现代电力系统中发电机的单机容量越来越大，大型发电机在电力生产中处于绝对主力位置，同时大型发电机由于造价昂贵，结构复杂，一旦遭受损坏，需要的检修期长，因此要求有极高的运行可靠性。就我国目前和今后很长一段时间内的缺电、用电紧张的状况而言，发电机的年运行小时数目和满负荷率都较以往高出很多，备用容量很少的情况下，其运行可靠性显得尤为重要和突出。因此对大型机组进行在线监测与诊断，做到早期预警以防止事故的发生或扩大具有重要的现实意义。
大型发电机的监测与故障诊断是电工领域内一个重要的研究课题，最近几十年世界很多国家开展了在线监测和诊断技术的研究，并逐步推广应用。自八十年代以来的国际大电网（CIGRE）历届年会中，发电机的故障检测和诊断列为SC-11（旋转电机）委员会的中心议题之一。通常对发电机的“监测”与“诊断”在内容上并无明确的划分界限，可以说监测的数据和结果即为诊断的依据。监测利用各种传感器在电机运行时对电机的状态提取相关数据。故障诊断使用计算机及其相应智能软件，根据传感器提供的信息，对故障进行分类、定位，确定故障的严重程度并提出处理意见。因此状态监测和故障诊断是一项工作的两个部分，前者是后者的基础，后者是前者的分析与综合。电机状态监测技术可帮助运行维护人员摆脱被动检修和不太理想的定期检修的困境，按照设备内部实际的运行状况，合理的安排检修工作，实现所谓“预知”维修。这样既可避免由于设备突然损坏，停止运行带来的损失，又可充分发挥设备的作用。
1 发电机运行情况与分析
表1-1列出了1992~1998年我国100MW及以上发电机故障率的统计数据。从统计资料 可以看出，由于对大型发电机组的制造、安装、运行维护等缺乏经验，使得大型机组故障率（故障次数/百台*年）较高。
表1-11992~1998年全国100MW及以上发电机故障率统计
2003 年全国共有100MW 及以上发电机1072台，比2002 年增加107 台。全年共发生发电机本体故障42 次，年故障率为3.91 次/百台·年。另外还有异常故障61 次和外部故障14 次。在42 次发电机本体故障类型中，相间故障有3 次，占本体故障总数的7.14%；铁芯故障有12 次，占本体故障总数的28.57%；内部引线故障有2 次，占本体故障总数的4.76%；转子接地有8 次，占本体故障总数的19.05%；定子接地有13次，占本体故障总数的30.95％；定子匝间短路有4 次，占本体故障总数的9.52％。
同步发电机是一个有机的整体，其故障往往并不直接表现为纯机械或纯电气故障，而是多因素多类型故障的耦合，可能存在故障的主从联系和同时发生。如机械故障会引发发电机绕组的机械振动、位移和绝缘磨损，产生电气故障；电机转子和定子绕组出现故障时候气隙磁通发生畸变，电磁场分布不均匀，可能导致机械弯曲、松动、不平衡等机械故障等等，因此也需要在监测和诊断技术的采集数据的相关性、综合性上做考虑。
2 电机的状态监测：
大、中型机组通常两年一次大修，大修通常1~2个月，小修一年两次，通常几天。状态监测在设备整个使用期内连续不断地对它们进行“健康状态”的检查与判断，所监测的是能给运行和维修人员提供足够信息的基本参数，以便在确保电厂运行安全的前提下，决定运行和维修的计划。传统的物理量如线电流、电压、铁芯温度、轴承振动等一直都是要测量的，近年来如用传感器检测冷却气体和油的热分解产物，检测轴承润滑油内所含杂质的多少也进行监测。一些特殊的方法，如准确地测量旋转速度和漏磁通等，也在故障监测中开始应用。
监测系统的基本单元结构框图见图1。实现状态自动监测的全过程应包括以下基本功能：
1、用传感器收集原始信号。
2、数据采集。
3、数据处理。
4、诊断。（根据数据处理的结果，报告设备的状态）。
在有些情况下，上面四项工作中的某些任务，可能要依靠操作人员来完成。
传感器仪表的读数是系统中某些部位的某些测试量的反映，例如来自电流互感器、电压互感器和加速度互感器的读数。通常的发电机上监测用的传感器还包括传递温度、转速、振动、力矩、电磁、磨损和碎片等量的传感器。
