CN114397542A - 一种发电机定子局部放电评估方法及系统 - Google Patents
一种发电机定子局部放电评估方法及系统 Download PDFInfo
- Publication number
- CN114397542A CN114397542A CN202111519627.4A CN202111519627A CN114397542A CN 114397542 A CN114397542 A CN 114397542A CN 202111519627 A CN202111519627 A CN 202111519627A CN 114397542 A CN114397542 A CN 114397542A
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- fuzzy
- evaluation
- trend
- discharge
- 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
Links
Images
Classifications
-
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明公开了一种发电机定子局部放电评估方法及系统,系统采集日平均量、周平均量和月平均量三个评估参数作为局部放电严重程度的评估参数和放电强度次数进行局部放电趋势分析,本发明通过表征局部放电趋势的放电强度次数函数模型的建立和表征局部放电严重程度的模糊逻辑评估流程。请将两者结合起来,实现对发电机定子局部放电进行趋势分析和严重程度判断,从而对发电机局部放电水平进行更精确地综合评估。
Description
技术领域
本发明涉及发电机定子技术领域,具体为一种发电机定子局部放电评估方法及系统。
背景技术
局部放电与绝缘的劣化和击穿有着非常密切的关系。发电机绝缘介质长期承受热、电、机械应力及环境的影响,导致绝缘发生劣化,使得发电机在运行时绝缘发生局部放电,可以说局部放电是绝缘劣化的征兆。同时,局部放电又能对发电机绝缘起到加速劣化的作用,若局部放电继续扩大与发展,最终将导致绝缘的破坏。因此,对于发电机定子局部放电的准确评估对发电机的整体绝缘状况评估和寿命预测具有十分重要的意义。
多年来的研究表明,局部放电信号的数量、幅度和极性可以直接反映电机绝缘系统的状况。利用局部放电现象评估电机的绝缘寿命仍是一门发展中的基础理论和应用技术紧密结合的前沿学科。目前,国内外对发电机定子局放的测试方法主要分为离线测试方法和在线监测方法,两者对发电机局部放电程度的评估标准也不同。
(1)离线检测方法:发电机定子绕组局放测试的离线检测属于发电机的特殊试验,一般作为发电机定子绕组绝缘老化鉴定试验的子部分开展。发电机定子绕组局放离线测试一般采取单根线棒测量或者整相测量的方法,其试验回路示意图如图1、图2所示,其中U为高压电源;CC为连接电缆;Ca为试品;CD为耦合装置;Z为滤波器;Zm为测量系统输入阻抗;Ck为耦合电容器;M为测量仪器。其试验原理均为采用无局放高压电源将被试品加到目标电压,读取被试品在目标电压的局放量。
发电机定子局放的离线测试方法存在着下述缺点:(a)基于现有的电容耦合式局放测量装置,试验结果易受电磁干扰,对试验结果产生影响;(b)由于试验周期较长,一般只对运行年久或者运行及预防性试验中多次发生绝缘击穿的机组进行该项试验,对于正在运行的发电机局部放电的检测和趋势判断在时间上存在很大的滞后性,当在试验中发现数据超标时,往往发电机内部的局部放电已经发展到了比较严重的程度。
(2)在线监测方法:主要有以下几种:中性点耦合监测方法、便携式电容耦合监测法、定子槽耦合器监测法、射频监测法等。但目前现有的在线监测方法都存在下述缺点:(a)成本较高,需要装设专门的在线监测装置;(b)难以区分干扰信号和内部放电信号,灵敏度不够;(c)现有的在线监测装置获取的大都是对局部放电量瞬时值的采集,由于发电机绝缘的劣化是一个渐进的过程,即局放从正常到严重有一个缓慢发展的过程,因此,局放的瞬时值参考价值较小,且某一时刻的瞬时值有可能会因测量和传输过程中的干扰产生比较大的漂移,用瞬时值作为局部放电严重程度的评估手段存在缺陷。
综上所述,目前行业内现有的检测方法对局部放电趋势的评估均存在缺陷:离线方法检测周期较长,一般只对运行年久或者运行及预防性试验中多次发生绝缘击穿的机组进行该项试验,对于正在运行的发电机局部放电的检测和趋势判断在时间上存在很大的滞后性,当在试验中发现数据超标时,往往发电机内部的局部放电已经发展到了比较严重的程度;现有的在线监测装置获取的大都是对局部放电量瞬时值的采集,某一时刻的瞬时值有可能会因测量和传输过程中的干扰产生比较大的漂移,瞬时值不宜直接用于局部放电严重程度的评估。
