维普资讯 http://www.cqvip.com ２００７ ＮＯ．２３ 工业技术 Ｓｃｉｅｎｃｅ ｅｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｎｓｕｌ而 可 两 大型发电机定子绕组故障放电的特性与识别 郑维 （哈尔滨电机厂有限责任公司制造工艺部 １ ５００４０） 摘要：大型发电机定子绕组的故障放电是造成大型发电机损坏的重要原因。大型发电机定子绕组故障放电的识别，特别是如何有效地 从强大的噪声干扰中最大限度不失真地抽取故障放电的特征信息，是大型发电机故障放电在线监测的技术关键。本文介绍了大型发电机 定子绕组故障放电的原因、机理、危害、识别方法和抗干扰措施。 关键词：定子绕组 故障放电 识别 中图分类号：ＴＢ８５７＋．３ 文献标识码：Ａ 文章编号：１６７３一Ｏ５３４（２００７）Ｏ８（ｂ）一Ｏｌ０１—０１ 大型发电机在运动中受到许多电、热和 间隙，无固定的放电相位（外施电压为交流电 别。对不同类型的故障、不同类型的传感 机械力的联合作用及环境因素的影响，使其定 压），重复性差，且受负荷的影响。电弧放电与 器、不同的识别方法，效果也不相同。根据ＰＤ 子绕组绝缘的薄弱环节产生局部放电，最终导 前三类故障放电相比有较大差异，一般采用频 与噪声的区别，可以从外施电压的相位（ｐｈａｓｅ 致绝缘击穿，并引起大型发电机的损坏。大型 域识别。通过对大型发电机（６ ０ ０ Ｍ Ｗ～ ｐｏｓｉｔｉｏｎ），频谱（ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ）、脉冲 发电机的损坏，将会造成停电事故，甚至危及 ８５ＯＭｗ）绕组传输特性的分析，得出了监测电 幅值和幅值分布（ＰＤ ａｍＰｌｉｔｕｄｅ ａｎｄ 电力系统的安全稳定运行，带来巨大损失。因 弧信号的谐振频率为１ ＭＨｚ数量级，在线监测 ａｍＰ１ｉｔｕｄｅｄｉ ｓｔｒｉｂｕｔｉＯｎ）、极性效应 此，长期以来国内外的工程技术人员和专家、 的数据统计分析表明，ＲＦＣＴ（ＲａｄｉｏＦｒｅｑｕｅｎｃｙ （ＰＯｌ ａ ｒｉｔＹ）、重复率（ＰＤＰｕｌ Ｓｅ ｃ ｏｕｎ 学者，对大型发电机的局部放电进行了大量的 ＣｕｒｒｅｎｔＴａｎｓｆｏｒｍｅｒ）监测断股电弧放电读数 ｔｐｅｒｕｎｉｔｔｉｍｅ）及物理定位（１ｏｃａｔｉｏｎ）等进行识 研究，取得了很多成功的经验和成就。 受负载变化的影响，但对无断股电弧发电机 别，实现在线监测。大型发电机在线监测的方 对于不同的故障放电，其信号特征是不同 （６００ＭＶＡ～８５０ＭＶＡ）电压表读数在３００ Ｖ 法也适用于电动机。 的。因此研究故障放电的特性是对其进行分 以下；如果电压表读数上升到５００ Ｖ～１０００ 时窗法和相窗法是局放常用的识别方 析和识别和基础。由于局部放电监测的灵敏 Ｖ表示电机中有低水平断股电弧放电；若读 法。１９６０年Ｈａｓｈｍｏｔｏ提出的极性鉴别系统， 度大大高于其它监测方法，因此它越来越受到 数在３０００ Ｖ以上表示发生多股线断股放电 利用内部放电脉冲与外部干扰脉冲在仪器输 人们的关注。研究局部放电的分析和识别方 故障。故障放电的特征也可以用巾一ｑ—ｎ三维 入端有相反的极性，来抑制外部干扰脉冲。 法，对于了解大型发电机的绝缘状况（老化、早 谱图表示。三维谱图可以更形象、直观地表示 １９７５年勃拉克提出了脉冲极性鉴别法，也是利 期故障）有着十分重要的意义。 放电特征（放电幅值、相位、重复率三者之间 用内部放电脉冲与外部干扰脉冲极性相反来 随着现代科学技术的发展，统计分析、 的关系）。 抑制外部干扰。这些极性鉴别法属于时窗法。 模糊理论、专家系统和人工智能、神经网络、 １ ２故障放电监测中的噪声特征 相窗法是把外施交流电压的一个周期（３６０。）， 分形理论等，相继引入到局放分析中，大大提 大型发电机故障放电的监测中，噪声干扰 划分为许多份（３６０，４０００，３３３３等），分别记录 高了局放监测绝缘状况的准确性和可靠性。 的抑制是非常困难又必须解决的问题。