数据采集工作为记录各个表计监测量的读数，并按时间、地点、负荷条件等汇总。数据采集部分通常包含相互串联的三个部分：多路转换器，采样保持和模数转换器。多路转换器在多通道监测系统中至关重要，所有传感器的信号在这里汇总。采样保持单元基本上是一个高速放大器，在模数转换周期内存储各输入量，并把数值大小不变的信号送给模数转换器。它缩短了模数转换的采样时间，从而可以提高系统的运行速度。模数转换器是数据采集系统的核心，要注意的是必须同时满足转换速度及精度这两方面的要求。
数据处理模块为采用一些科学数学的方法对采集量进行分析处理，如小波分析、频谱分析、时间平均、自相关和互相关等方法的应用问题。
诊断的功能包括，依据数据处理的结果，提出改善设备的运行状态与性能的措施，以及改进维修的计划。体内容：
发电机监测系统要采集发电机运行状态下许多电气的、机械的、物理及化学的数据与特性，并建立数据处理系统。当前世界一些国家采用和正在研制的发电机在线检测和诊断系统内容包括定子绕组、铁心、转子、氢（冷却）油水系统及机组轴系等各个方面。结合我国电力工业发展现状、电机制造水平以及若干年大型发电机运行多发性事故的特点，对容量200~300MW及以上的汽轮和水轮发电机，应有选择对以下方面进行监测和诊断：
1.定子绕组绝缘监测；主要是监测其局部放电状况。
2.发电机内过热监测与诊断；
3.定子绕组端部振动监测；
4.转子绕组匝间短路监测；
5.氢冷发电机氢气湿度及漏氢监测；
6.汽轮发电机扭振监测与诊断。
3 电机的故障诊断
故障诊断可以使系统在一定工作环境下根据状态监测系统提供的信息来查明导致系统某种功能失调的原因或性质，判断劣化发生的部位或部件，以及预测状态劣化的发展趋势等。
A、电机故障诊断的基本方法主要有：
1、电气分析法，通过频谱等信号分析方法对负载电流的波形进行检测从而诊断出电机设备故障的原因和程度；检测局部放电信号；对比外部施加脉冲信号的响应和标准响应等；
2、绝缘诊断法，利用各种电气试验装置和诊断技术对电机设备的绝缘结构和参数、工作性能是否存在缺陷做出判断, 并对绝缘寿命做出预测；
3、温度检测方法，采用各种温度测量方法对电机设备各个部位的温升进行监测, 电机的温升与各种故障现象相关；
4、振动与噪声诊断法，通过对电机设备振动与噪声的检测, 并对获取的信号进行处理, 诊断出电机产生故障的原因和部位, 尤其是对机械上的损坏诊断特别有效。
5、化学诊断的方法，可以检测到绝缘材料和润滑油劣化后的分解物以及一些轴承、密封件的磨损碎屑，通过对比其中一些化学成分的含量，可以判断相关部位元件的破坏程度。
B、基于交流电机的特征量：
通过故障机理分析可知，交流电机运行过程中，其故障与否必然表现为一些特征参量的变化，根据诊断需要，选择有代表性的特征参量为该设备在线监测的被测信号，准确地提取这些故障特征量，这是故障诊断的关键。故障特征量，特别是反映早期故障征兆的信号往往比较弱，而相应的背景噪声比较弱，常规的监测方法，因受传感器的准确性、微处理器的速度、A/D转换的分辨率与转换速度等硬件条件的限制，以及一般的数据处理方式的不足，很难满足提取这些特征量的要求，需要采用一些特殊的电工测量手段与信号处理方法。例如小波变换原理的应用。
C、电机故障的现代分析方法：
基于信号变换的诊断方法
电机设备的许多故障信息是以调制的形式存在于所监测的电气信号及振动信号之中，如果借助于某种变换对这些信号进行解调处理，就能方便地获得故障特征信息，以确定电机设备所发生的故障类型。常用的信号变换方法有希尔伯特变换和小波变换。基于信号变换的故障诊断方法在电机设备故障诊断的实际应用中取得了很多成果；尤其是小波变换，很适合于探测正常信号分析中夹带的瞬态反常现象并展示其成分，在电机设备机械故障诊断中占有重要的地位。但基于信号变换的诊断方法缺乏学习功能。
电气设备的故障与其征兆之间的关系错综复杂，具有不确定性及非线性,用人工智能方法恰好能发挥其优势，已用于电气设备故障诊断的人工智能技术有:模糊逻辑、专家系统、神经网络。
基于专家系统的诊断方法
该方法是根据被诊断系统的专家以往经验，将其归纳成规则，并运用经验规则通过规则推理来进行故障诊断。基于专家系统的诊断方法具有诊断过程简单、快速等优点，但也存在着局限性，基于专家系统的方法属于反演推理，因而不是一种确保唯一性的推理方法，该方法存在着获取知识的瓶颈。对于复杂系统所观测到的症状与所对应故障之间联系是相当复杂的，专家经验归纳成规则往往不是唯一的并且有相当难度。
基于人工神经网络的诊断方法
