在线监测故障诊断技术 共22页
电力设备在线监测与故障诊断
电力设备在线监测与故障诊断————————————————————————————————作者：————————————————————————————————日期：电力设备在线监测与故障诊断第一章：1、预防性维修的局限性。
P2-3a)经济角度分析：定期试验和大修均需停电，引起电量损失；定期大修和更换部件的投资，造成巨大的人、财、物的浪费。
b)技术角度分析：试验条件不同于运行条件，多数项目是在低电压下进行检查，很可能发现不了绝缘缺陷和潜在的故障；绝缘的劣化、缺陷的发展有一定的潜伏和发展时间，而预试是定期进行的，常常不能及时准确地发现故障，从而出现漏报、误报或早报。
2、状态维修的具体内容及必要性。
P3具体内容：对运行中电气设备的绝缘状况进行连续的在线监测，随时获得能反映绝缘状态变化的信息。
必要性：预防性维修存在一定的局限性（内容同1），同时状态维修还具有以下优点：可更有效地使用设备，提高利用率；降低备件的库存量以及更换部件与维修所需的时间；有目标地进行维修，可提高维修水平，使设备运行更安全、可靠；可系统地对设备制造部门反馈的质量信息，用以提高产品的可靠性。
3、在线监测系统的技术要求。
P71）系统的投入和使用不应改变和影响电气设备的正常运行；2）系统应能自动地连续进行监测、数据处理和存储；3）系统应具有自检和报警功能；4）系统应具有较好的抗干扰能力和合理的检测灵敏度；5）监测结果应具有较好的可靠性和重复性以及合理的准确度；6）系统应具有在线标定其监测灵敏度的功能；7）系统应具有故障诊断功能。
第二章：1、监测系统可由哪些基本部分组成,在线监测系统组成框图及整个监测系统可归纳为哪些子系统？P9-10信号的变送、信号的处理、数据采集、信号的传输、数据处理、诊断。
可归纳为三个子系统：信号变送系统、数据采集系统、处理和诊断系统。
2、监测系统的分类。
P10（分别按使用场所分，按监测功能分，按诊断方式分）根据使用场所分为便携式和固定式，根据监测功能可分为单参数和多参数，按诊断方式可分为人工诊断和自动诊断。
在线监测与故障诊断
河海大学物联网工程学院在线监测与故障诊断学习报告授课班号专业学号学生姓名指导教师目录一：在线监测1.1 相关概念 (3)1.2 在线监测系统的构成 (4)1.3 在线监测系统的分类 (5)二：故障诊断2.1 相关概念 (5)2.2 故障诊断系统的分类 (6)2.3 故障诊断技术的发展历程 (7)2.4 常用的故障诊断算法 (7)三：相关应用及其未来展望 (10)一：在线监测1.1 相关概念1.1.1 状态监测对运转中的设备整体或其零部件的技术状态进行检查鉴定，以判断其运转是否正常，有无异常与劣化征兆，或对异常情况进行追踪，预测其劣化趋势，确定其劣化及磨损程度等，这种活动就称为状态监测（Condition Monitoring）。
状态检测的目的在于掌握设备发生故障之前的异常征兆与劣化信息，以便事前采取针对性措施控制和防止故障地发生，从而减少故障停机时间与停机损失，降低维修费用和提高设备有效利用率。
对于在使用状态下的设备进行不停机或在线监测，能够确切掌握设备的实际特性有助于判定需要修复或更换的零部件和元器件，充分利用设备和零件的潜力，避免过剩维修，节约维修费用，减少停机损失。
特别是对自动线、程式、流水式生产线或复杂的关键设备来说，意义更为突出。
1.1.2 设备状态监测的分类设备状态监测按其监测的对象和状态量划分，可分为两方面的监测：①机器设备的状态监测。
指监测设备的运行状态，如监测设备的振动、温度、油压、油质劣化、泄漏等情况。
②生产过程的状态监测。
指监测由几个因素构成的生产过程的状态，如监测产品质量、流量、成分、温度或工艺参数量等。
上述两方面的状态监测是相互关联的。
例如生产过程发生异常，将会发现设备的异常或导致设备的故障；反之，往往由于设备运行状态发生异常，出现生产过程的异常。
设备状态监测按监测手段划分，可分为两类型的监测：①主观型状态监测。
即由设备维修或检测人员凭感官感觉和技术经验对设备的技术状态进行检查和判断。
电力设备的在线监测与故障诊断
在线监测与故障诊断技术的发展趋势和未来发 展方向
智能化：利用人工智能和大数据技术提高监测和诊断的准确性和效率。
