本发明针对检测、表征、以及诊断的系统与方法。更具体地，本发明针对用于电机中疲劳破裂和局部放电事件的检测以及表征的系统与方法。
背景技术：
疲劳破裂和局部放电（pd）事件均是对于发电机系统的难题。所述现象是相关的，因为各自可以是另一个的贡献因素。局部放电倾向于增加疲劳裂缝的数目，且在疲劳裂缝的数目中的增加倾向于增加局部放电的频率。局部放电是没有对两个导体之间的间隔进行桥接的电绝缘系统的局域电介质击穿。局部放电生成高频率瞬时电流脉冲，所述电流脉冲持续在纳秒一直到微秒的范围中的时间段。局部放电常常在固体电介质内的空隙、裂缝（诸如疲劳裂缝）、或杂质内，或在导体-电介质接口处开始。局部放电也可沿不同绝缘材料之间的边界发生。尽管疲劳破裂可由材料上的任何类型的循环应力（既包括机械的也包括电的应力）导致，但在发电机系统的上下文中，所述应力根本上是电的。累积的局部放电可引起疲劳破裂事件。
局部放电引起绝缘材料的累进退化，最后导致电击穿。重复的pd事件引起绝缘材料的不可逆机械和化学退化。损坏是由以下所引起的：被高能量电子或离子所耗散的能量、来自放电的紫外光、侵袭空隙壁的臭氧、以及当在高压力下化学击穿过程释放气体时的破裂。有三种主要类型的局部放电：内部局部放电、表面局部放电、以及电晕局部放电。高电压系统中内部pd的历史最终触发电树化（electricaltreeing）。表面pd的历史最终诱使绝缘跟踪。然而，起源在高电压连接中的电晕pd的历史一般是无害的。
pd监视和检测涉及对系统的电介质状况进行评估，该评估是通过对电信号的监视以及对电弧放电、电场、材料、波的传播和衰减、传感器空间敏感性、频率响应和校准、噪声、以及数据解释的分析。电弧是在两个电极之间可见的等离子体放电，其是由空气中电流电离的气体所引起的。
局部放电的量级相关于发生的损坏性放电的程度，且因此相关于在绝缘上所遭受的损坏的量。脉冲重复速率指示在各种最大量级水平发生的放电的数量。
局部放电测量系统可包括超高频率（uhf）传感器、高频率电流互感器（hfct）、超声麦克风、瞬时地电压（tev）传感器或耦合电容器、用来评估宽范围的信号频率的相位分辨分析系统、或其的组合。uhf传感器一般在300mhz-1.5ghz的范围中检测。hfct一般在500khz-50mhz的范围中检测。超声麦克风一般在40khz附近的范围中检测。tev传感器或耦合电容器一般在3mhz-100mhz的范围中检测。相位分辨分析系统将脉冲定时与交流电（ac）频率进行比较。
局部放电的电检测存在的显著问题是检测设备非常易受电磁噪声的影响，这能够导致对局部放电的假检测（通常作为假阳性）。然而，在高电压系统中，由局部放电引起的刺（spike）比较于系统电压的幅度可以是非常小的，且可被错失，从而导致假阴性。经常，经受测试的设备还需要被取下线，从高电压源被通电、且然后被测试，这要求很多的时间和设备。常规pd测试系统不能够检测疲劳裂缝以及可检测但无法定位pd事件。
声发射（ae）是材料内的瞬时弹性波，通常是局域应力能量的快速释放（诸如当材料经历在它的结构中不可逆的改变时）的结果。疲劳破裂事件生成声发射。
由于声波一般在20khz一直到多于1mhz的频率范围中，声检测系统检测声发射。声检测系统可以是外部或内部系统。外部声检测系统采用被安装到要被监视的设备的外侧的传感器。另一方面，内部系统使用放置在要被监视的设备的内侧的传感器来直接测量压力波。
比起其它方法，声检测的重要优势是通过在多个位置使用传感器，可得到定点（positioning）信息。该位点（position）信息可帮助标识ae的源的位置。声检测的另一个优势是它对电磁干扰或电磁噪声的免疫。
