RU2814857C1 - System for monitoring and diagnosing state of turbine generator - Google Patents
System for monitoring and diagnosing state of turbine generator Download PDFInfo
- Publication number
- RU2814857C1 RU2814857C1 RU2023116932A RU2023116932A RU2814857C1 RU 2814857 C1 RU2814857 C1 RU 2814857C1 RU 2023116932 A RU2023116932 A RU 2023116932A RU 2023116932 A RU2023116932 A RU 2023116932A RU 2814857 C1 RU2814857 C1 RU 2814857C1
- Authority
- RU
- Russia
- Prior art keywords
- generator
- data
- state
- analysis
- conclusion
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000007405 data analysis Methods 0.000 claims abstract description 11
- 238000012795 verification Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 41
- 238000004804 winding Methods 0.000 claims description 38
- 238000009413 insulation Methods 0.000 claims description 37
- 230000007547 defect Effects 0.000 claims description 33
- 238000005259 measurement Methods 0.000 claims description 27
- 230000008439 repair process Effects 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 239000004020 conductor Substances 0.000 claims description 8
- 230000006866 deterioration Effects 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 4
- 238000010835 comparative analysis Methods 0.000 claims description 4
- 229910052802 copper Inorganic materials 0.000 claims description 4
- 239000010949 copper Substances 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000016507 interphase Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 239000010445 mica Substances 0.000 claims description 4
- 229910052618 mica group Inorganic materials 0.000 claims description 4
- 230000001681 protective effect Effects 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 230000002265 prevention Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 239000000126 substance Substances 0.000 abstract 1
- 238000012800 visualization Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000004907 flux Effects 0.000 description 7
- 230000003313 weakening effect Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 230000032798 delamination Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000005693 optoelectronics Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000004593 Epoxy Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Abstract
Description
Изобретение относится к области мониторинга и диагностирования состояния промышленного объекта и может быть использовано в системах мониторинга, диагностирования состояния турбогенераторов электростанций.The invention relates to the field of monitoring and diagnosing the condition of an industrial facility and can be used in systems for monitoring and diagnosing the condition of turbine generators of power plants.
Известны способ и система удалённого мониторинга энергетических установок (RU 2626780 C1, 01.08.2017). В изобретении контролируется набор параметров турбоагрегата, по которым строятся матрицы состояния. На основе матриц затем формируется прогнозная модель состояния, с помощью которой моделируется развитие параметров состояния агрегата. Разности параметров фактического состояния и смоделированного (прогнозируемого) состояния агрегата определяют компоненты невязки, по которым определяется степень влияния показателей работы генератора на отклонение режима его работы от номинального. Далее выполняется анализ и фильтрация набора невязок, результатом которого является обновление модели прогнозирования, которая затем используется для последующего моделирования состояния агрегата.A method and system for remote monitoring of power plants is known (RU 2626780 C1, 08/01/2017). The invention controls a set of turbine unit parameters, which are used to construct state matrices. Based on the matrices, a predictive state model is then formed, with the help of which the development of the state parameters of the unit is simulated. The differences between the parameters of the actual state and the modeled (predicted) state of the unit determine the residual components, which determine the degree of influence of the generator’s performance indicators on the deviation of its operating mode from the nominal one. Next, the set of residuals is analyzed and filtered, resulting in an update of the forecasting model, which is then used for subsequent modeling of the state of the unit.
Известен способ и система удаленного мониторинга и прогнозирования состояния энергетических объектов (RU 2739727C1, 28.12.2020). Первичные данные получаются от объекта контроля через управляемую систему обратных связей (изменения и периодичность обновления каждого параметра). Данные предварительно обрабатываются с использованием фильтров пороговых значений и регрессионных моделей. С периодичностью, определяемой скоростью изменения значений параметров, формируются эталонные выборки. Создаются эмпирические модели по методу MSET (многомерный метод оценки состояния). Определяют по разности компонентов наблюдаемой точки и точки, моделирующей состояние объекта, компоненты невязок. Определяют разладки, отображающие степень влияния показателей работы объекта на отклонение показателей параметров объекта. Анализируют поступающую информацию от объекта контроля. Определяют степень отклонения параметров объекта от показателей эмпирических моделей и выявляют разладки для таких показателей. Ранжируют вычисленные разладки. Обновляют на основании отфильтрованной выборки эмпирические модели и формируют сигнал отклонении параметра объекта контроля на основании обновленной модели. Результатом является возможная корректировка и обновление эталонной модели. Таким образом формируется адаптивная динамическая эталонная модель объекта контроля.There is a known method and system for remote monitoring and forecasting of the state of energy facilities (RU 2739727C1, 12/28/2020). Primary data is obtained from the control object through a controlled feedback system (changes and frequency of updating of each parameter). The data is pre-processed using threshold filters and regression models. With a frequency determined by the rate of change of parameter values, reference samples are formed. Empirical models are created using the MSET method (multidimensional state estimation method). The components of the residuals are determined from the difference between the components of the observed point and the point that models the state of the object. Discords are determined that reflect the degree of influence of the object’s performance indicators on the deviation of the object’s parameters. Analyze incoming information from the control object. The degree of deviation of the object’s parameters from the indicators of empirical models is determined and discrepancies for such indicators are identified. The calculated imbalances are ranked. Empirical models are updated based on the filtered sample and a signal of deviation of the control object parameter is generated based on the updated model. The result is a possible adjustment and update of the reference model. In this way, an adaptive dynamic reference model of the control object is formed.
В источнике US 6353815 B1 представлен статистически квалифицированный нейроаналитический метод и система обнаружения отказов. Система мониторинга SQNA (статистически квалифицированная нейроаналитическая модель) разрабатывается в два основных этапа: детерминированная адаптация модели и стохастическая адаптация модели. Детерминированная адаптация модели включает в себя формулирование аналитической модели в виде уравнения состояния и уравнения выхода. Затем нейронная сеть включается в аналитическую модель путём добавления векторных функций нейронной сети к состоянию аналитической модели и выходным уравнениям, таким образом, что неизвестные характеристики процесса представлены в полученной комбинированной нейроаналитической модели. Стохастическая адаптация модели включает в себя квалификацию любой оставшейся неопределенности в обученной нейроаналитической модели, возникающей в результате таких факторов, как изменение динамики процесса во время сбора данных, переменные состояния процесса и / или входной и выходной шум процесса. Результатом применения системы является повышенная точность аналитического описания рассматриваемого процесса и снижении количества ложных срабатываний.Reference US 6353815 B1 presents a statistically qualified neural analytical method and failure detection system. The SQNA (statistically qualified neuroanalytic model) monitoring system is developed in two main stages: deterministic model adaptation and stochastic model adaptation. Deterministic model adaptation involves formulating an analytical model in the form of an equation of state and an output equation. The neural network is then incorporated into the analytical model by adding vector functions of the neural network to the analytical model's state and output equations, such that the unknown characteristics of the process are represented in the resulting combined neural analytical model. Stochastic model adaptation involves qualifying any remaining uncertainty in the trained neuroanalytic model resulting from factors such as changing process dynamics during data acquisition, process state variables, and/or process input and output noise. The result of using the system is increased accuracy of the analytical description of the process under consideration and a reduction in the number of false positives.
