齊 鵬 李永剛 馬明晗 武玉才 紀(jì) 璇

基于環(huán)流時頻圖譜的抽水蓄能機組勵磁繞組匝間短路故障診斷

齊 鵬 李永剛 馬明晗 武玉才 紀(jì) 璇

（華北電力大學(xué)電氣與電子工程學(xué)院 保定 071003）

抽水蓄能機組作為關(guān)鍵電氣設(shè)備，其運行連續(xù)性與可靠性對構(gòu)建新型電力系統(tǒng)意義重大。針對抽水蓄能機組勵磁繞組匝間短路故障的狀態(tài)監(jiān)測易受動/靜偏心及電樞反應(yīng)影響，早期故障特征難以有效辨識的問題，該文提出一種基于環(huán)流時頻圖譜的勵磁繞組匝間短路故障診斷方法。首先，根據(jù)抽水蓄能機組的結(jié)構(gòu)特點及電磁感應(yīng)關(guān)系，推導(dǎo)了動/靜偏心及靜偏心復(fù)合勵磁繞組匝間短路狀態(tài)下的同相多支路環(huán)流公式，得到了各狀態(tài)下的環(huán)流特征諧波；其次，搭建了發(fā)電容量為334 MV·A的抽水蓄能機組二維有限元仿真模型，計算了動/靜偏心及不同匝間短路程度下的同相分支環(huán)流大小，繪制了相應(yīng)的時域、頻域及時頻圖譜，通過對比實驗驗證了環(huán)流時頻圖譜可從時間、頻率角度全面解析故障特征，有效區(qū)分偏心、電樞反應(yīng)干擾與匝間短路故障；最后，基于凸極同步發(fā)電機模擬實驗平臺，模擬了不同故障程度的匝間短路運行狀態(tài)，采集了同相支路電流數(shù)據(jù)用于環(huán)流時頻圖譜分析，實驗結(jié)果證明了該方法可有效排除靜偏心及電樞反應(yīng)干擾，并以包含運行時間、特征頻率及信號強度的三維圖譜信息直觀地展示機組的運行狀態(tài)。

抽水蓄能機組 勵磁繞組 匝間短路 環(huán)流時頻圖譜

0 引言

隨著水電開發(fā)程度的不斷擴大，抽水蓄能機組也日趨向高水頭、高效率和大容量發(fā)展。由于抽水蓄能機組起停迅速、負(fù)荷調(diào)整快速方便，在電網(wǎng)中承擔(dān)了大量的調(diào)峰、調(diào)頻、調(diào)壓和事故備用的任務(wù)，因此對設(shè)備運行狀態(tài)切換的要求也愈加頻繁，導(dǎo)致機組發(fā)生故障的概率大為提高[1-3]。為了有效提升抽水蓄能機組安全運行水平，在線監(jiān)測技術(shù)的研究與應(yīng)用至關(guān)重要，其對實現(xiàn)機組故障的準(zhǔn)確分析與及時預(yù)測，使機組檢修工作從計劃性檢修轉(zhuǎn)向狀態(tài)檢修具有重大推動作用[4-7]。

統(tǒng)計表明，勵磁繞組匝間短路故障是抽水蓄能機組實際運行中出現(xiàn)頻率較高的一類電氣故障[8-9]，國內(nèi)山東泰山抽水蓄能電站及福建仙游抽水蓄能電站均發(fā)生過不同程度的磁極短路故障。分析故障發(fā)生原因，是由于抽水蓄能機組（發(fā)電電動機）運行過程中受不平衡電磁力、散熱不良、匝間局部放電及外界機械應(yīng)力等多重因素影響，致使勵磁繞組匝間絕緣劣化[10]。嚴(yán)重時會引起機組劇烈振動甚至橫差保護動作，致使機組停運[11]。因此，如何快速準(zhǔn)確地提取匝間短路早期微弱故障特征，并及時組織狀態(tài)檢修，對預(yù)防事故發(fā)生、提高機組運行的安全性與可靠性具有重要意義[12-15]。