技术实现要素：
在一实施例中，一种监视系统的方法包括：将声发射监视系统与局部放电监视系统进行同步，其中所述声发射监视系统包括多个声发射传感器，所述局部放电监视系统包括多个局部放电传感器；指引通过声发射传感器对来自组件的声发射信号作为声发射数据的收集，以及指引通过局部放电传感器对电信号作为电数据的收集；以及通过所述声发射数据和所述电数据的模式识别，将统计事件归类为疲劳破裂事件或局部放电事件。
在另一个实施例中，一种监视发电机系统的方法包括：指引通过所述发电机系统的组件上的多个第一传感器对来自所述组件的声发射信号的收集，并将之作为声发射数据；以及通过所述声发射数据的模式识别，将第一统计事件归类为疲劳破裂事件。
在另一个实施例中，一种监视系统包括：声发射监视系统，其包括多个声发射传感器；局部放电监视系统，其包括多个局部放电传感器，且所述局部放电监视系统与所述声发射监视系统同步；以及计算机，其接收来自声发射传感器的声发射数据以及来自局部放电传感器的电数据。所述计算机配置成：通过所述声发射数据的模式识别将第一统计事件归类为疲劳破裂事件，并确定由所述疲劳破裂事件导致的第一损坏状况以及第一位置；通过所述声发射数据或所述电数据的模式识别，将第二统计事件归类为局部放电事件；以及将所述声发射数据和所述电数据进行融合（fuse）以用于所述第二统计事件，并确定由所述局部放电事件导致的第二损坏状况以及第二位置。
本发明的其它特征和优势从结合附图进行的以下更加详细的描述将是显而易见的，所述附图作为示例示出了本发明的原理（principle）。
本公开由此提供以下技术方案：
技术方案1.一种监视系统的方法，包括：
将声发射监视系统与局部放电监视系统进行同步，所述声发射监视系统包括多个声发射传感器，所述局部放电监视系统包括多个局部放电传感器；
指引通过所述声发射传感器对来自组件的声发射信号作为声发射数据的收集，以及指引通过所述局部放电传感器对电信号作为电数据的收集；以及
通过所述声发射数据和所述电数据的模式识别，将统计事件归类为疲劳破裂事件或局部放电事件。
技术方案2.如技术方案1所述的方法，其中所述统计事件包括所述局部放电事件，所述方法进一步包括将所述声发射数据和电流数据进行融合以用于所述统计事件，并确定由所述局部放电事件导致的损坏状况以及位置。
技术方案3.如技术方案1所述的方法，其中所述统计事件包括所述疲劳破裂事件，所述方法包括通过所述声发射数据的模式识别，将所述统计事件归类为所述疲劳破裂事件。
技术方案4.如技术方案3所述的方法，进一步包括从所述声发射数据来确定所述疲劳破裂事件的损坏状况以及位置。
技术方案5.如技术方案1所述的方法，其中所述系统包括发电机系统。
技术方案6.如技术方案1所述的方法，其中所述模式识别实时地发生。
技术方案7.如技术方案6所述的方法，进一步包括实现自适应机器学习来增强所述模式识别。
技术方案8.如技术方案1所述的方法，其中所述声发射传感器包括光纤声发射传感器。
技术方案9.一种监视发电机系统的方法，包括：
指引通过所述发电机系统的组件上的多个第一传感器对来自所述组件的声发射信号作为声发射数据的收集；以及
通过所述声发射数据的模式识别，将第一统计事件归类为疲劳破裂事件。
技术方案10.如技术方案9所述的方法，进一步包括确定由所述疲劳破裂事件导致的损坏状况以及位置。
技术方案11.如技术方案9所述的方法，其中所述第一传感器包括光纤声发射传感器。
技术方案12.如技术方案9所述的方法，进一步包括：
将所述第一传感器与多个第二传感器进行同步；
