基于改进支持向量机的抽水蓄...机转子绕组接地故障检测方法_曲晓峰.pdf

收稿日期：第一作者：曲晓峰（），男，汉族，河南巩义人，硕士研究生，高级工程师，研究方向为电气工程及其自动化。：基于改进支持向量机的抽水蓄能发电机转子绕组接地故障检测方法曲晓峰，陈光伟（南方电网调峰调频发电有限公司检修试验分公司，广东 广州）摘要：抽水蓄能发电机转子发生一点接地故障时，如果不及时处理，将会造成励磁回路过热甚至损坏。为此需要准确检测接地故障，然而受瞬时频率的影响，造成发电机转子故障发生时的时频特征量采集效果较差，影响转子绕组接地故障检测精度，为此，提出了基于改进支持向量机（，）的抽水蓄能发电机转子绕组接地故障检测方法。采用希尔伯特变换提取转子电流的瞬时频率，将瞬时频率处于两个周波期内的平均值与变化标准差视为时频特征量，采用伯格法提取转子电流的频谱特征量；搭建支持向量机分类器模型，利用遗传算法优化该模型的可调参数，并采用 折交叉验证误差及准确率，获取最佳故障检测分类器模型，向分类器中输入时频特征量及频谱特征量，获取抽水蓄能发电机转子绕组接地故障检测结果。实验结果表明：该方法能够高效提取抽水蓄能发电机转子电流信号的时频特征量及频谱特征量，并准确检测出抽水蓄能发电机转子绕组接地故障；具备极佳的收敛性能；寻优效果较好。关键词：抽水蓄能；发电机；支持向量机；遗传算法中图分类号：文章编号：（）文献标识码：，（，）：，（），：；年第 期 工业仪表与自动化装置 引言抽水蓄能电站能够高效调节多余电能，使电能最大程度上发挥其价值，抽水蓄能地位不容小觑，而保障抽水蓄能电站的正常运作离不开发电机的安全运转。转子作为发电机中的核心器件，承担转换电能的重大责任，而发电机转子经常发生转子绕组接地故障，当转子绕组产生一点接地故障时造成电流波动，此时虽不影响发电机运转但存在一定的安全隐患，一旦没有及时解决发电机转子绕组发生两点接地时，存在铁芯烧毁及机组大幅度振荡等可能性，势必导致发电机产生较大幅度的损伤，从而对电力系统产生重大冲击，因此及时检测出发电机转子绕组接地故障，对整个电力系统有重要意义。武玉才等提出发电机转子绕组故障在线诊断方法，该方法通过研究发电机主磁场的运动定律，推导出检测线圈的状态，该方法诊断故障的方式存在一定的局限性，实用性不高；柯钢等提出一种基于伏安特性动态轨迹的检测方法，分析了伏安特性动态轨迹，并设计了弧光高阻接地故障检测算法，但这种方式无法确保检测的高准确率，且计算量极为庞大，不够简便，该方法仍有待提升。该文提出一种基于改进支持向量机的抽水蓄能发电机转子绕组接地故障检测方法，保障抽水蓄能发电机安全运作。转子绕组故障电流特征量提取在常规分析发电机电流信号特性过程中，普遍从时域特性、频谱特性及时频特性三种方向进行分析。针对各地抽水蓄能发电机特性展开全面分析，发现抽水蓄能发电机自身带有的自适应电流增量保护能够全面使用转子电流信号的时域特性，所以，该文仅提取抽水蓄能发电机转子电流信号的频谱特性与时频特性两个特征量。时频特征提取针对抽水蓄能发电机转子电流的时频特征量提取，在开始前应先分析面对故障信号时表现较为敏锐的瞬时频率。依据希尔伯特变换定义准则分析可知，将原信号进行希尔伯特变换获取复解析信号的相位导数，该导数即为抽水蓄能发电机转子电流的瞬时频率。当抽水蓄能发电机产生转子绕组接地故障后，发电机转子电流的瞬时频率会产生巨大波动幅度，考虑到后期对电流特征的统一处理，也为了让该特征量能够充分展现抽水蓄能发电机转子电流信号的这一项特性，提取处于两个周波期间抽水蓄能发电机转子电流瞬时频率的平均值 及变化标准差，并将其视作抽水蓄能发电机转子电流的时频特征量。频谱特征提取抽水蓄能发电机转子电流中的高频信号通常为杂散电容中的分流，且该分流常位于线路间或大地与线路之间，转子线路中的杂散电容分布通常较为均匀，受到外界环境因素影响，抽水蓄能转子绕组发生接地故障时其测量点位于高频信号中的含量大不相同，在抽水蓄能转子绕组接地故障发生时，电流信号主要为基波，此时高次谐波含量偏低，而抽水蓄能发电机在运行时发电机整流设备会形成少量谐波，采用伯格法提取抽水蓄能转子绕组接地故障信号内的特定次数谐波含量，对应值为 、()，并将其视为频谱特征量。