汽轮发电机转子绕组匝间短路故障程度诊断方法

李永刚 马明晗 武玉才 董晨晨 李正文 刘淼

摘 要：为了精确识别转子匝间短路的故障程度，保障机组经济、安全运行，基于改进熵权理论与灰色关联理论，采用不同故障程度下机电信号为故障样本，建立了转子绕组匝间短路故障程度诊断模型，并采用SDF-9型故障模拟机组进行了实验验证。该方法解决了利用单一特征识别偏差较大的问题，能够精确、有效识别转子绕组匝间短路的故障程度，以便合理安排转子绕组匝间短路故障状态下汽轮发电机组的运行和检修，方法简单且无需加装新传感器，能够为现场发电机的经济可靠运行提供指导性建议。

关键词：汽轮发电机；转子绕组；匝间短路；故障程度；改进熵权；灰色关联

中图分类号：TM 311

文献标志码：A

文章编号：1007-449X（2018）06-0062-08

Abstract：In order to accurately identify the fault degree of rotor winding interturn short circuit and ensure the economic and safe operation of the generating unit， the fault degree diagnosis model of rotor winding interturn short circuit fault is established by using electromechanical signals under different fault degrees as fault samples based on the improved entropy weight theory. Grey relation theory and experimental verification was carried out by using the SDF9 type fault simulation unit. This method solves the problem of large deviation caused by single feature recognition， and can accurately and effectively identify the fault degree of rotor winding interturn short circuit so that reasonable arrangements for the operation and maintenance of turbine generator can be carried out under rotor winding interturn short circuit fault condition. This method is simple and does not need to install new sensors， which can provide guidance for the economic and reliable operation of the generator.

Keywords：turbo generator； rotor winding； interturn short circuit； fault degree； improved entropy weight； grey relation

0 引 言

转子绕组匝间短路故障是汽轮发电机最常见的故障之一。造成短路故障的原因有很多[1]，一方面由于电机制造过程中线圈绝缘、绕组固定等工艺问题；另一方面由于运行过程中长期振动、频繁调峰等运行原因；还有就是由于维护、检修过程中的一些不当操作破坏了绕组绝缘。随着越来越多的大型机组投入到电力系统，发电机发生转子匝间短路的故障的几率也会有所增加。

目前，国内转子绕组匝间短路故障检测方法的研究开展的较为深入，主要的方法有探测线圈法[2]、励磁电流法[3]以及定转子振动检测法[4-6]。另外，针对转子绕组匝间短路时不平衡磁拉力[7-9]、电磁转矩[10]、轴电压[11-12]以及端部漏磁[13]的研究也有开展。虽然这些方法能够很好的检測出匝间短路故障的存在，但是并不能精确的检测出绕组的短路程度。实践证明，轻微的匝间短路故障对发电机的正常工作影响不大，发电机仍可以继续运行。一旦故障扩大，造成多匝甚至整槽绕组短路，会使得发电机励磁电流显著增大，无功输出下降，绕组温度上升，引起机组的剧烈振动，严重时会造成转子一点或两点接地甚至更严重的事故。因此，如果在监测发电机转子匝间短路的同时能够准确诊断出故障程度，使电厂能够合理调配机组发电容量和安排检修，对电厂的安全、经济运行有着重要的现实意义。

灰色关联分析是根据因素之间发展趋势的相似或相异程度作为衡量因素间关联程度的一种方法[14]。灰色关联分析对样本量的要求不大，因此根据少量的观测信息即可得到相对准确可靠的结果。文献[15]将灰色关联分析法应用于故障诊断中，有效的诊断出了高压断路器的机械故障；文献[16]将灰色关联分析应用于故障程度诊断当中，有效识别出了轴承滚动体的故障程度，提高了计算效率；文献[17]将熵权理论加入到灰色关联分析当中，成功识别出水电机组的振动故障。文献[18]将熵权法和灰色关联度应用于变压器故障诊断，达到了识别变压器故障的效果。

本文将灰色关联理论与改进熵权理论同时引入到汽轮发电机转子绕组匝间短路程度的识别之中。提取能够标识转子匝间短路的故障特征量作为评价指标，实验记录不同短路程度下的实验数据作为样本数据，采用熵值法计算各评价指标的权重，对汽轮发电机转子绕组匝间短路程度进行检测。