В источнике US 8306931 B1 описаны способ и система для обнаружения, классификации и отслеживания аномальных событий и их взаимосвязей в потоке данных. Нейронная сеть обучается в автономном режиме с использованием множества измерений. Каждое измерение автоматически масштабируется и нормализуется на основе поведения одного или нескольких из них: максимального значения, минимального значения, среднего значения, значения стандартного отклонения, значения наклона и частоты измерения в окнах исторических данных. Нейронная сеть автоматически настраивается для каждой коррелированной группы измерений. Нейронные сети настроены на обнаружение аномалий во время текущей работы контролируемой системы. Так, интегрированный набор алгоритмов облегчает обнаружение, характеристику и отслеживание аномалий в потоках данных в реальном времени.US 8306931 B1 describes a method and system for detecting, classifying and tracking anomalous events and their relationships in a data stream. The neural network is trained offline using multiple measurements. Each measurement is automatically scaled and normalized based on the behavior of one or more of its maximum value, minimum value, mean value, standard deviation value, slope value, and measurement frequency in historical data windows. The neural network is automatically tuned for each correlated group of measurements. Neural networks are configured to detect anomalies during the ongoing operation of the monitored system. Thus, an integrated set of algorithms facilitates the detection, characterization and tracking of anomalies in real-time data streams.
В источнике RU 99109474 A описаны способ и устройство для идентификации или, соответственно, предварительного вычисления параметров промышленного процесса, изменяющегося во времени. Предварительно вычисляются параметры промышленного процесса, в частности, быстро изменяющиеся параметры или параметры возмущающего воздействия. Модель процесса представляет собой усредненное по времени отображение процесса, содержит в себе по крайне мере одну изменяющуюся во времени модель процесса, которая согласована хотя бы с одной постоянной времени величины возмущающего действия или вариацией параметров процесса. Этот способ позволяет прогнозировать параметры изменяющегося во времени процесса. В предпочтительной форме выполнения данного изобретения происходит согласование изменяющейся во времени модели с постоянной времени изменения или величины возмущающего воздействия процесса относительно вариаций рассматриваемых параметров за счёт адаптации изменяющейся во времени модели в реальном времени. Такой вариант позволяет постоянно актуализировать работу модели с учетом вариации параметров.The source RU 99109474 A describes a method and device for identifying or, respectively, pre-calculating the parameters of an industrial process that varies over time. The parameters of the industrial process are pre-calculated, in particular, rapidly changing parameters or disturbance parameters. A process model is a time-averaged representation of a process and contains at least one time-varying process model that is consistent with at least one time constant of the magnitude of the disturbing action or variation of process parameters. This method allows you to predict the parameters of a time-varying process. In a preferred embodiment of the present invention, the time-varying model is matched to the time constant of change or the magnitude of the disturbance effect of the process relative to variations in the parameters under consideration by adapting the time-varying model in real time. This option allows you to constantly update the model’s operation taking into account variations in parameters.
В источнике RU 2568291 C1 описана система глобального мониторинга в режиме реального времени параметров состояния многопараметрических объектов. Вводится блок прогнозирования и реагирования на изменения аномальных параметров состояния. Входными сигналами для данного блока являются данные, содержащие матрицы, элементами которых являются признаки соответствия и несоответствия фактических значений параметров допустимым и значения моментов окончания измерений совокупности значения параметров состояния. На основе результатов прогнозирования изменения аномальных значений параметров состояния системы во времени формируют рекомендации по изменению этих значений. В системе имеется также блок оценки соответствия фактических значений параметров состояния допустимым, предназначенный для оперативного и независимого от количества контролируемых параметров, их физической сущности и единиц измерения получения, компактного представления результатов оценки параметров состояния системы. Система позволяет оперативного прогнозировать возникновения критических (чрезвычайных) ситуаций с учетом предварительно полученных точечных и интервальных оценок аномальных значений параметров состояния системы, а также своевременного формировать рекомендации по изменению пользовательских параметров для предупреждения возникновения аномального состояния объекта.The source RU 2568291 C1 describes a system for global monitoring in real time of the state parameters of multi-parameter objects. A block for predicting and responding to changes in abnormal state parameters is introduced. The input signals for this block are data containing matrices, the elements of which are signs of compliance and non-compliance of the actual parameter values with acceptable ones and the values of the moments of completion of measurements of the set of state parameter values. Based on the results of predicting changes in abnormal values of system state parameters over time, recommendations for changing these values are formed. The system also has a block for assessing the compliance of actual values of state parameters with acceptable ones, designed for an operational and independent of the number of monitored parameters, their physical essence and units of measurement, obtaining, compact presentation of the results of assessing system state parameters. The system allows you to quickly predict the occurrence of critical (emergency) situations, taking into account previously obtained point and interval estimates of anomalous values of system state parameters, as well as timely generate recommendations for changing user parameters to prevent the occurrence of an anomalous state of an object.
Известны способ и система для диагностирования промышленного объекта, в которой, в системе для диагностирования промышленного объекта, содержащей блок сбора данных, выполненный с возможностью сбора данных с комплекта датчиков промышленного объекта; блок модели промышленного объекта, выполненный с возможностью моделировать промышленный объект; блок анализа, выполненный с возможностью анализировать состояние промышленного объекта на основании данных, полученных от блока сбора данных, и модели промышленного объекта; причем блок анализа выполнен с возможностью делать заключение о нормальном или аномальном функционировании промышленного объекта на основании анализа; причем блок анализа выполнен с возможностью принимать данные об изменениях, внесенных в промышленный объект, и командовать блоку модели изменить модель в соответствии с внесенными изменениями (RU 2707423 C2, 28.10.2019).A known method and system for diagnosing an industrial facility, in which, in a system for diagnosing an industrial facility, containing a data collection unit configured to collect data from a set of sensors of the industrial facility; an industrial facility model block configured to simulate an industrial facility; an analysis unit configured to analyze the state of an industrial facility based on data received from the data collection unit and a model of the industrial facility; wherein the analysis unit is configured to make a conclusion about the normal or abnormal functioning of the industrial facility based on the analysis; wherein the analysis unit is configured to receive data about changes made to the industrial facility and command the model unit to change the model in accordance with the changes made (RU 2707423 C2, 10.28.2019).
Недостатком известных систем мониторинга и диагностики различных промышленных объектов является низкая точность прогнозирования параметров работы генератора. A disadvantage of known monitoring and diagnostic systems for various industrial facilities is the low accuracy of predicting generator operating parameters.
Техническим результатом предложенного изобретения является устранение указанных недостатков, повышение точности прогнозирования отклонения параметров работы генератора за счет комплексного контроля состояния генератора.The technical result of the proposed invention is the elimination of these disadvantages, increasing the accuracy of predicting deviations in the operating parameters of the generator through comprehensive monitoring of the condition of the generator.