目前，抽水蓄能機組勵磁繞組匝間短路故障診斷主要以離線檢測方式為主，常用檢測方法主要包括直流電阻比較法[16]、交流阻抗和功率損耗法[17]、交直流分壓電壓法[18]等。離線檢測方法需對各磁極繞組進行逐一測試，檢測過程耗時較長，增加了運檢人員的工作難度。鑒于離線檢測方法存在一定弊端，近年來國內(nèi)外學(xué)者對勵磁繞組匝間短路在線診斷方法進行了深入研究。孫宇光團隊提出了新型探測線圈檢測法，通過將探測線圈進行特殊布置及聯(lián)接，用于檢測氣隙磁場故障諧波的感應(yīng)電壓，根據(jù)感應(yīng)電壓諧波次數(shù)的不同，實現(xiàn)同步發(fā)電機勵磁繞組匝間短路故障的有效識別[19]。武玉才團隊提出了穿心螺桿檢測法，并搭建了550 MW水輪發(fā)電機仿真模型，計算了匝間短路故障前后穿心螺桿的感應(yīng)電壓，根據(jù)感應(yīng)電壓變化規(guī)律，診斷水輪發(fā)電機勵磁繞組匝間短路故障[20]。R. Romary團隊提出了漏磁與振動綜合檢測法，通過采集發(fā)電機漏磁信號以及機殼加速度信號，分析漏磁及振動頻譜中的敏感分量，實現(xiàn)對水輪發(fā)電機組勵磁繞組匝間短路的狀態(tài)監(jiān)測[21]。A. Nysveen團隊提出了雜散磁通檢測法，通過在定子鐵軛處安裝探測線圈，用以采集水輪發(fā)電機外部的雜散磁通數(shù)據(jù)，并結(jié)合時頻分析法對有限元仿真和實驗所得數(shù)據(jù)進行挖掘提取，實驗結(jié)果驗證了該方法可有效辨識匝間短路故障[22]。郝亮亮團隊提出了不平衡電流有效值檢測法，基于對水輪發(fā)電機勵磁繞組匝間短路環(huán)流特征的分析，采用移相疊加法最大限度地提取環(huán)流分?jǐn)?shù)次諧波有效值，并將其應(yīng)用于現(xiàn)場故障監(jiān)測，奠定了環(huán)流檢測法的研究基礎(chǔ)[23]。

以上在線故障診斷方法的提出為勵磁繞組匝間短路狀態(tài)監(jiān)測提供了新思路，但考慮到現(xiàn)場運行機組受水力、機械、電氣及其他因素影響，早期故障特征易被噪聲所掩蓋，開發(fā)一種通用、高靈敏度且抗干擾能力強的勵磁繞組匝間短路故障監(jiān)測方法成為當(dāng)下研究的熱點。本文在綜合考慮機組實際運行過程中存在動/靜偏心及電樞反應(yīng)等干擾的基礎(chǔ)上，推導(dǎo)了動/靜偏心環(huán)流公式及靜偏心復(fù)合勵磁繞組匝間短路環(huán)流公式，并提出了一種基于環(huán)流時頻圖譜的智能診斷方法。

鑒于動/靜偏心程度的變化會引起環(huán)流時域幅值的改變，通過設(shè)置時域閾值檢測匝間短路故障難免會引入動/靜偏心干擾；而電樞反應(yīng)及動偏心也會引起特征分?jǐn)?shù)次諧波的出現(xiàn)，因此通過頻譜分析特征諧波的方法難以有效辨識匝間短路故障；環(huán)流時頻圖譜檢測法是在綜合考慮現(xiàn)場檢測實時性與高效性的基礎(chǔ)上，將連續(xù)小波變換時頻分析方法用于計算抽水蓄能機組同相支路環(huán)流特征信號，繪制基于運行時間、特征頻率及信號強度的三維圖譜，并以信號強度以及信號強度差值能量比為判據(jù)用于檢測匝間短路故障，該方法克服了傳統(tǒng)環(huán)流檢測法[23-26]單一從時域或頻域進行分析而無法有效辨識早期微弱故障的缺點，為現(xiàn)場實現(xiàn)微弱匝間短路在線監(jiān)測提供了可能。本文在有限元仿真模型、動模機組實驗平臺均模擬了不同程度的匝間短路故障，并采集了各狀態(tài)下的不平衡電流數(shù)據(jù)用于時頻分析，實驗結(jié)果證明了環(huán)流時頻圖譜可直觀反映設(shè)備的運行狀態(tài)，通過計算時頻矩陣的信號強度差值能量比可進一步量化故障程度，防止故障誤報警，為現(xiàn)場運檢人員開展?fàn)顟B(tài)檢修工作提供指導(dǎo)。

