220kV变电站主变低压侧跳闸典型故障分析与启示

在各类电压等级的变电站故障之中,主变低压侧故障是较为常见的典型故障,此类故障往往依靠相关设备的后备保护动作切除,不可避免地扩大了故障范围。为了解决此类问题,针对中性点经小电阻接地系统中一座220 k V变电站所发生的主变低压侧故障,运用对称分量法,结合录波图、相量图对其保护动作情况进行了分析,指出主变出口低压侧母线桥绝缘击穿是造成此次死区故障的原因。剖析了具有接地故障表征的死区故障特征。进而从发挥运行值班人员的主观能动性、提升设备运维综合化水平、提升主配网一体化调控系统智能化水平及改变电网供电模式等多个角度,对未来如何防范和缓解此类故障的影响提出了建议。     

基于改进辅助分类生成对抗网络的风机主轴承故障诊断

基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力。仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率。     

基于核主元分析和极端学习机的轴承故障诊断方法

针对轴承故障诊断问题,提出了一种基于核主元分析和极端学习机的轴承故障识别方法。首先应用小波分析的方法计算轴承时域信号的小波系数能量作为原始特征,然后应用核主元分析方法对高维的原始特征进行优选和降维,最后将优选和降维后的特征应用极端学习机方法建立故障诊断模型,从而区分各类轴承故障。SKF6205滚动轴承故障诊断实验结果表明,核主元分析方法能较好地获取故障响应信号的本质特征,并可直观地描述出了各个故障的低维分布特征,可有效提高轴承故障的诊断正确率。     

异物短路引起主变差动保护动作事故分析

阐述了两起异物短路引起主变压器差动保护跳闸事故过程,调查现场故障情况,剖析故障原因,提出运维防范措施和技术改造方法,为变电运维提供典型经验,以提高变电站运维管理水平.     

一起220kV主变跳闸事故分析与对策

根据监控系统信号、保护动作检查情况、故障录波图、一二次设备检查情况,详细分析了一起因线路保护死机、主变低压侧开关跳圈烧毁而导致的主变低后备保护动作、主变三侧开关跳闸的事故原因,对有关设备损坏情况及保护装置信号进行了简要分析,总结了该次事故暴露出来的设备运行、设计方面存在的缺陷,并提出改进建议。     

双馈风力发电机轴承的早期诊断

双馈风力发电机轴承的状态监测和早期故障诊断可以及时发现轴承故障,有效地降低风电场的运行和维护费用.首先用加速度传感器采集轴承振动信号,然后用两种方法进行特征信号分析:一是对信号进行经验模式分解,仅提取第一模态函数做Hilbert变换,从而根据包络图判断轴承的早期故障;二是对信号进行预处理,滤去与轴承故障无关的主要分量,再采用小波滤波器提取微弱的故障信号,进而根据故障指标的数值来判断.最后对这两种方法对比研究,试验结果表明,方法2可以更加有效地诊断出早期故障,具有一定的工程应用价值.     

基于改进谱峭度图与多维融合CNN的轴承故障诊断方法

针对轴承振动信号中存在与故障特征相关性较低成分的干扰导致故障诊断准确率降低的问题，提出了一种基于改进谱峭度图与多维融合CNN的轴承故障诊断方法。首先，为提高振动信号与故障特征的相关性，减少干扰成分，以双树复小波包变换为基础构建改进谱峭度图模型，增强多分辨率差异性故障特征表达。然后，考虑丰富特征评价维度，构建多维融合CNN模型，将原始信号与改进谱峭度图共同作为多维特征输入实现故障精准诊断。实验结果表明，该方法能够提取各类轴承振动信号中具备差异性的故障特征，在多工况下均能够准确识别轴承故障，具有较好的诊断精度。     

基于状态监测的风电机组主轴承早期故障预测方法

利用风电机组实时监测数据来研究主轴承温度与其潜在故障之间的关系,提出一种基于温度预测模型的风电机组主轴承在线故障预测方法。首先建立正常运行状况下主轴承温度的线性回归分析预测模型,提出可表示系统实际运行状态和预测状态之间偏差的判别函数,通过比较判别函数值与设定门槛值来监控主轴承的运行状态。理论分析和仿真结果表明,该方法所用模型鲁棒性好,提取的故障特征明显,可有效地预测在线风电机组主轴承潜在的故障。     

