三相异步交流电机定子绝缘在线监测方法和装置与流程

本发明涉及电气设备监测技术领域，特别涉及一种三相异步交流电机定子绝缘在线监测方法和装置。

背景技术：

一般情况下，三相异步交流电机是许多工程领域中的关键装置，广泛应用于高速列车，航空航天，电动车辆等领域，近些年来，三相异步交流电机的安全事故频发，其中电机绝缘系统的匝间绝缘故障是造成电机事故的主要因素之一。因此，对三相异步交流电机定子绝缘进行在线监测评估，对于提高电机设备可靠性具有重要意义。目前，对于电机绝缘故障已有一系列检测方法，已有离线检测方法如交流阻抗法、功率损耗法、微分线圈探测法等，以及在线检测方法如绝缘电流法、定子电流测试、磁通泄露、序阻抗矩阵、高频阻抗及匝间电容测试等。

上述电机绝缘故障检测方法只能评估绝缘系统的某一种性能，且有些检测方法的试验设备比较复杂、笨重，现场试验很不方便，在测试的便捷性、测试灵敏度及适用场合等方面均存在一定的不足，且对测试结果的分析过度依赖于专家系统和专业人员经验，对客观、准确地得出测试结论具有一定的局限性。

技术实现要素：

本发明为了克服现有技术中不能同时评估多种性能并且在检测时在线监测技术可靠性低精度差、成本高等问题，提供一种三相异步交流电机定子绝缘在线监测方法和装置。

为了实现上述目的，本发明通过以下方案实现：

一种三相异步交流电机定子绝缘在线监测方法，包括以下步骤：

同步采集电机绝缘系统的电压、电流信号；

对采集到的电机的电压、电流信号采用PWM解调技术进行处理；

对处理后的信号进行特征指标提取，提取包括MCSA特征指标、电流信号统计模式识别指标、序电压分布统计指标、Park变换特征指标、三相交流电压差统计指标和三相交流电流差统计指标；

将提取到的各个指标作为支持向量机的训练集进行状态预诊，输出电机绝缘系统的综合状态预诊结果，对电机绝缘系统的运行状态进行在线评估。

作为一种可实施方式，在步骤3中，所述提取MCSA特征指标，具体步骤为：

将采集到电机的电流信号进行傅里叶变换并获得变换后的电流频谱；

当电机的绝缘系统状态发生变化时，定子绕组电流会产生特定特征频率的基波；

通过分析电机定子电流频谱，检测产生特定特征频率的基波成分是否为高次分量频率的谐波，进一步判断电机目前所处运行状态。

作为一种可实施方式，在步骤3中，所述提取电流信号统计模式识别指标，包括以下步骤：

对采集到的电流信息进行聚类；

估计电流信号的混合高斯模型的参数，得到电流信号的混合高斯分布，通过分析电机健康状态下的混合高斯分布与电机任意状态下的混合高斯分布，得出电流信号统计模式识别指标，判断电路绝缘系统的状态。

作为一种可实施方式，所述估计电流信号的混合高斯模型的参数，得到电流信号的混合高斯分布，通过分析电机健康状态下的混合高斯分布与电机任意状态下的混合高斯分布，得出电流信号统计模式识别指标，判断电路绝缘系统的状态的具体步骤如下：

初始化每个高斯分布的均值μ_k、方差σ_k以及对应的权重π_k，

其中N(x/μ_j,σ_j)为第j个高斯模型概率密度，其中μ_j表示第j个单高斯分量的均值，σ_j为j个单高斯分量的协方差矩阵，π_j表示第j个单高斯分量在全局混合高斯中所占的比重，0≤π_j≤1；

计算每个高斯模型生成的概率γ(k)，

根据概率估算各高斯分布的均值、方差和影响因子，公式如下，

π_k＝N_k/N (5)