公开号为CN105182201A的发明专利申请公开了一种基于低电压及多参数的发电机定子线棒绝缘状态测评方法;该申请通过设定最大充电电压和充放电时间,向发电机定子线棒施加适合其绝缘介质特点和绝缘结构的试验电压,对发电机定子线棒绝缘介质两端的电压进行测量。该测评方法只需对发电机定子线棒绝缘施加非破坏性的电压,即可测试得到发电机定子线棒绝缘的多个参数。但仍未解决上述问题。
发明内容
本发明所要解决的技术问题在于:提供一种发电机定子局部放电评估方法及系统,解决对发电机定子局部放电情况的评估不精确的问题。
为解决上述技术问题,本发明提供如下技术方案:
一种发电机定子局部放电评估方法,包括如下步骤:
S1、系统采集一段时间内局部放电量的平均值作为局部放电严重程度的评估参数,并对该评估参数进行模糊逻辑评估;
S2、若步骤S1中的模糊逻辑评估结果处于正常范围,则表明局部放电正常,结束评估;
S3、若步骤S1中的模糊逻辑评估结果处于异常范围,则表明局部放电异常,进一步对局部放电趋势进行分析;
S4、若步骤S3中的局部放电趋势分析结果为局部放电随着时间的推移处于不断上升趋势,则表明局部放电超标,进行处理;
S5、若步骤S3中的局部放电趋势分析结果为局部放电随着时间的推移不处于上升趋势,则加强对局部放电的监视,进行综合分析。
优点:本发明通过结合局部放电趋势的分析和放电严重程度的模糊逻辑评估流程,实现对发电机定子局部放电进行趋势分析和严重程度的综合判断,从而对发电机局部放电水平进行更精确地综合评估。
优选地,所述步骤S1的评估参数分别设置有日平均量、周平均量和月平均量。
优选地,所述模糊逻辑判断的模糊变量包括不同的模糊集合,分别为模糊集合低、模糊集合中和模糊集合高;
其中,模糊集合低为正常范围,模糊集合中和模糊集合高为异常范围。
优选地,所述步骤S1的模糊逻辑评估流程包括如下步骤:
S101、设置日平均量、周平均量和月平均量作为局部放电严重程度的三个评估参数;系统采集三个评估参数数据;
S102、系统读取日平均值并构造模糊事实,与其对应的模糊变量进行匹配,若结果为模糊集合低,则表明局部放电正常,结束评估;否则,执行步骤S103;
S103、系统读取周平均值,构造模糊事实并与其对应的模糊变量进行匹配,若结果为模糊集合低,则表明局部放电正常,结束评估;否则,执行步骤S104;
S104、系统读取月平均量,构造模糊事实并与其对应的模糊变量进行匹配,若结果为模糊集合低,则执行步骤S201;否则,执行步骤S301。
优选地,S201、对局部放电趋势进行分析,判断以天为时间序列单位的强度次数是否处于上升趋势;
S202、若以天为时间序列单位的强度次数不处于上升趋势,则表明局部放电正常,结束评估;
S203、若以天为时间序列单位的强度次数处于上升趋势时,则加强对局部放电的监视,进行综合分析。
优选地,S301、对局部放电趋势进行分析,判断以天为时间序列单位的强度次数是否处于上升趋势;
S302、若以天为时间序列单位的强度次数不处于上升趋势,则加强对局部放电的监视,进行综合分析;
S303、若以天为时间序列单位的强度次数处于上升趋势时,则表明局部放电超标,进行处理。
优选地,所述强度次数计算函数为:
其中,t为时间,Ui和ni分别表示时序为i(i=2,3,4,…,t)的平均放电信号的电压和放电次数。
本发明还提供一种发电机定子局部放电评估系统,包括:
采集模块,用于采集一段时间内局部放电量的平均值作为局部放电严重程度的评估参数;
模糊逻辑评估模块,用于采集模块采集的评估参数进行模糊逻辑评估:
若模糊逻辑评估结果处于正常范围,则表明局部放电正常,结束评估;
若模糊逻辑评估结果处于异常范围,则表明局部放电异常,进一步对局部放电趋势进行分析;
局部放电趋势分析模块,用于对局部放电趋势进行分析:
若局部放电趋势分析结果为局部放电随着时间的推移处于不断上升趋势,则表明局部放电超标,进行处理;
若局部放电趋势分析结果为局部放电随着时间的推移不处于上升趋势,则加强对局部放电的监视,进行综合分析。
优选地,所述采集模块采集的评估参数分别为日平均量、周平均量和月平均量。
优选地,所述模糊逻辑评估模块内置模糊变量,包括不同的模糊集合,分别为模糊集合低、模糊集合中和模糊集合高;
其中,模糊集合低为正常范围,模糊集合中和模糊集合高为异常范围
与现有技术相比,本发明的有益效果是:
(1)本发明通过表征局部放电趋势的放电强度次数函数模型的建立和表征局部放电严重程度的模糊逻辑评估流程。请将两者结合起来,实现对发电机定子局部放电进行趋势分析和严重程度判断,从而对发电机局部放电水平进行更精确地综合评估。
