基于噪声频段提取的水轮发电机故障诊断方法

胡 胜，郝剑波，罗忠启，孙 波，孟佐宏，吴晓文，唐 奇



基于噪声频段提取的水轮发电机故障诊断方法

胡 胜1，郝剑波1，罗忠启2，孙 波2，孟佐宏1，吴晓文1，唐 奇3

（1. 国网湖南省电力公司电力科学研究院，长沙 410007；2. 碗米坡水电厂，湖南 保靖 416500；3. 湖南省湘电试验研究院有限公司，长沙 410007）

发电机组的振动和噪声信号能够真实反映其运行状态信息，而噪声信号相比振动信号，能够不受频率、带电状况和设备封闭情况等条件限制。本文基于噪声频率分段提取的方法识别出了水轮发电机异常噪声特征频段为1000～6000Hz，并根据特征频段在各种运行工况时的变化规律，诊断出水轮发电机定子存在局部放电点。大修时的局放试验结果验证了基于噪声频段提取法诊断水轮发电机放电故障的正确性。

水轮发电机；噪声；频段；故障诊断；局部放电

0 前言

发电机组的振动和噪声信号真实反映了其运行状态信息，而且在监测时能够不影响设备的正常运行。通过对振动和噪声信号进行幅值、时域、频域等分析，能实时判断出发电机组是否运行异常以及相应的故障类型[1-4]。振动信号相比噪声信号受环境干扰少，因此国内外广泛采用振动监测技术（包含以振动信号为主，噪声信号相匹配的监测技术）来诊断汽轮发电机、水轮发电机、风力发电机故障[5-9]。但振动监测技术也存在一些应用限制，如振动传感器主要监测低频信号，在带电部位或封闭装置内无法使用振动传感器等[10-12]。噪声信号监测可不受上述限制，但对有效信号有效分析有更高的技术要求。本文通过对某水电厂水轮发电机异常噪声分析和提取，以异常噪声的特征频段为判别指标，准确识别出了该水轮发电机放电故障部位和类型，为发电机的故障诊断提供了一种新的方法。

1 水轮发电机噪声异常状况

湖南某水电站装机总容量240MW，共安装3台混流式水轮发电机组，单机容量80MW。1号水轮发电机在运行时发现在+Y—－X—－Y半圆区域（图1中测点1至测点9）发电机运行时噪声含有明显的“嗞嗞”声音。为掌握异常噪声特征和规律，对1号水轮发电机上风洞的噪声进行监测，监测点位于碗米坡水轮发电机上风洞，以+Y点为起点，沿+Y—－X—－Y—+X方向均匀分布16个测点，测点布置如图1所示，测点位于定子上部0.5m。

2 水轮发电机噪声异常分析与诊断

2.1 异常噪声特征分析

对比1号水轮发电机和3号发电机各测点噪声值大小，与异常噪声并无明显对应关系。在采用FFT分析对异常的1号发电机噪声和正常的3号发电机噪声频谱进行对比分析时发现（如图2所示），对比3号水轮发电机以及1号水轮发电机无异常噪声区域，异常噪声在1000～6000Hz有较大分量，表明1000～6000Hz频段为异常噪声的特征频段。在做时域频谱图分析时，如图3所示（颜色越亮代表该区域的噪声能量更大），除了验证出异常噪声在1000～6000Hz比正常噪声能量更大以外，异常噪声还在更高频约17000Hz左右具有比正常噪声更大的能量。

图1 发电机上风洞测点布置示意图

图3 不同机组噪声时频谱图对比（60MW负荷，0无功）

2.2 异常噪声分布

通过对异常噪声信号滤波提取，对1号水轮发电机负荷为75MW时的噪声按频率分段进行提取求和。图4为各测点在1000~6000Hz频段的噪声分布，图5为各测点在0~1000Hz频段的噪声分布。从图4可知1000~6000Hz频段噪声较大的区域在测点1至测点5，噪声最大值为测点3，这个规律是与现场感受的异常噪声规律一致的，表明该频率段可以用来较好地识别是否存在异常噪声。测点13成为一定区域内的峰值，该测点虽然在现场通过人耳感受不到有异常，但最后在检修时发现该点确实存在同测点3一样的故障，只是程度稍轻。而图5显示0~1000Hz频段的噪声分布并无明显的规律，在一定范围内波动，噪声最大值为测点15，表明该频率段的噪声与异常噪声无明显对应关系。