Указанный технический результат достигается в системе мониторинга и диагностирования состояния генератора содержащей размещенное в защитном корпусе с прозрачной дверцей устройство для онлайн-мониторинга состояния генератора, выполненное с возможностью на основе соответствующего программного обеспечения сбора, по меньшей мере, данных вибрации конца обмотки статора генератора и данных частичных разрядов обмотки статора генератора посредством эпоксидно-слюдяных емкостных датчиков, выход устройства для онлайн-мониторинга сообщен с входом первого блока анализа данных онлайн-мониторинга для их диагностического анализа с последующим формированием на их основе первого заключения о состоянии генератора, блок для ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, по меньшей мере, данных заводских испытаний, проводимых перед вводом генератора в работу - по меньшей мере, испытание межвитковой изоляции обмотки статора и определение тока утечки через изоляцию статора, данных испытаний во время проведения ремонтных работ - по меньшей мере, данных испытаний изоляции обмотки статора повышенным выпрямленным напряжением с измерением тока утечки, испытание повышенным напряжением промышленной частоты, измерение сопротивления постоянному току, офлайн измерение уровня частичных разрядов, выход блока ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, сообщен с входом второго блока анализа этих данных, который выполнен с программным обеспечением для их диагностического анализа с последующим формированием на их основе второго заключения о состоянии генератора, выход первого блока анализа данных и выход второго блока анализа данных сообщены с соответствующими входами блока взаимной верификации, анализа и сравнения первого и второго заключений, выход блока взаимной верификации сообщен с входом устройства для визуализации результатов сравнительного анализа заключений о состоянии генератора, при этом устройство для онлайн-мониторинга выполнено с возможностью автоматического оповещения и выдачи соответствующих звукового и светового сигналов о тревожном состоянии генератора при возникновении межфазного замыкания или обрыва медных проводников, о тревожном состоянии генератора и предотвращения ложных тревог на основе автоматического разделения помех на основе фильтрации и анализа формы импульсов, чтобы отличать частичные разряды от электрических помех, в случае, если оба заключения соответствуют одно другому и описывают одинаковые или близкие в отношении действия одного и того же механизма ухудшения состояния узлов генератора дефекты, формируется единое заключение об обнаруженном дефекте, если заключения противоречат одно другому, система формирует сообщение о необходимости привлечения специалиста для дальнейшего формирования единого заключения, при этом устройство для онлайн-мониторинга выполнено с возможностью расширения сбора данных - области онлайн-мониторинга.The specified technical result is achieved in a system for monitoring and diagnosing the condition of the generator containing a device for online monitoring of the condition of the generator, located in a protective housing with a transparent door, made with the ability, based on appropriate software, to collect at least vibration data from the end of the stator winding of the generator and partial data discharges of the generator stator winding through epoxy-mica capacitive sensors, the output of the device for online monitoring is communicated with the input of the first online monitoring data analysis block for their diagnostic analysis, followed by the formation on their basis of the first conclusion about the state of the generator, a block for entering generator state data, measured on a stopped - disconnected from the network generator, at least factory test data carried out before putting the generator into operation - at least testing the interturn insulation of the stator winding and determining the leakage current through the stator insulation, test data during repair work - according to at least test data for stator winding insulation with increased rectified voltage with leakage current measurement, test with increased voltage of industrial frequency, DC resistance measurement, offline measurement of partial discharge level, output of the generator state data input unit, measured on a stopped - disconnected from the network generator, reported with the input of the second block for analyzing this data, which is made with software for their diagnostic analysis with the subsequent formation on their basis of a second conclusion about the state of the generator, the output of the first data analysis block and the output of the second data analysis block are communicated with the corresponding inputs of the mutual verification, analysis and comparison of the first and second conclusions, the output of the mutual verification block is communicated with the input of the device for visualizing the results of a comparative analysis of conclusions about the state of the generator, while the online monitoring device is configured to automatically notify and issue appropriate sound and light signals about the alarm state of the generator when an interphase short circuit or breakage of copper conductors, about the alarming state of the generator and the prevention of false alarms based on automatic noise separation based on filtering and pulse shape analysis to distinguish partial discharges from electrical interference, if both conclusions correspond to one another and describe the same or similar characteristics regarding the action of the same mechanism for the deterioration of the condition of the generator components, defects, a single conclusion about the detected defect is formed, if the conclusions contradict one another, the system generates a message about the need to attract a specialist to further form a single conclusion, while the device for online monitoring is made expandable data collection - areas of online monitoring.
Одинаковыми или близкими в отношении действия одного и того же механизма ухудшения состояния узлов генератора дефектами могут быть, например, расслоение и растрескивание изоляции статора и т.д.Defects that are identical or similar in relation to the action of the same mechanism of deterioration of the condition of generator components can be, for example, delamination and cracking of stator insulation, etc.
Известные системы аналогичного назначения в основном проводят диагностику генератора на основе автоматически выполняемых алгоритмов, которые используют данные, описывающие состояния генератора при его работе. Помимо этого, при диагностике генераторов на предприятиях широко применяются методы диагностики генераторов на основе данных испытаний, проводимых на остановленном - отключенном от сети генераторе. К таким данным могут относиться данные заводских испытаний (проводимых перед вводом генератора в работу) или данные испытаний во время ремонтов. При этом действующая нормативная база в части диагностики генераторов распространяется на оба вида испытаний генераторов.Known systems for similar purposes mainly carry out generator diagnostics based on automatically executed algorithms that use data describing the state of the generator during its operation. In addition, when diagnosing generators at enterprises, methods for diagnosing generators based on test data carried out on a stopped generator - disconnected from the network - are widely used. This data may include factory test data (conducted before the generator is put into operation) or test data during repairs. At the same time, the current regulatory framework for diagnostics of generators applies to both types of testing of generators.
В частности, на остановленных генераторах:In particular, on stopped generators:
глава 6 СТО 34.01-23.1-001-2017 “Объём и нормы испытаний электрооборудования”;
ГОСТ IEC/TS 60034-27-2015 "Машины электрические вращающиеся. Часть 27. Измерения частичного разряда на изоляции статорной обмотки отключенных от сети вращающихся электрических машин";GOST IEC/TS 60034-27-2015 "Rotating electrical machines. Part 27. Partial discharge measurements on the insulation of the stator winding of rotating electrical machines disconnected from the network";
На работающих генераторах:On running generators:
ГОСТ IEC/TS 60034-27-2-2015 "Машины электрические вращающиеся. Часть 27-2. Измерения частичного разряда на изоляции статорной обмотки включенных в сеть вращающихся электрических машин";GOST IEC/TS 60034-27-2-2015 "Rotating electrical machines. Part 27-2. Partial discharge measurements on the insulation of the stator winding of rotating electrical machines connected to the network";
Диагностика на основе данных вибрации по ГОСТ Р ИСО 13373-2-2009 “Контроль состояния и диагностика машин. Вибрационный контроль состояния машин. Часть 2. Обработка, анализ и представление результатов измерений вибрации”.Diagnostics based on vibration data according to GOST R ISO 13373-2-2009 “Condition monitoring and diagnostics of machines. Vibration monitoring of machine condition.
Другой особенностью рассмотренных ранее систем является отсутствие формирования сообщения о привлечении в необходимый момент специалистов по эксплуатации и диагностике генераторов. Суть описываемой системы состоит в том, что формируются два диагностических заключения: на основе параметров, собранных на работающем и на остановленном генераторе. Два заключения сравниваются друг с другом. Если оба заключения описывают одинаковые или близкие дефекты, система формирует единое заключение об обнаруженном дефекте. Если заключения расходятся, система формирует уведомление о противоречивых результатах и если заключения противоречат одно другому, система формирует сообщение о необходимости привлечения специалиста для формирования единого заключения.Another feature of the previously discussed systems is the lack of generation of a message about the involvement of specialists in the operation and diagnostics of generators at the required moment. The essence of the described system is that two diagnostic conclusions are formed: based on parameters collected on a running and a stopped generator. The two conclusions are compared with each other. If both reports describe the same or similar defects, the system generates a single conclusion about the detected defect. If the conclusions diverge, the system generates a notification about conflicting results, and if the conclusions contradict one another, the system generates a message about the need to involve a specialist to form a single conclusion.
