用特征电流智能诊断汽轮发电机定子匝间短路

• 作者: 党晓强 刘俊勇 刘继春
• 来源期刊: 高电压技术
• 学科: 工学
• 关键词: 汽轮发电机 定子绕组匝间短路 稳态故障电流 Elman神经网络 在线诊断
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 专题论述
• 页码范围: 5-7
• 页数: 3页
• 分类号: TM623.3
• 字数: 2875字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6520.2006.04.002

摘要

汽轮发电机定子绕组匝间短路是很难及时发现且破坏性很强的内部故障,目前的针对性保护动作正确率普遍偏低,为此提出了结合故障特征量与智能技术的匝间短路在线识别.分析了匝间短路过程中故障相正序电流的变化和负序电流的产生作为特征量的依据,建立其稳态下的数学模型后介绍了特征数据经动态Elman神经网络进行在线智能识别的方法.基于复合序网对一台大型汽轮发电机并列运行时匝间短路的故障量进行计算,将特征数据输入神经网络进行识别.研究结果表明,合理的在线故障特征组合,匝间短路可以被Elman网络及时发现.该思路也可以作为保护动作前的参考信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘俊勇	四川大学电气信息学院	423	6701	41.0	61.0
2	党晓强	四川大学电气信息学院	34	297	11.0	16.0
3	刘继春	四川大学电气信息学院	79	630	12.0	22.0