对大 一段时间内各相窗的ＰＤ脉冲高度和个数，与 量的在线监测数据和模拟试验数据的分析表 已知的统计或经验模型对比，识别ＰＤ的类型 １故障放电信号的特征和噪声特征 明，大型发电机特别是汽轮发电机的在线监测 及外部的噪声干扰。 大型发电机内部缺陷的早期故障放电信 中，噪声的干扰比ＰＤ大得多。如中性点ＣＴ测 随着现代科学技术特别是计算机技术的 号很弱，而运行中的发电机又处于强大噪声源 取ＰＤ信号时，干扰信号的幅值比ＰＤ信号大 发展，基于ＰＤ特征的多种模式识别方法，被引 的包围之中。因此，大型发电机的在线监测必 １００～５００倍。在发电机局放测量和在线监测 入到ＰＤ的在线监测中，使分类更细，识别更准 须首先解决严重的噪声干扰问题。为了在强 中干扰（电噪声）可分为热噪声和外部噪声。热 确。由于局部监测现场的复杂性、噪声干扰的 大的噪声干扰中抽取局部（故障）放电信号，就 噪声来自放大器、电路和阻抗的热感应电流 强烈性，ＰＤ可当作随机过程处理。通过对现 必须了解局部（故障）放电信号和噪声的特征。 波动；而外部噪声源主要有：（Ｉ）发电机励磁系 有的大量局放数据和试品模拟试验数据的统 １ １故障放电信号的特征 统的高频干扰，电力系统其它设备（其它发电机 计分析，得出了巾一ｑ—ｎ三维谱图指纹，极坐 许多工程技术人员和专家，学者，经过 和电动机）的局部放电和电晕放电。（２）试验设 标巾一ｑ～ｎ分布指纹和适当压缩的二维条形图 长期对发电机在线监测的实践和对大量局部 备连续部分的电弧和施加高压的其它设备因 分布指纹。采用上述各种放电的典型分布，将 放电数据及试品模拟试验的统计分析，得出了 接触不良产生的电弧和焊接电弧。（３）电力线载 使后续诊断更方便。例如用模糊理论，神经网 许多反映绝缘状况在典型数据和宝贵的识别 波。（４）可控硅的开断。（５）无线电干扰。其中后 络和分形分维等方法进行诊断。 经验。 三个噪声源具有固定的周期（或频率），可以采 当采用端部（便携式）电容传感器进行局放 用适当的频域滤波方法消除。前两个噪声源 ２结语 测量时，对于正常的发电机，测试数据一般为 产生的噪声与待监测ＰＤ信号有类似的特征， 大型发电机的故障放电主要包括绝缘内 １ ０～２ ０ ｍ Ｖ；而有故障的发电机为５ ０～ 这类噪声的消除是一个相当棘手的难题。大 部放电、端部放电、槽放电和由定子线圈股线 ５００ｍＶ。通常６ｋＶ以上的发电机其局部放电 量的统计分析和模拟试验表明，高频脉冲在线 断裂引起的电弧放电，它们是加速绝缘老化、 量超过１ＯＯｐＣ，甚至可以达到１０００，Ｏ００ｐＣ；内 圈中的衰减非常快。尽管外部干扰噪声的频 损坏并导致事故的主要原因。对于不同的故 部放电放电脉冲的持续时间很短，只有几个纳 谱为Ｉ４ｋＨｚ～１ＧＨｚ，但侵入发电机绕组中的 障放电其信号特征也是不同的。从强大的噪 秒（ｎｓ）；故障放电脉冲频谱从几ｋＨｚ到１ＧＨｚ； 外部干扰噪声，经等效入口电容的作用使其陡 声背景中抽取ＰＤ信号，并对它们进行识别是 通常出现在外施电压的０。～９Ｏ。，１ ８０。～ 度下降，同时经线圈至传感器的衰减，其脉冲 在线监测技术的关键。随着计算机技术的发 ２７０。，脉冲幅值中心分别为４５。和２２５。。 时宽约为２０ｎｓ，这是外部噪声干扰和内部故障 展，将基于ＰＤ识别的多种模型识别方法引入 如果放电发生在两相绕组或线圈之间，则可能 放电的主要区别 到ＰＤ的在线监测中，使分类更细，识别更准 产生３Ｏ。的相移。内部放电正负放电脉冲次 １，３在线监测中ＰＤ（Ｐａｒｔ＿ａｌＤｉｓｃｈａｒｇｅ）和噪声识 确。 数和幅值基本相同，正负半周对称性好；槽放 别 电正放电脉冲比负放电脉冲次数多幅值大，均 ＰＤ信号的抽取和干扰的抑制，在大型发 为负放电脉冲的２倍以上；端部放电正负放电 电机故障放电的在线监测中，是一个统一的整 脉冲极不对称，正放电脉冲幅值大、数量少， 体。几乎所有的监测系统，从传感器、放大 负放电脉冲幅值小、数量多；断股电弧放电 器到输出显示单元的设计，都兼顾了抑制噪声 幅值高（放电强烈），但电弧放电不存在固定的 干扰、故障放电数据的抽取和放电种类的识 科技咨询导报Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｎｓｕｌｔｉｎｇ Ｈｅｒａｌｄ ｉ０１