实时性：提高监测的实时性，以便及时发现和解决故障，减少设备 停机时间。
远程化：通过远程监测和诊断技术，减少现场维护成本和时间。
集成化：将多个监测系统集成在一起，实现统一管理和数据共享。
提高在线监测与故障诊断技术的有效途径和方 法
添加标题
添加标题
添加标题
数据处理模块：对采集的数据进 行预处理、分析和特征提取，为 后续的故障诊断提供依据。
预警与控制模块：根据故障诊断 结果，及时发出预警信号，并采 取相应的控制措施，保障电力设 备的安全稳定运行。
监测技术应用场景
变压器在线监测
高压断路器在线监测
输电线路在线监测
配电设备在线监测
监测技术发展趋势
提高运行效率：通过对电力设备的在线监测和故障诊断，优化设备运行状 态，提高运行效率。
在线监测与故障诊断技术在电力设备故障预警 和预防中的作用
预测设备寿命，制定维修计 划，避免突然停机
提高设备运行可靠性，减少 非计划停机时间
实时监测设备运行状态，及 时发现潜在故障
为故障诊断提供数据支持， 辅助技术人员快速定位故障
电力设备在线监测与故障诊断的应 用
在线监测与故障诊断在电力系统中的重要性
提高电力设备运行可靠性：通过实时监测和故障诊断，及时发现并解 决潜在问题，降低设备故障率，提高运行稳定性。
延长设备使用寿命：及早发现设备异常，采取相应措施，可有效延 长设备使用寿命，降低更换成本。
提高电力系统的安全性能：在线监测与故障诊断能够及时发现并预警 潜在的安全隐患，保障电力系统的安全稳定运行。
人工智能在电力系统中的在线监测与故障诊断方法
人工智能在电力系统中的在线监测与故障诊断方法引言在电力系统中，随着电力负荷的不断增加和电网的复杂性不断提高，电力设备的在线监测与故障诊断成为保证电网稳定运行和提高电力供应可靠性的重要手段。
人工智能作为一种前沿的技术，正逐渐应用于电力系统中的在线监测与故障诊断中。
本文将介绍人工智能在电力系统中的在线监测与故障诊断方法，包括基于机器学习的电力设备故障预测、基于深度学习的设备故障诊断以及基于智能优化的电力设备状态监测方法。
一、基于机器学习的电力设备故障预测机器学习是一种通过训练模型来预测未知数据的方法。
在电力系统中，可以通过机器学习方法对电力设备的故障进行预测，以便采取相应的措施来避免故障的发生。
常用的机器学习方法包括支持向量机（Support Vector Machine, SVM）、随机森林（Random Forest）和深度学习等。
这些方法可以通过对历史数据的分析，提取出设备的特征，并根据这些特征来预测设备的故障概率。
二、基于深度学习的设备故障诊断深度学习是指基于神经网络的学习方法，可以通过多层次的网络结构来提取更高级别的特征。
在电力系统中，可以利用深度学习方法来进行设备故障的诊断。
与传统的人工判断相比，深度学习可以更准确地识别设备的故障类型，并且可以自动提取设备的故障特征。
常用的深度学习模型包括卷积神经网络（Convolutional Neural Network, CNN）和循环神经网络（Recurrent Neural Network, RNN）。
这些模型可以通过对设备故障数据进行训练，来实现设备故障的自动诊断。
三、基于智能优化的电力设备状态监测方法智能优化是指利用智能算法来求解优化问题的方法。
在电力系统中，可以利用智能优化方法来监测设备的状态，以及提前发现潜在的故障。
常用的智能优化方法包括遗传算法（Genetic Algorithm, GA）、粒子群算法（Particle Swarm Optimization, PSO）和蚁群算法等。
变电设备在线监测与故障诊断技术的应用
相 关 的 预处 理 ． 随 后 经 过 后 台机 对 数 据 进 行 相 应 的 分 析和综合处理 。 这个环节主要涉及维数压缩和抑制 电
依据 ． 并可大大 降低 电气设备 的维修费用
电 气 设 备 诊 断 技 术 主 要 是 根 据 电 网 当前 的 运 行
自动化应用 ； ２ ０ １ ３； ９期 ８ ４
电 力 专 栏
蔫 囊 曩０ ０ ０
对故 障的严重程度进行准确的判 别
气 设 备 状 态 在 线 监 测 技 术 的发 展 电气 设 备 状 态 在 线 监测 是 采 用 硬 件 与 软 件 相 结 合 的 方 法 ． 软 件 占主 导 作