1 灰色关联理论

灰色理论（grey theory）是著名教授邓聚龙首创的判断各因素之间关联关系的科学理论。它对样本的需求量很小，也不要求样本数据具有规律性，符合定性分析的结果。

5）关联度排序。

将（4）中求取的关联度进行从大到小排序，表示的是参考数列与比较数列集关联程度大小排序，即故障程度可能性的排序。找出ri最大值对应的故障特征序列，即可确定最有可能的故障程度。

2 改进熵权理论

熵原本是一个热力学概念，最早由Shannon引入信息论。熵权法是一种客观的赋权方法，它将各信息的重要程度进行量化，熵权越大，对评价结果的影响程度越大。

Ri为灰色加权关联度，它将重要评价指标的影响扩大化，抑制其他评价指标对结果的干扰，使评价结果比仅采用灰色关联分析的结果更为客观、准确。

根据故障程度特征值的样本集计算n个故障特征值的熵权ω（k），为每个关联系数

SymbolxA@ i附加权重。这个权重用来区别每个故障特征对诊断故障的重要程度，突出主要故障特征，削弱次要故障特征，根据熵权对诊断结果进行增减调节，增加诊断的精确度。

3 匝间短路故障程度诊断模型

采用改进熵权与灰色关联理论来识别汽轮发电机转子绕组匝间短路故障程度，实际上是根据已有的故障程度样本空间计算出各故障征兆的熵权指标，再计算出待检测的故障序列与各故障程度序列的加权灰色关联度，将关联度进行从大到小排序，得到最有可能的故障程度，给出对应的诊断结论。

文献[3]表明转子绕组发生匝间短路后会引起励磁电流增加。因此，励磁电流If可作为模型的评价指标。文献[4]表明发生一对极发电机转子绕组发生匝间短路后，转子的基频振动增加，定子的基频振动增加。因此，可以选用转子基频振动fr和定子基频振动fs可作为模型的评价指标。另外，实验发现转子振动的三倍频分量f3r大致为增加趋势，而定子振动的二倍频分量f2s大致为减小趋势。

采用上述能够表征转子绕组匝间短路的5个典型故障征兆作为五类评价指标，5种故障程度（0%、3%、6%、12%、15%）作为5类评价对象，构建出转子绕组匝间短路故障程度识别框架，如图1所示。

4 机组实例分析

采用华北电力大学动模实验室SDF-9型一对极故障模拟机组（如图2所示）进行不同程度的转子绕组匝间短路实验分析，发电机基本参数如表1所示。

以故障机组能够模拟的五类故障程度为故障域，则转子绕组匝间短路故障程度识别框架为Θ={SC1，SC2，SC3，SC4，SC5}，其中SC1代表无故障运行，SC2代表故障程度为3%（分接头1、2短接），SC3代表故障程度为6%（分接头4、5短接），SC4代表故障程度为12%（分接头2、3短接），SC5代表故障程度为15%（分接头1、3短接），如图3所示。

通过分析汽轮发电机转子匝间短路的故障征兆，采用励磁电流If、转子基频振动fr、转子三倍频振动f3r、定子基频振动fs和定子二倍频振动f2s 5种故障特征作为灰色关联评价指标，进行初步灰色关联分析。

实验在并网状态下进行，转速为额定转速3 000 r·min-1，机端电压保持390 V不变，有功输出也基本保持不变，逐渐改变转子绕组的短路程度，采集正常运行状态以及各故障程度下的电气量，同时利用CD-21型速度传感器测量转子水平方向和定子垂直方向的振动量，试验采集的电气量见表2。

在保持机端电压和有功基本不变的情况下，定子电流变化不大，励磁电流呈上升趋势，与文献[3]的试验结论相一致。

图4为不同故障程度下A相电压电流曲线。

图5为不同故障程度下励磁电流的变化趋势。

图6为不同故障程度下转子振动的频谱曲线。

图7为不同故障程度下定子振动的频谱曲线。

表3为故障模拟实验采集的转子匝间短路故障数据统计。从表中可以看出，随着短路程度的增加转子基频振动增加，转子3倍频振动分量虽有所波动，但整体为增大趋势，定子基频振动增加，定子三倍频振动分量减少。