基于XGBoost-KDE的风机主轴承温度预测与故障预警方法

风力发电机主轴承的故障诊断是提高其可靠性和可用性的关键。为及时发现风机主轴承故障,提出一种基于XGBoost-KDE的风机主轴承温度预测与故障预警方法。选用数据采集与监视控制（SCADA）系统中相关的特征参数作为输入变量,对风机正常工况下的主轴承温度进行预测,得到预测值和正常工作时运行数据的残差;之后运用非参数核密度估计（KDE）法确定残差预警阈值,结合滑动窗口分析法实现风机主轴承故障预警。以某2 MW等级风电机组为研究对象,采用SCADA系统中的运行数据做验证,实验结果表明,该方法可以对风机正常工况下的主轴承温度实现97.6%的精准预测,并对主轴承故障时产生的温度曲线波动做出反应,提前近1个月对风机主轴承故障进行有效预警。     

220 kV主变有载开关分接压力释放阀误动作分析

<正>1现场情况2015年,某220 kV变电站1号主变在有载分接开关调压过程中发生有载压力释放阀动作喷油故障。当日,220 kV变电站1号主变发"有载调压压力释放信号"。运维人员到达现场后发现,监控机内1号主变间隔有载分接开关压力释放光字牌泛红,1号主变本体智能终端柜中有载调压压力释放阀动作指示灯亮(见图1)。现场检查1号主变室内有载分接开关,开关罐体沿面有油珠(见图2),     

基于布谷鸟算法优化随机共振参数的轴承故障检测算法

轴承故障信号的提取易受工作环境中强背景噪声的影响,特别在早期故障信号检测中,轴承故障信号被噪声淹没,导致检测受限。针对传统的自适应随机共振理论在轴承故障信号检测中参数优化单一的缺陷,提出一种基于布谷鸟算法优化随机共振参数的轴承故障检测算法,该方法以输出信号信噪比作为适应度函,对随机共振理论中两个参数协调优化,得到一组最优参数,自适应实现与输入信号、噪声、非线性系统三者最匹配的随机共振效果。最后通过仿真对比,所提出的算法信号检测结果优于传统随机共振方法;通过轴承故障诊断实验数据验证,该算法实现的轴承故障信号的检测误差为0.15%。实验结果表明所提方法具有寻优参数准确度高、可靠性好等优点,对轴承故障的精准检测和工业设备稳定运行具有重要意义。     

基于F-K分析的圆形传感器阵列布设

轴承故障信号的提取易受工作环境中强背景噪声的影响,特别在早期故障信号检测中,轴承故障信号被噪声淹没,导致检测受限。针对传统的自适应随机共振理论在轴承故障信号检测中参数优化单一的缺陷,提出一种基于布谷鸟算法优化随机共振参数的轴承故障检测算法,该方法以输出信号信噪比作为适应度函,对随机共振理论中两个参数协调优化,得到一组最优参数,自适应实现与输入信号、噪声、非线性系统三者最匹配的随机共振效果。最后通过仿真对比,所提出的算法信号检测结果优于传统随机共振方法;通过轴承故障诊断实验数据验证,该算法实现的轴承故障信号的检测误差为0.15%。实验结果表明所提方法具有寻优参数准确度高、可靠性好等优点,对轴承故障的精准检测和工业设备稳定运行具有重要意义。     

电机轴承故障监测系统设计

针对电机轴承监测系统中高频信号接收存储功能容易丢失数据的问题以及如何实现轴承故障精确诊断的问题，利用LabVIEW、Access和MATLAB混合编程，设计开发了一种电机轴承故障监测系统。本系统通过LabVIEW的生产者和消费者结构，以TCP/IP的通信方式实现振动信号的高速接收和实时保存；通过LabVIEW的UDL实现Access数据库的增、删、改、查操作；针对轴承状态模式识别问题，提出了一种基于变分模态分解结合排列熵与自组织特征映射神经网络的轴承故障诊断方法。经过实验验证，电机轴承故障监测系统的高频信号的接收速度达到了12.577 KSps，可以实现数据的实时存取，在信号分析功能中所提出的基于VMD-PE-SOM神经网络的轴承故障诊断方法的平均识别准备率达到了99.06%，本系统将振动信号采集功能与故障诊断功能整合在了一起，具有接收速度快、不丢包、交互性好、故障识别率高等优点。     

电压故障下的阀冷系统主泵切换逻辑分析

阀冷系统2台主泵的正常切换是保证换流阀安全可靠运行的关键条件。目前主泵电气回路一般配置有电压监视继电器,以便检测到欠压、失压和缺相等电压故障后及时切换主泵,保证阀冷系统冷却水流量和压力平稳。介绍了主泵的基本电气原理,分析了换流站主泵供电回路电压故障特性,对主泵电气回路电压监视继电器的动作特性和恢复特性进行了测试分析;通过现场验证发现了电压故障情况下2台主泵不能正常切换导致直流闭锁的隐患,分析指出故障原因是元器件电气特性与软件逻辑配合不当;最后提出了进一步完善主泵切换逻辑,加强运维工作的意见和建议,以期对直流工程设计和运维检修提供一定的参考决策依据。     