1 同相支路環(huán)流特征分析

考慮到實際運行機組往往存在電樞反應(yīng)、動/靜偏心影響，本文對單一勵磁繞組匝間短路、動/靜偏心、靜偏心復(fù)合匝間短路狀態(tài)下的環(huán)流特征公式進行了推導(dǎo)。

1.1 匝間短路故障-環(huán)流特征分析

本文以電樞繞組同相三條支路為例，對支路感應(yīng)電動勢進行分析，三條支路空間機械角相差2p/3，則空間電角度相差2p/3，由此得各支路感應(yīng)電動勢表達式[24]分別為

式中，為極對數(shù)；為同相繞組支路數(shù)；q為一個線圈組所包含的線圈匝數(shù)；為頻率；Bm為氣隙磁通密度次諧波的最大值；為定子繞組有效長度；為次諧波對應(yīng)極距；yv為短距系數(shù)；qv為繞組分布系數(shù)。

當(dāng)發(fā)電電動機發(fā)生匝間短路故障時，其磁動勢不僅包含基波及奇數(shù)次諧波，而且包含分?jǐn)?shù)次諧波，即=1/, 2/,…,/，此時定子繞組同相三條支路感應(yīng)電動勢不再相等，即y1≠y2≠y3。

發(fā)電電動機電樞繞組某相支路等效電路（支路電阻可忽略不計）如圖1所示。

圖1 電樞繞組同相支路等效電路

采用網(wǎng)孔電流法和基爾霍夫電壓定律（Kirchhoff's Voltage Law, KVL）對其進行分析，可得表達式為

由于同相支路對稱，自感L1=2，支路互感M1=2，可將式（2）化簡為

由此可知，當(dāng)發(fā)電電動機處于正常運行狀態(tài)時（即yv1=yv2），同相支路電流I1=I2，即不會出現(xiàn)支路環(huán)流現(xiàn)象（負(fù)載工況下，受電樞反應(yīng)影響，使得磁場不對稱，由此也會產(chǎn)生支路環(huán)流）；當(dāng)發(fā)電電動機處于匝間短路運行狀態(tài)時（即yv1≠yv2），同相支路電流I1≠I2，此時會出現(xiàn)支路環(huán)流現(xiàn)象，且只包含/（=1, 2,…,，且≠）分?jǐn)?shù)次諧波。

1.2 動/靜偏心-環(huán)流特征分析

考慮到實際發(fā)電電動機由于制作工藝問題，運行過程中往往存在靜偏心影響。同時機組運行過程在受到電磁力、熱應(yīng)力等作用時，發(fā)電電動機轉(zhuǎn)子表面易發(fā)生變形，致使定轉(zhuǎn)子間徑向氣隙的最小位置會隨著轉(zhuǎn)子旋轉(zhuǎn)而發(fā)生改變，機組呈動偏心運行。鑒于上述因素，本文對抽水蓄能機組動/靜偏心狀態(tài)下的環(huán)流特征進行分析，以有效濾除其對匝間短路在線監(jiān)測的影響。

靜偏心和動偏心狀態(tài)下的氣隙條件如圖2所示，最小氣隙沿軸方向設(shè)置。

圖2 發(fā)電電動機動/靜偏心狀態(tài)的氣隙示意圖

根據(jù)圖2所示，發(fā)電電動機徑向氣隙長度可以表示[15]為

式中，0為平均氣隙長度；m為定子圓周機械角；s為靜態(tài)偏心率；d為動態(tài)偏心率。

由于氣隙較小，對徑向氣隙長度的倒數(shù)進行冪級數(shù)展開，可忽略高階分量，得到單位磁導(dǎo)率為

式中，0為空氣磁導(dǎo)率；0為氣隙磁導(dǎo)常數(shù)分量；s為靜偏心磁導(dǎo)分量；d為動偏心磁導(dǎo)分量。

綜合以上分析，推導(dǎo)靜偏心環(huán)流公式為

動偏心環(huán)流公式為

式中，Nv為正常狀態(tài)下次諧波磁動勢的繞組因數(shù)；Fm（=1, 3, 5,…,）為正常狀態(tài)下磁動勢的最大幅值；1、2均為電角度。根據(jù)環(huán)流公式可知，靜偏心環(huán)流主要包含基波及奇數(shù)次諧波，且以基波為主；動偏心環(huán)流特征中只包含-1/和+1/次諧波。

