高压电机运行状态监测技术

2024-01-08邬海军

设备管理与维修 2023年23期

邬海军

（国家能源集团准能集团矸石发电公司，内蒙古鄂尔多斯 010300）

0 引言

随着传感器技术、计算机技术的不断发展，针对设备运行状态的监测技术已经逐渐应用于各类电机设备当中[1]。中、大型高压电机结构复杂，维修周期长，对此类装置的工作可靠性提出了更高的要求。对其进行监控和诊断，是预防和控制故障影响范围的关键。经过几十年的研究，目前的监测技术已经可以全面监测电机的运行状况，为维修人员提供更加可靠的运行数据，避免了长期处于被动维修和不定期维修的窘境[2]。但现有监测技术无法实现对高压电机运行态势的预测，因此也无法做到对电机故障的提前预警。而实现对高压电机运行状态的预知，不但可以防止因装置突发故障、停运而造成的损失，同时还能够充分发挥设备的作用。

1 基于无线传感器网络的高压电机运行数据采集

高压电机运行过程中会产生诸多数据信息，例如电机温度、电流、电压、振动、声音、电压等。针对这些数据的变化情况进行分析，可以为电机运行状态的判定提供可靠的依据。为了保证采集到的运行数据的准确性，引入无线传感器网络技术。利用该技术构成一个数据采集模块，其中包括现场数据采集和遥控[3]。现场采集模块包括普通节点、汇聚节点和入口。其中，一般的结点是RFD 结点，这个结点与FFD 结点相关。RFD 和FFD 的性能都有了很大的提高，包括一对多通信、数据处理、数据融合、处理控制命令等[4]。RFD 和FFD 是按照WSN 的标准来设计的，只是RFD 的功能是被强行关掉的，并且只能和FFD 通信，无法与其他的RFD 进行通信，没有路由和数据融合功能，无法将控制指令传送给其他节点。在每个现场获取装置中，都必须有一到多个FFD 作为单点。在本文设计的监测技术中，RFD 接收到的数据由无线连接传输至Sink 节点进行处理，Sink 结点根据最佳路径向网关传送已处理的资料。该网关与遥控设备的路由器之间采用光纤网连接，并将所收到的数据经由有线网络传输至遥控设备。

监测过程中需要多个数据采集模块，并且每个模块都由传感器和通信两部分组成，根据不同监测数据，选择了温度、噪声、振动和化学等多种传感器类型[5]。该传感器接收到的信号，在A/D 变换之后，由通信模块处理器进行处理，进行调制和编码，然后由天线传输。

在此基础上，假设在初始状态下，所有节点的有效空隙中线都会指向一个汇聚节点。假设初始角度为qi，则在任意时刻，有向虚隙的位置可以表示为：

式（1）中，q 表示有向虚拟隙在任意时刻的位置；f 表示有向虚拟隙的大小；c 是系数。根据式（1）可以确定各个汇聚节点的位置，从而进一步判定无线传感器网络中各个数据采集传感器所在的位置。当从周围的节点收到数据包时，首先要确定是不是在前一个节点的有向虚隙区，判定标准为：

式（2）中，xc和yc表示该节点的位置坐标；xint和yint 表示前一转发节点的位置坐标。在上述判定标准基础上，若节点不在这一范围内，则将该数据包丢弃；若在，则将该节点的坐标和监测数据合并为一个数据包并转发。根据上述论述，在构建的无线传感器网络中，实现对高压电机运行数据的采集。

2 通信频段选择与监测数据传输

为确保无线传感器网络的正常运行，并能够通过通信传输实现对监测数据的获取，选取 WSN 所用的波段。因为在传输网络中，节点数量大，能量消耗大，因此节点需要采用小型、高性能的天线。因此，确定通信波段一定要选择更高的波段。三种工作波段包括在IEEE802.15.4 中，分别为868 MHz、915 MHz和2.4 GHz。在通信传输的过程中，使用同一物理层的分组，以区分工作频率。根据上述论述，确定监测数据传输过程中3 个通信频段的主要参数（表1）。