钢球磨煤机主轴承安装工艺的探讨

钢球磨煤机由于它对煤种变化的适应性大,运行稳定、可靠,日常维修工作量小等优点,目前国产大型机组的燃烧系统多采用钢球磨煤机。但是由于设备庞大,制造、施工难度大,安装积累误差也大,往往由于磨煤机主轴承故障严重影响机组整套试运和投产。所以钢球磨煤机安装的技术关键是主轴承。主轴承的结构断面图见图1,它包括与基础固定的底部平面台板,凹球面座,带有凸球面的下瓦衬和防止滑脱的脐子(销订)。     

变转速工况下基于角度重采样与PCA-XGBoost 轴承故障诊断方法研究

针对变转速工况下,轴承振动信号容易发生信号特征混叠、频率偏移、信号截断和噪声污染问题,提出了一种结合角度重采样、主成分分析(PCA)和极端梯度提升树(XGBoost)的故障分类模型。首先,采用脉冲信号估计轴承转速的方法对轴承振动信号进行角度重采样并求取时频特征指标;其次,利用主成分分析(PCA)对时频特征参数进行降维核心提取,选取总贡献大于95%的主元作为XGBoost模型的输入样本;最后,利用网格搜索法对XGBoost进行主要参数调优,并划分训练集和测试集对该模型进行训练,验证其故障分类的准确性。结果表明该方法的故障诊断准确率为96.44%,相较于未降维后的数据运行时间缩短了27.24 s,且角度重采样后的诊断效果明显优于未角度重采样的诊断效果,故障识别率提高了7%以上,证明所提方法能够更加快速、准确的做出诊断。     

换流站内水冷系统CPK系列主循环泵常见故障分析

主循环泵是直流换流站内水冷系统中重要的旋转设备,是内水冷系统中的"心脏"部件,其安全稳定运行,对于冷却可控硅阀及其组件,保持换流阀在稳定温度区间正常工作,防止换流站事故的发生极为重要。本文对换流站CPK系列主循环泵内部结构和工作原理进行了深入分析,对机械密封部件的结构进行了剖析,并对主循环泵及电机运行过程中存在的噪音、漏水、渗油等故障进行了原因分析并提出运维建议,可供换流站主循环泵运维和故障处理参考。     

基于PPCA-1.5维能量谱的滚动轴承故障诊断

针对强背景噪声下滚动轴承的非线性、非平稳故障特征提取不足的问题,提出了融合概率主成分分析(PPCA)及1.5维Teager能量谱的故障特征分析方法。首先对信号进行概率主成分分析,通过对信号降维重构信号,提取信号故障特征主成分,去除强背景噪声干扰;然后对重构信号进行1.5维能量谱分析,从而获得轴承故障特征谱信息。利用所提方法对滚动轴承模拟数据及实验数据进行分析,结果表明与集合经验模态分解(EEMD)包络谱相比,采用PPCA与1.5维能量谱的分析方法在进行滚动轴承故障高阶倍频提取时具有一定的优势。     

基于大数据的主网生产运维数据分析系统设计

主网生产运维的数据存在差异性大且统一困难、数据集成度与共享性不足等问题,造成这些数据利用率低且应用不充分,已不能满足主网生产运维的要求。本文提出基于大数据的主网生产运维数据分析系统设计方案用于解决这些问题。本文在分析主网生产运维数据特点的基础上,设计了包含数据存储、设备缺陷图谱分析、基于众包的设备故障修复、输变电设备健康度评估、主网精益化作业管理等功能的数据分析系统。该系统对主网生产运维数据进行分布式存储、关联分析、深度挖掘。此外,本文以大数据平台为核心设计了系统的软件架构,重点阐明了主网生产运维数据的存储原理。本文设计的系统面向主网的生产运维人员,旨在为他们提供设备检修、精益化管理等高级服务。     

基于变分模态分解和1.5维谱的轴承早期故障诊断方法

提出了基于变分模态分解(VMD)和1.5维谱的滚动轴承早期故障诊断方法。利用VMD方法处理故障信号时,需要预先设置分解所得本征模态函数(IMF)分量的个数,且为了便于后续分析,需要从所得结果中筛选出最佳信号分量,为此提出一种分量峭度图方法来同时解决这2个问题。首先,设置IMF分量个数最大值,计算相应的分量峭度图;接着,根据分量峭度图对原故障信号进行VMD处理,并选定最佳IMF分量;然后,对最佳IMF分量做进一步包络解调运算,并计算包络信号的1.5维谱;最后,通过分析1.5维谱中幅值突出的频率成分可实现故障类型的准确判定。模拟信号及实测信号分析结果表明,所提的基于VMD和1.5维谱的诊断方法能够有效提取出轴承早期故障信号中的微弱特征信息,实现轴承早期故障的准确判别。