图4 1号水轮发电机1000~6000Hz噪声分布（75MW）

图5 1号水轮发电机0~1000Hz噪声分布（75MW）

2.3 不同工况下1号水轮发电机噪声

（1）空载变励磁时噪声变化

图6和图7分别为1号水轮发电机各测点在空载变励磁时1000~6000Hz频段和0~1000Hz频段噪声变化。从图6和图7可看出空载变励磁对1号水轮发电机噪声并无显著影响。

（2）不同负载时噪声变化

图8和图9分别为1号水轮发电机各测点在负荷为0MW（0MVar）、20MW（5MVar）、40MW（3MVar）、50MW（10MVar）、60MW（11MVar）、70MW（12MVar）、80MW（12MVar）时，1000~6000Hz频段和0~1000Hz频段噪声变化。从图8可看出，随着负荷的增加1000~6000Hz噪声也显著增加，且测点3的噪声值最大。从图9可看出，随着负荷的增加0~1000Hz噪声也显著增加，噪声最大值位于测点7，但部分测点在负荷大于60MW时噪声值反而降低。

图6 空载变励磁时1号水轮发电机1000~6000Hz噪声变化

图7 空载变励磁时1号水轮发电机0~1000Hz噪声变化

图8 不同负荷加正无功时1号水轮发电机1000~6000Hz噪声变化

图9 不同负荷加正无功时1号水轮发电机0~1000Hz噪声变化

（3）不同负载加负无功时噪声变化

图10和图11分别为1号水轮发电机各测点在负荷为0MW（－30MVar）、40MW（－25MVar）、60MW（－20MVar）、80MW（－20MVar）时，1000~6000Hz频段和0~1000Hz频段噪声变化。从图10可看出，随着负荷的增加1000~6000Hz频段噪声也显著增加，测点3的噪声值最大，这与同样负荷条件下带正无功时的噪声规律一致，但噪声幅值要略小。从图11可看出，随着负荷的增加0~1000Hz频段噪声也显著增加，噪声最大值位于测点7，部分测点在负荷大于60MW时噪声值反而降低，这与同样负荷条件下带正无功时的噪声规律一致，但噪声幅值要略小。

图10 不同负荷加负无功时1号水轮发电机1000~6000Hz噪声变化

图11 不同负荷加负无功时1号水轮发电机0~1000Hz噪声变化

2.4 发电机故障诊断初步结论

因异常噪声仅存在于固定的局部区域，如果转子存在故障，异常噪声会随着转子的转动而发生变化，因此排除了转子故障的可能；空载变励磁时并无异常噪声，因此排除了励磁故障的可能；因设备厂方已对定子和转子间气隙间距进行了检查，因此排除了气隙间距不均的可能；因设备能够稳定运行且振动检测不存在超标现象，因此排除了定子线圈松动的可能。

1号发电机异常声响频率提取分析结果表明，1000~6000Hz频段的特征量能较好地表征异常噪声特性，因机械噪声和水力噪声的频率范围都较低，所以异常声响应为电气噪声，而且异常噪声频谱范围较宽，推测故障为发电机定子局部存在放电点。

3 噪声异常诊断结果验证

1号发电机进行大修检查时通过外观检查、铁损试验、耐压试验等均未发现异常。在进行C相局放试验（电压13.8kV）时，发现第423号（测点3）、259号（测点13）线棒对测温电缆有放电现象，局放试验结果详见表1，放电痕迹如图12所示。不同局放情况下噪声频谱图如图13所示，通过放电和不放电时的噪声频谱对比分析可知，放电时的噪声频率在1000Hz以上均有显著的增加。因此通过噪声诊断出的部位和频率均与检修试验中发现的部位和噪声频率相一致，验证了噪声诊断的正确性。