1.3 靜偏心復(fù)合匝間短路-環(huán)流特征分析

現(xiàn)場抽水蓄能機組運行過程中往往伴有靜偏心干擾，因此本文對抽水蓄能機組的靜偏心復(fù)合匝間短路的環(huán)流特征進行了分析，防止由于靜偏心問題引起匝間短路的誤判，給實際運行造成不良影響。綜合1.1節(jié)與1.2節(jié)分析，推導(dǎo)靜偏心復(fù)合故障環(huán)流公式為

2 環(huán)流時頻圖譜理論

由于現(xiàn)場所采集環(huán)流信號易受動/靜偏心、電樞反應(yīng)等因素影響，其中機組動/靜偏心程度的變化會引起環(huán)流時域幅值的改變，采用環(huán)流時域閾值檢測法判別匝間短路故障難免會引入動/靜偏心干擾；而電樞反應(yīng)及動偏心會引起分?jǐn)?shù)次特征諧波的出現(xiàn)，因此單一頻譜分析方法亦難以有效提取匝間短路故障特征。鑒于所采集環(huán)流信號的特殊性，本文在綜合考慮現(xiàn)場檢測實時性與高效性基礎(chǔ)上，提出了適用于在線監(jiān)測的環(huán)流時頻圖譜檢測法，具體實現(xiàn)流程如圖3所示。

環(huán)流時頻圖譜檢測法通過引入連續(xù)小波變 換[27]，可有效實現(xiàn)對待檢環(huán)流信號的時頻局部化分析，完成對分?jǐn)?shù)次環(huán)流特征諧波信息的深度挖掘。該方法通過將小波母函數(shù)()進行伸縮和平移，并與待檢環(huán)流信號進行卷積積分運算，進而實現(xiàn)尺度域向頻域的準(zhǔn)確實時轉(zhuǎn)換，從而有效捕捉不同頻率信息在不同時刻的信號強度。對于動/靜偏心干擾，時頻圖譜特征頻次處信號強度分布與匝間短路有較大不同；而對于較為微弱的匝間短路，圖譜信號強度變化較小，不易直接據(jù)此進行判斷，因此本文提出信號強度差值能量比算法，旨在進一步放大故障前后環(huán)流時頻圖譜信號強度變化，從而凸顯微弱故障特征，其表達式為

式中，r為時頻矩陣行數(shù)；c為時頻矩陣列數(shù)；為匝間短路狀態(tài)下的時頻矩陣；為正常狀態(tài)下的時頻矩陣。由于環(huán)流信號采集受外界干擾影響較小，因此機組若運行于正常狀態(tài)，其差值能量比應(yīng)無限接近于0，而發(fā)生匝間短路后，其差值能量比應(yīng)大于正常狀態(tài)值，據(jù)此可實現(xiàn)早期微弱匝間短路故障診斷。

3 抽水蓄能機組仿真分析

本文以國內(nèi)某電機廠生產(chǎn)的抽水蓄能發(fā)電機（運行于國內(nèi)某抽水蓄能電站）為例，參數(shù)見表1。

表1 發(fā)電電動機參數(shù)

采用Ansys Electronics軟件搭建發(fā)電電動機二維有限元模型，首先，為了模擬現(xiàn)場真實運行，設(shè)置某一磁極初始運行于正常狀態(tài)，在某一時刻發(fā)生勵磁繞組匝間短路故障，故障程度分別設(shè)置為短路1匝、短路2匝（分別對應(yīng)圖4中紅色、綠色線匝，且將短路時刻設(shè)為0.54 s）；其次，分別模擬機組運行過程中所存在的動、靜偏心現(xiàn)象，并設(shè)置機組運行所允許的最大偏心程度10%（受仿真條件限制，無法模擬偏心過渡狀態(tài)）；最后，進行有限元網(wǎng)格剖分設(shè)置（剖分網(wǎng)格單元數(shù)為38 053），用于二維有限元模型的計算，二維有限元1/9模型剖分如圖4所示。將Maxwell 2D與Simplorer進行場路耦合聯(lián)合仿真，得正常運行和勵磁繞組匝間短路狀態(tài)下的磁力線分布如圖5所示（受篇幅限制，僅展示空載工況下的磁力線分布）。

