其每相电压的相位滞后于电流相位，且其每相电压和电流的相位差均不超过90度。
关于交流电机电压电流随机相序的功率因数角计算方法，其具体内容如图1所示，本实施例以一台电机为例，该种方案和步骤同样适合与多台电机。
本实施例方法包含如下步骤：
步骤1：采集一台电机的三相电流时间序列数据Iai、Ibi、Ici和一相电压时间序列数据Uei，且并不清楚该电压数据与三相电流数据的哪一相同相；
步骤2：过滤高频信号，利用Asin(，ωt+θ)提取步骤1采集的三相电流数据和一相电压数据中能量最大的基频波形，获取三相电流基波数据的幅值Aa、Ab、Ac和一相电压基波数据的幅值Be，获取三相电流基波数据的初始相位θa、θb、θc和一相电压基波数据的初始相位θe；
步骤3：利用交流电机中三相电流相位互差120°的原理开始排序；由于三相电流基波数据为周期性信号，其相位在0°～360°之间也呈周期性变化，因此利用该周期性变化的特性，对步骤2所获取的三相电流基波数据的初始相位θa、θb、θc和一相电压基波数据的初始相位θe进行非负值处理，处理过程为对其θa、θb、θc、θe分别与零比较，θa大于等于零时θa‘＝θa，θa小于零时，θa‘＝360+θa；θb大于等于零时θb‘＝θb，θb小于零时，θb‘＝360+θb；θc大于等于零时θc‘＝θc，θc小于零时，θc‘＝360+θc；θe大于等于零时θe‘＝θe，θe小于零时，θe‘＝360+θe；
步骤4：对步骤3获取的非负相位θa‘、θb‘、θc‘进行排序，找到最小值记为θ‘’min，当θa‘最小时θ‘’min＝θa‘，当θb‘最小时θ‘’min＝θb‘，当θc‘最小时θ‘’min＝θc；找到中间值，记为θ‘’mid，当θa‘是中间值时θ‘’mid＝θa‘，当θb‘最小时θ‘’mid＝θb‘，当θc‘最小时θ‘’mid＝θc‘；找到最大值记为θ‘’max，当θa‘是最大值时θ‘’max＝θa‘，当θb‘最大时θ‘’max＝θb‘，当θc‘最大时θ‘’max＝θc‘；从上可确定最小值、中间值和最大值是在A、B、C三相的具体哪相，将A相记为1，B相记为2，C相记为3；将最小值对应相的值赋给Zmin，将中间值对应相的值赋给Zmid，将最大值对应相的值赋给Zmax；
步骤5：将三相θa‘、θb‘、θc‘均分别减去最小值θ‘’min，得到θa‘’、θb‘’、θc‘’，其中θa‘’、θb‘’、θc‘’中必定一个为0，一个为120°，一个为240°；由于步骤4的过程，在这里可以确定最小值、中间值和最大值是在A、B、C三相的具体哪相；
步骤6：将电压的相位θe‘同样减去最小值θ‘’min，获得θe‘’，判断θe‘’与零的大小，θe‘’大于等于零时θe‘”＝θe‘’，θe‘’小于零时，θe‘”＝360+θe‘’；
步骤7：将θa‘’、θb‘’、θc‘’、θe‘’’按照从小到大排序，获取其θe‘’’在排列顺序中的位置值X，由于步骤5的过程，在从小到大的顺序排列中X不可能排在第一位；
步骤8：针对交流电动机，当X排在第二位时，取Zmin所在的相为计算功率因数时需要的电流相；当X排在第三位时，取Zmid所在的相为计算功率因数时需要的电流相；当X排在第四位时，取Zmax所在的相为计算功率因数时需要的电流相；针对交流发电机，当X排在第二位时，取Zmid所在的相为计算功率因数时需要的电流相；当X排在第三位时，取Zmax所在的相为计算功率因数时需要的电流相；当X排在第四位时，取Zmin所在的相为计算功率因数时需要的电流相；
步骤9：根据步骤8获得的计算功率因数的电流相位，与电压相位进行求差值，再求绝对值，该角度即为计算功率因数时的功率角度Δθ；
步骤10：对于交流电动机，计算电流有效值I和电压有效值U乘积，再乘以再乘以效率η，再乘以cosθ即为电机的有功功率；计算电流有效值I和电压有效值U乘积，再乘以再乘以效率η，再乘以sinθ即为电机的无功功率；对于交流发电机，计算电流有效值I和电压有效值U乘积，再乘以/>再乘以cosθ即为电机的有功功率；计算电流有效值I和电压有效值U乘积，再乘以/>再乘以sinθ即为电机的无功功率。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。任何熟悉该技术的人在本发明所揭露的技术范围内的局部修改或替换，都应涵盖在本发明的包含范围之内。