伯格法通过最大熵准则对数据进行推导获取对应的自相关函数，其作为改进的功率谱估算方法，能够极大提升功率谱的分辨率，依据前、后预测误差公式分析推理获取预测误差的平均功率，为使结果更为精准，从中挑选预测误差平均功率最低的反射系数，并采用 递推关系计算 阶预测误差滤波系数，然后通过最大熵谱表达式求解获取输入数据的功率谱。获取功率谱后，依次对抽水蓄能发电机转子电流、次频谱展开小空间的积分求解，获取抽水蓄能发电机转子电流的频谱特征量、()。基于改进 的转子绕组接地故障诊断方法 支持向量机算法擅长处理小样本及非线性等问题，成为故障诊断常用理论方法及实验依据。遗传算法作为依据生物进化规律演变形成的随机搜索方法，可直接对结构对象进行处理，因其对函数连续性没有要求，遗传算法能够自动获取并实时自适应调节搜索方向，且具备隐并行性及全局寻优等优势，常被应用于机器学习领域，利用遗传算法优化支持向量机内参数设置，以此构建全新的模型，从而寻求最优故障诊断分类结果。构建支持向量机分类器模型支持向量机（，）为依工业仪表与自动化装置 年第 期据统计学习理论演化成的具有优秀性能的分类方法，统计学习理论为面向小样本统计理论构建的一种全新理论体系，该理论主要包含 维（）以及结构风险最小化原理，将经验风险及 维最低作为双重保障，以此确定期望风险最低。由线性可分模式角度分析，支持向量机将输入的特征量利用已选择好的非线性映射投射至高维特征空间中，再搭建一个最佳分类超平面，该超平面作为决策面能够保证零训练错误率将训练样本正确分为两类，同时保证距离超平面最近的点到达超平面的间隔最大，用图 描述最佳分类超平面构造。图 最佳分类超平面构造 拟定 （，），表示依据抽水蓄能发电机转子电流特征量构建的训练样本集，其中，则构建的超平面方程为：（）式中：表示权向量；表示偏置。超平面优化过程中需满足公式（）的约束条件：（）采用 方法将该优化问题转换，依据对偶原理将上述公式转换为达到公式（）的约束条件后再计算公式（）的最大值：，（）（）（）（）式中：表示惩罚因子；表示分类目标。依据上述过程计算获取最佳解、，可推导获取最佳分类决策函数（）并用公式（）描述为：()()（）针对非线性不可分状态，把输入空间利用非线性变化的方式投射至一个高维空间中，转变为线性可分状态，于该高维空间内获取最佳分类超平面，该过程即为核函数。拟设一个非线性映射（）：，按上述流程进行映射，用公式（）描述获取的核函数：，()()()，（）用公式（）描述其约束条件为：，（）则最佳分类决策函数用公式（）描述：()()（）其中，惩罚因子 及核函数内的可调参数通过遗传算法寻优，获取最佳的故障诊断分类器模型。故障诊断分类器模型优化为获取最佳故障检测分类器模型，需将支持向量机中的参数调节为最优配置，鉴于手动配置耗时较久，选取自动配置方法，提高优化效率，采用遗传算法作为参数寻优方法，其求解及收敛效率都极佳。遗传算法（，）提出灵感来源于模仿达尔文进化论，其是一种通过在计算机上模仿生物进化过程从而搜索到最佳解的方法。遗传算法擅于处理繁杂的优化问题，通过算法内的三种算子便能够获取最佳解，不需要另外建模且计算过程简便，该过程包含编码染色体、种群规模控制、适应度函数、遗传操作四大环节，详述如下：（）编码染色体。把原始问题解空间转变为遗传算法能够直接操作的搜索空间，该文选取二进制编码方式更为简便、便于进行遗传操作；（）种群规模控制。遗传算法性能受制于种群规模，将规模控制在 区间范围内，达到平衡种群多样化以及遗传算法复杂度的目的；（）适应度函数。适应度函数作为评估算法优良的核心环节，其能够评估各个码串处理问题的适应水平，遗传算法通过适应度函数进行搜索数据；（）遗传操作。