机械故障

干式变压器在运行中受到电、热、机械等应力的共同作用,可能导致铁心松动和绕组变形等异常故障。振动分析法可以灵敏地反映铁心和绕组的机械状态,适用于干式变压器机械故障的检测。文中构建了干式变压器的有限元模型,仿真探究了干式变压器的振动机理与振动特性,发现干式变压器的绕组振动远小于铁心振动,正常运行状态下振动主要来源于铁心的磁致伸缩效应。文中搭建了干式变压器实验平台,采集并对比分析了正常工况和铁心松动状态下干式变压器表面的振动信号。发现随着铁心逐渐饱和,振动信号不再随电压平方呈线性关系增长,总振动信号峰值增长变快,基频振动信号幅值增长变慢。根据实验得到不同工况下干式变压器的振动信号频谱,发现可将振动信号的基频占比、高低频比作为诊断干式变压器机械状态的特征参量。

绕组松动故障是变压器最主要的机械故障之一，尚缺乏有效的智能化诊断方法。为此提出基于格拉姆角场与迁移学习-AlexNet的变压器绕组松动故障诊断方法。变压器稳态运行时的振动信号存在周期性的特点，导致其构建足量具有时间相关性的图像集十分困难，提出了一种样本构建方法用于生成变压器振动信号的格拉姆角场图像集。将生成的图像集送入AlexNet进行迁移学习，获得微调后的神经网络模型。实验结果表明：利用该样本构建方法生成的图像集作为训练集和验证集，建立的卷积神经网络模型训练准确率与验证准确率均达到99%以上；利用变压器周期性振动信号生成的图像集作为测试集，测试准确率达到99%以上，实现了变压器绕组松动故障的准确诊断，并为周期性信号运用具有时间相关性的图像变换方法构建足量样本集提供了一种新思路。

研究高压开关设备机械状态的识别和故障诊断技术，对提高高压断路器的可靠性，建设坚强的智能电网，保障电力系统的安全可靠运行具有重要的现实意义和工程应用价值。 项目采用真型实验的研究思路，在仿真分析断路器正常情况、单一典型故障以及多个典型故障同时作用情况下操动过程的机械特性以及GS母线三相共箱结构下受力情况的基础上，构建220kV高压断路器机械故障真型模拟实验平台以及550kV单相与126kV三相共体的G1S机械振动实验平台，研制了基于多传感器的高压断路器振动信号检测系统，基于加速度传感器和上位机的GS机械振动检测系统和基于拾音器阵列的G1S声学信号检测诊断系统。在实验平台上模拟出高压开关设备长期运行过程中出现的各类典型机械故障及缺陷，获得高压开关设备多种工况下的高压断路器多位置振动信号特征、GS外壳振动信号特征以及GS声学信号特征，研究各类典型机械缺陷对上述信号特征的影响和规律，开展智能故障诊断与辨识技术研究。

介绍了GIS/GIL设备进行机械故障检测的背景，给出了基于振动信号的设备机械故障检测方法，介绍了信号特征及分析方法；介绍了针对GIS/GIL的机械振动、局部放电、红外热成像联合检测及分析技术；介绍了机械振动-超声局放融合检测技术，对GIS/GIL机械故障带电检测存在的问题及如何解决提出了个人思考。