循环公式(3)、(4)、(5)、(6)，直到求得高斯分布的均值、方差和权重因子收敛，

假设H(x)代表电机健康状态下的混合高斯分布，G(x)代表电机任意状态下的混合高斯分布，则有：

p＝1时，Z代表H(x)和G(x)两个分布之间的曼哈顿距离，p＝2时，Z代表两分布之间的欧式距离，

p＝∞时，Z代表H(x)和G(x)两个分布之间的切比雪夫距离，

因此，Z可以作为电路绝缘系统的状态特征量，表征绝缘系统的状态，

通过计算H(x)和G(x)两者之间的分布重叠指标来量化两者之间的相似程度。

作为一种可实施方式，在步骤3中，所述提取序电压分布统计指标，具体步骤如下：

将三相不平衡电压或电流可以分解成正序分量、负序分量及同向的零序分量，公式如下：

其中，V₀表示零序电压，V_P表示正序电压，V_n表示负序电压，在此α＝e^j2π/3，j表示为虚数单位；

将正序电压、负序电压、零序电压转换为正序电流、负序电流、零序电流，公式如下：

其中，I₀表示零序电流，I_P表示正序电流，I_n表示负序电压，z_xy对应电机阻抗，V₀表示零序电压，V_P表示正序电压，V_n表示负序电压；

当电机处于健康状态时，根据基尔霍夫定律，三相电流的总和为零，零序电流I₀为0，所对应的零序电压V₀为零，将公式(9)转换成以下公式：

V_p＝z₁₁I_p+z₁₂I_n (10)

V_n＝z₂₁I_p+z₂₂I_n (11)

公式(10)(11)中，根据电机正常运转时的电流和电压数据计算出电机的阻抗系数矩阵；

当电机绝缘状态发生变化，则测量此时的正序电压或负序电压以及相应的电流数据，根据公式(8)、公式(9)、公式(10)、公式(11)中，得出正序电压V_P和负序电压V_n；

当电机发生故障时，计算的正序电压V_P和负序电压V_n与测量的正序电压和负序电压会存在一定差异，将计算得到的正序电压V_P和负序电压V_n和测量得到的正序电压和负序电压之间的存在的差异作为判断电机运行状态的特征指标。

作为一种可实施方式，在步骤3中，所述提取Park变换特征指标，具体步骤如下：

当电机绝缘状态发生变化时，定子绕组电流产生故障特征频率的基波成分且电流的Park's矢量轨迹会发生变化，根据Park变换，将电流中基波的正序分量转换成了dqo坐标的直流分量，基波的负序分量转换成了dqo坐标的交流频率分量2f₁，通过对定子电流Park矢量模的平方进行频谱分析，观察有无2f₁频率分量来判定定子绕组是否发生故障，采用交流频率分量2f₁的幅值大小作为电路绝缘系统的故障特征指标。

作为一种可实施方式，在步骤3中，所述提取三相交流电压差统计指标，具体操作步骤如下：

当电机绝缘状态处于健康状态下时，测量三相电压值V₁，当电机绝缘状态处于任意状态时，测量得到的三相电压值V₂，将V₁和V₂两者之间的差值V作为电机绝缘系统的状态特征量。

作为一种可实施方式，在步骤3中，所述提取三相交流电流差统计指标，具体步骤如下：

当电机绝缘状态处于健康状态下时，测量三相电流值I₁，当电机绝缘状态处于任意状态时，测量得到的三相电流值I₂，将I₁和I₂两者之间的差值I作为电机绝缘系统的状态特征量。

作为一种可实施方式，在步骤4中，将得到的状态指标量作为支持向量机的训练集进行状态预诊，输出电机绝缘系统的运行状态预诊结果，具体操作步骤如下：

根据得到的六类状态特征指标，六类特征指标为：MCSA特征指标、电流信号统计模式识别指标、序电压分布统计指标、Park变换特征指标、三相交流电压差统计指标和三相交流电流差统计指标，建立训练数据集(ξ_s,ζ_s)，ξ_s为输入变量的值，ζ_s为相应的输出变量值，S为训练集个数；

