Короткое замыкание обмотки ротора является одним из распространённых и в то же время трудно определяемых неисправностей в синхронном генераторе (СГ).
Выявление на ранних стадиях признаков неисправности является важной задачей при эксплуатации СГ [1], поскольку развитие дефекта в обмотке приводит к оплавлению меди витков и прогоранию витковой изоляции. В результате происходит появление высокочастотного колебательного процесса в цепи возбуждения, порождающего пробой изоляции в наиболее ослабленных местах [2]. Нарушается симметрия магнитного тяжения полюсов, что создает дополнительную механическую нагрузку на шейку вала, вызывающую появление микротрещин, при которых дальнейшая эксплуатация СГ невозможна.
Существующие способы выявления витковых замыканий можно разделить на следующие группы: тепловые, параметрические, частотные, вибрационные и методы активной диагностики. Известные существующие способы выявления витковых замыканий, такие как использование индукционных преобразователей [3] или импульсного воздействия на обмотку ротора [4], полностью не решают данную проблему или для их реализации необходима установка дополнительных средств измерения в конструкцию СГ.
Постановка задачи
Исследовать возможности искусственной нейронной сети (ИНС) при диагностике и выявлении межвитковых замыканий в обмотке ротора синхронного генератора.
Идея использования искусственной нейронной сети для диагностики межвиткового замыкания в обмотке ротора СГ основывается на том, что при поддержке постоянной величины напряжения на выводах СГ существует взаимосвязь между магнитодвижущей силой обмотки ротора F = Ifw и током ротора If. В момент неисправности магнитное поле генератора будет уменьшаться, что станет причиной изменения электродвижущей силы, которая влияет на величину реактивной мощности Q. Поскольку Q зависит от If, то при одном и том же значении тока возбуждения If величина МДС зависит от изменения количества витков обмотки ротора. Таким образом, витковое замыкание в обмотке ротора можно выявлять, определяя изменения соотношений параметров P, Q и If, причем эти параметры генератора будут являться входными нейронами ИНС [5, 6].
Обучение ИНС на основе экспериментальной машины с заранее известным количеством замкнувшихся витков позволит не только определить наличие повреждения, но и оценить его тяжесть.
Экспериментальная установка. Для диагностирования витковых замыканий у синхронных генераторов была создана экспериментальная установка, показанная на рис. 1. В ее состав входят: синхронный генератор (ГАБ-4-Т/230) 1, приводимый во вращение асинхронным двигателем, питаемым частотным преобразователем (Altivar 71) 4.
Для имитации виткового замыкания в синхронном генераторе с параметрами, приведенными в табл. 1, были выведены с обмотки ротора через дополнительные контактные кольца 2 отпайки 3 (4, 10 и 30 % витков полюса).
Таблица 1
Параметры синхронного генератора
|
Номер модели |
ГАБ-4-Т/230 |
|
Номинальное напряжение, В |
230 |
|
Номинальный ток, А |
12,5 |
|
Коэффициент мощности |
0,8 |
|
Ток ротора, А |
7,3 |
|
wf/витков |
225 |
Рис. 1. Экспериментальная установка:1 – синхронный генератор; 2 – контактные кольца; 3 – отпайки; 4 – преобразователь частоты; 5 – коннектор ввода (СB-68LP); 6 – плата ввода/вывода; 7 – промышленный компьютер; 8 – монитор
Сигналы с СГ вводились через коннектор ввода (CB-68LP) 5 и плату ввода/вывода (NI PCI 6024E, 12 разрядов, максимальная частота дискретизации 20 МГц, 16 аналоговых входов) 6 в промышленный компьютер 7 с монитором 8.
Метод диагностики обмотки ротора генератора с межвитковым замыканием
Преимуществом ИНС является использование при составлении нейросетевой модели только тренировочных массивов данных с необязательным учетом конструктивных особенностей объекта. При этом ИНС нечувствительна к высокочастотным помехами при обучении. Для получения тренировочных массивов данных производились витковые замыкания с помощью отпаек 3 (рис. 1) в различных режимах работы СГ.
Входными сигналами для ИНС являются ток возбуждения If , активная мощность P и реактивная мощность Q. Выходной сигнал ИНС показывает количество замкнутых витков в процентах.
Для решения данной задачи была выбрана структура нейронной сети (3–6–1) (рис. 2) и сигмоидальная функция (рис. 3) в качестве рабочей функции нейрона.
