一种发电机转子匝间短路的确定方法和装置与流程

1.本发明实施例涉及电机控制技术，尤其涉及一种发电机转子匝间短路的确定方法和装置。


背景技术：

2.汽轮发电机转子匝间短路是一种较常见的发电机故障，轻微的匝间短路并不会影响机组的正常运行，所以经常被忽略，但如果故障继续发展，将给发电机带来大的故障事故。随着外部环境的不断变革，燃煤火电机组的运行方式从原来的主要承担“基荷”运行转变为调峰、调压、调频等灵活方式运行，在调峰运行方式下，发电机更容易出现绝缘磨损现象，因此匝间短路的可能性也随之增加。
3.目前，现有的发电机转子匝间短路的确定方法，通常是利用ann、svm等机器学习方法对发电机多个运行参数进行相关性分析和模型计算，但没有充分考虑到发电机状态参数之间的相关关系十分复杂，并且ann、svm等机器学习都是基于监督学习的算法，需要有尽可能多的明确故障标签的训练数据，因此在实际应用中对发电机的转子匝间短路故障比较难以进行准确的监测，影响发电机转子匝间短路确定的可靠性。


技术实现要素：

4.本发明实施例提供一种发电机转子匝间短路的确定方法和装置，以提高发电机转子匝间短路确定的可靠性。
5.第一方面，本发明实施例提供了一种发电机转子匝间短路的确定方法，包括：
6.获取发电机的历史运行数据；
7.根据历史运行数据，基于皮尔逊相关系数和斯皮尔曼相关系数，确定历史运行数据中对应的发电机正常运行数据的平均相关性系数；
8.将平均相关性系数输入至预设自编码器，对预设自编码器进行训练，以得到训练好的预设自编码器；
9.将目标数据的平均相关性系数输入至预设自编码器，确定目标数据是否异常，以确定发电机的转子匝间状态。
10.可选的，基于皮尔逊相关系数和斯皮尔曼相关系数，确定历史运行数据中对应的发电机正常运行数据的平均相关性系数，包括：
11.基于皮尔逊相关系数，确定历史运行数据中对应的发电机正常运行数据的第一相关系数；
12.基于斯皮尔曼相关系数，确定历史运行数据中对应的发电机正常运行数据的第二相关系数；
13.根据第一相关系数和第二相关系数，确定第一相关系数和第二相关系数的均值，并将均值作为平均相关性系数。
14.可选的，得到训练好的预设自编码器，包括：
15.将发电机正常运行数据的平均相关性系数输入至预设自编码器，预设自编码器对输入的发电机正常运行数据的平均相关性系数进行重构，得到重构后的平均相关性系数，若重构后的平均相关性系数与输入的发电机正常运行数据的平均相关性系数相同，则确定预设自编码器训练完成。
16.可选的，将目标数据的平均相关性系数输入至预设自编码器，确定目标数据是否异常，以确定发电机的转子匝间状态，包括：
17.根据目标数据的平均相关性系数，预设自编码器对目标数据的平均相关性系数进行重构，得到重构后的平均相关性系数；
18.预设自编码器将重构后的平均相关性系数与目标数据的平均相关性系数作比较，若目标数据的平均相关性系数与对应的重构后的平均相关性系数的差值超过预设阈值，则确定发电机转子匝间短路。
19.可选的，确定发电机转子匝间短路之后，包括：
20.根据差值大小，确定发电机转子匝间短路的程度。
21.可选的，重构后的平均相关性系数为对应发电机正常运行得到的数据。
22.可选的，历史运行数据和目标数据均包括发电机的有功功率、无功功率、励磁电流、转子振动与定子振动中的至少两种状态量数据。
23.第二方面，本发明实施例提供了一种发电机转子匝间短路的确定装置，包括：
24.数据获取模块，用于获取发电机的历史运行数据；
25.系数确定模块，用于根据历史运行数据，基于皮尔逊相关系数和斯皮尔曼相关系数，确定历史运行数据中对应的发电机正常运行数据的平均相关性系数；
26.训练模块，用于将平均相关性系数输入至预设自编码器，对预设自编码器进行训练，以得到训练好的预设自编码器；
27.状态确定模块，用于将目标数据的平均相关性系数输入至预设自编码器，确定目标数据是否异常，以确定发电机的转子匝间状态。
28.可选的，系数确定模块包括：
29.第一系数确定单元，用于基于皮尔逊相关系数，确定历史运行数据中对应的发电机正常运行数据的第一相关系数；
30.第二系数确定单元，用于基于斯皮尔曼相关系数，确定历史运行数据中对应的发电机正常运行数据的第二相关系数；
31.相关系数确定单元，用于根据第一相关系数和第二相关系数，确定第一相关系数和第二相关系数的均值，并将均值作为平均相关性系数。