据。
２ － ３对相关状态进行识别
将处理之后 的准确数 据和 国家 的规 范 、 先前 的历
在 线监 测及远程诊 断技 术。
收 稿 日期 ： ２ ０ １ ３ ． ０ ７ ． ０ ８
史数据 、 专家 的经验 分析等 进行 比较 ． 并 对可 能发生 的故 障进行分 类 ， 确 定发生 故 障的部位 ． 并按 照标准
情况 ， 采用科学 的理论对发 生故 障的电气设 备进行分
析， 分别从设备 故障 的原 因 、 损坏程 度 、 故 障位 置 以及
电气设 备 的剩余使 用寿命这几 个方 面进行判 断 ． 制定
作者简 介 ： 段 继洲 （ １ ９ ７ ４ ． ） ， 工程师 ， 研 究方 向为输 变电设备
磁干 扰等技 术 ．为后期 的诊断 和维修 提供准 确 的数
Ｋｅ ｙ ｗｏｒ ｄ ｓ ： ｓ ｕ ｂｓ ｔ ａ ｔ ｉ ｏ ｎ ｅ ｑ ｕ ｉ ｐ ｍｅ ｎ ｔ ； ｏ ｎ ｌ ｉ ｎ ｅ ｍｏ ｎ ｉ ｔ ｏ ｉｎ ｒ ｇ ； ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ； ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ
电气设备状态监测与故障诊断技术
电气设备状态监测与故障诊断技术1 前言1.1 状态监测与故障诊断技术的含义电气设备在运行中受到电、热、机械、环境等各种因素的作用，其性能逐渐劣化，最终导致故障。
特别是电气设备中的绝缘介质，大多为有机材料，如矿物油、绝缘纸、各种有机合成材料等，容易在外界因素作用下发生老化。
电气设备是组成电力系统的基本元件，一旦失效，必将引起局部甚至广大地区的停电，造成巨大的经济损失和社会影响。
“监测”一词的含义是为了特殊的目的而进行的注视、观察与校核。
设备的状态监测是利用各种传感器和测量手段对反映设备运行状态的物理、化学量进行检测，其目的是为了判明设备是否处于正常状态。
“诊断”一词原是一医学名词，指医生对收集到的病人症状（包括医生的感观所感觉到的、病人自身主观陈述以及各种化验检测所得到的结果）进行分析处理、寻求患者的病因、了解疾病的严重程度及制订治疗措施与方案的过程。
设备的“故障诊断”借用了上述概念，其含义是指这样的过程：专家根据状态监测所得到的各测量值及其运算处理结果所提供的信息，采用所掌握的关于设备的知识和经验，进行推理判断，找出设备故障的类型、部位及严重程度，从而提出对设备的维修处理建议。
简言之，“状态监测”是特征量的收集过程，而“故障诊断”是特征量收集后的分析判断过程。
广义而言，“诊断”的含义概括了“状态监测”和“故障诊断”：前者是“诊”；后者是“断”。
1.2 状态监测与故障诊断技术的意义电气设备特别是大型高压设备发生突发性停电事故，会造成巨大的经济损失和不良的社会影响。
提高电气设备的可靠性，一种办法是提高设备的质量，选用优质材料及先进工艺，优化设计，合理选择设计裕度，力求在工作寿命内不发生故障。
但这样会导致制造成本增加。
此外，设备在运行中，总会逐渐老化，而大型设备不可能象一次性工具那“用过即丢”。
因此，另一方面，必须对设备进行必要的检查和维修，这构成了电力运行部门的重要工作内容。
早期是对设备使用直到发生故障，然后维修，称为事故维修。
风电机组在线故障诊断系统技术方案说明书
共 25 页
风电机组在线故障诊断系统技术方案说明书
目录
1 概述 ........................................................................................................................3 2 系统方案与部件说明 ............................................................................................3
4） 实现了故障自动诊断和实时的声光报警，对公网的依赖程度相对较 低，只要风场级系统局域网正常，系统就可以进行实时在线故障诊断 与安全监测。
5） 自动生成诊断报告（结论、趋势图、预测、维修建议等） 6） 基于故障和设备机理的故障诊断专家系统，无需学习、培训，只需被
