一种发电机励磁电压互感器高压熔断器慢熔预测方法与流程

1.本发明涉及电气设备技术领域，尤其涉及一种发电机励磁电压互感器高压熔断器慢熔预测方法。


背景技术：

2.发电机励磁pt是指安装在发电机出口供发电机励磁调节器使用的专用电压互感器，用于测量发电机电压，并与发电机电压给定值进行比较，经励磁调节器的比例(p)、积分(i)、微分(d)调节控制，达到控制发电机电压、稳定发电机电压之目的。如果运行中励磁pt故障，出现发电机电压降低或消失，励磁系统会立即强励，直到发电机过电压等继电保护动作跳闸为此，从而导致机组非计划停运，严重时甚至会对发电机组造成损害。因此，励磁调节器需要具备励磁pt断线保护功能。励磁高压pt一次侧高压熔断器在pt内部发生故障时，能迅速熔断切断电源回路，达到保护设备和防范事故扩大的目的。高压熔断器的动作是靠熔体(熔丝)的熔断来实现的，熔体有个非常明显的特性就是安-秒特性，也叫反时限特性，即过载电流小时，熔断时间长；过载电流大时，熔断时间短。根据目前的技术水平，熔断器熔丝起弧熔断，一般可在0.1秒熔断；如果小于0.1秒动作，称为快速熔断；如果大于0.1秒熔断，称为慢速熔断。如果是快速熔断，一定会出现一个大于pt断线整定值的差值电压，pt断线将会快速动作，保证励磁系统继续正常运行。如果慢速熔断，则会在较长时间内出现发电机端电压、无功功率的剧烈变动，严重情况会导致励磁误强励甚至跳闸停机。
3.传统判断励磁高压pt熔断器慢熔的方法有：1、负序电压检测法，这种方法是通过采样系统计算发电机定子三相电压的正序分量和负序分量，定子三相电流的正序分量和负序分量，当pt高压保险出现慢熔时，会出现电压负序分量，但是没有电流负序分量，从而判断高压保险出现慢熔；这种方法主要是基于pt断线的负序电压进行判断，但是目前由于dsp芯片为定点处理器，计算方法采用d-q坐标z变换计算得到，正常运行是计算出负序电压在5％左右，导致计算误差较大，往往难以达到慢熔时负序电压的低门槛值，实现高压保险发生慢熔时的即时预警；2、双pt对照法，这种方法是通过交流采用两组pt测量值，通过dsp芯片计算，一个周期可等距采用12或16个点，通过傅氏算法计算出交流电压的实部和虚部，然后计算出电压有效值u1，u2以及u＝|u1-u2|，当u大于某一定值时就可以判断min(u1，u2)的一组pt断线；双pt电压对照法通过dsp芯片采样计算出电压有效值，比较两组pt电压差值的方式判断pt断线，但是这种方法存在判断阈值不好设定，设定太小容易误触发报警，设定太大又难以即时发现慢熔的发生。