32.可选的，训练模块具体用于将发电机正常运行数据的平均相关性系数输入至预设自编码器，预设自编码器对输入的发电机正常运行数据的平均相关性系数进行重构，得到重构后的平均相关性系数，若重构后的平均相关性系数与输入的发电机正常运行数据的平均相关性系数相同，则确定预设自编码器训练完成。
33.本发明实施例提供的发电机转子匝间短路的确定方法和装置，通过获取发电机的历史运行数据；根据历史运行数据，基于皮尔逊相关系数和斯皮尔曼相关系数，确定历史运行数据中对应的发电机正常运行数据的平均相关性系数；将平均相关性系数输入至预设自编码器，对预设自编码器进行训练，以得到训练好的预设自编码器；将目标数据的平均相关
性系数输入至预设自编码器，确定目标数据是否异常，以确定发电机的转子匝间状态。本发明实施例提供的发电机转子匝间短路的确定方法和装置，基于皮尔逊相关系数和斯皮尔曼相关系数，确定获取的历史运行数据中对应的发电机正常运行数据的平均相关性系数，通过确定的平均相关性系数对预设自编码器进行训练，无需较多的明确故障标签的训练数据，可避免较多的明确故障标签的训练数据影响准确性，从而提高发电机转子匝间短路确定的可靠性。
附图说明
34.图1是本发明实施例一提供的一种发电机转子匝间短路的确定方法的流程图；
35.图2是本发明实施例二提供的一种发电机转子匝间短路的确定方法的流程图；
36.图3是本发明实施例三提供的一种发电机转子匝间短路的确定装置的结构框图。
具体实施方式
37.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
38.实施例一
39.图1是本发明实施例一提供的一种发电机转子匝间短路的确定方法的流程图，本实施例可适用于对发电机转子匝间短路进行确定等方面，该方法可以由发电机转子匝间短路的确定装置执行，该装置可以由软件和/或硬件的形式实现，该装置可集成在电子设备如计算机中，该方法具体包括如下步骤：
40.步骤110、获取发电机的历史运行数据。
41.其中，历史运行数据包括发电机的有功功率、无功功率、励磁电流、转子振动与定子振动中的至少两种状态量数据。转子振动可以是转子振幅和/或转子振动的速度，定子振动可以是定子振幅和/或定子振动的速度。历史运行数据可以是发电机在一段时间如一个月或一年等时间段的运行数据，发电机的控制系统可实时采集并存储发电机的运行数据。发电机转子匝间短路的确定装置可以与发电机的控制系统电连接，从而获取发电机的历史运行数据。
42.另外，根据汽轮发电机转子匝间短路故障机理，汽轮发电机转子发生匝间短路时，励磁电流有增加的趋势而无功功率有减小的趋势，转子线圈发生匝间短路后，电流流经短路点，被短路绕组的损耗减少，温度降低。这将导致转子磁极温度变化不均匀，进而使磁极发生不正常热性变，因此会导致转子振动的加剧，另外励磁电流增加，会影响电磁力的分布，进而影响发电机的定子振动。除此以外，还要考虑发电机的实际运行的负荷工况，因此有功功率是非常重要的状态量数据。基于以上考虑，可选取发电机的有功功率、无功功率、励磁电流、转子振动与定子振动的状态量数据作为下一步的基础条件。
43.步骤120、根据历史运行数据，基于皮尔逊相关系数和斯皮尔曼相关系数，确定历史运行数据中对应的发电机正常运行数据的平均相关性系数。
44.具体的，历史运行数据中电机正常运行数据的任意两个如有功功率和无功功率，它们的皮尔逊相关系数和斯皮尔曼相关系数均可计算得到，两者均值即可作为有功功率和
无功功率的平均相关性系数。
45.步骤130、将平均相关性系数输入至预设自编码器，对预设自编码器进行训练，以得到训练好的预设自编码器。
46.具体的，以电机正常运行数据的平均相关性系数对预设自编码器进行训练，在将发电机正常运行数据的平均相关性系数输入至预设自编码器时，预设自编码器对输入的发电机正常运行数据的平均相关性系数进行重构，得到重构后的平均相关性系数，若重构后的平均相关性系数与输入的发电机正常运行数据的平均相关性系数相同，则可确定预设自编码器训练完成。
47.步骤140、将目标数据的平均相关性系数输入至预设自编码器，确定目标数据是否异常，以确定发电机的转子匝间状态。