指引通过所述第二传感器对电信号作为电数据的收集；以及
通过所述电数据的模式识别，确认所述疲劳破裂事件。
技术方案13.如技术方案9所述的方法，进一步包括指引通过所述第一传感器对来自所述组件的电信号作为电数据的收集。
技术方案14.如技术方案13所述的方法，进一步包括通过所述声发射数据和所述电数据的模式识别，将第二统计事件归类为疲劳破裂事件或局部放电事件。
技术方案15.一种监视系统，包括：
声发射监视系统，包括多个声发射传感器；
局部放电监视系统，包括多个局部放电传感器，且与所述声发射监视系统同步；以及
计算机，接收来自所述声发射传感器的声发射数据和来自所述局部放电传感器的电数据，其中所述计算机配置成：
通过所述声发射数据的模式识别将第一统计事件归类为疲劳破裂事件，并确定由所述疲劳破裂事件导致的第一损坏状况以及第一位置；
通过所述声发射数据或所述电数据的模式识别，将第二统计事件归类为局部放电事件；以及
将所述声发射数据和所述电数据进行融合以用于所述第二统计事件，并确定由所述局部放电事件导致的第二损坏状况以及第二位置。
技术方案16.如技术方案15所述的监视系统，其中所述声发射传感器从声发射信号收集所述声发射数据，且所述局部放电传感器从来自发电机系统的组件的电信号收集所述电数据。
技术方案17.如技术方案15所述的监视系统，其中所述计算机实时地接收来自所述声发射传感器的声发射数据以及来自所述局部放电传感器的电数据。
技术方案18.如技术方案15所述的监视系统，其中所述局部放电传感器从由超高频率传感器、高频率电流互感器、瞬时地电压传感器、耦合电容器、以及其组合所组成的组中来选择。
技术方案19.如技术方案15所述的监视系统，其中所述声发射传感器包括光纤声发射传感器。
技术方案20.如技术方案15所述的监视系统，其中所述计算机配置成实时进行所述模式识别。
附图说明
图1是本公开的一实施例中的监视系统的示意图。
图2是本公开的一实施例中的监视的方法的流程图。
图3是本公开的一实施例中的声发射信号的绘图。
图4是本公开的一实施例中的对于疲劳破裂事件和局部放电事件的声发射信号的绘图。
图5是图4的声发射信号的频谱绘图。
图6是本公开的一实施例中的由局部放电传感器测量的电信号的绘图。
图7是由声发射传感器测量的并与图6的电信号同步的声发射信号的绘图。
在可能的任何地方，相同的引用编号在图的各处将被用来表示相同的部件。
具体实施方式
提供的是用于监视发电机系统并检测和标识局部放电事件以及疲劳破裂事件的系统与方法。
本公开的实施例，例如同未能包括本文中所公开的特征中的一个或更多的概念比较起来，其提供了：局部放电事件和疲劳破裂事件二者的检测，放电或疲劳破裂事件的位置的确定，对电磁噪声降低的敏感性，在其中补救仍然可能的早期对发电机系统的故障的预测，从pd事件的数据融合，pd事件的增强测量和表征，将pd事件标识为内部、表面、或电晕pd事件，或其的组合。
参考图1，监视系统10包括声发射监视系统、局部放电监视系统、以及计算机12。监视系统10对发电机系统14进行监视。ae监视系统包括：声发射传感器16，其感知来自发电机系统14的声发射信号；以及声发射监视单元18，其接收来自ae传感器16的ae信号，并将声发射数据传送到计算机12。pd监视系统包括：局部放电传感器20，其感知来自发电机系统14的电信号；以及局部放电监视单元22，其接收来自pd传感器20的电信号，并将电数据传送到计算机12。在本发明的精神内，任何类型的pd传感器20可被用来检测电信号。