风电行业的快速发展给发电企业，特别是跨区域大型发电企业提出了新的难题。机组类型不断增多，场内机组分布范围不断增大，给检修运维工作带来了新的挑战。项目利用风电机组海量数据，结合大数据分析手段，研究了一系列风电机组故障诊断方法。同时，结合算法成果研发了行业领先的风电诊断平台并成功推广，实现了运维管理模式创新。针对目前风电领域数据分散、编码及接口不统一等问题导致的数据孤岛和数据可用性差的现状，研究集团级数据感知和存储技术，融合多目标系统数据，实现数据结构、接口、编码的标准统一，使平台便于部署实施，数据便于分析、管理，应用便于拓展，建立风电数据与应用生态。风电机组运行状态划分、性能评价标准等方面的差异，导致风电运维中管理难、对标难。研究统一的风电机组状态划分方法，实现机组的统一状态统计与管理，并建立风电对标指标体，实现全集团统一的对标，促进提质增效。针对机组正常并网发电时出力不佳的问题，本项目进行了数据清洗、敏感点能效分析算法的研究，提出优化建议，促进场站发电量的提升。针对风电行业风机故障事后维修等现状，研究风机主传动链等机械故障机理，振动模式识别以及故障敏感特征提取，实现机组机械故障的高敏感度诊断，并通过研究数据驱动的自学习趋势分析的故障诊断技术，实现了关键部件的监控诊断，形成对故障特征具有高灵敏度的诊断技术群。针对单一诊断技术误报率偏高的现状，研究基于多元信息融合证据理论的和故障树分析的机组故障评价与预测方法，综合考量多系统、多指标的状态信息，提高结果的可靠性。 本项目获授权发明专利 7 项，实用新型专利 1 项。项目发表论文 20 篇，知识产权成果显著。依托成果建设了华电集团新能源远程诊断平台，目前已接入 6500 多台机组，生产单位依托平台智能评价机组健康状态、开展机组状态检修。结合“互联网+风电”的思维，形成风电先进诊断技术的集群，为风电行业持续稳定发展提供强有力的技术保障。

永磁同步电机(permanent magnet synchronous motor,PMSM)具有结构简单、运行稳定、效率高和外形多样等显著优点，在生产制造领域得到广泛应用。PMSM在工作中不断受到速度变化和负载波动等复杂工况的影响，不可避免地会出现各种故障，如轴承故障、偏心故障、退磁故障和匝间短路故障等。文中综述了PMSM常见故障类型，并总结了自动化领域中基于信号的状态监测方法的现有研究，以用于各类电气和机械故障的检测和诊断。随后，对诊断方法进行了总结，并分析了其优势与限制，探讨了不同信号处理方法在应用中的利弊。最后，根据当前研究现状，讨论了PMSM故障监测与诊断存在的问题和未来发展方向。

本成果属于电气工程和故障诊断领域。广西电网是国家西电东送战略通道的命脉，其中大型电力变压器是电网的“心脏”枢纽设备，发生故障停运会引起大面积、长时间停电，严重影响国家能源安全及广西社会经济发展。经统计变压器机械故障是造成停电的主要原因，占比超过50%，通过分析运行变压器发出的声音、振动信号是最有效的机械故障不停电诊断方法，但由于振源直接测量难度高、现场环境干扰大、累积变形程度难评估，现有技术的诊断判据缺失且准确率较低。 本成果依托国家自然基金、南网多个重大科技专项，历时10余年攻关，取得了集理论、技术、装备和应用示范于一体的系列成果。中国科学院程时杰院士、国家变压器质量监督检验中心刘杰主任等专家认为“项目成果有效提升了变压器机械状态感知和智能诊断的水平”、“成果达到国际领先水平”。项目获发明专利授权 19 项、实用新型专利授权 16 项、软著 1 项；发表论文53篇（其中SCI收录7篇），出版专著1部。制定5项标准，其中国际标准1项，国标2项，行标1项。该成果在国家电网、南方电网、桂林电力电容器有限责任公司、广西柳州特种变压器有限责任公司等广泛应用，检测了1100余台输变电设备，应用效果良好，广西电网西电东送主通道变压器连续10年零事故，连续三年实现清洁能源全消纳。

​10月16日，国网河南省电力公司1000千伏南阳变电站运维人员应用该公司自主研发的特高压气体绝缘金属封闭输电线路（GIL）机械故障检测装置，对1000千伏豫阳Ⅰ线GIL设备开展带电检测，获取线路准确的设备振动频谱特征并开展分析研判，精准消除缺陷，保障设备安全稳定运行。