选择算子：选取父代中性能最佳的染色体遗传至下一代，将较差的染色体淘汰掉，在选择算子过程中一般利用适应度比例选择方法，适应度偏大的染色体相对适应度偏低的染色体拥有更高的遗传概率；交叉算子：在群体中选取一对个体并依据交叉概率()进行交叉，变成全新个体，交叉操作方式多选单点交叉或均匀交叉，交叉概率取值区 年第 期 工业仪表与自动化装置间范围为 ；变异算子：小幅度改变遗传基因数值，染色体二进制编码过程中随机改变某个基因，利用变异算子保障群体基因类型的多元化，避免搜索中断，通常情况下变异概率取值范围为 。利用遗传算法计算目标函数最值，其寻优效果非常精准，将其置于支持向量机模型之前，使得支持向量机中的可调参数获得最佳配置，从而实现最优分类决策，用图 描述参数寻优过程。图 参数寻优过程 模型性能评价指标采用 折交叉验证误差及准确率对决策模型的性能进行评价，其中，折交叉验证法能够降低模型过拟合概率，获取有价值数据规模也更为庞大，通过拆分原始数据并构建训练集与验证集，分别用于训练模型与验证模型，详细流程描述为：（）把原始数据拆分为 等份；（）随机从中选取一份并视其为验证集，其余则作为训练模型的训练集，训练后获取一个模型，利用验证集验证该模型，获取评价指标；（）循环上一环节 次，各个子集皆有机会成为训练集与验证集，保证训练与验证样本分布均匀；（）求解 份训练结果均值，将其视为评价模型精度指标及性能指标。输入抽水蓄能发电机转子电流的时频特征量以及频谱特征量，经一系列操作后最终支持向量机分类器输出结果，若输入抽水蓄能发电机转子绕组接地产生故障则输出结果为，否则输出。实现转子绕组接地故障诊断抽水蓄能发电机转子绕组接地故障诊断分类器工作流程详述如下：（）抽水蓄能发电机转子绕组接地故障发生时，对转子电流瞬时频率处于两个周波期间的电流信号进行希尔伯特变换，以便提取时频特征量、；（）抽水蓄能发电机转子绕组接地故障发生时，对转子电流瞬时频率处于两个周波期间的电流信号采用伯格法求解最大功率谱，提取频谱特征量；（）搭建改进的支持向量机分类器模型，支持向量机内的可调参数采用遗传算法进行优化，获取最佳故障诊断分类器模型；（）输入抽水蓄能发电机转子电流特征向量（、），基于遗传算法改进支持向量机模型开始训练，训练后的输出结果为 则代表此时抽水蓄能发电机转子绕组接地故障，否则输出结果为；用图 描述抽水蓄能发电机转子绕组接地故障检测流程。图 抽水蓄能发电机转子绕组接地故障检测流程 实验分析实验过程中，以国西部省市抽水蓄能站为研究对象。其主接线方式为单母分段。故障前单母线联络方式正常运行，号机组、号机组接甲母线运行，号机组、号机组接乙母线运行，全厂有功负荷。其中 号机组有功负荷 ，号机组无功负荷 。运行过程中，号机 柜保护装置报警、号机转子一点接地报警，实地检查为“号机转子一点灵敏接地信号、号机转子一点接地信号”动作，保护监视盘测得 号机转子电压正对地 ，负对地 。号机转子接地电阻在 之间变化。号机组发电机额定电压、额定电流、额定功率及额定无功功率依次为 、；转子额定额定电压、额定电流、额定转速分别为 、，发电机额定功率因数为 。工业仪表与自动化装置 年第 期根据上述内容确定 号机组中该发电机转子绕组接地故障点，如图 所示。图 转子绕组接地故障点图示 实验过程中，采集该发电机转子电流数据特征 组，选取其中 组作为 分类器的训练集，另外 组作为其测试集。以上述准备为基础，设定提取特征量、接地故障检测、收敛性能及寻优性能为实验指标，并选取文献故障方法、文献方法作为对比方法进行对比实验。测试发电机绕组故障电流特征提取采用该文方法对训练集训练后获取该抽水蓄能发电机转子绕组接地故障时的电流波形图，获取电流信号后以此提取时频特征量及频谱特征量，并用图 描述瞬时频特征量及频谱特征量。图 发电机电流特征量 观察图 实验结果可知，该文方法能够很好地提取了抽水蓄能发电机转子电流信号的时频特征量及频谱特征量，时频特征量具有明显的瞬时频率特性，发电机转子电流的瞬时频率产生巨大波动幅度，之后回归平缓，该文方法采用伯格法提取的频谱特征量也极为符合抽水蓄能发电机转