图12 1号发电机放电部位图片

表1 1号发电机局放试验结果

图13 放电频谱对比

4 结论

（1）本文通过对发电机异常噪声的FFT分析和时频谱图分析，准确识别出了1000~6000Hz频段为异常噪声的特征频段。

（2）通过对异常噪声特征频段的检测，确定出了异常噪声的部位，包括人耳不能感受到的部位。

（3）通过各种工况运行时的异常噪声变化规律和异常噪声的频谱，诊断出发电机的故障为发电机定子局部存在放电点。

（4）大修时的局放试验发现识别出的异常噪声部位确实存在放电点，验证了基于噪声频段提取法诊断水轮发电机放电故障的正确性。

[1] 马宏忠. 电机状态监测与故障诊断[M]. 机械工业出版社, 2008.

[2] 刘云. 水轮发电机故障处理与检修[M]. 中国水利水电出版社, 2002.

[3] 汪庆年, 李红艳, 史风娟,等. 基于频谱分析的电机噪声源的识别[J]. 声学技术, 2009, 28(4):528-531.

[4] 段晨东, 高强, 徐先峰. 频率切片小波变换时频分析方法在发电机组故障诊断中的应用[J]. 中国电机工程学报, 2013, 33(32):96-103.

[5] 张国强, 杨溢. 汽轮发电机振动故障分析与诊断[J]. 大电机技术, 2011(5):29-34.

[6] Arezki Merkhouf. 水轮发电机中噪声和振动的诊断与分析[C]// 水力发电技术国际会议. 2006.

[7] 王涛, 顾轩. 水轮发电机异常振动及高频噪声成因分析与处理[J]. 四川水力发电, 2014, 33(a02):4-6.

[8] 吴宏钢. 风力发电机组振动检测及噪声评估研究[D]. 重庆大学, 2010.

[9] 陈忠, 符和超. 基于EEMD方法的永磁同步电机电磁噪声诊断[J]. 振动与冲击, 2013, 32(20):124-128.

[10] 郭浩. 汽轮发电机组振动与噪声监测系统的研究[D]. 安徽理工大学, 2014.

[11] Shuting W, Heming L, Yonggang L. Adaptive radial basis function network and its application in turbine-generator vibration fault diagnosis[C]//Power System Technology, 2002. Proceedings. PowerCon 2002. International Conference on. IEEE, 2002, 3: 1607-1610.

[12] Shindor O, Svirina A. Hydraulic units’ vibration diagnostics subsystem improvement and its impact on the level of technogenic risks[J]. Energy Procedia, 2015, 72: 345-352.

A Diagnosis Method for Hydraulic Generator Fault Based on Noise Frequency Band Extraction

HU Sheng1, HAO Jianbo1, LUO Zhongqi2, SUN Bo2, MENG Zuohong1, WU Xiaowen1, TANG Qi3

(1. State Grid Hunan Electric Power Corporation Research Institute, Changsha 410007, China;2. Wanmipo Hydropower Plant, Wu Ling Power Corporation, Baojing 416000, China;3. Hunan Xiandian Test&Research Institute Co., Ltd., Changsha 410007, China)

The vibration and noise signals of generator can reflect its running status information. In contrast with vibration signal, noise signal is not limited by the conditions of signal frequency, equipment charging or sealing. Based on noise frequency band extraction, the characteristic frequency band of 1000Hz~6000Hz for hydraulic generator abnormal noise was identified. According to the change rules of the characteristic frequency band for various operating conditions, partial discharge points of the hydraulic generator were detected. The partial discharge test results verified that the diagnosis result was correct.

hydraulic generator; noise; frequency band; diagnosis method; partial discharge

TM307

A

1000-3983(2017)06-0025-05

2016-12-15

胡胜（1979-），2011年6月毕业于华中科技大学环境学院环境工程专业，博士，主要从事电力设施噪声与振动防治技术研究，工程师。