采用高斯径向基核函数：K(ξ_s,ζ_s)＝exp(-|ξ_s-ζ|²/σ²₀)，在式中，K(ξ_s,ζ_s)为核函数，σ₀为高斯函数的方差；

选用训练数据集(ξ_s,ζ_s)对支持向量机进行训练，建立支持向量机的状态预诊模型；

用训练好的支持向量机对待诊断样本进行诊断输出，输出电机绝缘系统的状态预诊模型。

一种三相异步交流电机定子绝缘在线监测装置，包括变频器、电机、数据采集与存储模块、数据处理分析模块、模式识别判断模块、控制计算机、控制器和负载；

根据负载的运行情况，控制计算机调节变频器的电压和频率，控制所述电机的输出转速和转矩，所述数据采集与存储模块采集所述控制器的电压、电流信号并将采集到的电压、电流信号传输至所述数据处理分析模块进行显示和处理，对处理后的信号进行特征指标提取，将提取的特征指标传输到所述模式识别判断模块进行模式识别，评估所述电机定子绝缘实时运行状态；

所述的数据采集与存储模块设置在所述控制器内部，数据采集与存储模块用于从电机的控制器获取电机的实时电压信号和电流信号，并按照顺序或者编号进行存储。

本发明具有以下优点：

一种三相异步交流电机定子绝缘在线监测装置，包括，变频器、电机、数据采集与存储模块、数据处理分析模块、模式识别判断模块、控制计算机、控制器和负载；可辅助测试人员完成电机定子绝缘系统的状态预诊和故障定位，并直观展示状态评估结果，操作过程简便可靠，有利于改善三相异步交流电机定子的制造和运行；

本发明提供的电机绝缘系统在线监测方法，可实现对电机绝缘状态的长期有效的监测；能将多类绝缘特征指标进行融合，从而增加了方法的可靠性和监测精度，具有实时性强、数据处理精度高、核心算法鲁棒性好、状态评估准确性高和成本可控等优点，避免了传统在线监测方法传感器安装难度高且实时性差，数据未经预处理即进行分析引起的精度低下，以及加装传感器引起的高额成本和不确定性等问题。

为让本发明的上述和其它目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合附图，作详细说明如下。

附图说明

图1为本发明的方法流程示意图；

图2为本发明的装置结构示意图；

图3为本发明中采集到的三相异步电机电流信号时域波形图；

图4为本发明中的三相异步电机健康状态下电流信号MCSA频谱图；

图5为本发明中的三相异步电机故障状态下电流信号MCSA频谱图；

图6为本发明中的电机正常情况下的正序电压分布统计指标图；

图7为本发明中的电机发生故障下的正序电压分布统计指标图；

图8为本发明中的电流信号Park变换特征指标图；

图9为本发明中的电压信号Park变换特征指标图。

具体实施方式

以下结合附图，对本发明上述的和另外的技术特征和优点进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的部分实施例，而不是全部实施例。

本发明提供了基于PHM的三相异步交流电机绝缘系统在线监测方法，其流程图如图1所示。

S1、同步采集电机绝缘系统的电压、电流信号；

S2、对采集到的电机的电压、电流信号采用PWM解调技术进行处理；

S3、对处理后的信号进行特征指标提取，提取包括电流MCSA特征指标、电流信号统计模式识别指标、序电压分布统计指标、Park变换特征指标、三相交流电压差统计指标和三相交流电流差统计指标；

S4、将提取到的各个指标作为支持向量机的训练集进行状态预诊，输出电机绝缘系统的综合状态预诊结果，对电机绝缘系统的运行状态进行在线评估。

一种三相异步交流电机定子绝缘在线监测装置，如图2为三相异步交流电机绝缘系统在线监测装置的结构示意图，该实施例中包括变频器1、电机2、数据采集与存储模块3、数据处理分析模块4、模式识别判断模块5、控制计算机6、控制器7、负载8。装置实际运行中，可根据负载8的实际情况，控制计算机6调节变频器1的电压和频率，进而控制三相异步交流电机2的输出转速和转矩，满足实际负载的工作需求。数据采集与存储模块3直接采集控制器7的电压、电流信号，并将数据传输至数据处理分析模块4进行处理；数据处理分析模块4内置PWM解调算法和特征提取算法，可对信号进行解调和特征提取，将处理好的特征指标传输到模式识别判断模块5进行评估，以判断电机绝缘系统是否存在匝间绝缘故障；最后将评估结果传输至控制计算机6，从而达到实时评估电机定子绝缘状态的目的。此外，数据采集与存储模块3，数据处理分析模块4和模式识别判断模块5均将得到的数据与结果传输至控制计算机6进行相应的存储。