表1 监测数据传输中通信频段主要参数设置

基于上述论述，根据实际条件，尽可能使用2.4 GHz 的标准ISM 频段，应用该频段对监测数据进行传输，能够实现对序列扩展技术的直接应用，能有效提高监测数据传输的抗干扰能力，进而促进监测精度的进一步提升。在此基础上，对监测数据传输的拓扑结果进行选择，采用网状拓扑结构，在网状网路中，多跳路径的寻址、路由维护与修理都很困难，而且要时刻“监听”，时刻监控网路的状况，以便更好地进行网路的路由与传输，因此会造成网路的能源损失，缩短网路使用寿命。在WSN 中，Flooding 路由协议、数据中心的协作和基于位置的路由协议都是采用的，因此，良好的、易于实现的路由协议和GPS 等其他技术的应用，对于提高网络的传输效率和延长网络的使用非常重要。

3 运行状态监测与状态判定

在得到所需的监测数据后，对高压电机的运行状态进行监测，并对其运行状态进行判定。采用模糊状态判定的方法。在选择状态参数时，主要考虑高压电机过热、过载和负荷分配不均等方面的异常状态对其进行判定。通常情况下，电机分布在多个机架上，每个机架都有对应的冷却体系，一个机架中的多台电机为同轴拖动，用负荷分配平衡上下辊电机的负荷。因此，基于高压电机的实际运行情况，一个机架中的电机负荷温度不会相差太大。根据这一特点，通过温度差值可以实现对高压电机温度是否异常的判定。结合模糊理论，假设由多个元素隶属度组成的状态模糊集可表示为A，相应的状态表现原因为B，则A 和B 可分别表示为：

式中，m 表示隶属度；n 表示状态模糊集中的元素数量；m表示状态表现原因集中的元素数量；所有x 构成的集合为征兆论域；所有y 构成的集合为异常状态论域。根据上述内容，构建异常状态原因与征兆之间的模糊关系矩阵：

式中，R 表示异常状态原因与征兆之间的模糊关系矩阵。根据模糊矩阵得到的结果，对高压电机运行过程中是否出现异常状态进行判定，并进一步得出异常状态出现的具体原因。以高压电机温度异常状态为例，其对应的征兆论域为：X={冷却风温度过高、过流、单辊前后电机电流失衡、转子绕组温度过高}，在得到温度异常状态结果后，根据征兆论域中各个元素的取值，确定高压电机温度异常状态的具体原因，以此实现对高压电机运行的状态监测。

4 实例应用分析

为实现对该监测技术应用可行性的检验，针对该监测技术在实际应用中的表现进行分析。选择以某高压电机为监测对象，针对该高压电机运行过程中的电机温度、电压、电流、声音、振动、电压等参数进行监测。在监测过程中，控制室内温度为20 ℃，电机每运行30 min 停止一次运行，将高压电机机壳温度和定子温度作为监测数据，通过本文技术得到的监测结果与该高压电机外壳、定子温度实际变化情况进行对比，得到如图1、图2 所示的测试结果。

图1 高压电机外壳温度变化监测结果

图2 高压电机定子温度变化监测结果

从图1、图2 两组监测结果可以看出，应用本文监测技术后，得到的监测结果曲线与高压电子各结构实际温度变化曲线的整体趋势一致。尽管在监测过程中，测量信号是以锯齿状的形式波动，这主要是由异步电机的电磁干扰和传感器本身的作用引起的，但测量结果与实际测量结果相差不超过2 ℃，具备极高的应用适应性。综合整个实例应用过程及结果得出：本文提出的监测技术可以实现对高压电机运行状态的监测，并且监测精度高，能够满足高压电机运维要求，为其维修检查提供更可靠的监测数据依据。