尽管压电ae传感器可被使用，但ae传感器16优选是光纤ae传感器。不带有电传导材料的光纤ae传感器不受被监视系统的高电压的影响。光纤ae传感器可被嵌入在其自身的绝缘材料中，而不引起任何电弧放电。此外，除了感知声发射之外，光纤ae传感器也可同时测量系统中的应变和温度。
在一些实施例中，传感器16、20是集成的pd/ae传感器，其中传感器16、20各自能够既探测电信号又探测ae信号。在一些实施例中，所述集成的pd/ae传感器16、20各自包括在一个封装中集成ae感知和基于电的pd感知的换能器（transducer）。
在一些实施例中，所监视的发电机系统是两极、三相发电机系统，且传感器位于所监视的发电机系统的六个输出（所述三相的每一个的两极）上。在其它实施例中，发电机系统是四极、三相发电机系统，且传感器位于所监视的发电机系统的十二个输出（所述三相的每一个的四极）上。
计算机12接收来自声发射监视系统的声发射数据以及来自局部放电监视系统的电数据。计算机12通过或软件、硬件、用户输入、或其的组合来配置成：通过声发射数据的模式识别将第一统计事件归类为疲劳裂缝，并确定疲劳裂缝事件的第一损坏状况以及第一位置；通过声发射数据或电数据的模式识别，将第二统计事件归类为局部放电；以及将声发射数据和电数据进行融合以用于第二统计事件，并确定局部放电的第二损坏状况以及第二位置。
参考图1和图2，监视发电机系统14的方法包括将声发射检测系统的声发射传感器16定位在发电机系统14的组件上、以及将局部放电检测系统的局部放电传感器20定位在该组件上。在一些实施例中，该组件是铜/绝缘体组件。在一些实施例中，传感器16、20位于如图1中所示的较低引线（lead）连接环上。该方法还包括将声发射检测系统与局部放电检测系统进行同步（步骤32）。在一些实施例中，时钟30同步所述两个系统（步骤32）。由于所检测的事件发生在微秒的时间尺度上，故尽可能精确的同步是值得期望的。该方法还包括指引通过声发射传感器16对来自组件的声发射信号作为声发射数据的收集、以及指引通过局部放电传感器20对来自组件的电信号作为电数据的收集。
声发射检测系统将声发射信号记录为声发射数据（步骤34），与之同时，局部放电检测系统将电信号记录为电数据（步骤36）。平行地，声特征从声发射数据被抽取（步骤38），且电特征从电数据被抽取（步骤40）。平行地，声模式识别将声特征归类为声统计事件（步骤42），且电模式识别将电特征归类为电统计事件（步骤44）。任何恰当的模式识别过程可在本发明的精神内被实现。声统计事件和电统计事件作为交叉检查被比较，以用于由所述分别的系统所进行的归类的一致性、澄清、以及确认（步骤46）。与被归类为疲劳破裂事件的声统计事件相对应的任何声发射数据可被分析来确定疲劳破裂事件的位置以及严重性（步骤48）。与被归类为pd事件的声发射事件相对应的任何声发射数据被分析（步骤50），与被归类为pd事件的电统计事件相对应的电数据被分析（步骤52），以及声发射数据和电数据可被融合来进一步表征pd事件（步骤54）。在一些实施例中，pd事件被表征为内部、表面、或电晕pd事件。疲劳破裂事件结果以及pd事件结果然后被解释，以估计发电机系统的损坏状况（步骤56）。
在本文中使用时，声发射指代在固体中声（弹性）波的生成和传播的现象，该现象在材料经历其内部结构中的不可逆改变时发生。例如，裂缝形成或外部负载，诸如局部放电，可引起声发射。
可从ae数据抽取的特征中的一些被示出在图3中。特征抽取优选地首先基于定义幅度阈值60，使得系统寻找大于那个幅度阈值60的峰。在寻找事件时，系统可寻找此类峰的群（cluster）。峰的持续期62是从当第一峰跨过阈值60时到直到最后峰落入阈值60之下的时间。对于图3中的事件的持续期大约是34μs。上升时间64是从当第一峰跨过阈值60时到直到最大峰达到它的最大值的时间。对于图3中的事件的上升时间大约是16μs。峰幅度66是最大峰的高度，且计数68是对于每次峰超过阈值60。五个此类计数68示出在图3中。