Claims (1)

1.一种电机电流随机相序的功率因数角计算方法，其特征在于，包括如下步骤：
步骤1：采集一台电机的三相电流时间序列数据Iai、Ibi、Ici和一相电压时间序列数据Uei，且并不清楚该电压数据与三相电流数据的哪一相同相；
步骤2：过滤高频信号，利用Asin(ωt+θ)提取步骤1采集的三相电流数据和一相电压数据中能量最大的基频波形，获取三相电流基波数据的幅值Aa、Ab、Ac和一相电压基波数据的幅值Be，获取三相电流基波数据的初始相位θa、θb、θc和一相电压基波数据的初始相位θe；
步骤3：对步骤2所获取的三相电流基波数据的初始相位θa、θb、θc和一相电压基波数据的初始相位θe进行非负值处理，处理过程为对其θa、θb、θc、θe分别与零比较，θa大于等于零时θa‘＝θa，θa小于零时，θa‘＝360+θa；θb大于等于零时θb‘＝θb，θb小于零时，θb‘＝360+θb；θc大于等于零时θc‘＝θc，θc小于零时，θc‘＝360+θc；θe大于等于零时θ‘e＝θe，θe小于零时，θe‘＝360+θe；
步骤4：对步骤3获取的非负相位θa‘、θb‘、θc‘进行排序，找到最小值记为当θa‘最小时/>当θb‘最小时/>当θc‘最小时/>找到中间值，记为/>当θa‘是中间值时/>当θb‘最小时/>当θc‘最小时/>找到最大值记为当θa‘是最大值时/>当θb‘最大时/>当θc‘最大时/>从上可确定最小值、中间值和最大值是在A、B、C三相的具体哪相，将A相记为1，B相记为2，C相记为3；将最小值对应相的值赋给Zmin，将中间值对应相的值赋给Zmid，将最大值对应相的值赋给Zmax；
步骤5：将三相θa‘、θb‘、θc‘均分别减去最小值得到θa‘’、θb‘’、θc‘’，其中θa‘’、θb‘’、θc‘’中必定一个为0，一个为120°，一个为240°；由于步骤4的过程，在这里可以确定最小值、中间值和最大值是在A、B、C三相的具体哪相；
步骤6：将电压的相位θe‘同样减去最小值获得θe‘’，判断θe‘’与零的大小，θe‘’大于等于零时θe’”＝θe‘’，θe‘’小于零时，θe‘”＝360+θe‘’；
步骤7：将θa‘’、θb‘’、θc‘’、θe‘’’按照从小到大排序，获取其θe‘’’在排列顺序中的位置值X，由于步骤5的过程，在从小到大的顺序排列中X不可能排在第一位；
步骤8：针对交流电动机，当X排在第二位时，取Zmin所在的相为计算功率因数时需要的电流相；当X排在第三位时，取Zmid所在的相为计算功率因数时需要的电流相；当X排在第四位时，取Zmax所在的相为计算功率因数时需要的电流相；针对交流发电机，当X排在第二位时，取Zmid所在的相为计算功率因数时需要的电流相；当X排在第三位时，取Zmax所在的相为计算功率因数时需要的电流相；当X排在第四位时，取Zmin所在的相为计算功率因数时需要的电流相；
步骤9：根据步骤8获得的计算功率因数的电流相位，与电压相位进行求差值，再求绝对值，该角度即为计算功率因数时的功率角度Δθ；
步骤10：对于交流电动机，计算电流有效值I和电压有效值U乘积，再乘以再乘以效率η，再乘以cosθ即为电机的有功功率；计算电流有效值I和电压有效值U乘积，再乘以/>再乘以效率η，再乘以sinθ即为电机的无功功率；对于交流发电机，计算电流有效值I和电压有效值U乘积，再乘以/>再乘以cosθ即为电机的有功功率；计算电流有效值I和电压有效值U乘积，再乘以/>再乘以sinθ即为电机的无功功率。
CN202011265654.9A 2020-11-13 2020-11-13 一种电机电流随机相序的功率因数角计算方法 Active CN112526217B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011265654.9A CN112526217B (zh) 2020-11-13 2020-11-13 一种电机电流随机相序的功率因数角计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011265654.9A CN112526217B (zh) 2020-11-13 2020-11-13 一种电机电流随机相序的功率因数角计算方法

