基于动态模型的状态监测与预测性维护技术在电机中的应用研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于动态模型的状态监测与预测性维护技术在电机中的应用研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：该文以电气设备的状态监测与预测性维护技术为基础，从电气设备的故障原理及监测方法出发，对电气设备的保护、状态监测与故障诊断等现状、存在的问题等方面做了较为详细的阐述，提出了基于动态模型的状态监测与预测性维护平台的概念，弥补了电气信息和机械信息之间的断层，经过在海上平台原有外水泵电机中的应用，得到了较完整的电机状态信息，为现场人员的预测性维护工作提供了很大帮助，为其他重要电气设备的日常维护提供了参考。

关键词：状态监测 动态模型 原油外输泵电机

中图分类号：TM315 文献标识码：A 文章编号：1674-098X（2014）10（a）-0047-02

随着我国电力事业的不断发展，电力技术水平的不断提升，电力设备额定电压及单机容量越来越大，设备的结构品种也越来越多样化，传统电气设备状态监测技术采用定期停电后绝缘预防性试验的方法，该方法体现出一定的滞后性，其不仅需要在试验时停电，而且试验结果无法将设备运行状态下的绝缘情况真实、客观的反映出来，因此，在线监测系统的应用是大势所趋。

对于电力电气系统的状态监测而言，其主要对象针对电厂和电力系统方面的重要电力设备，例如变压器、发电机、电动机以及电缆和断路器等相关的设备。该文就从动态模型的状态监测与预测性维护技术在电机领域的应用研究入手，分析如何加强电气设备的预测性维护水平。

1 电气设备状态监测的现状与不足

目前对于电气设备的状态监测主要停留在两个水平，纯电气的保护和纯机械的状态监测。

纯电气的保护：长期以来，处于重要位置的大型电机都有继电保护系统，当运行参数或状态参数达到或超过继电器的设定值，会自动切断电路，让电机停止运行。对于电气设备的保护，主要集中在过电流、过电压、欠电压、差动、负序、失磁、接地或逆电流保护上。

纯机械的状态监测：除了厂家配套的继保装置，在设备正常运行后，用户可能会根据电机的运行情况，或电机的重要性等特点加装纯机械的状态监测产品，以判断电机运行过程中出现的各种机械故障，比如转子条断裂、轴承损坏等。

纯电气的保护主要集中在设备的保护上，但是保护的前提是必须要有精确的保护设定值，对于各种各样的现场情况，如何得到保护设定值是一个值得研究的巨大课题。同时保护主要是在设备故障发生后的动作，并不能防患于未然。

纯机械的状态监测主要集中在振动监测上，通过在电机轴承座上加装加速度探头，采集后的振动信号经过分析，得出电机的相应的机械故障，可以实现事后维修为预测性维修。缺点是需要的振动理论知识高，并且对于电机匝间短路等电气故障并不能准确加以预测，并且在设备运行时加装探头和敷设电缆，也对现场的维护带来了不便，也就造成了现场运行维护人员对纯机械状态监测系统的推广度并不高的现状。

2 基于动态模型的设备预测性维护技术应用研究

为了避免之前出现的将电气保护和机械故障剥离的种种问题，笔者将目前比较流行的动态模型技术与设备预测性维护技术相结合，开发了一套电机综合性预测性维护平台。

在动态模型技术中，变工况下三相系统期望的动态模型，比如负载，是用电动机异常情况下测量得到的动态行为进行确定和比较的。系统首先对电动机进行一段时间的学习，获取并处理实时来自电动机系统的数据，数据采用系统识别算法进行处理，从而计算出期望的动态行为和模型参数，系统参数的变化预示着系统中有异常发生。此外，对这些参数的处理还用于诊断分析。

与传统的振动和电流特征分析形成对照，这动态模型技术采用了一种因果（输入-输出）关系，因此，不受周围环境噪声信号或输入中的噪声信号的影响；同时系统还筛选出期望与实际行为之间的差异，并仅对由系统所生成的异常现象进行强化，这样就能更早更准确的发出预警。采用专家系统的方法避免了必须维持一个数据库或记录的需要，也无需专业人员费时费力的采集数据和分析。虽然只测量了电压和电流，但是还是能提供全方位故障监测，包括机械、电气和拖动系统的故障。

基于动态模型的电机综合性预防维护平台数据流程如图1所示。

运行与检查：在此模式下，快速检查电动机上的所有连接，确定相序、以及电动机与被拖动设备相连并正在运行。同时还检查电压和电流是否在设定的限制范围内，V1与I11-I12通道之间的相位角是否正确；

学习：主要包括电动机在正常运行空旷下的行为学习，学习过程包括实现设置好的数据采集循环次数和数据分析时间。一旦达到了预设循环次数，系统就会进一步对采集和预处理的数据进行深入加工，从而得到一个数据库，该数据库是由代表着实际带载工况下的电动机行为的一个数据集所组成；为了能充分覆盖一个电动机系统所经历的各种负载工况，就需要足够数量的采集循环或迭代次数。

改进：一旦初始学习过程完成，系统就将通过更新学习模式期间获取的数据库而自动改进提高它对电动机特性的预测。在改进模式下，数据库是根据不同的负载和供电线路情况而进行更新的。改进模式的持续时间决定于数据菜单路径设置的改进迭代次数。

报警：此处的报警主要是针对各种故障而产生的报警信息。报警信息以报警码的形式存在，用户通过查找报警码表来找到报警的具体原因，找出到底是电气故障，还是机械故障，或者仅仅只是接线的故障。

根据之前的研究情况，将该平台应用于某海上石油设施上，监测的对象为设施3台原油外输泵，泵体功率160 kW，通过变频器带动。

每台电机都需要安装三台电流和电压互感器，三部模块采用链的方式连接。采集的频谱如图2所示；评估的结果如图3所示。

可以看出，通过对三相电压和电流信号的采集，系统自动给出了基础松动、不平衡、风机页面故障等问题，并且给出了需要解决的时间区间，为现场的预测性维护提供了电气和机械方面的指导性意见，方便实用。

3 结语

基于动态模型的状态监测与预测性维护技术避免了机械和电气专业之间的技术断层，在正确使用的情况下，能对所有容量和功率等级的三相交流电动机进行监测，当某台电动机（甚至与之相关联的机械设备）性能开始下降时，即可提供清晰明确的只是，三个电流互感器和三个电压互感器取代了大量仪表性能欠佳的传感器，在传统的设备状态监测与故障诊断之外，还能对当前线路的谐波等参数进行监测和报警，大大完善了设备的各种参数。

状态监测与预测性维护平台目前在某海上得以应用，现场应用的情况良好，丰富了现场维护人员对设备状态掌握情况，提高了现场预测性维护水平。

参考文献

[1] 张春霞.电气设备状态监测与故障诊断[J].武汉工业学院学报，2004，23（3）：6-10.

[2] 钟家洪，夏勇.电气设备状态维修技术的运用探析[J].煤炭技术，2012（11）：12-13.

[3] 恒，谈克雄.电气设备状态监测与故障诊断技术[M].北京：中国电力出版社，2001：89-110.

[4] 雷鸣.电力设备诊断手册[M].北京：中国电力出版社，2001：36-50.

[5] 黄建华.变电站高压电气设备状态检修的现状及其发展[J].变压器，2002（39）：11-15.