在一些实施例中，该方法实时在原位对系统进行监视。在一些实施例中，系统实时监视发电机组件。在线局部放电测试可允许电设备的分析和趋势化。与ac循环的360度相对的局部放电行为的检验允许标识局部放电的突出（prominent）根本原因，使得可实现恰当的修正动作。如图7中示出的，pd事件总是发生在ac循环的第一和第三四分之一区期间的事实，帮助ae和pd系统在更好地归类pd事件和ae事件中从彼此获益。在线局部放电测试可在退化的累进相中检测绝缘，从而带有能够在最终故障的很早之前对问题进行标识的趋势。
在其它实施例中，该方法在系统处于可以是离线或关闭的时间期间或是在系统的生产期间，为了质量控制或调查的目的来对系统进行监视。在一些实施例中，系统在正充电下测量过大的（exaggerated）负极性脉冲，且在负充电下测量过大的正极性脉冲。在一些实施例中，系统在工厂/停用（factory/outage）高电位（hipot）测试以及绝缘质量控制（qc）测试期间进行监视。在本文中使用时，hipot测试指代一类电测试，用来校验在电系统中电绝缘的状况。在一些实施例中，hipot测试涉及应用高电压并监视因而发生的流经绝缘体的电流，以确定绝缘体是否足够用来保护免于电击。在一些实施例中，绝缘质量控制声发射数据被收集。该数据可用来对hipot测试进行补充。在一些实施例中，方法在停用期间在保养中（in-service）被应用。在一些实施例中，质量控制声发射数据对hipot测试进行补充。在一些实施例中，ae系统和/或pd系统在停用期间在保养中被应用。
在一些实施例中，发电机系统的pd监视使用ae数据来被增强，以预测并阻止系统的潜在未来故障。在一些实施例中，ae系统将ae信号记录为ae数据、抽取特征、并使用模式识别方法来归类统计事件。在一些实施例中，pd系统收集并记录电数据、抽取特征、并使用模式识别方法来归类统计事件。在疲劳破裂事件的情况中，ae系统解释ae数据，以确定由疲劳破裂事件引起的损坏状况。在pd事件的情况中，ae系统和pd系统通过将ae数据和pd电数据进行融合，来合作解释由pd事件引起的损坏状况。在本发明的精神内，可使用任何恰当的数据融合方法。
在一些实施例中，ae系统和pd系统一起形成集成系统，以用于检测疲劳破裂事件和局部放电事件。ae系统和pd系统的组合监视给与了从pd事件的数据融合，这帮助pd系统和ae系统从彼此获益并导致pd事件的增强测量和表征。在一些实施例中，在测量的pd强度中的快速下降充当被监视系统的迫近故障的指示。
在一些实施例中，ae系统实时监视发电机的一个或更多组件，以用于pd事件和疲劳破裂事件。在一些实施例中，ae系统数据增强pd测量系统。在一些实施例中，pd系统数据增强ae系统。在一些实施例中，从ae和/或pd系统数据的模式识别以及特征抽取提供了与pd和疲劳裂缝有关的事件归类。在一些实施例中，自适应机器学习增强该集成监视系统。在一些实施例中，质量控制声发射数据被收集。
由于ae检测对电噪声不敏感，故它在检测发电机系统中较小pd事件上比pd监视系统更加有效。尽管pd监视系统倾向于只在显著损坏已经发生之后开启检测pd事件，但ae监视系统能够检测pd事件且因此能够在较早期监视损坏，以能够更加有效地阻止故障。