Таким образом, в системе используются результаты анализа двух видов данных, которые затем взаимно верифицируются, а также используются экспертные отраслевые знания специалиста о диагностике генераторов.Thus, the system uses the results of the analysis of two types of data, which are then mutually verified, and also uses the expert industry knowledge of a specialist about diagnostics of generators.
Изобретение иллюстрируется фиг.1, где изображена схема системы мониторинга и диагностирования состояния генератора.The invention is illustrated in Fig. 1, which shows a diagram of a system for monitoring and diagnosing the condition of the generator.
Система мониторинга и диагностирования состояния генератора содержит размещенное в защитном корпусе с прозрачной дверцей (на чертежах не показано) устройство 1 для онлайн-мониторинга состояния генератора.The system for monitoring and diagnosing the condition of the generator contains a
Устройство 1 выполнено с возможностью на основе соответствующего программного обеспечения сбора, по меньшей мере, данных вибрации конца обмотки статора генератора и частичных разрядов обмотки статора генератора.
Для контроля частичных разрядов могут применяться эпоксидно-слюдяные емкостные (ЕМС) датчики, которые могут определять частичные разряды от дефектов глубоко в обмотке. Датчики ЕМС изготовлены из высококачественной эпоксидной смолы, устойчивы к вибрации и рассчитанными для работы на класс напряжения 6.9, 16 и 25/28 кВ (выбирается по номинальному напряжению контролируемого оборудования). Датчик выдерживает кратковременное воздействие испытательным напряжением в соответствии с РД 34.45-51.300. Для одного генератора используется 2 набора датчиков - машинные и системные, по одному датчику на фазу в наборе. Три датчика устанавливаются в коробке линейных выводов (машинные датчики) и три датчика на токопроводе (системные) на расстоянии не менее 2-х метров от точки подключения машинных датчиков. Epoxy mica capacitance (EMC) sensors can be used to monitor partial discharges and can detect partial discharges from defects deep in the winding. EMC sensors are made of high quality epoxy resin, vibration resistant and designed to operate at voltage classes 6.9, 16 and 25/28 kV (selected according to the rated voltage of the equipment being monitored). The sensor can withstand short-term exposure to test voltage in accordance with RD 34.45-51.300. For one generator, 2 sets of sensors are used - machine and system, one sensor per phase in the set. Three sensors are installed in the linear terminal box (machine sensors) and three sensors on the conductor (system) at a distance of at least 2 meters from the connection point of the machine sensors.
Монтаж датчиков (по одному на каждую фазу) осуществляется непосредственно в точке подключения питающего кабеля к ВВМ, либо к шинам в статорной яме. Installation of sensors (one for each phase) is carried out directly at the point of connection of the power cable to the VVM, or to the busbars in the stator pit.
Выход устройства 1 для онлайн-мониторинга сообщен с входом первого блока 2 анализа данных онлайн-мониторинга для их диагностического анализа для определения, с последующим формированием на их основе первого заключения о состоянии генератора.The output of the
Блок 3 для ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, по меньшей мере, данных заводских испытаний, проводимых перед вводом генератора в работу - по меньшей мере, испытание межвитковой изоляции обмотки статора и определение тока утечки через изоляцию статора, данных испытаний во время проведения ремонтных работ - по меньшей мере, данных испытаний изоляции обмотки статора повышенным выпрямленным напряжением с измерением тока утечки, испытание повышенным напряжением промышленной частоты, измерение сопротивления постоянному току, офлайн измерение уровня частичных разрядов.
Выход блока 3 ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, сообщен с входом второго блока 4 анализа этих данных, который выполнен с программным обеспечением для их диагностического анализа с последующим формированием на их основе второго заключения о состоянии генератора.The output of
Выход первого блока 2 анализа данных и выход второго блока 4 анализа данных сообщены с соответствующими входами блока 5 взаимной верификации, анализа и сравнения первого и второго заключений. Выход блока 5 взаимной верификации сообщен с входом устройства 6 для визуализации результатов сравнительного анализа заключений о состоянии генератора.The output of the first
Устройство 1 для онлайн-мониторинга выполнено с возможностью автоматического оповещения и выдачи соответствующих звукового и светового сигналов о тревожном состоянии генератора при возникновении межфазного замыкания или обрыва медных проводников, о тревожном состоянии генератора и предотвращения ложных тревог на основе автоматического разделения помех на основе фильтрации и анализа формы импульсов, чтобы отличать частичные разряды от электрических помех.
В случае, если оба заключения соответствуют одно другому и описывают одинаковые или близкие дефекты, формируется единое заключение об обнаруженном дефекте, если заключения противоречат одно другому, система формирует сообщение о необходимости привлечения специалиста для дальнейшего формирования единого заключения.If both conclusions correspond to one another and describe the same or similar defects, a single conclusion about the detected defect is formed; if the conclusions contradict one another, the system generates a message about the need to involve a specialist to further form a single conclusion.
Корпус устройства мониторинга имеет откидную переднюю дверь с окном. Основные индикаторы и порты локальной связи видны через окно в передней дверце. Открыв дверцу, можно получить доступ к передней панели, на которой имеется порт USB для подключения к компьютеру и порт USB для установки USB-накопителя. Болт заземления расположен снаружи в нижней части корпуса.The monitoring device housing has a hinged front door with a window. The main indicators and local communication ports are visible through a window in the front door. Opening the door reveals the front panel, which has a USB port for connecting to a computer and a USB port for installing a USB flash drive. The ground bolt is located externally at the bottom of the housing.
Сама передняя панель также откидывается; после того, как защелки панели расстегнуты с помощью отвертки или аналогичного инструмента. Когда передняя панель открыта, открывается доступ ко всем постоянно установленным интерфейсам, таким как разъем питания переменного тока, порт Ethernet, а также к расширительным модулям технологий мониторинга с возможностью расширения сбора данных - области онлайн-мониторинга. Кроме того, внутри имеется больше индикаторов, которые можно использовать для диагностики устройства.The front panel itself also folds down; after the panel latches are undone using a screwdriver or similar tool. When the front panel is opened, access to all permanently installed interfaces, such as the AC power jack, Ethernet port, as well as monitoring technology expansion modules with the ability to expand data collection - the field of online monitoring, is available. Additionally, there are more indicators inside that can be used to diagnose the device.
В случае измерения магнитного потока ротора в системе используют датчик магнитного потока, который представляет собой устройство, используемое для определения магнитного потока ротора в машинах с явно и неявно выраженными полюсами. Магнитный поток ротора можно измерить во время работы машины с помощью портативных или стационарных приборов. Анализируя измерения магнитного потока ротора, можно определить количество и положение обмоток/полюсов ротора с короткозамкнутыми витками.In case of rotor magnetic flux measurement, the system uses a magnetic flux sensor, which is a device used to detect the rotor magnetic flux in salient and non-salient pole machines. Rotor flux can be measured while the machine is running using portable or stationary instruments. By analyzing rotor flux measurements, the number and position of short-circuited rotor windings/poles can be determined.