Publications (2)

Publication Number Publication Date
CN112526217A CN112526217A (zh) 2021-03-19
CN112526217B true CN112526217B (zh) 2023-08-18

Family

ID=74982340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011265654.9A Active CN112526217B (zh) 2020-11-13 2020-11-13 一种电机电流随机相序的功率因数角计算方法

Country Status (1)

Country Link
CN (1) CN112526217B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2714632A1 (de) * 1977-03-30 1978-10-05 Heliowatt Werke Verfahren zur messung elektrischer wirk-, blindleistung und -energie sowie des leistungsfaktors
CN87202610U (zh) * 1987-02-20 1988-06-22 吕军 智能化功率因数测试表
CN102651551A (zh) * 2011-02-22 2012-08-29 株式会社京三制作所 控制功率因数的方法、控制无功功率的方法和控制器
CN107046299A (zh) * 2017-04-05 2017-08-15 湖南工业大学 一种改进型光伏并网逆变器相位补偿控制方法
CN110927491A (zh) * 2019-12-03 2020-03-27 南方电网科学研究院有限责任公司 基于无相位数据的多谐波源责任划分方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2714632A1 (de) * 1977-03-30 1978-10-05 Heliowatt Werke Verfahren zur messung elektrischer wirk-, blindleistung und -energie sowie des leistungsfaktors
CN87202610U (zh) * 1987-02-20 1988-06-22 吕军 智能化功率因数测试表
CN102651551A (zh) * 2011-02-22 2012-08-29 株式会社京三制作所 控制功率因数的方法、控制无功功率的方法和控制器
CN107046299A (zh) * 2017-04-05 2017-08-15 湖南工业大学 一种改进型光伏并网逆变器相位补偿控制方法
CN110927491A (zh) * 2019-12-03 2020-03-27 南方电网科学研究院有限责任公司 基于无相位数据的多谐波源责任划分方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
相控整流器相序相位自动识别算法;杜海江 等;华北电力大学学报(第03期);13-15页 *

Also Published As

Publication number Publication date
CN112526217A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
Abid et al. Distinct bearing faults detection in induction motor by a hybrid optimized SWPT and aiNet-DAG SVM
Kang et al. Time-varying and multiresolution envelope analysis and discriminative feature analysis for bearing fault diagnosis
EP3964908A1 (en) Deep hybrid convolutional neural network for fault diagnosis of wind turbine gearboxes
CN102753982B (zh) 次同步谐振检测的方法及系统
Jiménez-Guarneros et al. Diagnostic of combined mechanical and electrical faults in ASD-powered induction motor using MODWT and a lightweight 1-D CNN
Hadi Salih et al. Induction motor fault monitoring and fault classification using deep learning probablistic neural network
Puche-Panadero et al. Diagnosis of rotor asymmetries faults in induction machines using the rectified stator current
Wang et al. A fast abnormal data cleaning algorithm for performance evaluation of wind turbine
Choqueuse et al. Induction machine diagnosis using stator current advanced signal processing
CN109299134B (zh) 一种非侵入式监测系统下电器的识别方法
CN111474477B (zh) 电机故障诊断中部分时域参数和频域参数获取方法
Cheng A novel approach of information visualization for machine operation states in industrial 4.0
CN112526217B (zh) 一种电机电流随机相序的功率因数角计算方法
Su et al. Wind power curve data cleaning algorithm via image thresholding
CN113608119B (zh) 电机运行状态监测方法、装置、设备和存储介质
Arashloo et al. Design, implementation and comparison of two wavelet based methods for the detection of broken rotor bars in three phase induction motors
CN113484596A (zh) 一种电能质量监测方法、装置、设备及可读存储介质
Sabir et al. Diagnosis of rotor winding inter-turn short circuit fault in wind turbine based on DFIG using hybrid TSA/DWT approach
Shu et al. Enhanced feature extraction method for motor fault diagnosis using low-quality vibration data from wireless sensor networks
Mohsun Broken rotor bar fault classification for induction motor based on support vector machine-SVM
Wei et al. Method for identifying stator and rotor faults of induction motors based on machine vision
Li et al. AStrion strategy: from acquisition to diagnosis. Application to wind turbine monitoring
Wang et al. Fault detection and fault identification in marine current turbines
Haroun et al. Self-Organizing Map and feature selection for of IM broken rotor bars faults detection and diagnosis
He et al. Enhanced detection of characteristic vibration signal of generator based on self-adapted multi-scale top-hat transformation

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