信号处理以及特征抽取可包括从所收集的数据抽取峰幅度66、频率、超过阈值60的计数或击中（hit）68、持续期62、以及上升时间64。在一些实施例中，数据融合以及自适应机器学习基于ae系统数据和pd系统数据来增强pd测量与表征。
在一些实施例中，由ae检测系统所检测的事件与由pd检测系统所检测的事件的比值作为时间的函数被确定和监视。如果该比值保持相当稳定，则可假设所检测的事件是pd事件。然而，如果该比值随时间一直增加，则预期是非pd事件的某事正在发生，这可指示一个或更多疲劳破裂事件的发生。
在一些实施例中，无论监视系统是否是实时监视或是在调查条件下进行监视，监视系统可包括决策协议以用于评估被监视系统或组件是否是在可接受的状况中、或是在不可接受的状况中、或对于继续的操作是安全的、或必须被关闭以用于维修或维护。
所述系统与方法可被应用到任何电系统，包括但不限制于高功率发电机系统、低功率发电机系统、电马达、或互感器。
示例1
ae监视系统和pd监视系统在充当模型发电机系统的金属条上组合地被测试。监视系统包括换能器、放大器、以及示波器。特斯拉（tesla）线圈被用来产生到金属条上的预定位置的电弧放电，以模拟pd事件。遵循astme976（“standardguidefordeterminingthereproducibilityofacousticemissionsensorresponse”）来对着（against）金属条上的预定位置折断铅笔芯，以模拟疲劳破裂事件。2h、0.5-mm直径铅笔芯在芯折断之前通过导向环延伸大约3mm。传感器位于金属条上的预定位置的两侧上，并收集ae监视系统数据和pd监视系统数据。
ae监视系统能够检测来自ae事件和pd事件二者的信号，而pd监视系统只能够检测来自pd事件的信号。由于pd和疲劳破裂事件发生在ae传感器之间，故基于到达ae传感器的信号的定时（“飞行的时间”）来计算事件的位置是可能的。从这些测试因而发生的ae数据中的一些被示出在图4和图5中。图4和图5基于相同的ae传感器数据，其中在图4中电压作为时间的函数，以及在图5中作为频率的函数。来自裂缝事件的ae数据70在大约20到大约30khz的低频率范围中示出若干强峰。来自pd事件的ae数据72在大约60到大约120khz的较高频率范围中示出宽的弱的峰。
示例2
来自被同步且对相同样本进行监视的pd监视系统与ae监视系统的样本数据示出了数据融合如何允许ae监视系统从pd监视系统获益，且反之亦然。由局部放电传感器测量的电信号80的绘图在图6中作为ac相位82的函数被示出。在图7中，来自相同样本的由ae传感器所测量并与电信号同步的预期声发射信号的人工绘图被示出。来自ae传感器的裂缝事件数据84被来自pd传感器的任何关联信号的缺失所证实，且来自pd传感器的pd事件数据被来自ae传感器的关联ae信号86所证实并增强。
尽管本发明已参考一个或更多实施例被描述，但将被本领域中那些技术人员所理解的是，在不偏离本发明的范畴的情况下，各种改变可被做出且等同体可取代本发明的要素。另外，在不偏离本发明的本质范畴的情况下，许多修改可被做出，以使特定情形或材料适应本发明的教导。因此，本发明旨在不被限制于作为最佳方式公开的设想用于实行本发明的特定实施例，而是本发明旨在将包括落入随附权利要求的范畴之内的所有实施例。另外，在详细描述中被标识的所有数值应当被解释为好像精确和近似值均明确地被标识。
部件列表
10监视系统
12计算机
14发电机系统
16声发射传感器
18声发射监视单元
20局部放电传感器
30时钟
60阈值
62持续期
64上升时间
66幅度
68计数
70ae数据
80电信号
84裂缝事件数据
86ae信号