3.1 電樞繞組同相支路環(huán)流時/頻域仿真分析

本文對單一勵磁繞組匝間短路、單一動/靜偏心以及靜偏心復(fù)合匝間短路狀態(tài)下所得環(huán)流信號進行時域、頻域分析，以獲取各運行狀態(tài)下的基本特征。

圖4 發(fā)電電動機二維瞬態(tài)電磁場仿真模型

圖5 發(fā)電電動機空載工況磁力線分布

3.1.1 單一勵磁繞組匝間短路及單一動/靜偏心仿真分析

首先，對發(fā)電電動機空載運行工況進行仿真分析，分別設(shè)置轉(zhuǎn)子某磁極繞組正常、短路1匝、短路2匝、10%動偏心、10%靜偏心，其中正常與短路狀態(tài)下的徑向氣隙磁通密度分布如圖6a所示（動/靜偏心狀態(tài)徑向氣隙磁通密度見附錄），電樞繞組同相支路環(huán)流時域譜如圖6b所示。對環(huán)流時域信號進行傅里葉變換，得環(huán)流頻譜如圖6c所示。

其次，對發(fā)電電動機負(fù)載運行工況進行仿真分析，設(shè)置均與空載工況相同，得徑向氣隙磁通密度分布如圖7a所示（動/靜偏心狀態(tài)徑向氣隙磁通密度見附錄），負(fù)載工況環(huán)流時域譜如圖7b所示，環(huán)流頻譜如圖7c所示。

圖6 空載工況電磁特征圖譜（故障時刻t=0.54 s）

由圖6a和圖7a可以看出，隨著故障程度的增大，故障磁極的徑向氣隙磁通密度呈遞減趨勢，其中空載工況下的氣隙磁通密度變化更為明顯，負(fù)載工況下由于受電樞反應(yīng)影響，故障磁極處的氣隙磁通密度衰減更為微弱。通過觀察氣隙磁通密度的變化趨勢，驗證了所建有限元模型的正確性。

由圖6b和圖7b可以看出，空載工況下匝間短路故障會使電樞繞組同相支路出現(xiàn)環(huán)流，且其時域幅值隨故障程度的增加而增大。負(fù)載工況下由于受電樞反應(yīng)影響，正常狀態(tài)同樣會出現(xiàn)環(huán)流，且其時域幅值與短路1匝的幅值相差不大，難以判別是否發(fā)生匝間短路。同時機組實際運行中偏心程度大小亦會發(fā)生改變，動/靜偏心程度變大（10%以內(nèi)）皆會引起環(huán)流時域幅值增加，若簡單通過設(shè)置時域閾值進行故障診斷，難免會引入動/靜偏心干擾，造成勵磁繞組匝間短路的誤判。

圖7 負(fù)載工況電磁特征圖譜（故障時刻t=0.54 s）

由圖6c和圖7c可以看出，匝間短路頻譜出現(xiàn)了明顯的分?jǐn)?shù)次諧波，且其諧波次數(shù)為/9（= 1, 2,…,且≠）；靜偏心頻譜出現(xiàn)了基波及3次諧波，動偏心出現(xiàn)了8/9、10/9、17/9及19/9次諧波，由此驗證了式（6）、式（7）推導(dǎo)的正確性。負(fù)載工況下，受電樞反應(yīng)影響，正常狀態(tài)、動偏心狀態(tài)與匝間短路故障所出現(xiàn)的特征諧波次數(shù)均相同，對故障識別造成了干擾。因此，通過頻譜圖出現(xiàn)的分?jǐn)?shù)次特征諧波進行故障診斷，容易造成故障誤判。

3.1.2 靜偏心復(fù)合勵磁繞組匝間短路仿真分析

考慮到實際運行的抽水蓄能機組普遍存在靜偏心，本文對靜偏心復(fù)合勵磁繞組匝間短路故障進行仿真分析。

首先，對發(fā)電電動機空載運行工況進行仿真分析，靜偏心度設(shè)為10%，并分別與勵磁繞組正常、短路1匝、短路2匝進行復(fù)合仿真計算，得徑向氣隙磁通密度分布如圖8a所示，電樞繞組同相支路環(huán)流時域譜如圖8b所示。對時域信號進行傅里葉分析，得到環(huán)流頻譜圖如圖8c所示。

