基于d-fnn的发电机转子匝间故障诊断 fault diagnosis of generator rotor inter-turn based on d-fnn..pdfVIP

No．5 第39卷 云南电力技术 V01．39 2．010年10月 YUNNANELECTRICPOWER 0CL2010 基于D—FNN的发电机转子匝间故障诊断 田冰冰刘念 (四川大学电气信息学院，四川成都610065) 摘要：针对目前智能方法在汽轮发电机转子匝间短路故障诊断中存在的不足，提出了一种基于扩展径向 FNN的结构不是预先设定而是在训练中实时动态产生并修剪，从而使该方法能有效避免BP神经网络结 一台发电机并网运行时转子绕组匝间短路故障获取训练样本。使用训练好的D—FNN进行故障诊断，诊 断结果表明了该方法的有效性、实用性和优越性，达到了预期诊断目的。 关键词：汽轮发电机转子匝问短路D—FNN故障诊断 中图分类号：TM26文献标识码：B 1 前言 方法为指导，通常只能靠经验和试凑来给定，这 使得这些方法的实用性受到了限制。 发电机转子匝间短路是一种常见的电气故障， 动态模糊神经网络是一种结合模糊推理和神 由于轻微的转子线圈匝间短路故障对机组正常运 经网络的优点于一身的动态神经网络，其结构不 行影响不大或特征不明显，故许多匝间短路故障 是预先设定，而是动态变化的。在开始学习前， 都被忽略了，但长期运行下去将必然导致一系列 没有一条模糊规则，其模糊规则在学习过程中逐 电气和机械故障。这些故障发展到一定程度时， 渐增长而形成。较之常见的模糊神经网络方法， 不仅对机组本身的安全稳定运行构成巨大威胁， 该方法所得到的模糊规则数并不随输人变量的增 甚至危害电力系统的运行安全，因此进行发电机 转子绕组匝间短路故障的在线监测十分必要。 加而按指数增长，特别是该方法无须领域的专家 知识就可以对系统自动建模及抽取模糊规则(知 由于发电机的结构非常复杂，而且饱和磁场 识)。动态模糊神经网络除了上述特点另外还有 是非线性的，故直接利用发电机的数学模型从理 在线学习方法、简单且有效的学习算法、学习具 论上取得故障特征的精确化结论是很困难的，运 有快速性等优点。 用人工智能具有处理非线性映射问题能力的特点 以下对汽轮发电机转子线圈匝间短路的故障 来解决此问题。可利用BP网络将发电机的输出 机理进行了分析，利用基于扩展径向基(RBF) 有功功率P，无功功率8，和定子电流I作为其输 神经网络的动态模糊神经网络D—FNN为推理工 人量，匝间短路匝数占总匝数的百分数俚％为作 具，以在线采集到的发电机转子电流、定子电压、 为输出量，从而达到故障诊断目的。还可通过建 定子电流、有功输出和无功输出作为特征量对D 立BP神经网络来辨识励磁电