(2)通过设置日平均量、周平均量和月平均量作为局部放电严重程度的三个评估参数替代局部放电量的瞬时值,避免瞬时值因测量和传输过程中的干扰而产生比较大的漂移的风险;同时经过三个参数层层递进的检测,能够及时检测出发电机局部放电的严重程度,并根据局部放电的严重程度做相应的处理。
(3)使用局部放电的放电强度次数替代平均放电量和放电次数,从而更清晰地反映出局部放电的变化趋势。
附图说明
图1为现有技术的离线检测方法中的单根线棒局放试验回路示意图;
图2为现有技术的离线检测方法中的整相绕组局放试验回路示意图;
图3为本发明的实施例的综合评估流程图;
图4为本发明的实施例的平均放电量信号电压趋势图;
图5为本发明的实施例的放电次数趋势图;
图6为本发明的实施例的放电强度次数趋势图;
图7为本发明的实施例的放电次数和强度次数对比图;
图8为本发明的实施例的局部放电严重程度的评估流程图。
具体实施方式
为便于本领域技术人员理解本发明技术方案,现结合说明书附图对本发明技术方案做进一步的说明。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
参阅图3,本实施例公开了一种发电机定子局部放电评估方法,包括如下步骤:
S1、系统采集一段时间内局部放电量的平均值作为局部放电严重程度的评估参数,并对该评估参数进行模糊逻辑评估;
S2、若步骤S1中的模糊逻辑评估结果处于正常范围,则表明局部放电正常,结束评估;
S3、若步骤S1中的模糊逻辑评估结果处于异常范围,则表明局部放电异常,进一步对局部放电趋势进行分析;
S4、若步骤S3中的局部放电趋势分析结果为局部放电随着时间的推移处于不断上升趋势,则表明局部放电超标,进行处理;
S5、若步骤S3中的局部放电趋势分析结果为局部放电随着时间的推移不处于上升趋势,则加强对局部放电的监视,进行综合分析。
所述步骤S1的评估参数分别设置有日平均量、周平均量和月平均量。
所述模糊逻辑判断的模糊变量包括不同的模糊集合,分别为模糊集合低、模糊集合中和模糊集合高;
其中,模糊集合低为正常范围,模糊集合中和模糊集合高为异常范围。
所述步骤S1的模糊逻辑评估流程包括如下步骤:
S101、设置日平均量、周平均量和月平均量作为局部放电严重程度的三个评估参数;系统采集三个评估参数数据;
S102、系统读取日平均值并构造模糊事实,与其对应的模糊变量进行匹配,若结果为模糊集合低,则表明局部放电正常,结束评估;否则,执行步骤S103;
S103、系统读取周平均值,构造模糊事实并与其对应的模糊变量进行匹配,若结果为模糊集合低,则表明局部放电正常,结束评估;否则,执行步骤S104;
S104、系统读取月平均量,构造模糊事实并与其对应的模糊变量进行匹配。
若步骤S104的匹配结果为模糊集合低,则进行如下操作:
S201、对局部放电趋势进行分析,判断以天为时间序列单位的强度次数是否处于上升趋势;
S202、若以天为时间序列单位的强度次数不处于上升趋势,则表明局部放电正常,结束评估;
S203、若以天为时间序列单位的强度次数处于上升趋势时,则加强对局部放电的监视,进行综合分析。
若步骤S104的匹配结果不为模糊集合低,则进行如下操作:
S301、对局部放电趋势进行分析,判断以天为时间序列单位的强度次数是否处于上升趋势;
S302、若以天为时间序列单位的强度次数不处于上升趋势,则加强对局部放电的监视,进行综合分析;
S303、若以天为时间序列单位的强度次数处于上升趋势时,则表明局部放电超标,进行处理。
所述强度次数计算函数为:
其中,t为时间,Ui和ni分别表示时序为i(i=2,3,4,…,t)的平均放电信号的电压和放电次数。
在本实施例的具体实现中,包括如下过程:
(1)局放数据的趋势分析
现有的局放评估体系主要参数为平均放电量和放电次数,两个参数分别作为指标来表征局放:当平均放电量降低,同时放电次数减少的时候,可以视为局放有衰减的趋势;当平均放电量增加,同时放电次数增加的时候,可以视为局放有增加的趋势。但是在工程实际中,往往存在各种情况,例如平均放电量降低了,但是放电次数增加,或者平均放电量增加,但是放电次数降低了;遇到上述情况就很难以现有的评估体系对局放趋势进行分析
为了能清楚的分析观察局放量的变化趋势,本文参照金融时序分析中表征发展趋势的特征函数PVT函数,定义了一个新的特征参数强度次数QI(t)。对于时间序数为t的局放数据,其强度次数QI(t)为:
其中,Ui和ni分别表示时序为i(i=2,3,4,…,t)的平均放电信号的电压和放电次数。令ΔUt=Ut-Ut-1,则放电强度次数的变化值ΔQt=(ΔUt/Ut-1)nt。