技术实现要素：

4.本发明的目的在于克服现有技术的缺点，提供了一种发电机励磁电压互感器高压熔断器慢熔预测方法，解决了传统判断慢熔方法存在的不足。
5.本发明的目的通过以下技术方案来实现：一种发电机励磁电压互感器高压熔断器慢熔预测方法，所述慢熔预测方法包括：
6.通过数据采集装置周期性采集机组两组励磁pt二次电压、可控硅阳极电压三路电压数据，并计算出电压有效值和负序电压值存储在数据存储装置中；
7.算法服务器通过大数据流式算法模型对存储在数据存储装置中的数据依次进行特征提取和动态特征分析得到双pt电压差值、pt与可控硅阳极电压差值、负序电压值的变化特征；
8.预警输出装置对算法服务器输出的变化特征进行阈值判断，并对判断结果进行逻辑组合后输出预警信息。
9.所述计算出电压有效值和负序电压值包括：通过傅氏算法计算出交流电压的实部和虚部，然后计算出电压有效值u1，u2、u3，进而计算出δu1＝|u1-u2|、δu2＝|u1-u3|、δu3＝|u2-u3|，负序电压值v12、v22、v32。
10.所述特征提取和动态特征分析得到双pt电压差值、pt与可控硅阳极电压差值、负序电压值的变化特征包括：
11.通过算法模型从采集的数据中提取出差值电压δu和负序电压v并抽取特征值，这两个数据是反应慢熔发生的敏感特征参量；
12.利用模糊自适应神经网络算法对高压保险正常运行状态数据的样本拟合差值电压δu和负序电压v曲线，得到差值电压δu的基线模型和负序电压v曲线的基线模型然后利用模型估计异常运行下差值电压δu和负序电压v的输出值，其中，
△
ur表示实际运行的差值电压；vr表示实际运行的负序电压，fc表示高压保险熔断程度差值电压度量因子，fd表示高压保险熔断程度负序电压度量因子。
13.所述预警输出装置对算法服务器输出的变化特征进行阈值判断，并对判断结果进行逻辑组合后输出预警信息包括：
14.判断模型估计输出异常运行下的pt1与pt2电压差值δu1、pt1与可控硅阳极电压差值δu2以及pt1负向电压v12是否同时不在阈值范围内，如果是，则判断pt1保险慢熔发生并输出预警信息，如果有一个在阈值范围内，则不输出预警信息；
15.判断模型估计输出异常运行下的pt1与pt2电压差值δu1、pt2与可控硅阳极电压差值δu3以及pt2负序电压v22是否同时不在阈值范围内，如果是，则判断pt2保险慢熔发生并输出预警信息，如果有一个在阈值范围内，则不输出预警信息。
16.所述大数据流式算法模型建立包括：根据保险丝熔断过程热量与电阻的关系建立热量模型q＝0.24i2rt，其中，i表示流过保险丝的电流，r表示电阻，t表示时间；根据差值电压δu和负序电压v与电阻的关系分别建立对应的模型δu
∝
α1α2r和v
∝
β1β2r，其中，α1、α2表示差值电压影响系数，β1、β2表示负序电压影响系数。
17.本发明具有以下优点：一种发电机励磁电压互感器高压熔断器慢熔预测方法，选取了可控硅阳极电压作为高压保险慢熔发生的一个对照参量，抽取出了δu1、δu2、δu3及负序电压值v12、v22、v32共六个判断参量，相较传统的对照点选取，对熔断器慢熔的诊断更加精准可靠；引入了实时大数据流式算法模型，用大数据分类、聚合的方法抽取出了六个参量的敏感特征值，采用该方法能在慢熔早期发生时，能监测到所选参量特征值的微小变化，从而实现早期预警。
附图说明
18.图1为本发明的流程示意图；
19.图2为δu和v特性曲线拟合示意图；
20.图3为预警诊断逻辑示意图。
具体实施方式
21.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下结合附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的保护范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。下面结合附图对本发明做进一步的描述。
22.如图1所示，一种发电机励磁电压互感器高压熔断器慢熔预测方法，通过大数据流式算法模型进行运算后提取特征值，大数据流式算法模型由物理建模、特征提取、动态特性分析、建立模型和诊断分析几个部分组成。分析了熔断器“慢熔”的机理模型，以此作为大数据物理建模和特征提取的依据，熔断器熔丝熔断过程可以看做一个热量累积和转化过程，熔丝熔化的程度、影响度与环境温度、电流、材质有关，慢熔断过程中熔丝发热引发电阻变化。实践运行表明，熔断器“慢熔”过程中都伴随着二次输出电压的缓慢降低，这是熔丝慢熔过程中电阻变化导致的，因此电压差值、负序电压作为了提取表征熔断器“慢熔”发生的特征参量；算法模型采用模糊自适应神经网络对正常数据的正常样本拟合电压差值、负序电压值特性曲线得到两个电压值下的特性曲线基线模型，然后利用该模型实现实时大数据下的差值电压和负序电压特征输出；具体包括以下内容：
23.通过数据采集装置周期性采集机组两组励磁pt二次电压、可控硅阳极电压三路电压数据，并计算出电压有效值和负序电压值存储在数据存储装置中，一个周期采样16个点；
24.算法服务器通过大数据流式算法模型对存储在数据存储装置中的数据依次进行特征提取和动态特征分析得到双pt电压差值、pt与可控硅阳极电压差值、负序电压值的变化特征；
25.预警输出装置对算法服务器输出的变化特征进行阈值判断，并对判断结果进行逻辑组合后输出预警信息。
26.进一步地，计算出电压有效值和负序电压值包括：通过傅氏算法计算出交流电压的实部和虚部，然后计算出电压有效值u1，u2、u3，进而计算出δu1＝|u1-u2|、δu2＝|u1-u3|、δu3＝|u2-u3|，负序电压值v12、v22、v32。
27.进一步地，特征提取和动态特征分析得到双pt电压差值、pt与可控硅阳极电压差值、负序电压值的变化特征包括：
28.通过算法模型从采集的数据中提取出差值电压δu和负序电压v并抽取特征值，这两个数据是反应慢熔发生的敏感特征参量；
29.如图2所示，利用模糊自适应神经网络算法对高压保险正常运行状态数据的样本
拟合差值电压δu和负序电压v曲线，得到差值电压δu的基线模型和负序电压v曲线的基线模型然后利用模型估计异常运行下差值电压δu和负序电压v的输出值，其中，
△
ur表示实际运行的差值电压；vr表示实际运行的负序电压，fc表示高压保险熔断程度差值电压度量因子，fd表示高压保险熔断程度负序电压度量因子。
30.进一步地，如图3所示，预警输出装置对算法服务器输出的变化特征进行阈值判断，并对判断结果进行逻辑组合后输出预警信息包括：
31.判断模型估计输出异常运行下的pt1与pt2电压差值δu1、pt1与可控硅阳极电压差值δu2以及pt1负向电压v12是否同时不在阈值范围内，如果是，则判断pt1保险慢熔发生并输出预警信息，如果有一个在阈值范围内，则不输出预警信息；
32.判断模型估计输出异常运行下的pt1与pt2电压差值δu1、pt2与可控硅阳极电压差值δu3以及pt2负序电压v22是否同时不在阈值范围内，如果是，则判断pt2保险慢熔发生并输出预警信息，如果有一个在阈值范围内，则不输出预警信息。
33.其中，v32表示可控硅阳极电压负序电压，与pt慢熔熔断没有物理连接关系，因此不作为判断依据。
34.所述大数据流式算法模型建立包括：根据保险丝熔断过程热量与电阻的关系建立热量模型q＝0.24i2rt，其中，i表示流过保险丝的电流，r表示电阻，t表示时间；根据差值电压δu和负序电压v与电阻的关系分别建立对应的模型δu
∝
α1α2r和v
∝
β1β2r，其中，α1、α2表示差值电压影响系数，β1、β2表示负序电压影响系数。
35.本发明取了可控硅阳极电压作为高压保险慢熔发生的一个对照参量，传统的慢熔判断一般只选择两组pt的电压作为对照，选取了可控硅阳极电压作为高压保险慢熔发生的一个对照参量，抽取出了δu1、δu2、δu3及负序电压值v12、v22、v32共六个判断参量，通过多参量敏感特征值越限后的逻辑组合，实现慢熔发生的精准预警。引入了实时大数据流式算法模型，抽取出了六个参量的特征值，采用该方法能在慢熔早期发生时，能监测到所选参量特征值的微小变化。从而实现早期预警。
36.以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。