参照（1）式对表2数据进行无量纲归一化处理得到表4所示的故障标准样本空间。

再进行一次12%短路程度下的转子匝间短路实验，将采集的故障数据作为待检测的故障特征序列SCunknown，经无量纲归一化处理后如表5所示。

将待检测的标准故障序列SCunknown分别与标准故障样本数据SC1～SC5进行灰色关联分析，得到相应灰色关联度ri，如表6所示。

发现仅采用灰色关联度无法准确判定短路程度。

按照式（5）～式（9）计算各匝间短路故障特征的改进熵权，如表7所示。

按照式（7）计算待检测故障序列SCunknown与标准故障样本数据SC1～ SC5的灰色加权关联度Ri，如表8所示。

将灰色加权关联度进行由大到小排序：R（SC4）=0.878>R（SC3）=0.799>R（SC1）=0.744>R（SC5）=0.703>R（SC2）=0.658。显然SCunknown与SC4的关联程度最大，因此可诊断出转子匝间短路程度约为12%，诊断结果与实际故障程度相符，并且较一般灰色关联度的诊断效果更好，说明基于熵权与灰色关联理论的汽轮发电机转子绕组匝间短路故障程度診断模型的有效性和准确性。

5 结 论

本文通过分析汽轮发电机发生转子匝间短路后的故障特征，提出了基于改进熵权与灰色关联理论的汽轮发电机转子绕组匝间短路故障程度诊断模型。该模型将待检测的故障序列与故障样本空间进行灰色加权关联度计算，根据最大关联度得到故障程度诊断结果。

该方法能够精确、有效的识别出转子匝间短路的故障程度，能够为现场机组运行提供指导性建议，合理安排检修时间，在保证运行安全的前提下更大程度的提高经济效益。

参 考 文 献：

[1] 武玉才，李永刚.汽轮发电机转子典型问题分析及故障诊断[M].北京：中国电力出版社，2015.

[2] 李永刚，李和明，赵华，等.基于定子线圈探测的转子匝间短路故障识别方法[J].中国电机工程学报，2004，24（2）：108.

LI Yonggang，LI Heming，ZHAO Hua，et a1.Fault identification method of rotor interturnshortcircuitusing statorwinding detection[J].Proceedings of the CSEE，2004，24（2）：107.

[3] 李永刚，李和明，赵华.汽轮发电机转子绕组匝间短路故障诊断新判据[J].中国电机工程学报，2003，23（6）：112.

LI Yonggang，LI Heming，ZHAO Hua.The new criterion oninter turn shortcircuit fault diagnose of steam turbine generatorrotor windings[J].Proceedings of the CSEE，2003，23（6）：112.

[4] 万书亭，李和明，李永刚.转子匝间短路对发电机定转子振动特性的影响[J].中国电机工程学报，2005，25（10）：122.

WAN Shuting，LI Heming，LI Yonggang.Analysis of generator vibration characteristic on rotor winding interturn shortcircuit fault[J].Proceedings of the CSEE，2005，25（10）：122.

[5] 武玉才，李和明，李永刚，等.在线检测发电机转子绕组匝间短路的新方法[J].高电压技术，2009，35（11）：2698.

WU Yucai，LI Heming，LI Yonggang，et al.New online diagnosis method for generator rotor winding interturn short circuit[J].High Voltage Engineering，2009，35（11）：2698.

[6] 武玉才，李永刚，李和明，等.机电复合故障下汽轮发电机转子振动特性分析[J].高电压技术，2010，36（11）：2687.

WU Yucai，LI Yonggang，LI Heming，et al.Analysis of turbine generator rotor vibration characteristic under electromechanical compound faults [J].High Voltage Engineering，2010，36（11）： 2687.

[7] 周国伟，李永刚，万书亭，等.转子绕组短路故障时发电机转子不平衡电磁力分析[J].电工技术学报，2012，27（10）：120.

ZHOU Guowei，LI Yonggang，WAN Shuting，et al.Analysis on rotor unbalanced electromagnetic force of generatorunder rotor interturn short circuit fault [J].Transactionsof China Electrotechnical Society，2012，27（10）：120.

[8] 武玉才，李永刚，冯文宗，等.汽轮发电机转子绕组短路产生的不平衡磁拉力研究[J].电机与控制学报，2015，19（3）：37.