搭建装置内的各个模块，调通并测试装置，通过数据采集与存储模块3直接从电机的控制器中获取电机的电压信号和电流信号，获得一系列信号数据。

请参照图3，表示的是采集到的三相异步电机电流信号时域波形图；

下面详细的介绍如何提取每个特征指标：

在S3中，所述提取电流MCSA特征指标，具体步骤为：

将采集到电机的电流信号进行傅里叶变换并获得变换后的频谱图；

当电机的绝缘系统状态发生变化时，定子绕组电流会产生特定特征频率的基波，通过分析电机定子电流频谱，检测产生特定特征频率的基波成分是否为高次分量频率的谐波，进一步判断电机目前所处运行状态。如果存在基波且与电流信号中恒定成分的频率相互对应，则说明电机发生故障了。

对采集到的健康状态下电流信号和故障状态下电流信号分别做傅里叶变换处理，求得电流信号MCSA统计指标，结果如图4、5所示，对比图4和图5中可知，正常电流信号的频谱图内频率成分简单，并无高频分量，而故障电流信号的频谱图内存在多处高频分量。因此可以在频谱图上查找有无对应的频率成分，以确定电机目前所处的运行状态。

在S3中，所述提取电流信号统计模式识别指标，包括以下步骤：

对采集到的电流信息进行聚类；

估计电流信号的混合高斯模型的参数，得到电流信号的混合高斯分布，通过分析电机健康状态下的混合高斯分布与电机任意状态下的混合高斯分布，得到电路绝缘系统的状态特征量。

在S3中，所述估计电流信号的混合高斯模型的参数，得到电流信号的混合高斯分布，通过分析电机健康状态下的混合高斯分布与电机任意状态下的混合高斯分布，得到电路绝缘系统的状态特征量的具体步骤如下：

初始化每个高斯分布的均值μ_k、方差σ_k以及对应的权重π_k，

其中N(x/μ_j,σ_j)为第j个高斯模型概率密度，其中μ_j表示第j个单高斯分量的均值，σ_j为j个单高斯分量的协方差矩阵，π_j表示第j个单高斯分量在全局混合高斯中所占的比重，0≤π_j≤1；

计算每个高斯模型生成的概率γ(k)，

根据概率估算各高斯分布的均值、方差和影响因子，公式如下，

π_k＝N_k/N (5)

循环公式(3)、公式(4)、公式(5)、公式(6)、计算上述步骤，直至高斯分布的均值、方差和权重因子收敛，

假设H(x)代表电机健康状态下的混合高斯分布，G(x)代表电机任意状态下的混合高斯分布，则有：

p＝1时，Z代表H(x)和G(x)两个分布之间的曼哈顿距离，p＝2时，Z代表两分布之间的欧式距离，

p＝∞时，Z代表H(x)和G(x)两个分布之间的切比雪夫距离，

因此，Z可以作为电路绝缘系统的状态特征量，表征绝缘系统的状态，

通过计算H(x)和G(x)两者之间的分布重叠指标来量化两者之间的相似程度。

在S3中，所述提取序电压分布统计指标，具体步骤如下：

将三相不平衡电压或电流可以分解成正序分量、负序分量及同向的零序分量，公式如下：

其中，V₀表示零序电压，V_P表示正序电压，V_n表示负序电压，在此α＝e^j2π/3，j表示为虚数单位；

将正序电压、负序电压、零序电压转换为正序电流、负序电流、零序电流，公式如下：

其中，I₀表示零序电流，I_P表示正序电流，I_n表示负序电压，z_xy对应电机阻抗，V₀表示零序电压，V_P表示正序电压，V_n表示负序电压；

当电机处于健康状态时，根据基尔霍夫定律，三相电流的总和将为零，零序电流I₀为0，所对应的零序电压V₀同为零，将公式(9)转换成以下公式：

V_p＝z₁₁I_p+z₁₂I_n (10)

V_n＝z₂₁I_p+z₂₂I_n (11)

