同步发电机定子故障预警模型

• 作者: 侯纪勇 李俊卿 李斯璇 陈雅婷
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 深度置信网络 同步电机定子 重构误差 故障预测 阈值
• 年，卷（期）: 2020,（5）
• 页码范围: 7-14
• 页数: 8页
• 分类号: TM73
• 字数: 5743字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1672-0792.2020.05.002

摘要

为了研究同步发电机的定子故障特征规律,预测故障发生及发展演化趋势,提出了基于深度置信网络(Deep Belief Network,DBN)的同步电机定子故障预测模型.以限制玻尔兹曼机为基本单元搭建深度置信网络,输入样本为SCADA系统采集的定子正常状态下的各项监测数据,将重构误差(Reconstruction error,Re)作为故障预测指标,利用逐层迭代更新后保留下来的网络参数反映定子健康状态下各物理量之间的特征关系.分别采用指数加权移动平均值(Exponentially Weighted Moving Average,EWMA)原理和自适应原理确定故障阈值,以区分故障和正常状态下Re趋势图差异的形式实现故障监测和预警.DBN网络搭配阈值设定形成了完整的同步发电机定子故障预测模型,该模型经实际故障案例验证可以完成预警早期故障发生的功能,分析残差趋势图可以对故障位置和类型进行初步判断,具有较好的故障预测能力和功能扩展能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊卿	华北电力大学电气与电子工程学院	82	958	15.0	28.0
2	陈雅婷	华北电力大学电气与电子工程学院	7	5	1.0	2.0
3	侯纪勇		6	10	2.0	3.0
4	李斯璇	华北电力大学电气与电子工程学院	3	0	0.0	0.0