监测的轴承、齿轮的参数，就能即装即用。
共 23 页 第 7 页
风电机组在线故障诊断系统技术方案说明书
1）从故障和设备的机理入手，以机械的几何结构、运动规律、力学特性、波 动传递等特征为基础，进行故障机理分析，建立各部件故障的特征频谱， 作为识别机械故障的理论指导；
2）建立基于机械运行特殊力学条件及有限受感条件对所获冲击信号与常规振 动住信息之幅度调制、发散、失落等影响频谱特征的若干判据、准则，极 大地提高分辨故障源准确度；
3）基于上述理论，主动分析机械冲击的共振解调和常规振动特征信息，辅以 转速信息与偏航信息，实现无须对大量良好的和故障的机械进行检测"学习 "培训"获取感性"知识"，而能凭借理论指导"即装即用"，实现直接识别故障 部件（定性）和故障程度（定量）的主动诊断，实现故障的早期预警和实 时报警。
智能变电站二次设备在线监测及故障诊断技术
智能变电站二次设备在线监测及故障诊断技术摘要：在科技发展的推动下，电气自动化技术愈发强大，推动了智能变电站的广泛应用，并成为电力系统中的重要组成部分。
由于智能变电站系统应用了大量的通讯与网络技术，也加剧了变电站运行维修的难度，而要充分发挥智能变电站的优势，就需要精准控制二次系统运行情况。
因此，文章分析了智能变电站二次设备在线检测技术与故障诊断技术，以此为系统工作人员提供相关指导。
关键词：智能变电站；二次设备；在线监测；故障诊断在智能变电站中，二次设备的在线监测故障系统主要由通信链路、在线状态监测以及故障诊断等，二次设备监测和故障诊断模块主要涉及两个单元，即采集与管理，前者利用过程层网络系统获取与设备及网络数据相关的各类信息，后者则是利用站控层网络得到相关网络数据与设备信息，然后利用专家系统把前面获取的设备数据展开整体处理，以此完成智能变电站二次设备在线监测与故障诊断的各项功能。
1二次设备在线监测1.1数据采集模块该模块存在的目的是为了采集相关的数据信息，同时统计与整理过程层数据内容。
在采集过程中，可以完整地分析原有的数据信息，并进行解析，利用配置控制单元来有效分析相关信息的异常问题，然后展开分类汇总处理，根据既定范围实施明确划分，并向分析管理单元中传输信息。
交换机管理功能旨在平衡与交换机的通信，从而系统掌握其实时性信息，最终就可以更为具体的分析过程层的网络状态。
1.2数据管理模块数据管理模块根据具体功能可划分成四类，即二次设备的SCD模型的文件管理、二次设备与回路运行情况监测、二次系统可视化以及故障诊断等首先，二次设备的SCD 模型的文件管理，即在二次设备中获取相关SCD模型文件，涉及回路网络拓扑与虚端子连接，软压板与虚回路信息中具有的逻辑关系，二次系统配置文件信息也是其核心内容。
其次，监测二次设备与回路状态。
获得采集模块中相关信息，接着更加精确的筛选这些信息内容。
然后针对模块相关回路中的实时监测信息展开收集，并展开详细的分类与管理，并重点显示出其中的状态信息。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
心脏跳动频率
人正常心跳范围在 60-100次/分钟。 如果一个人的心脏跳 动次数为72次/分钟 ， 频率为 f=72/60=1.2Hz 周期为 T=60/72=1/1.2
≈0.833 s
滚动轴承的特征频率
向心推力球轴承结构简图
1) 内圈旋转频率ƒ1：
f1 N/60 Hz
2) 保持架旋转频率ƒ2： 3） 滚动体自转频率ƒ3：
频谱图（案例69）
I轴轴承外圈点蚀照片
锥箱I轴转频= f1 N/60=（64.697）Hz幅值较为突出，幅值为
11.796m/s²，并伴有2、3、4、5、6倍频成分。说明齿轮箱I轴连接的零 部件可能有故障隐患。
在观察频谱图，作故障诊断分析时，应注意 以下要点：
首先注意那些幅值比过去有显著变化的谱线，它 的频率对应哪一个部件的特征频率。
观察那些幅值较大的谱线，它们是机械设备振动 的主要因素，这些谱线的频率所对应的运动零部 件。
注意与转频有固定比值关系的谱线，它们是与机 械运动状态有关的状态信息。它们之中是否存在 与过去相比发生了变化的谱线。
概率密度
概率密度的概念是:某种事物发生的概率占总 概率的比例,越大就说明密度越大.