放电强度次数参考了金融交易中的PVT函数,通过放电量电压(对应交易价格)和放电次数(对应交易量)这个参数,通过变化率和放电次数乘积的累积来综合表征局放的变化趋势。
由上式可得:
(1)放电强度次数的变化方向与平均放电强度的变化方向相同,即平均放电强度增长时,放电的强度次数也增长;当平均放电强度降低时,放电的强度次数也会随之降低。
(2)放电强度的变化幅度与放电次数以及平均放电量的变化幅度成正比。
以一发电机作为具体实例进行比较说明:
该发电机在一段时间内的平均放电信号电压和平均放电次数的数据如图4和图5所示。
由图4可以看出,平均放电量信号电压总体较低,约在5mV上下波动;由图5可以看出,放电次数整体呈现上升的趋势,这个趋势在20周之后比较明显。图4虽能反映局放的整体水平,但就局放的发展趋势而言,却没能提供较有价值的信息;图5整体虽然提供了一定的趋势信息,但因数据曲线的波动幅度较大,这种趋势存在一定的局限性。
图6和图7分别为放电强度次数趋势图和强度次数和放电次数对比图,可以看出,相比于平均放电量电压和放电次数,放电强度次数的数据曲线波动幅度较小,因此放电强度次数能够更清晰的反映出局放的变化趋势。
(2)局放数据的模糊评估
发电机绝缘的劣化是一个渐进的过程,即局放从正常到严重有一个缓慢发展的过程。从这个意义来说,局放的瞬时值参考价值较小,不宜直接用于严重程度评估。严重程度评估应以一段时间内的统计数据作为评估的依据。在本例中,可以为局放分别定义了小时平均量、日平均量和周平均量。
在进行模糊推理时,对于前述的局放特征参数均有小时、日和周平均量3个统计数据。进行模糊化时,每个模糊变量中包含3个不同的模糊集合,分别是低、中、高。系统从数据库中读取相应的局放特征信息后,构造相应的模糊事实进行推理得出相关结论。在推理的过程中,根据各个参数间的关系,需要构造一定数量的模糊规则,如平均放电量为高,且放电次数为高,则放电严重。
由局放的特征量评估局放的基本流程如图8所示。首先,由小时平均量构造模糊事实,与模糊变量进行匹配,如果结果模糊集合低,则认为放电正常,否则,读取日平均量,进行类似的推理,如果结果认为放电正常则结束,否则继续判断周平均量。
(3)局放严重程度的综合评估
结合上述的两个评估方法,并采用日平均量、周平均量和月平均量三个参数进行模糊评估,则能够得出如图3所示的本实施例的综合评估方法流程:
由日平均量构造模糊事实,与模糊变量进行匹配,如果结果模糊集合低,则认为放电正常,否则,读取周平均量,进行类似的推理,如果结果认为放电正常则结束,否则继续判断月平均量。
在评估月平均量时,引入放电强度次数QI(t)进行综合判断:
在每月的局放量属于模糊集合低状态下,当以天为时间单位序列单位的强度次数强度不处于上升趋势,则认为局放正常,当以天为时间单位序列单位的强度次数强度处于上升趋势,则要加强对局放的监视。
在每月的局放量不属于模糊集合低状态下,当以天为时间单位序列单位的强度次数强度处于上升趋势,则认为局放超标,进行处理,当以天为时间单位序列单位的强度次数强度不处于上升趋势,则要加强对局放的监视,进行综合分析。
综上,本实施例通过表征局部放电趋势的放电强度次数函数模型的建立和表征局部放电严重程度的模糊逻辑评估流程。请将两者结合起来,实现对发电机定子局部放电进行趋势分析和严重程度判断,从而对发电机局部放电水平进行更精确地综合评估。
通过设置日平均量、周平均量和月平均量作为局部放电严重程度的三个评估参数替代局部放电量的瞬时值,避免瞬时值因测量和传输过程中的干扰而产生比较大的漂移的风险;同时经过三个参数层层递进的检测,能够及时检测出发电机局部放电的严重程度,并根据局部放电的严重程度做相应的处理。
同时使用局部放电的放电强度次数替代平均放电量和放电次数,从而更清晰地反映出局部放电的变化趋势。
本实施例还公开了一种发电机定子局部放电评估系统,包括:
采集模块,用于采集一段时间内局部放电量的平均值作为局部放电严重程度的评估参数;
模糊逻辑评估模块,用于对采集模块采集的评估参数进行模糊逻辑评估:
若模糊逻辑评估结果处于正常范围,则表明局部放电正常,结束评估;
若模糊逻辑评估结果处于异常范围,则表明局部放电异常,进一步对局部放电趋势进行分析;
局部放电趋势分析模块,用于对局部放电趋势进行分析:
若局部放电趋势分析结果为局部放电随着时间的推移处于不断上升趋势,则表明局部放电超标,进行处理;
若局部放电趋势分析结果为局部放电随着时间的推移不处于上升趋势,则加强对局部放电的监视,进行综合分析。
所述采集模块采集的评估参数分别为日平均量、周平均量和月平均量。