В силу наличия большого воздушного зазора генератора (80 мм), датчик магнитного потока имеет высокий профиль и предназначаться для использования в машинах с большим воздушным зазором от 50 мм или более.Due to the generator's large air gap (80 mm), the magnetic flux sensor has a high profile and is intended for use in machines with large air gaps of 50 mm or more.
Работает с обычным датчиком потока, установленным на клин, или с установленным на зуб статора датчиком TFProbe™ Iris Power, который в большинстве случаев может быть установлен без извлечения ротора. Датчик не требует внешнего источника питания.Works with a conventional wedge-mounted flow sensor or with a stator tooth-mounted TFProbe™ Iris Power sensor, which can be installed without removing the rotor in most cases. The sensor does not require an external power source.
Для регистрации вибрации в лобовой части обмотки статора генератора в широком диапазоне в системе используют акселерометры. Акселерометры представляют собой оптоволоконные датчики, отличающиеся устойчивостью к силовым магнитным полям и рассчитанные на работу в условиях высоких температур и контролируют не только базисные частоты возбуждения, но также любые развивающиеся гармонические частоты.To record vibration in the frontal part of the generator stator winding over a wide range, the system uses accelerometers. Accelerometers are fiber optic sensors that are resistant to high magnetic fields and designed to operate in high temperature environments and monitor not only the fundamental excitation frequencies, but also any developing harmonic frequencies.
Для контроля вибрации используются основные датчики (двухосевые/одноосевые), размещаемые на лобовой обмотке контролируемого объекта, а также один одноосевой датчик размещаемый на железе статора в качестве референсного значения.To control vibration, main sensors (biaxial/single-axis) are used, placed on the front winding of the controlled object, as well as one single-axis sensor placed on the stator iron as a reference value.
Для конвертации оптического сигнала акселерометров в электрический, который способно принимать устройство онлайн-мониторинга, используются коробки оптоэлектронных преобразователей (коробка ОЭП, КОП). В коробке ОЭП размешены оптоэлектронные преобразователи в количестве 1 преобразователь на 1 ось акселерометра.To convert the optical signal of accelerometers into an electrical one, which can be received by an online monitoring device, optoelectronic converter boxes (OEP box, OEP box) are used. The OEP box contains optoelectronic converters in the amount of 1 converter per 1 axis of the accelerometer.
Система работает следующим образом.The system works as follows.
Описываемая система принимает данные из различных источников данных, характеризующих состояние генератора. Источники данных делятся на два типа:The described system receives data from various data sources characterizing the state of the generator. Data sources are divided into two types:
первый - источники данных онлайн-мониторинга (онлайн-измерений), измеряемых на работающем генераторе;the first is sources of online monitoring data (online measurements), measured on a running generator;
второй - источники данных, измеряемых на остановленном - отключенном от сети генераторе.the second is the sources of data measured on a stopped generator, disconnected from the network.
К источникам данных онлайн-мониторинга могут относиться, например:Sources of online monitoring data may include, for example:
датчики;sensors;
измерительные трансформаторы;instrument transformers;
диагностические приборы;diagnostic devices;
информационные системы;Information Systems;
журналы (электронные или ручные) обходов и осмотров генератора.logs (electronic or manual) of generator walk-throughs and inspections.
К источникам данных, измеряемых на остановленном генераторе, могут относиться, например:Data sources measured while the generator is stopped may include, for example:
журналы испытаний на остановленном генераторе (например, ультразвуковые испытания, испытания изоляции);test logs when the generator is stopped (eg ultrasonic tests, insulation tests);
протоколы заводских испытаний генератора;generator factory test reports;
журналы ремонтов.repair logs.
Описываемая система представляет собой систему, в которой:The described system is a system in which:
по данным источников онлайн-мониторинга выносится первое заключение о состоянии генератора;according to online monitoring sources, the first conclusion about the condition of the generator is made;
по данным источников данных, измеряемых на остановленном генераторе выносится второе заключение о состоянии генератора;based on data sources measured on a stopped generator, a second conclusion is made about the condition of the generator;
оба заключения сравниваются друг с другом;both conclusions are compared with each other;
при совпадении заключений делается достоверное заключение о состоянии генератора;if the conclusions coincide, a reliable conclusion is made about the condition of the generator;
при несовпадении заключений система формирует сообщение о необходимости привлечения эксперта - специалиста необходимой квалификации (обладающего достаточным опытом в диагностике генераторов) для формирования единого заключения.if the conclusions do not coincide, the system generates a message about the need to attract an expert - a specialist with the necessary qualifications (with sufficient experience in diagnosing generators) to form a single conclusion.
Описанная выше система проводит диагностику генератора на основе автоматически выполняемых алгоритмов, которые используют данные, описывающие состояния генератора при его работе. The system described above diagnoses the generator based on automatically executed algorithms that use data describing the states of the generator during its operation.
При диагностике генераторов на предприятиях широко применяются методы диагностики генераторов на основе данных испытаний, проводимых на остановленном генераторе. К таким данным могут относиться данные заводских испытаний (проводимых перед вводом генератора в работу) или данные испытаний во время ремонтов. When diagnosing generators at enterprises, methods for diagnosing generators based on test data carried out on a stopped generator are widely used. This data may include factory test data (conducted before the generator is put into operation) or test data during repairs.
Формируются два диагностических заключения: на основе параметров, собранных на работающем и на остановленном генераторе. Два заключения сравниваются друг с другом. Если оба заключения описывают одинаковые или близкие дефекты, система формирует единое заключение об обнаруженном дефекте. Если заключения расходятся, система формирует уведомление о противоречивых результатах и ожидает привлечения отраслевого эксперта (человека) для формирования единого заключения. Таким образом, в системе используются анализ двух видов данных, которые затем взаимно верифицируются, а также используются экспертные отраслевые знания о диагностике генераторов.Two diagnostic conclusions are formed: based on parameters collected on a running and a stopped generator. The two conclusions are compared with each other. If both reports describe the same or similar defects, the system generates a single conclusion about the detected defect. If the conclusions diverge, the system generates a notification of conflicting results and waits for the involvement of an industry expert (human) to form a single conclusion. Thus, the system uses analysis of two types of data, which are then mutually verified, and also uses expert industry knowledge about generator diagnostics.
Развитие частичных разрядов в изоляционной системе статорных обмоток может быть обусловлено спецификой технологии производства, производственными погрешностями нормальными или аварийными процессами старения. Конструкция машины, качество используемых в ней материалов, технология производства, условия работы и прочие факторы в значительной степени влияют на количество, местоположение, характеристики и динамику частичных разрядов. Для каждой конкретной машины источники частичных разрядов в большинстве случаев могут быть определены и идентифицированы по характеристикам их протекания.The development of partial discharges in the insulation system of stator windings may be due to the specifics of production technology, production errors, normal or emergency aging processes. The design of the machine, the quality of the materials used in it, production technology, operating conditions and other factors significantly influence the quantity, location, characteristics and dynamics of partial discharges. For each specific machine, sources of partial discharges in most cases can be determined and identified by the characteristics of their flow.
Существующая нормативная база описывает различные методы диагностики генераторов. При помощи каждого вида анализа определяются отдельные наборы дефектов.The existing regulatory framework describes various methods for diagnosing generators. Using each type of analysis, separate sets of defects are identified.