某齿轮箱故障自相关图分析(案例79)
T
轴承点蚀照片
自相关图中，有明显的等时间间隔（周期）T=0.059s， 对应故障频率为f=1/T≈16.949Hz，与轴转频（17.615 Hz）基本吻合，说 明齿轮箱该轴连接的零部件可能有故障隐患。
频率
物பைடு நூலகம்学上的频率f： 振动物体（或质点）每秒钟振动的次数称 为频率，用f表示，单位为Hz。振动频率在 数值上等于周期T的倒数，即：
f2 1 2(1D dcos)f1
f31 2dcD os 1(dcD o)s2 f1
4） 保持架通过内圈频率ƒ4： f4f1f21 2(1D dco)sf1
5） 滚动体通过内圈频率ƒ5： f5 n4fn 2(1D dco)sf1
6） 滚动体通过外圈频率ƒ6： f6 n2fn 2(1D dco)sf1
比方:现在在一个盒子里面有100个球,50个蓝色 的，30个红色的，15个绿色的，5个黄色的。 你随便在里面拿出一个球,出现蓝色球的概率是 50/100,出现红色球的概率是30/100,出现绿色 球的概率是15/100，出现黄色球的概率是5/100.
不难发现:出现蓝色球的概率最大,也就是说它 的概率密度大,出现黄色球概率最小,也就是说它 的概率密度小.
按振动频率分类
机械振动（按频率分类）
低频振动：f<5 Hz 中频振动：f=5～1000Hz 高频振动：f>1000Hz
振动信号的描述
构成一个确定性振动有3个基本要素，即 振幅s，频率f（或ω）和相位φ。即使在非 确定性振动中，有时也包含有确定性振动。 振幅、频率、相位，这是振动诊断中经常 用到的三个最基本的概念。
设备诊断的意义（Why）
故障（事故）：某钢厂
高炉炉顶传动齿轮箱旋转电 流升高，噪声异常（故障早 期）。当晚20时，传动齿轮 箱已根本无法运行（晚期）。
诊断原因：箱体内部的大
型回转支承轴承被压溃。
损失：高炉停产5天，直接
经济损失达5000万以上。
设备诊断的意义（Why）
故障（事故）：某钢厂3#
转炉北侧二次输入轴减速机鼓 型齿接手齿全部打光，转炉失 去控制，钢水溢出造成两台渣 罐车和部分钢轨烧损。
机械故障诊断技术
北京工业大学机电学院 2009.9
目录
第一章 绪论 第二章 机械振动及信号
设备诊断的意义（Why）
断裂部位
三峡塔带机断裂事故
2000年9月3日傍晚，三峡工程工地，三峡大坝泄洪七号坝段的三号塔带机 内外皮带机与塔身连接处一吊耳根部突然断裂，导致正在上面作业的三十名 工人坠落，造成了地面施工人员在内的三人死亡，三十一人不同程度受伤。 塔带机，为美国罗泰克产品，每台价值约一亿元人民币。
时域波形（案例67）
T
可以看出：时域波形中有周期性冲击信号，冲击间隔（周期）T=0.089s。 开箱检查发现，I轴齿轮打齿。
自相关
相关分析又称为时延域分析，用于描述信号在不同时刻的相 互依赖关系。
自相关分析：描述的是同一信号中不同时刻的相互依赖关系。
T
周期： T=0.016s
频率： f=1/T=1/0.016 =62.5Hz
谢谢大家 ！
概率密度图（案例78）
某钢厂粗轧机振动信号
2019年10月齿9日轮5：打0齿0概照率片密度图 2019年10月31日10：00概率密度
图
可以看出：该测点2019年10月9日5:00的概率密度曲线与标准的概率密度正 态分布基本相近，说明10月上旬轧机运行基本正常。 粗轧3#轧机输出端a6测点2019年10月31日10:00的概率密度曲线与标准 的概率密度正态分布差距甚远，说明10月末3#轧机已处在危险运行状态。
简谐振动可以用下面函数式表示：
SAsi nt ()
简单周期信号
T
事物在运动变化的发展过程中某些事物多次重复出 现,其连续两次重复出现的时间叫做周期,用T表示.
典型故障信号——滚动轴承
正常轴承振动信号
T
轴承外圈点蚀振动信号
外圈点蚀轴承，在时域图中出现周期性故障，其时间间隔（周期） T=0.014s。
诊断原因：联轴器有多处损
坏（掉牙、裂纹等），且3#转 炉大齿轮已压溃。
损失：直接经济损失高达
7000万以上。
故障诊断的基础是建立在能量耗散原 理上的。所有设备的作用都是能量转换与 传递，设备状态愈好，转换与传递过程中 的附加能量损耗愈小。例如机械设备，其 传递的能量是以力、速度两个主要物理参 数来表征，附加能量损耗主要通过温度及 振动参数表现。随着设备劣化程度加大， 附加能量损耗也增大。因此，监测附加能 量损耗的变化，可以了解设备劣化程度。