所述模糊逻辑评估模块内置模糊变量,包括不同的模糊集合,分别为模糊集合低、模糊集合中和模糊集合高;
其中,模糊集合低为正常范围,模糊集合中和模糊集合高为异常范围。
模糊逻辑评估模块包括如下模块:
数据读取模块,用于采集模块采集的作为局部放电严重程度的三个评估参数的日平均量、周平均量和月平均量;
第一判断模块,用于判断日平均值,通过构造模糊事实,与其对应的模糊变量进行匹配,若结果为模糊集合低,则表明局部放电正常,结束评估;否则,启动第二判断模块;
第二判断模块,用于判断周平均值,构造模糊事实并与其对应的模糊变量进行匹配,若结果为模糊集合低,则表明局部放电正常,结束评估;否则,启动第三判断模块;
第三判断模块,用于判断月平均量,构造模糊事实并与其对应的模糊变量进行匹配,若结果为模糊集合低,则启动局部放电趋势分析模块的第一分析模块;否则,启动局部放电趋势分析模块的第二分析模块。
第一分析模块,用于对局部放电趋势进行分析,判断以天为时间序列单位的强度次数是否处于上升趋势;
若以天为时间序列单位的强度次数不处于上升趋势,则表明局部放电正常,结束评估;
若以天为时间序列单位的强度次数处于上升趋势时,则加强对局部放电的监视,进行综合分析。
第二分析模块,用于对局部放电趋势进行分析,判断以天为时间序列单位的强度次数是否处于上升趋势;
若以天为时间序列单位的强度次数不处于上升趋势,则加强对局部放电的监视,进行综合分析;
若以天为时间序列单位的强度次数处于上升趋势时,则表明局部放电超标,进行处理。
第一分析模块和第二分析模块采用的强度次数计算函数为:
其中,t为时间,Ui和ni分别表示时序为i(i=2,3,4,…,t)的平均放电信号的电压和放电次数。
需要说明的是,本实施例公开的一种基于多参量时序函数的发电机定子局部放电评估系统对应于上述实施例公开的一种发电机定子局部放电评估方法,具有相应的技术特征和技术效果,该处不再赘述。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
以上所述实施例仅表示发明的实施方式,本发明的保护范围不仅局限于上述实施例,对于本领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明保护范围。
Claims (10)
1.一种发电机定子局部放电评估方法,其特征在于:包括如下步骤:
S1、系统采集一段时间内局部放电量的平均值作为局部放电严重程度的评估参数,并对该评估参数进行模糊逻辑评估;
S2、若步骤S1中的模糊逻辑评估结果处于正常范围,则表明局部放电正常,结束评估;
S3、若步骤S1中的模糊逻辑评估结果处于异常范围,则表明局部放电异常,进一步对局部放电趋势进行分析;
S4、若步骤S3中的局部放电趋势分析结果为局部放电随着时间的推移处于不断上升趋势,则表明局部放电超标,进行处理;
S5、若步骤S3中的局部放电趋势分析结果为局部放电随着时间的推移不处于上升趋势,则加强对局部放电的监视,进行综合分析。
2.根据权利要求1所述的发电机定子局部放电评估方法,其特征在于:所述步骤S1的评估参数分别设置有日平均量、周平均量和月平均量。
3.根据权利要求1所述的发电机定子局部放电评估方法,其特征在于:所述模糊逻辑判断的模糊变量包括不同的模糊集合,分别为模糊集合低、模糊集合中和模糊集合高;
其中,模糊集合低为正常范围,模糊集合中和模糊集合高为异常范围。
4.根据权利要求2或3所述的发电机定子局部放电评估方法,其特征在于:所述步骤S1的模糊逻辑评估流程包括如下步骤:
S101、设置日平均量、周平均量和月平均量作为局部放电严重程度的三个评估参数;系统采集三个评估参数数据;
S102、系统读取日平均值并构造模糊事实,与其对应的模糊变量进行匹配,若结果为模糊集合低,则表明局部放电正常,结束评估;否则,执行步骤S103;
S103、系统读取周平均值,构造模糊事实并与其对应的模糊变量进行匹配,若结果为模糊集合低,则表明局部放电正常,结束评估;否则,执行步骤S104;
S104、系统读取月平均量,构造模糊事实并与其对应的模糊变量进行匹配,若结果为模糊集合低,则执行步骤S201;否则,执行步骤S301。
5.根据权利要求4所述的发电机定子局部放电评估方法,其特征在于:
S201、对局部放电趋势进行分析,判断以天为时间序列单位的强度次数是否处于上升趋势;
S202、若以天为时间序列单位的强度次数不处于上升趋势,则表明局部放电正常,结束评估;
S203、若以天为时间序列单位的强度次数处于上升趋势时,则加强对局部放电的监视,进行综合分析。
6.根据权利要求4所述的发电机定子局部放电评估方法,其特征在于:
S301、对局部放电趋势进行分析,判断以天为时间序列单位的强度次数是否处于上升趋势;
S302、若以天为时间序列单位的强度次数不处于上升趋势,则加强对局部放电的监视,进行综合分析;
S303、若以天为时间序列单位的强度次数处于上升趋势时,则表明局部放电超标,进行处理。
8.一种发电机定子局部放电评估系统,其特征在于:包括:
采集模块,用于采集一段时间内局部放电量的平均值作为局部放电严重程度的评估参数;
模糊逻辑评估模块,用于采集模块采集的评估参数进行模糊逻辑评估:
若模糊逻辑评估结果处于正常范围,则表明局部放电正常,结束评估;
若模糊逻辑评估结果处于异常范围,则表明局部放电异常,进一步对局部放电趋势进行分析;
局部放电趋势分析模块,用于对局部放电趋势进行分析:
若局部放电趋势分析结果为局部放电随着时间的推移处于不断上升趋势,则表明局部放电超标,进行处理;
若局部放电趋势分析结果为局部放电随着时间的推移不处于上升趋势,则加强对局部放电的监视,进行综合分析。
9.根据权利要求8所述的发电机定子局部放电评估系统,其特征在于:所述采集模块采集的评估参数分别为日平均量、周平均量和月平均量。
10.根据权利要求8所述的发电机定子局部放电评估系统,其特征在于:所述模糊逻辑评估模块内置模糊变量,包括不同的模糊集合,分别为模糊集合低、模糊集合中和模糊集合高;
其中,模糊集合低为正常范围,模糊集合中和模糊集合高为异常范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111519627.4A CN114397542A (zh) | 2021-12-13 | 2021-12-13 | 一种发电机定子局部放电评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111519627.4A CN114397542A (zh) | 2021-12-13 | 2021-12-13 | 一种发电机定子局部放电评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114397542A true CN114397542A (zh) | 2022-04-26 |
Family
ID=81226688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111519627.4A Pending CN114397542A (zh) | 2021-12-13 | 2021-12-13 | 一种发电机定子局部放电评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114397542A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115343617A (zh) * | 2022-09-22 | 2022-11-15 | 南通万成机电有限公司 | 一种电机定子绕组的局放在线监测辨识方法 |
-
2021
- 2021-12-13 CN CN202111519627.4A patent/CN114397542A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115343617A (zh) * | 2022-09-22 | 2022-11-15 | 南通万成机电有限公司 | 一种电机定子绕组的局放在线监测辨识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | A state-of-health estimation method of lithium-ion batteries based on multi-feature extracted from constant current charging curve | |
US6456045B1 (en) | Integrated conductance and load test based electronic battery tester | |
WO2020090143A1 (ja) | 電流パルス法による電池診断装置及び電池診断方法 | |
Bigdeli et al. | Detection of probability of occurrence, type and severity of faults in transformer using frequency response analysis based numerical indices | |