48.具体的，目标数据可以是发电机的有功功率、无功功率、励磁电流、转子振动与定子振动中的至少两种状态量数据。训练后的预设自编码器具有重构数据的能力，预设自编码器可对输入的平均相关性系数进行重构得到重构后的平均相关性系数，重构后的平均相关性系数为对应发电机正常运行得到的数据。若输入的平均相关性系数存在异常，对应发电机的运行数据异常，则预设自编码器可将输入的平均相关性系数与重构后的平均相关性系数进行比较，判断输入有异常，则可确定发电机转子匝间短路。
49.本实施例提供的发电机转子匝间短路的确定方法，基于皮尔逊相关系数和斯皮尔曼相关系数，确定获取的历史运行数据中对应的发电机正常运行数据的平均相关性系数，通过确定的平均相关性系数对预设自编码器进行训练，无需较多的明确故障标签的训练数据，可避免较多的明确故障标签的训练数据影响准确性，从而提高发电机转子匝间短路确定的可靠性。
50.实施例二
51.图2是本发明实施例二提供的一种发电机转子匝间短路的确定方法的流程图，本实施例可适用于对发电机转子匝间短路进行确定等方面，该方法可以由发电机转子匝间短路的确定装置执行，该装置可以由软件和/或硬件的形式实现，该装置可集成在电子设备如计算机中，该方法具体包括如下步骤：
52.步骤210、获取发电机的历史运行数据。
53.步骤220、基于皮尔逊相关系数，确定历史运行数据中对应的发电机正常运行数据的第一相关系数。
54.示例性地，第一相关系数算法如下：
55.设(xi,yi)(i＝1,2,
…
,n)为取自总体(x,y)的样本，则样本的皮尔逊相关系数的计算公式为：
[0056][0057]
式中：r为皮尔逊相关系数，即第一相关系数；为x的平均值；为y的平均值；n为样本数。x和y可以是电机正常运行数据中的有功功率、无功功率、励磁电流、转子振动与定子振动等五种状态量数据中的任意两种。
[0058]
步骤230、基于斯皮尔曼相关系数，确定历史运行数据中对应的发电机正常运行数
据的第二相关系数。
[0059]
示例性地，第二相关系数算法如下：
[0060]
设两个样本x和y，其观察数据可以配对为(x1,y1)，(x2,y2)，
…
，(xn,yn)。ri表示xi在(x1,x2,
…
,xn)中的秩，用qi表示在(y1,y2,
…
,yn)中的秩。则样本的斯皮尔曼秩相关系数的表达式为：
[0061][0062]
式中：rs为斯皮尔曼相关系数秩相关系数，即第二相关系数；ri表示xi在(x1,x2,
…
,xn)中的秩；qi表示在(y1,y2,
…
,yn)中的秩；为ri的平均值；为qi的平均值；n为样本数。
[0063]
又有：
[0064][0065][0066]
可将rs简化为：
[0067][0068]
步骤240、根据第一相关系数和第二相关系数，确定第一相关系数和第二相关系数的均值，并将均值作为平均相关性系数。
[0069]
具体的，aci(average correlation index，平均相关性指标)，即取皮尔逊和斯皮尔曼相关系数的平均值来对发电机机组的状态参数之间的关联关系进行量化分析。平均相关性指标(average correlation index，aci)表达式为：
[0070][0071]
其中，平均相关性指标aci对应的数值为平均相关性系数，即aci对应的数值即为第一相关系数和第二相关系数的均值。
[0072]
步骤250、将平均相关性系数输入至预设自编码器，对预设自编码器进行训练，以得到训练好的预设自编码器。
[0073]
具体的，以电机正常运行数据的平均相关性系数对预设自编码器进行训练，在将发电机正常运行数据的平均相关性系数输入至预设自编码器时，预设自编码器对输入的发电机正常运行数据的平均相关性系数进行重构，得到重构后的平均相关性系数，若重构后的平均相关性系数与输入的发电机正常运行数据的平均相关性系数相同，则可确定预设自编码器训练完成。
[0074]
步骤260、根据目标数据的平均相关性系数，预设自编码器对目标数据的平均相关
性系数进行重构，得到重构后的平均相关性系数。
[0075]
示例性地，根据发电机待检测时段的有功功率、无功功率、励磁电流、转子振动与定子振动等五种状态量数据，确定其中任意两个的平均相关性系数，共个平均相关性系数，将这些平均相关性系数输入至训练后的预设自编码器，预设自编码器对输入的个平均相关性系数进行重构，得到个重构后的平均相关性系数，个重构后的平均相关性系数与输入的个平均相关性系数一一对应。输入的个平均相关性系数存在异常数据或不存在异常数据，对应的重构后的平均相关性系数均为正常数据。
[0076]