Так, например, ГОСТ IEC/TS 60034-27-2-2015 "Машины электрические вращающиеся. Часть 27-2. Измерения частичного разряда на изоляции статорной обмотки включенных в сеть вращающихся электрических машин" (приложение A) указывает на возможность использования данных активности частичных разрядов для определения, например:For example, GOST IEC/TS 60034-27-2-2015 "Rotating electrical machines. Part 27-2. Partial discharge measurements on the insulation of the stator winding of rotating electrical machines connected to the network" (Appendix A) indicates the possibility of using partial discharge activity data digits to determine, for example:
наличия внутренних полостей в изоляции (п. 4.2.2.1);the presence of internal cavities in the insulation (clause 4.2.2.1);
наличия внутренних расслоений в изоляции (п. 4.2.2.2);the presence of internal delaminations in the insulation (clause 4.2.2.2);
наличия расслоения между проводниками и изоляцией (п. 4.2.2.3);the presence of delamination between conductors and insulation (clause 4.2.2.3);
возможности развития электропроводящих каналов (п. 4.2.2.4);possibilities for the development of electrically conductive channels (clause 4.2.2.4);
повреждения проводящего покрытия (п. 4.2.3);damage to the conductive coating (clause 4.2.3);
неэффективности покрытия в лобовых частях из-за неудачной конструкции, их загрязнения, пористости, влияния температуры (п. 4.2.4.2);ineffectiveness of the coating in the frontal parts due to poor design, contamination, porosity, and temperature influence (clause 4.2.4.2);
наличия вылета лобовых частей обмотки из-за загрязнения на поверхности между воздухом и изоляцией (п. 4.2.4.2);the presence of protrusion of the frontal parts of the winding due to contamination on the surface between the air and the insulation (clause 4.2.4.2);
неадекватных изоляционных промежутков между фазами или деталями бандажных устройств (п. 4.2.4.3);inadequate insulating gaps between phases or parts of banding devices (clause 4.2.4.3);
загрязнения обмотки (п. 4.2.5);winding contamination (clause 4.2.5);
наличия микротрещин (растрескивание) в изоляции (п. 4.2.5).the presence of microcracks (cracking) in the insulation (clause 4.2.5).
ГОСТ Р ИСО 13373-2-2009 “Контроль состояния и диагностика машин. Вибрационный контроль состояния машин. Часть 2. Обработка, анализ и представление результатов измерений вибрации” указывает на возможность использования данных вибрации для определения (генератор относится к машинам вращательного действия), например:GOST R ISO 13373-2-2009 “Condition monitoring and diagnostics of machines. Vibration monitoring of machine condition.
износа (п. 4.2.1);wear (clause 4.2.1);
ослабления механических соединений (п. 4.2.1);weakening of mechanical connections (clause 4.2.1);
соударения сколотого элемента качения с дорожкой качения подшипников (п. 4.2.4);collision of a chipped rolling element with a bearing raceway (clause 4.2.4);
нагруженности подшипника скольжения (п. 4.2.7);load of the sliding bearing (clause 4.2.7);
дефектов подшипника качения (п. 4.3.11).rolling bearing defects (clause 4.3.11).
Диапазоны дефектов, определяемых различными методами анализа, могут как перекрываться, так и нет. Примером перекрытия диапазонов дефектов является дефект ухудшения межвитковой изоляции обмотки возбуждения ротора, который приводит как к увеличению неравномерности распределения магнитного потока, так и к увеличению уровня вибрации и, таким образом, может диагностироваться двумя видами анализа. Примером отсутствия перекрытия дефектов является дефект расслоения изоляции стержней статора, который проявляется только в увеличении уровня активности ЧР и, таким образом, не может диагностироваться иными методами.The ranges of defects determined by different analytical methods may or may not overlap. An example of overlapping ranges of defects is the defect of deterioration of the interturn insulation of the rotor field winding, which leads to both an increase in the uneven distribution of the magnetic flux and an increase in the level of vibration and, thus, can be diagnosed by two types of analysis. An example of the lack of overlap of defects is a defect in the delamination of the insulation of stator rods, which manifests itself only in an increase in the level of PD activity and, thus, cannot be diagnosed by other methods.
Формируются два диагностических заключения: на основе параметров, собранных на работающем и на остановленном генераторе. Два заключения сравниваются друг с другом. Если оба заключения описывают одинаковые или близкие дефекты, система формирует единое заключение об обнаруженном дефекте. Если заключения расходятся, система формирует уведомление о противоречивых результатах и ожидает привлечения отраслевого эксперта (человека) для формирования единого заключения. Таким образом, в системе используются анализ двух видов данных, которые затем взаимно верифицируются, а также используются экспертные отраслевые знания о диагностике генераторов.Two diagnostic conclusions are formed: based on parameters collected on a running and a stopped generator. The two conclusions are compared with each other. If both reports describe the same or similar defects, the system generates a single conclusion about the detected defect. If the conclusions diverge, the system generates a notification of conflicting results and waits for the involvement of an industry expert (human) to form a single conclusion. Thus, the system uses analysis of two types of data, which are then mutually verified, and also uses expert industry knowledge about generator diagnostics.
Развитие частичных разрядов в изоляционной системе статорных обмоток может быть обусловлено спецификой технологии производства, производственными погрешностями нормальными или аварийными процессами старения. Конструкция машины, качество используемых в ней материалов, технология производства, условия работы и прочие факторы в значительной степени влияют на количество, местоположение, характеристики и динамику частичных разрядов. Для каждой конкретной машины источники частичных разрядов в большинстве случаев могут быть определены и идентифицированы по характеристикам их протекания.The development of partial discharges in the insulation system of stator windings may be due to the specifics of production technology, production errors, normal or emergency aging processes. The design of the machine, the quality of the materials used in it, production technology, operating conditions and other factors significantly influence the quantity, location, characteristics and dynamics of partial discharges. For each specific machine, sources of partial discharges in most cases can be determined and identified by the characteristics of their flow.
Примером реализации описанной системы является система мониторинга и диагностирования состояния генератора, которая содержит размещенное в защитном корпусе с прозрачной дверцей устройство 1 для онлайн-мониторинга состояния генератора, выполненное с возможностью на основе соответствующего программного обеспечения сбора - по меньшей мере, данных вибрации конца обмотки статора генератора и датчиками частичных разрядов обмотки статора генератора посредством эпоксидно-слюдяных емкостных датчиков .An example of the implementation of the described system is a system for monitoring and diagnosing the condition of a generator, which contains a
Выход устройства для онлайн-мониторинга сообщен с входом первого блока 2 анализа данных онлайн-мониторинга для их диагностического анализа с последующим формированием на их основе первого заключения о состоянии генератора.The output of the device for online monitoring is connected to the input of the
Блок 3 для ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, по меньшей мере, данных заводских испытаний, проводимых перед вводом генератора в работу - по меньшей мере, испытание межвитковой изоляции обмотки статора и определение тока утечки через изоляцию статора, данных испытаний во время проведения ремонтных работ - по меньшей мере, данных испытаний изоляции обмотки статора повышенным выпрямленным напряжением с измерением тока утечки, испытание повышенным напряжением промышленной частоты, измерение сопротивления постоянному току, офлайн измерение уровня частичных разрядов.