其次，對發(fā)電電動機負(fù)載運行工況進行仿真分析，偏心度及匝間短路故障程度設(shè)置均與空載工況一致，進行復(fù)合仿真計算，得靜偏心復(fù)合匝間短路狀態(tài)下的徑向氣隙磁通密度分布如圖9a所示，環(huán)流時域譜如圖9b所示，環(huán)流頻譜如圖9c所示。

圖8 靜偏心復(fù)合匝間短路-空載工況電磁特征圖譜（故障時刻t=0.54 s）

由圖8、圖9可以看出，故障磁極的徑向氣隙磁通密度隨故障程度的增大呈減小趨勢，負(fù)載工況下由于受電樞反應(yīng)影響，致使氣隙磁通密度減小趨勢不易觀察。

圖9 靜偏心復(fù)合匝間短路-負(fù)載工況電磁特征圖譜（故障時刻t=0.54 s）

當(dāng)發(fā)電電動機處于靜偏心復(fù)合正常運行狀態(tài)時，受靜偏心及電樞反應(yīng)影響，空載/負(fù)載工況時域信號均出現(xiàn)了明顯的環(huán)流，且其時域幅值均與短路1匝的時域幅值較為接近，因此通過時域信號難以準(zhǔn)確判別匝間短路故障。

分析空載/負(fù)載工況環(huán)流頻譜信息，均出現(xiàn)了明顯的50 Hz基波及/9（=1, 2,…,且≠）分?jǐn)?shù)次諧波，驗證了靜偏心復(fù)合匝間短路環(huán)流公式推導(dǎo)的正確性。空載工況下，微弱的匝間短路特征諧波易被靜偏心基波所掩蓋。負(fù)載工況下，無論發(fā)電電動機處于正常狀態(tài)還是匝間短路狀態(tài)，其頻譜均出現(xiàn)了分?jǐn)?shù)次特征諧波，對勵磁繞組匝間短路故障在線監(jiān)測造成了干擾，因此通過頻譜分析無法有效辨識故障。

3.2 電樞繞組同相支路環(huán)流時頻圖譜分析

為了提高故障診斷精度，實現(xiàn)抽水蓄能機組勵磁繞組匝間短路的狀態(tài)監(jiān)測，本文將連續(xù)小波變換時頻方法引入環(huán)流特征信號分析?？紤]到Morlet小波具有適中的中心頻率和窗寬，且其波形與待測環(huán)流信號具有較高的相似性，據(jù)此對正常與匝間短路狀態(tài)下的環(huán)流信號進行卷積積分計算，并構(gòu)建三維時頻圖譜，以期全面反映機組的運行狀態(tài)。

3.2.1 單一勵磁繞組匝間短路及單一動/靜偏心-環(huán)流時頻圖譜分析

對發(fā)電電動機空載/負(fù)載工況下短路1匝、短路2匝、10%靜偏心、10%動偏心的環(huán)流數(shù)據(jù)進行時頻分析，構(gòu)建各狀態(tài)所對應(yīng)的環(huán)流時頻圖譜?？蛰d工況環(huán)流時頻圖譜如圖10所示，負(fù)載工況環(huán)流時頻圖譜如圖11所示。

圖10 空載工況環(huán)流時頻圖譜（故障時刻t=0.54 s）

圖11 負(fù)載工況環(huán)流時頻圖譜（故障時刻t=0.54 s）

由圖10、圖11可以看出，當(dāng)發(fā)電電動機發(fā)生勵磁繞組匝間短路故障，通過環(huán)流時頻圖譜可以清晰定位故障發(fā)生的時刻，且故障特征頻率處（5.5、11、22、28、39、44.5 Hz）的信號強度相較正常狀態(tài)明顯增強，圖中所標(biāo)記紅框可清晰反映機組由正常狀態(tài)過渡到匝間短路故障狀態(tài)信號強度的變化。同時，與動/靜偏心狀態(tài)進行比較，可發(fā)現(xiàn)動偏心信號強度主要集中于55.5 Hz，靜偏心主要集中于50 Hz，與匝間短路故障的特征頻率信號強度具有明顯區(qū)分度。為了防止故障誤判，本文對信號強度差值能量比進行計算分析，其中空載匝間短路狀態(tài)下的計算結(jié)果分別為7.13%、13.96%，負(fù)載匝間短路狀態(tài)下的計算結(jié)果分別為6.66%、13.44%，均遠(yuǎn)大于0，可有效判別匝間短路故障。