步骤270、预设自编码器将重构后的平均相关性系数与目标数据的平均相关性系数作比较，若目标数据的平均相关性系数与对应的重构后的平均相关性系数的差值超过预设阈值，则确定发电机转子匝间短路。
[0077]
示例性地，个平均相关性系数输入至训练后的预设自编码器后，若个平均相关性系数中至少一个存在异常，则预设自编码器可将重构后的个正常数据与对应的输入数据进行比较，若至少一个输入数据存在异常，则可确定发电机转子匝间短路。并且，可根据差值大小确定发电机转子匝间短路的程度。例如，若差值在20％以上，则可确定发电机转子匝间短路的程度为严重，并发出相应提示；若差值在5％-20％之间，则可发出发电机转子匝间异常的提示；若差值在5％以内，则可发出需要注意发电机转子匝间短路的提示，并将确定的结果和提示发送至通信连接的远程服务器，实现实时在线监测。
[0078]
需要说明的是，预设阈值的具体数值可根据发电机的实际运行情况确定，在此不做限定。
[0079]
本实施例提供的发电机转子匝间短路的确定方法，基于皮尔逊相关系数和斯皮尔曼相关系数，确定获取的历史运行数据中对应的发电机正常运行数据的平均相关性系数，通过确定的平均相关性系数对预设自编码器进行训练，无需较多的明确故障标签的训练数据，可避免较多的明确故障标签的训练数据影响准确性，从而提高发电机转子匝间短路确定的可靠性。
[0080]
实施例三
[0081]
图3是本发明实施例三提供的一种发电机转子匝间短路的确定装置的结构框图，该装置包括：数据获取模块310、系数确定模块320、训练模块330和状态确定模块340；其中，数据获取模块310用于获取发电机的历史运行数据；系数确定模块320用于根据历史运行数据，基于皮尔逊相关系数和斯皮尔曼相关系数，确定历史运行数据中对应的发电机正常运行数据的平均相关性系数；训练模块330用于将平均相关性系数输入至预设自编码器，对预设自编码器进行训练，以得到训练好的预设自编码器；状态确定模块340用于将目标数据的平均相关性系数输入至预设自编码器，确定目标数据是否异常，以确定发电机的转子匝间状态。数据获取模块310具备安全隔离的功能，保障电厂生产运行数据的安全性。系数确定模块320中内置平均相关性系数算法，可对状态量数据进行计算得到若干特征参数即平均相关性系数。训练模块330中设置有预设的自编码器模型。
[0082]
在一种实施方式中，系数确定模块320第一系数确定单元、第二系数确定单元和平
均系数确定单元；其中，第一系数确定单元用于基于皮尔逊相关系数，确定历史运行数据中对应的发电机正常运行数据的第一相关系数；第二系数确定单元用于基于斯皮尔曼相关系数，确定历史运行数据中对应的发电机正常运行数据的第二相关系数；平均系数确定单元用于根据第一相关系数和第二相关系数，确定第一相关系数和第二相关系数的均值，并将均值作为平均相关性系数。
[0083]
优选的，训练模块330具体用于将发电机正常运行数据的平均相关性系数和转子匝间短路对应的异常数据的平均相关性系数分别输入至预设自编码器，预设自编码器对输入的发电机正常运行数据的平均相关性系数进行重构，得到重构后的平均相关性系数，若重构后的平均相关性系数与输入的发电机正常运行数据的平均相关性系数相同，则确定预设自编码器训练完成。
[0084]
可选的，状态确定模块340包括重构单元和状态确定单元；其中，重构单元用于根据目标数据的平均相关性系数，预设自编码器对目标数据的平均相关性系数进行重构，得到重构后的平均相关性系数；状态确定单元用于预设自编码器将重构后的平均相关性系数与目标数据的平均相关性系数作比较，若目标数据的平均相关性系数与对应的重构后的平均相关性系数的差值超过预设阈值，则确定发电机转子匝间短路。优选的，状态确定模块340还包括程度确定单元，程度确定单元用于根据差值大小，确定发电机转子匝间短路的程度。
[0085]
本实施例提供的发电机转子匝间短路的确定装置与本发明任意实施例提供的发电机转子匝间短路的确定方法属于相同的发明构思，具备相应的有益效果，未在本实施例详尽的技术细节详见本发明任意实施例提供的发电机转子匝间短路的确定方法。
[0086]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整、结合和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。