WU Yucai，LI Yonggang，FENG Wenzong，et al.Analysis on unbalanced magnetic pull generated by turntoturnshort circuit of rotor windings within turbine generator [J].Electric Machines and Control，2015，19（3）：37.

[9] 李扬，郝亮亮，孙宇光，等.隐极同步发电机转子匝间短路时转子不平衡磁拉力特征分析[J].电力系统自动化，2016，40（3）：81.

LI Yang，HAO Liangliang，SUN Yuguang，et al.Characteristic analysisof unbalanced magnetic pull causedby nonsalient pole synchronous generator rotor interturn short circuit fault [J].Automation of Electric Power Systems，2016，40（3）：81.

[10] 武玉才，冯文宗，李永刚，等.励磁绕组短路故障下汽輪发电机的电磁稳态特征[J].高电压技术，2014，40（5）：1567.

WU Yucai，FENG Wenzong，LI Yonggang，et al.Steadystate electromagnetic characteristics of turbine generator after field winding shortcircuit fault [J].High Voltage Engineering，2014，40（5）：1567.

[11] 李和明，武玉才，李永刚.转子绕组匝间短路对电机轴电压的影响[J].中国电机工程学报，2009，29（36）：96.

LI Heming，WU Yucai，LI Yonggang.Influence of rotor windings interturn short circuit fault on electric machine shaft voltage [J].Proceedings of the CSEE，2009，29（36）：96.

[12] 武玉才，李永刚，李和明.基于轴电压的隐极同步发电机转子典型故障诊断[J].电工技术学报，2010，25（6）：178.

WU Yucai，LI Yonggang，LI Heming.Diagnosis of nonsalient pole synchronous generator rotor′s typical faults based on shaft voltage [J].Transactions of China Electrotechnical Society，2010，25（6）：178.

[13] 武玉才，李永刚.基于端部漏磁特征频率的汽轮发电机转子匝间短路故障诊断实验研究[J].电工技术学报，2014，29（11）：107.

WU Yucai，LI Yonggang.Experimental study of rotor interturn short circuit fault diagnosis in turbine generator based on characteristic frequency of endleakageflux[J].Transactions of China Electrotechnical Society，2014，29（11）：107.

[14] 邓聚龙.灰色预测与决策[M].武汉：华中理工大学出版社，1986.

[15] 杨志泽，梁良，李小勇，等.灰色关联模型在高压断路器故障诊断中的应用[J].电网技术，2015，39（6）：1731.

YANG Zhize，LIANG Liang，LI Xiaoyong，et al.Application of the gray correlation model in fault diagnosisof highvoltage circuit breakers [J].Power System Technology，2015，39（6）：1731.

[16] 刘鹏，李洪儒，王卫国，等.基于补偿距离评估技术与灰色关联分析的滚动轴承故障程度识别[J].机械传动，2015，39（10）：97.

LIU Peng，LI Hongru，WANG Weiguo，et al.Fault severity recognition of rolling bearing based on compensation distance evaluation technique and grey relational analysis [J].Journalof Mechanical Transmission，2015，39（10）：97.

[17] 安學利，周建中，刘力，等.基于熵权理论和信息融合技术的水电机组振动故障诊断[J].电力系统自动化，2008，32（20）：78.

AN Xueli，ZHOU Jianzhong，LIU Li， et al.Vibration fault diagnosis for hydraulic generator units based on entropy weight theoryand information fusion technology [J].Automation of Electric Power Systems，2008，32（20）：78.

[18] 赵峰，李硕.基于熵权和灰关联度的变压器故障诊断[J].电工电能新技术，2015，34（1）：57.

ZHAO Feng，LI Shuo.Fault diagnosis in transformer based on entropy weightedand grey incidence [J].Advanced Technology of Electrical Engineering and Energy，2015，34（1）：57.

[19] 邱蔻华.管理决策与应用熵学.北京：机械工业出版社，2002.

[20] 欧阳森，石怡理.改进熵权法及其在电能质量评估中的应用[J].电力系统自动化，2013，37（21）：156.

OUYANG Sen，SHI Yili.A new improved entropy method and its application in power quality evaluation [J].Automation of Electric Power System，2013，37（21）：156.

（编辑：贾志超）