3.2.2 靜偏心復(fù)合匝間短路-環(huán)流時頻圖譜分析

對空載/負(fù)載工況下靜偏心復(fù)合匝間短路的環(huán)流數(shù)據(jù)進行時頻分析，構(gòu)建靜偏心復(fù)合短路1匝、靜偏心復(fù)合短路2匝所對應(yīng)的環(huán)流時頻圖譜。其中，空載工況環(huán)流時頻圖譜如圖12所示，負(fù)載工況環(huán)流時頻圖譜如圖13所示。

根據(jù)圖12、圖13所示，環(huán)流時頻圖譜以故障特征頻率處信號強度的變化，清晰反映機組發(fā)生匝間短路故障后的過渡過程，點畫線（紅）框標(biāo)記處可明顯觀察到發(fā)生匝間短路后的信號強度變化，為了防止故障誤判，進一步計算信號強度差值能量比，其中空載匝間短路狀態(tài)為3.94%、6.55%，負(fù)載匝間短路狀態(tài)為8.28%、9.54%，據(jù)此可有效辨識匝間短路 故障。

綜合以上仿真分析，本文提出的環(huán)流時頻圖譜檢測方法可濾除動/靜偏心、電樞反應(yīng)干擾，有效提取勵磁繞組匝間短路故障特征，為運行現(xiàn)場匝間短路檢測提供了一種新的可實施方案。

圖12 靜偏心復(fù)合匝間短路-空載工況環(huán)流時頻圖譜

4 故障模擬實驗分析

4.1 實驗平臺簡介

本次實驗采用電力系統(tǒng)動態(tài)模擬實驗室一臺型號為TZH-225-TH的凸極同步發(fā)電機來模擬抽水蓄能機組發(fā)電機狀態(tài)，其參數(shù)見表2。

表2 TZH-225-TH同步發(fā)電機參數(shù)

采用高精度塞尺對轉(zhuǎn)子氣隙進行測量，其測量精度可達0.02 mm，測量結(jié)果顯示，發(fā)電機轉(zhuǎn)子氣隙最小處為0.96 mm，氣隙最大處為1.04 mm，由此可計算出該臺機組存在4%的靜偏心，具體測量如圖14所示。受實驗條件限制，未能模擬機組動偏心狀態(tài)。

為了有效模擬不同故障程度的匝間短路，本次實驗選擇勵磁繞組匝間短路故障程度為50%所對應(yīng)抽頭F1、F13，將兩故障抽頭間串接滑動變阻器、電流表及刀開關(guān)，其中滑動變阻器（48W/7 A）調(diào)至最大阻值位，電流表調(diào)至5 A檔位，刀開關(guān)初始為斷開狀態(tài)。緩慢增大勵磁，使發(fā)電機端電壓上升至額定電壓，并記錄此時的勵磁電流平均值f。

根據(jù)故障程度公式計算滑動變阻器分流大小，其表達式為

本次實驗對發(fā)電機空載工況及負(fù)載工況（負(fù)載為1.2 kW）下的特征參量進行采集，采用量程為-10～10 A的交流電流探頭監(jiān)測A相支路電流A1、A2的變化，采用量程為0～40 A的直流電流探頭監(jiān)測勵磁電流f的變化，并采用垂直分辨率為12位、帶寬為20 MHz，采樣通道數(shù)為8的Pico 4824A數(shù)字示波器采集同相支路電流、勵磁電流及機端電壓等數(shù)據(jù)，采樣頻率設(shè)為2 000 Hz，數(shù)字示波器采集、A相分支電流探頭布置、實驗整體布置如圖14所示。

圖14 TZH-225-TH凸極同步發(fā)電機勵磁繞組匝間短路實驗平臺

4.2 實驗數(shù)據(jù)分析

4.2.1 靜偏心復(fù)合匝間短路時/頻域分析

首先，對空載工況下的勵磁電流數(shù)據(jù)進行分析，得其時域波形如圖15a所示。根據(jù)滑動變阻器的分流值大小，計算匝間短路程度見表3。進而對同相支路環(huán)流數(shù)據(jù)進行分析，得靜偏心復(fù)合正常、靜偏心復(fù)合匝間短路故障的環(huán)流時域波形如圖15b所示。對時域信號進行傅里葉變換，得不同狀態(tài)下的頻域波形如圖15c所示。