Выход блока 3 ввода данных состояния генератора, измеренных на остановленном - отключенном от сети генераторе, сообщен с входом второго блока 4 анализа этих данных, который выполнен с программным обеспечением для их диагностического анализа с последующим формированием на их основе второго заключения о состоянии генератора, выход первого блока 2 анализа данных и выход второго блока анализа данных сообщены с соответствующими входами блока взаимной верификации 5, анализа и сравнения первого и второго заключений, выход блока 5 взаимной верификации сообщен с входом устройства 6 для визуализации результатов сравнительного анализа заключений о состоянии генератора,The output of
Устройство 1 для онлайн-мониторинга выполнено с возможностью автоматического оповещения и выдачи соответствующих звукового и светового сигналов о тревожном состоянии генератора при возникновении межфазного замыкания или обрыва медных проводников, о тревожном состоянии генератора и предотвращения ложных тревог на основе автоматического разделения помех на основе фильтрации и анализа формы импульсов, чтобы отличать частичные разряды от электрических помех. Устройство 1 для онлайн-мониторинга выполнено с возможностью расширения сбора данных - области онлайн-мониторинга.
В случае, если оба заключения соответствуют одно другому и описывают одинаковые или близкие в отношении действия одного и того же механизма ухудшения состояния узлов генератора дефекты, формируется единое заключение об обнаруженном дефекте, если заключения противоречат одно другому, система формирует сообщение о необходимости привлечения специалиста для дальнейшего формирования единого заключения.If both conclusions correspond to one another and describe the same or similar defects in relation to the action of the same mechanism of deterioration of the generator components, a single conclusion about the detected defect is formed; if the conclusions contradict one another, the system generates a message about the need to involve a specialist for further forming a single conclusion.
Из описания устройства специалисту в данной области понятна его работа.From the description of the device, one skilled in the art will understand its operation.
В конкретном примере реализации системой своего назначения, подтверждающем возможность реализации рассматриваемого изобретения используют устройство для онлайн-мониторинга активности частичных разрядов и протокол испытаний сопротивления изоляции статора генератора, выполненных на остановленном генераторе, например при ремонтных работах.In a specific example of the system’s implementation of its intended purpose, confirming the possibility of implementing the invention under consideration, a device is used for online monitoring of partial discharge activity and a test report of the insulation resistance of the generator stator, performed on a stopped generator, for example, during repair work.
Мониторинг и замер данных на остановленном генераторе производят в соответствии с нормативными документами. Monitoring and measurement of data on a stopped generator is carried out in accordance with regulatory documents.
Таким образом, в системе используются следующие данные:Thus, the system uses the following data:
• данные 1 типа (онлайн):•
ο уровень активности частичных разрядов, характеристика данных - высокий уровень активности;ο level of activity of partial discharges, data characteristic - high level of activity;
• данные 2 типа (офлайн):• data of 2 types (offline):
ο уровень сопротивления изоляции статора , характеристика данных - низкое значение (источник - протокол испытаний) при ремонтных работах.ο level of stator insulation resistance, data characteristic - low value (source - test report) during repair work.
На основании данных 1 типа выносится заключение о наличии признаков ухудшения статорной изоляции, что, на основании указаний раздела 11.2 ГОСТ IEC/TS 60034-27-2-2015 является признаком ускоренного старения изоляции. В разделе 11.2 также указывается на то, что высокий уровень разрядной активности может быть характерен для новых генераторов.Based on
С другой стороны, другим признаком состояния статорной изоляции является величина сопротивления изоляции. Необходимость измерения такого параметра устанавливает СТО 34.01-23.1-001-2017 «Объём и нормы испытаний электрооборудования», раздел 6.3. Параметр такого типа не измеряется в онлайн и относится к параметрам 2 типа. Низкое значение сопротивления изоляции говорит о неудовлетворительном её состоянии.On the other hand, another indication of the condition of the stator insulation is the value of the insulation resistance. The need to measure such a parameter is established by STO 34.01-23.1-001-2017 “Scope and standards for testing electrical equipment”, section 6.3. A parameter of this type is not measured online and belongs to type 2 parameters. A low insulation resistance value indicates its unsatisfactory condition.
Таким образом, мы имеем первое заключение по параметрам 1 типа: «ухудшение статорной изоляции или новый двигатель» и заключение по параметрам 2 типа: «низкое сопротивление статорной изоляции». Областью перекрытия этих заключений является «плохое состояние статорной изоляции» как единое заключение, подтверждаемое как параметром 1 типа, так и параметром 2 типа. В данном случае результатом работы системы является заключение о плохом состоянии изоляции, подкреплённое двумя типами источников данных.Thus, we have the first conclusion for parameters of type 1: “deterioration of the stator insulation or a new motor” and a conclusion for parameters of type 2: “low resistance of the stator insulation.” The area of overlap between these findings is “poor stator insulation condition” as a single finding supported by both the
Изобретения может быть рассмотрено на примере диагностики дефекта «Ослабление вязок эвольвент в лобовых частях. Механический дефект с переходом в электрический» и касается обмотки статора. The invention can be considered using the example of diagnosing the defect “Weakening of involute ties in the frontal parts. Mechanical defect with transition to electrical” and concerns the stator winding.
Для диагностики данного дефекта используются данные онлайн-мониторинга вибрации торцевой зоны сердечника статора:To diagnose this defect, online vibration monitoring data from the end zone of the stator core is used:
- вибрация головок стержней обмотки статора;- vibration of the heads of the stator winding rods;
- вибрация элементов системы крепления лобовых частей обмотки статора.- vibration of the elements of the fastening system of the frontal parts of the stator winding.
Для диагностики также используются данные испытаний, проводимых на остановленном генераторе, а именно:For diagnostics, data from tests carried out on a stopped generator are also used, namely:
- результаты проведенного технического осмотра, в частности при ремонтных работах, системы крепления лобовых частей обмотки статора (наличие признаков ослабления);- results of a technical inspection, in particular during repair work, of the fastening system for the frontal parts of the stator winding (presence of signs of weakening);
- результаты проведения испытания обмотки на герметичность (проявления случаев нарушения герметичности полых элементарных проводников стержней обмотки статора).- results of testing the winding for tightness (manifestations of cases of violation of the tightness of the hollow elementary conductors of the stator winding rods).
На основании имеющих данных онлайн- мониторинга, а также данных проведенных испытаний генератора формируется два диагностических заключения. Первое заключение, основанное на онлайн - данных, формируется после выполнения основного условия: «текущее значение вибрации головок стержней обмотки статора или элементов системы крепления лобовых частей обмотки статора увеличилось более, чем на 30% от минимального значения за период последних шести, или превысило уставку «высокого уровня вибрации» для этих элементов». Если основное условие выполнено, то формируется предварительное заключение о наличии признаков дефекта: «ослабление вязок эвольвент в лобовых частях. Механический дефект с переходом в электрический». Второе заключение, основанное на данных проведенных испытаний генератора, формируется при выполнении условий:Based on the available online monitoring data, as well as the data from the generator tests, two diagnostic conclusions are formed. The first conclusion, based on online data, is formed after the main condition is met: “the current vibration value of the heads of the stator winding rods or elements of the fastening system of the frontal parts of the stator winding has increased by more than 30% from the minimum value over the period of the last six, or has exceeded the set point” high vibration level" for these elements." If the main condition is met, then a preliminary conclusion is formed about the presence of signs of a defect: “weakening of the viscosity of the involutes in the frontal parts. Mechanical defect with transition to electrical.” The second conclusion, based on data from the generator tests, is formed when the following conditions are met:
- наличие признаков ослабления системы крепления по результатам ранее проведенного технического осмотра;- presence of signs of weakening of the fastening system based on the results of a previously conducted technical inspection;
- проявления случаев нарушения герметичности полых элементарных проводников стержней обмотки статора при проведении испытания обмотки на герметичность.- manifestations of cases of violation of the tightness of the hollow elementary conductors of the stator winding rods when testing the winding for tightness.