简单处理单元广泛连接而成的复杂的非线性系统，具有学习能力,自适应能力,非线性逼近能力等。故障诊断的任务从映射角度看就是从征兆到故障类型的映射。用ANN 技术处理故障诊断问题,不仅能进行复杂故障诊断模式的识别, 还能进行故障严重性评估和故障预测，由于ANN 能自动获取诊断知识，使诊断系统具有自适应能力。
基于集成型智能系统的诊断方法
随着电机设备系统越来越复杂，依靠单一的故障诊断技术已难满足复杂电机设备的故障诊断要求，因此上述各种诊断技术集成起来形成的集成智能诊断系统成为当前电机设备故障诊断研究的热点。主要的集成技术有：基于规则的专家系统与ANN 的结合，模糊逻辑与ANN 的结合，混沌理论与ANN 的结合，模糊神经网络与专家系统的结合。
4 状态检修基本内容实例：
实例资料来源于文献[4]为某电厂监测与诊断配置内容。该状态检修技术有两个层次, 第一层为基于“硬件”的状态监测；第二层为基于“软件”的状态分析与故障诊断。前者是实施状态检修的依据，后者是提供决策支持的专家系统。
1、发电机状态检测
(1) 发电机电压、电流实时监测与故障录波；
(2) 发电机轴运行状态(转速、转角、振动等)
实时监测；
(3) 发电机定、转子铁芯和绕组的温度、进出
口风温的实时监测。对非自然冷却系统, 还包括冷却介质的流量、流速、压力的监测；
(4) 发电机励磁系统运行状态实时监测；
(5) 发电机定、转子绕组、的局部放电监测，
绝缘电阻及吸收比的测量；
上述所有监测信息由计算机在线数据采集系统统一管理。
2、发电机状态分析与故障诊断专家系统
(1) 机电动力系统电磁行为分析与故障诊断
基于电压、电流波形的傅里叶分析(对发电机,尚需转速和功角的实时信息)，诊断发电机、变压器电磁行为的异常化程度，如负载对称度、绕组对称度(匝间、相间、对地各种短路形式的甄别) 和发电机气隙均匀度等。
(2) 发电机组轴系振动分析与诊断
结合原动机(水轮机或汽轮机) 机械动力学行为、电力系统电气行为、发电机轴系运行状态(转速、振动) 及电磁行为监测信息，由机电耦合参数模型分析发电机轴系(包括轴承) 动态行为，实现轴系振动故障的诊断实施。
(3) 流体换热及管网泄漏的分析与诊断
根据发电机定、转子铁芯和绕组的温度，或变压器油流的实时监测信息，或非自然冷却发电机内部冷却介质(氢、水) 流量、流速、压力的监测信息，结合发电机、变压器运行工况、进行流体或管网换热分析或管网泄漏分析, 诊断散热效果、散热结构, 实现管网泄漏或堵塞的故障定位。
(4) 大功率开关元件失效分析与诊断
基于发电机晶闸管励磁系统运行状态(触发功率、导通时间、输出波形)的实时监测信息,对大功率开关元件的老化或失效程度进行分析和诊断。
(5) 绝缘材料损坏、老化及失效的分析与诊断
通过发电机绕组局部放电监测或变压器油气相色谱分析结果,分析并诊断绝缘材料的老化和失效程度, 对绝缘损坏故障定位。
（6）编制发电机、变压器状态分析和故障诊断的计算机系统软件,首先建立历史资料数据库和运行检修经验数据库,然后根据运行故障分析基础理论及离线数值仿真计算,编制出计算机系统软件。图2为发电机、变压器状态监测、故障诊断及检修决策系统。
图2中专家系统为非实时软件, 但始终处于待命状态, 由在线数据采集系统提供的状态检测信息, 经异常化检测以阀值控制启动, 进入相应的分析诊断模块后, 应用模糊理论、神经网络等演绎、推理工具建立故障诊断机制, 完成故障树分析和危害度评估, 在纵向(设备本身运行记录)、横向(同类型设备运行记录) 运行维护经验指导下, 给出诊断报告, 为故障定位和检修决策提供技术支持, 并自动刷新或添加设备运行检修经验数据库。
5 结束语
大型发电机运行时的状态监测和故障诊断技术，使设备从传统的预防性检修提高到预防性状态维修，对提高设备运行可靠性与有效度，提高电力系统运行效益，降低维修成本意义重大。状态监测方面的内容主要针对那些参量需要采集，如何采集，采集系统的结构等；故障诊断则是研究用怎样的办法处理这些采集上来得到结论，由于故障的关联性和复杂性，智能技术在这里的应用空间很大。文中的实例具体化和联系了监测与诊断技术的工业实现，说明了问题的具体解决办法。
——此文章转载于互联网，文中观点与本网站无关，如有侵权请联系删除