Обучение ИНС проводилось «с учителем» по методу Левенберга‒Маркварта в Matlab2007b с использованием стандартных библиотек. Преимуществом этого метода обучения по сравнению с методом градиентного спуска и генетическими алгоритмами является большая скорость обучения и хорошая точность.
Рис. 2. Структурная схема сети
Алгоритм выявления ВЗ включает в себя сбор, масштабирование и обработку данных, обучение нейронной сети.
Обучение нейронной сети создает функцию от трех переменных f(P ,Q, If), которая закодирована с помощью нейронов и связей между ними. Напряжение и МДС генератора поддерживались постоянными Uг = const и F = const, а ток возбуждения изменялся.
Рис. 3. График сигмоидальной функции
Принцип работы диагностической системы иллюстрирует рис. 4. Активная и реактивная мощности, вычисляемые на основе токов и напряжений статора, снятых с датчиков ДТ1-ДТ3 и ДН1-ДН3, вместе с током возбуждения, получаемого с датчика ДТВ, поступают на вход ИНС. Выходным сигналом ИНС служит количество замкнутых витков α в процентах.
Рис. 4. Структурная схема экспериментальной установки
Экспериментальная часть. Для проверки работоспособности предложенного метода идентификации витковых замыканий был проведен ряд измерений на экспериментальной установке.
При проведении эксперимента было снято два набора данных токов и напряжений статора и ротора.
Первый набор данных используется для обучения нейронной сети при постоянной активной и реактивной мощности с 4, 10 и 30 % замкнутых витков.
Второй (контрольный) набор данных применяется для определения работоспособности и адекватности предложенного метода идентификации ВЗ.
Таблица 2
Экспериментальные данные
|
Активная мощность, В |
Реактивная мощность, В |
Ток возбуждения |
Текущее количество замкнутых витков |
Количество витковых замыканий, выявленных ИНС |
Ошибка диагностической системы |
|
615 |
820 |
5,1 |
9 |
10 |
10 % |
|
605 |
642 |
5,45 |
45 |
48 |
6,25 % |
|
614 |
537 |
6 |
112 |
111 |
0,89 % |
Из табл. 2 видно, что ошибка между фактическим значением и величиной полученной с выхода ИНС изменяется в пределах от 0,89 до 10 %, а максимальная ошибка не превышает значение 10 %. С увеличением количества витковых замыкания точность идентификации растет.
На рис. 5 представлена зависимость мгновенной реактивной мощности Q от времени t при 4 % витковом замыкании.
Рис. 5. Мгновенная реактивная мощность двигателя при 4 % витковом замыкании
В ходе эксперимента было установлено, что в момент замыкания витков в обмотке ротора СГ происходит изменение токов и напряжений статора.
При витковом замыкании общее сопротивление цепи должно уменьшиться, а ток возбуждения If увеличится при одном и том же напряжении. Этот факт изображен на рис. 6.
Рис. 6. Ток возбуждения If при 4 % межвитковом замыкании
В момент ВЗ ток возбуждения увеличивается относительно нормального режима на величину ΔIf, которая пропорциональна количеству замкнутых витков.
Диагностическая система на основе ИНС способна выявить наличие витковых замыканий СГ и их количество.
Заключение
1. Предложенный метод позволяет выявлять витковые замыкания в обмотке ротора синхронного генератора на основе штатных измерительных средств.
2. Точность определения витковых замыканий зависит от количества замкнувшихся витков и размера тренировочного шаблона, применяемого для обучения искусственной нейронной сети.
Работа выполнена в рамках исполнения Госзадания «Наука» ГК № 7.2826.2011.
Рецензенты:
Кабышев А.В., д.т.н., профессор кафедры ЭПП ЭНИН, ФГБОУ ВПО «Национальный исследовательский Томский политехнический университет», г. Томск;
Исаев Ю.Н., д.ф.-м.н., профессор кафедры ЭСиЭ ЭНИН, ФГБОУ ВПО «Национальный исследовательский Томский политехнический университет», г. Томск.
Работа поступила в редакцию 15.07.2013.
Библиографическая ссылка
Розум Т.И., Полищук В.И. МЕТОД ВЫЯВЛЕНИЯ ВИТКОВЫХ ЗАМЫКАНИЙ В ОБМОТКЕ ВОЗБУЖДЕНИЯ СИНХРОННОГО ГЕНЕРАТОРА // Фундаментальные исследования. – 2013. – № 8-5. – С. 1061-1065;URL: https://fundamental-research.ru/ru/article/view?id=32084 (дата обращения: 18.04.2024).