Если хотя бы одно из этих условий выполняется, то система также формирует предварительное заключение о наличии признаков дефекта: «ослабление вязок эвольвент в лобовых частях. Механический дефект с переходом в электрический».If at least one of these conditions is met, then the system also generates a preliminary conclusion about the presence of signs of a defect: “weakening of the involute ties in the frontal parts. Mechanical defect with transition to electrical.”
Если оба заключения описывают признаки дефекта «ослабление вязок эвольвент в лобовых частях. Механический дефект с переходом в электрический», то система формирует единое заключение об обнаруженном дефекте. If both conclusions describe the signs of the defect “weakening of the viscosity of the involutes in the frontal parts. Mechanical defect with transition to electrical”, then the system forms a single conclusion about the detected defect.
Если заключения расходятся, система выдает уведомление о несоответствии результатов и ожидает привлечения эксперта в области вибрационного контроля для формирования финального заключения.If the conclusions differ, the system issues a notice of discrepancy between the results and waits for the involvement of an expert in the field of vibration control to form a final conclusion.
Изобретение позволит повысить точность прогнозирования отклонения параметров работы генератора за счет комплексного контроля состояния генератора путем использования в системе результатов анализа двух видов данных, которые затем взаимно верифицируются, а также используются экспертные отраслевые знания специалиста о диагностике генераторов.The invention will improve the accuracy of predicting deviations in generator operating parameters due to comprehensive monitoring of the generator condition by using in the system the results of analysis of two types of data, which are then mutually verified, and also using expert industry knowledge of a specialist on generator diagnostics.
Каждый из признаков формулы изобретения является существенным и направлен на достижение указанного технического результата, связанного с повышением точности прогнозирования за счет комплексного контроля состояния генератора. Each of the features of the claims is essential and is aimed at achieving the specified technical result associated with increasing the accuracy of forecasting through comprehensive monitoring of the condition of the generator.
Сущность изобретения раскрыта в описании с полнотой достаточной для его осуществления специалистом в данной области.The essence of the invention is disclosed in the description with completeness sufficient for its implementation by a specialist in this field.
Claims (1)
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2814857C1 true RU2814857C1 (en) | 2024-03-05 |
Family
ID=
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130234722A1 (en) * | 2009-07-09 | 2013-09-12 | General Electric Company | High sensitivity differential current transformer for insulation health monitoring |
| RU2626780C1 (en) * | 2016-07-15 | 2017-08-01 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Method and system of remote monitoring energy installations |
| US20180120380A1 (en) * | 2015-04-01 | 2018-05-03 | High Voltage Partial Discharge Limited | Condition monitoring method and apparatus for high-voltage ac electrical systems |
| RU2707423C2 (en) * | 2018-04-28 | 2019-11-26 | Общество С Ограниченной Ответственностью "Кловер Групп" | Method and system for diagnostics of industrial facility |
| RU2739727C1 (en) * | 2020-07-06 | 2020-12-28 | Акционерное Общество "Ротек" | Method and system for remote monitoring and prediction of state of process objects |
| RU2791597C1 (en) * | 2022-07-27 | 2023-03-13 | Общество с ограниченной ответственностью "БО-ЭНЕРГО" | System for monitoring, diagnostics and management of the technical condition of power transformers |
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130234722A1 (en) * | 2009-07-09 | 2013-09-12 | General Electric Company | High sensitivity differential current transformer for insulation health monitoring |
| US20180120380A1 (en) * | 2015-04-01 | 2018-05-03 | High Voltage Partial Discharge Limited | Condition monitoring method and apparatus for high-voltage ac electrical systems |
| RU2626780C1 (en) * | 2016-07-15 | 2017-08-01 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Method and system of remote monitoring energy installations |
| RU2707423C2 (en) * | 2018-04-28 | 2019-11-26 | Общество С Ограниченной Ответственностью "Кловер Групп" | Method and system for diagnostics of industrial facility |
| RU2739727C1 (en) * | 2020-07-06 | 2020-12-28 | Акционерное Общество "Ротек" | Method and system for remote monitoring and prediction of state of process objects |
| RU2791597C1 (en) * | 2022-07-27 | 2023-03-13 | Общество с ограниченной ответственностью "БО-ЭНЕРГО" | System for monitoring, diagnostics and management of the technical condition of power transformers |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210241544A1 (en) | Platform for analyzing health of heavy electric machine and analysis method using the same | |
| US9910093B2 (en) | Generator neutral ground monitoring device utilizing direct current component measurement and analysis | |
| Grubic et al. | A survey on testing and monitoring methods for stator insulation systems of low-voltage induction machines focusing on turn insulation problems | |
| US5629870A (en) | Method and apparatus for predicting electric induction machine failure during operation | |
| US5742522A (en) | Adaptive, on line, statistical method and apparatus for detection of broken bars in motors by passive motor current monitoring and digital torque estimation | |
| US20120330871A1 (en) | Using values of prpd envelope to classify single and multiple partial discharge (pd) defects in hv equipment | |
| Stone | The use of partial discharge measurements to assess the condition of rotating machine insulation | |
| KR20200014129A (en) | Diagnosis method of electric transformer using Deep Learning | |
| EP3579404B1 (en) | Motor diagnosis device | |
| Leonidovich et al. | The development and use of diagnostic systems and estimation of residual life in industrial electrical equipment | |
| Bejaoui et al. | A data-driven prognostics technique and rul prediction of rotating machines using an exponential degradation model | |
| RU2814857C1 (en) | System for monitoring and diagnosing state of turbine generator | |
| RU2814856C1 (en) | System for monitoring and diagnosing state of turbine generator | |
| Chang et al. | Fuzzy theory-based partial discharge technique for operating state diagnosis of high-voltage motor | |
| JP7227846B2 (en) | Diagnosis method and device for switchgear | |
| Refaat et al. | Smart grid condition assessment: concepts, benefits, and developments | |
| KR100905971B1 (en) | System and method for on-Line diagnostic of Generator-Motor | |
| RU2730109C1 (en) | Vibration monitoring method of brush-collector units of direct-current motors | |
| Franco et al. | 8 Years Experience in Large-Scale Remote Partial Discharge Monitoring of HV Motors in an Oil and Gas Environment | |
| Negrea | Fault Diagnostics of Electrical AC Machine | |
| Aksenov et al. | Practical results of on-line diagnostic methods synergy for motors and their efficacy | |
| Sudhakaran et al. | Fault Identification and Diagnosis of Induction Motor Using Neural Networks | |
| Majid et al. | Partial Discharge Activity Analysis in Rotating Machine using Phase Resolved Partial Discharge Pattern | |
| Huzmezan | Reflections on the On-Line Partial Discharge Monitoring and Analysis for Condition Assessment of large Generators and Motors | |
| Tuaimah et al. | On-Line Monitoring and Diagnostic System for Turbine-Generator Sets |