电力系统的状态监测与故障诊断介绍

《电力系统的状态监测与故障诊断介绍》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、电力系统的状态监测与故障诊断介绍　　随着现代化大生产的发展和科学技术的进步，对电力的需求与日俱增，对电力生产设备的可靠性、经济性以及稳定性提出了更高的要求。随着电力的大规模生产，电力设备的结构越来越复杂，功能越来越完善，自动化程度也越来越高，各子系统的关系也越来越密切，一旦设备的某个部分在运转过程中出现故障，就很可能中断生产，造成巨大的经济损失，甚至带来灾难性的后果。为保证电力系统安全、经济、稳定运行，电力设备的故障监测诊断将从以时间为基准的方式转变到以状态为基准的方式，其内容包括状态监测与故障诊断两个方面：前者通过提取故障

2、的特征信号为状态维修提供检修依据，后者则分析、处理所采集的状态信息。　　电力设备在线监测技术研究大致包括以下内容：1、在线监测手段；2、监测信息的传递、处理和存储；3、故障特征量的提取；4、故障机理分析；5、故障诊断的方法和理论分析。其系统流程见图1。其中，在线状态监测技术以及故障诊断的方法和理论分析是其两大研究方向。　　图1电力设备状态监测与故障诊断系统　　电力设备在线状态监测技术与系统　　◆信号采集　　电力设备在线监测系统是指在设备使用期内连续不断检查和判断设备状态，预测设备状态发展趋势的系统。通常通过设备运行状态量反映

3、设备运行情况，首先获取诊断对象的状态信息，采集电力设备的电压、电流、频率、局部放电量以及磁力线密度等信号(包括正常信号和异常信号)。根据表征设备状态量的各种信号的不同特性而采用不同的信号采集方法，常用的采样方法有：　　●一次性采样，每次只采集一个足够数据处理所需长度的信号样本。　　●定时采样，按事前整定的周期进行采样。　　●利用发生随机故障时的信号突变自动采样。　　●根据故障诊断的特殊要求采取转速跟踪采样、峰值采样等特殊采样方式。　　针对不同的电力设备和任务要求其状态监测方法不同。变压器故障主要由内部绝缘老化造成，因而根据变

4、压器各种机械和电气特性，采用局部放电、油中气体分析、振动分析、极化波谱、恢复电压法等方法监测其运行状态。交流旋转电机发生故障的类型不同，故趋向于结合神经网络、小波分析等监测电机的状态。断路器状态的好坏的监测主要采用跳闸轮廓法和振动监测法获得断路器的状态信息。　　◆数据传送　　信号处理系统通常距监测设备较远，因为在传输过程中易受干扰、易损失及相移难以一致(受环境因素影响较大)，故需先作模数转换、预处理和压缩打包，再经通信路径传输到处理控制中心。通信设备现已广泛应用于电力领域，光纤传输数字信号可较好地抑制干扰，保证信号质量。　　

5、◆数据处理　　工控数据处理中心收到通信线路传输来的状态量数据包后，利用各种不同数学方法对数据解包处理。例如：频谱分析、自（互）相关性分析、小波分析、神经网络、人工智能等。数字信息技术和智能技术应用到电力设备监测系统的数据处理使电力设备在线监测更加实时准确。　　目前，在线状态监测还未达到完善、可靠的程度，尚存在以下问题：1、信号采集受传感器可靠性和现场电磁干扰和设备灵敏度等因素影响；2、在并发诊断能力、自学习和自适应能力、大量数据的处理、管理能力方面不够完善；3、理论上缺乏系统的知识体系、概念体系。　　电力设备故障诊断技术　　

6、◆电力设备在线监测与诊断技术发展趋势　　●电力系统监测与前沿性技术成果紧密结合，将计算机技术、通讯技术、人工智能技术、电力电子技术与设备诊断技术结合，使诊断技术不断提高。　　●由以单台设备为目标的在线监测向整体监测延伸。设备的状态由多种参数综合决定，故障维修不再局限某一设备，而是同时考虑整个电网设备的运行以及电力供求关系的调整。与集中式监测系统相比，从设备附近采集和处理数据的分布式多参数在线监测系统可以节省信号电缆，降低监测量，提高了监测的可靠性，同时还可以做到资源共享。　　●设备状态的远程监测和网络化的跟踪。分布式系统的发

7、展以及通信技术在电力系统的广泛应用，使设备诊断技术与计算机网络技术结合，采集设备的状态参数后可远程传送数据，远程协作诊断。　　●状态监测系统与其他系统联网和集成。如在分布式的监控系统中将状态监测系统与继电保护有机结合。　　总之，随着传感器技术和信息技术的日益成熟，在智能化理论(如神经网络和专家系统)的基础上结合信号采集、数据分析为主的计算机辅助监测和诊断技术，可预见电力设备状态监测与故障诊断将进入智能化的新时代。　　电力设备故障诊断的过程可以概括为图2所示框图。　　图2电力设备故障诊断的过程　　可以看到，机械故障诊断主要包括

8、四个步骤，即信号测取、特征提取、状态诊断和状态分析。在机械故障诊断的发展过程中，人们发现较重要、也是较困难的问题之一就是故障特征信号的特征提取。从某种意义上说，特征提取可以说是当前电力设备故障诊断研究中的瓶颈问题，它直接关系到故障诊断的准确性和故障早期预报的可靠性。为了解决特征提取这个关键