地  址:中山市华盛娱乐集团公司
电  话:0760-88504432
联系人:李华康
商务QQ:66552385
无刷励磁同步发电机旋转整流器毛病的含糊神经网络确诊
作者:管理员    发布于:2021-09-30 15:09   文字:【】【】【
  无刷励磁技能彻底解决了大容量或超大容量同步发电机励磁电流过高所带来的一系列集电环电刷问题,保证大型发电机组能够长期连续运转。目前,越来越多的大型无刷励磁发电机组在电力体系中运转,但是无刷励磁同步发电机组中的转子旋转整流器是无刷励磁体系中最为重要的环节,有必要保证其作业在正常状况。对整流器毛病首先要分清毛病性质,进行不同的处理:
  (1)整流元件开路毛病为缓变毛病,能够作为毛病确诊的目标,并经过保护装置当令动作切除开路毛病。
  (2)对整流元件短路毛病,首先应考虑保护动作,要求保护装置赶快动作切除短路毛病。因为短路毛病可能在数秒或数分钟内焚毁绕组,没有足够的时间完结毛病确诊处理。
  因而,当旋转整流器任何桥臂上的功率二极管产生毛病(开路),监控保护体系就应该正确定位确诊是哪一组桥臂产生毛病,并敏捷给予预警与保护操控,完成大型无刷励磁同步发电机组转子旋转整流器的预知性保护。
  本文针对这种问题,采用了含糊神经网络识别技能,对无刷励磁同步发电机组转子旋转整流器毛病树立确诊模型。含糊规矩的树立是经过神经网络BP学习算法完成的,然后树立了高精度定位确诊体系,不仅扩展了确诊旋转整流器病态的范围,并且提高了毛病确诊的定位精度。
  2毛病确诊信号提取
  无刷励磁同步发电机转子旋转整流器作业状况的在线实时监测需要转子侧旋转整流器的相关信息。因为同步发电机转子取消了滑环和电刷,转子侧旋转整流器的常见毛病波形特征(毛病特征)的提取无法直接完结。
  一种获取转子旋转整流元件毛病特征(一般指开路毛病)的方法是直接采用与同步发电机同轴旋转的沟通励磁机的定子励磁线圈作为勘探线圈,其优点是省去了设计、装置和保护专用勘探线圈的作业,并且便于现场收集信号数据,同时转子信号较?强,且含转子毛病信息量大,提取进程由图1所示。
  在沟通励磁机定子励磁线圈上并联电容C1和C2,沟通励磁机转子电枢电流产生的电枢磁场必然切割其定子励磁线圈,并感应电势,然后经过电容C1和C2分压,只需收集带有转子毛病信息的电容C2两端的电压波形,进行频域剖析,分解出不同幅值的各次谐波分量,作为人工智能毛病确诊信号。
  设电容C2两端的电压信号波Uc(t)的周期为T,由傅立叶级数展开为
励磁
  3毛病确诊模型
  沟通励磁机的定子磁极线圈受停止励磁整流装置和磁极铁心饱满的影响,使电容C2两端电压波形信号的信噪比加大。经过树立含糊神经网络的人工智能毛病确诊形式,校正无刷励磁同步发电机转子旋转整流器毛病信号的失真度,然后提高了毛病确诊的定位精度。因为神经网络理论是模拟生物神经元的作用方法和结构,经过练习将学习信息保留,然后描绘进程特性。含糊逻辑体系可表示为含糊基函数的展开式,神经网络的实质可视为一些函数的线性组合。含糊神经网络作为具有学习算法的逻辑体系,在电力体系中得到广泛应用。
  研究标明,沟通励磁机定子外接电容C2两端的电压波形信号频谱特性与无刷励磁同步发电机转子旋转整流器作业状况具有必定的对应联系,当转子旋转整流器产生毛病时会引起电容C2两端的电压波形信号频谱特性的改变,使用神经网络的学习和记忆功能能够提取不同工况下磁极电容电压Uc(t)波形信号的频谱特性与转子旋转整流器毛病的非线性联系,树立一种含糊逻辑规矩。因为规矩考虑了沟通励磁机的定子磁极线圈受停止励磁整流装置和磁极铁心饱满的影响,含糊确诊体系具有较高的可靠性。因而,能够使用神经网络的学习算法对含糊确诊体系进行练习,完成含糊神经网络的参数辨识。
  含糊神经网络由输入层、含糊推理层和输出层组成。输入含糊化函数取为高斯型隶属函数:
  含糊推理层节点个数可由样本进行聚类得到,亦可根据实践要求调整以满意精度要求。θij、αij、λij分别与含糊推理层的节点相对应。输出函数可表示为:
  对输出函数式(6),确诊模型的确定问题可转化为误差方程:
  取得最小值,由BP算法可得各参数的学习算法分别为:
  根据神经网络BP算法,学习进程的参数修正按式(8)、(9)、(10)对体系网络的参数进行练习,则可确定根据含糊神经网络的毛病确诊体系,如图2所示。
  在图2中,输入层有6个神经元,其输入信号是{,分别为沟通励磁机定子外接电容C2两端的电压Uc(t)波形信号的基波、2次谐波、3次谐波、4次谐波、5次谐波和6次谐波的相应值;隐含层为含糊推理层,共设有5个神经元;输出层有3个神经元,输出成果为,则能够对无刷励磁同步发电机转子旋转整流器的8种作业状况进行精确确诊。根据含糊神经网络S型函数的特色,设置旋转整流器毛病含糊神经网络的确诊输出分别是(0.1,0.1,0.1),(0.1,0.1,0.9),(0.1,0.9,0.1),(0.1,0.9,0.9),(0.9,0.1,0.1),…,(0.9,0.9,0.9)的确诊期望值。
  4毛病确诊实例
  从一台360kW无刷励磁同步发电机的沟通励磁机定子外接电容C2两端收集了旋转整流器的8种运转工况数据,如表1所示。设反映同步发电机旋转整流器运转工况的集合为Q,其间:P1为旋转整流器正常运转;P2为A相正组(A+)臂开路毛病;P3为A相负组(A-)、B相正组(B+)两臂开路毛病;P4为B相正组(B+)臂开路毛病;P5为A相负组(A-)、B相正组(B+)两臂开路毛病;P6为A相正负组(A+、A-)两臂开路毛病;P7为A相负组(A-)、B相正组(B+)和C相负组(C-)三臂开路毛病;P8为A相负组(A-)、B相正组(B+)和C相负组(C-)三臂开路毛病。
  对360kW无刷励磁同步发电机旋转整流器的8种运转工况进行毛病确诊,确诊成果如表2所示。
  5结束语
  大型同步发电机旋转整流器产生病变时,将引起沟通励磁机电枢磁场随之变化,并在沟通励磁机定子磁极线圈中感应出一系列谐波电势,此谐波电能反映出转子旋转整流器的运转工况。因而,本文介绍了含糊神经网络体系在大型同步发电机旋转整流器毛病确诊中的应用,成果标明所树立的确诊模型具有良好的确诊作用。