公式(10)(11)中，根据电机正常运转时的电流和电压数据计算出电机的阻抗系数矩阵；

当电机绝缘状态发生变化，则测量此时的正序电压或负序电压以及相应的电流数据，根据公式(8)、公式(9)、公式(10)、公式(11)中，得出正序电压V_P和负序电压V_n；

当电机发生故障时，计算的正序电压V_P和负序电压V_n与测量的正序电压和负序电压会存在一定差异，将计算得到的正序电压V_P和负序电压V_n和测量得到的正序电压和负序电压之间的存在的差异作为判断电机运行状态的特征指标。

根据采集到的三相异步电机的电流与电压数据计算正序电压分布统计指标，计算结果如图6、7所示。对比图6和图7可知，在电机正常情况下，计算的正序电压与测量的正序电压数值基本吻合，仅存在较小的差距。在电机故障的情况下，计算的正序电压与测量的正序电压存在较大的差距，且故障越严重，差距越大。因此，可将计算得到的正负序电压和测量得到的正负序电压之间的分布距离作为判断电机运行状态的特征指标。

在S3中，所述提取Park变换特征指标，具体步骤如下：

当电机绝缘状态发生变化时，定子绕组电流产生故障特征频率的基波成分且电流的Park's矢量轨迹会发生变化，根据Park变换，将电流中基波的正序分量转换成了dqo坐标的直流分量，基波的负序分量转换成了dqo坐标的2f₁分量，通过对定子电流Park矢量模的平方进行频谱分析，观察有无交流频率分量2f₁来判定定子绕组是否发生故障，采用交流频率分量2f₁的幅值大小作为电路绝缘系统的故障特征指标。参见图8、9，对健康状态下的电流信号和故障状态下的电流信号进行Park变换，并进行频谱分析，得到两类信号的Park变换特征指标图。从图8可知，健康状态下的电流信号在dqo坐标系下为一个圆，而故障状态的电流信号在dqo坐标系中的轨迹会发生畸变，由圆形变成为椭圆；

从图9可知，当定子绝缘在健康状态下时，信号Park变换后的频谱图中只有直流分量，无频率成分。当定子绝缘系统发生故障时，信号Park变换后的频谱图中存在一个由负序2f₁分量引起的频率成分，且故障越严重，该频率成分幅值越大。因此可通过检测电流Park矢量模中的频率分量来判断电机是否发生定子绝缘故障。

在S3中，所述提取三相交流电压差统计指标，具体操作步骤如下：

当电机绝缘状态处于健康状态下时，测量三相电压值V₁，当电机绝缘状态处于任意状态时，测量得到的三相电压值V₂，将V₁和V₂两者之间的差值V作为电机绝缘系统的状态特征量。

在S3中，所述提取三相交流电流差统计指标，具体步骤如下：

当电机绝缘状态处于健康状态下时，测量三相电流值I₁，当电机绝缘状态处于任意状态时，测量得到的三相电流值I₂，将I₁和I₂两者之间的差值I作为电机绝缘系统的状态特征量。

进一步地，将得到的状态指标量作为支持向量机的训练集进行状态预诊，输出电机绝缘系统的运行状态预诊结果，具体操作步骤如下：

根据所述得到的六类状态特征指标T，建立训练数据集(ξ_s,ζ_s)，ξ_s为输入变量的值，ζ_s为相应的输出变量值，S为训练集个数；

采用高斯径向基核函数：K(ξ_s,ζ_s)＝exp(-|ξ_s-ζ|²/σ²₀)，式中，K(ξ_s,ζ_s)为核函数，σ₀为高斯函数的方差；

选用一定量训练数据集(ξ_s,ζ_s)对支持向量机进行训练，建立支持向量机的状态预诊模型；

用训练好的支持向量机对待诊断样本进行诊断输出，输出电机绝缘系统的状态预诊模型。

虽然本发明已由较佳实施例揭露如上，然而并非用以限定本发明，任何熟知此技艺者，在不脱离本发明的精神和范围内，可作些许的更动与润饰，因此本发明的保护范围当视权利要求书所要求保护的范围为准。