CN109270482B (zh) | 电压互感器计量准确度在线评价方法及终端设备 | |
Yang et al. | A voltage reconstruction model based on partial charging curve for state-of-health estimation of lithium-ion batteries | |
CN110261746B (zh) | 基于振荡波电压周期衰减特性的电缆缺陷检测方法 | |
CN114325403B (zh) | 基于电化学阻抗谱测试的锂离子电池寿命检测方法和系统 | |
JP7070224B2 (ja) | 電池情報処理システムおよび電池情報処理方法 | |
CN114397542A (zh) | 一种发电机定子局部放电评估方法及系统 | |
Pandarakone et al. | Frequency spectrum investigation and analytical diagnosis method for turn-to-turn short-circuit insulation failure in stator winding of low voltage induction motor | |
CN117748507A (zh) | 基于高斯回归模型的配网谐波接入不确定性评估方法 | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN117420393A (zh) | 开关柜局部放电缺陷识别方法、系统、设备及存储介质 | |
DE112011103313T5 (de) | Verfahren zum Untersuchen eines Fehlerstroms eines elektrischen Kompressors | |
CN113447821B (zh) | 评估电池荷电状态的方法 | |
CN113670987B (zh) | 油纸绝缘老化状态的识别方法、装置、设备和存储介质 | |
Mishra et al. | Diagnostics analysis of partial discharge events of the power cables at various voltage levels using ramping behavior analysis method | |
Wei et al. | The online diagnosis of internal insulation fault of capacitance voltage transformers based on machine learning | |
James et al. | Interpretation of partial discharge quantities as measured at the terminals of HV power transformers | |
Champlin et al. | A fundamentally new approach to battery performance analysis using DFRA/sup TM//DPIS/sup TM/technology | |
Tinnemeyer | Multiple model impedance spectroscopy techniques for testing electrochemical systems | |
Saha et al. | Investigating some important parameters of the PDC measurement technique for the insulation condition assessment of power transformer | |
Ko et al. | Constructing battery impedance spectroscopy using partial current in constant-voltage charging or partial relaxation voltage | |
EP4235199B1 (en) | Assessing performance or state or load condition of a battery storage |
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 |