由圖15a可以看出，隨著故障程度的增大，勵磁電流也隨之增大，直流電流均值由4.811 A增至5.046 A。觀察圖15b所示環(huán)流時域圖譜，由于機組存在4%的靜偏心，因此在空載正常運行狀態(tài)下會出現(xiàn)同相支路環(huán)流，且正常運行與短路2.5%的時域幅值較為接近，時域法難以完成輕微匝間短路故障的有效辨識。觀察圖15c所示環(huán)流頻譜，正常狀態(tài)下，其頻譜出現(xiàn)了靜偏心所導(dǎo)致的50 Hz基波及150 Hz諧波，此外凸極效應(yīng)所產(chǎn)生的特征分?jǐn)?shù)次（25、75、125、175 Hz）諧波亦較為明顯。當(dāng)匝間短路故障程度較小時，其特征分?jǐn)?shù)次諧波幅值與正常狀態(tài)的幅值亦較為接近，因此通過特征頻率及其幅值實現(xiàn)輕微匝間短路故障識別的難度較大。根據(jù)以上分析，受靜偏心及凸極效應(yīng)影響，時域、頻域分析法均無法有效區(qū)分發(fā)電機的正常狀態(tài)與匝間短路狀態(tài)。

圖15 TZH-225-TH空載工況特征參量圖譜（故障時刻t=1 s）

表3 TZH-225-TH空載工況下匝間短路故障程度

其次，對負(fù)載工況下的勵磁電流數(shù)據(jù)進行分析，得其時域如圖16a所示。根據(jù)滑動變阻器的分流大小，計算匝間短路程度見表4。進而對同相支路環(huán)流數(shù)據(jù)進行分析，得靜偏心復(fù)合正常、靜偏心復(fù)合匝間短路故障的環(huán)流時域如圖16b所示，不同故障程度下的頻域如圖16c所示。

由圖16a可以看出，隨著故障程度的增大，勵磁電流也呈上升趨勢，其均值由4.932 A增至5.087 A。由于機組存在靜偏心及電樞效應(yīng)影響，因此圖16b所示環(huán)流時域圖譜，其正常狀態(tài)下的同相支路環(huán)流與匝間短路1%的時域幅值較為接近，難以通過時域閾值法進行有效區(qū)分。圖16c所示環(huán)流頻譜在正常狀態(tài)下出現(xiàn)了50 Hz基波、150 Hz諧波及特征分?jǐn)?shù)次（25、75、125、175 Hz）諧波，且其幅值與匝間短路1%狀態(tài)下的幅值較為接近，對匝間短路故障識別造成了干擾。綜上分析，受靜偏心及電樞反應(yīng)影響，時域、頻域分析法均無法有效辨識微弱匝間短路故障。

圖16 TZH-225-TH負(fù)載工況特征參量圖譜（故障時刻t=1 s）

表4 TZH-225-TH負(fù)載工況下匝間短路故障程度

4.2.2 靜偏心復(fù)合匝間短路-環(huán)流時頻圖譜分析

首先，對空載工況下的環(huán)流數(shù)據(jù)進行時頻分析，構(gòu)建發(fā)電機靜偏心復(fù)合短路2.5%、靜偏心復(fù)合短路5.0%、靜偏心復(fù)合短路7.5%的三維環(huán)流時頻圖譜，如圖17所示，由環(huán)流時頻圖譜可以看出，匝間短路故障發(fā)生時，其時間與特征頻率交叉點的信號強度發(fā)生了明顯變化，因此可通過信號強度變化（圖中25 Hz故障前后的信號強度差值分別為13.05、21.06、29.86 dB）以及信號強度差值能量比（分別為4.16%、5.23%、11.11%，遠(yuǎn)大于0）檢測微弱匝間短路故障并定位故障發(fā)生時間。

其次，對負(fù)載工況下的環(huán)流數(shù)據(jù)進行時頻分析，構(gòu)建發(fā)電機靜偏心復(fù)合短路1%、靜偏心復(fù)合短路2.5%、靜偏心復(fù)合短路4.9%的三維環(huán)流時頻圖譜，如圖18所示。根據(jù)頻率分辨環(huán)流圖譜中某一時刻與

圖18 TZH-225-TH負(fù)載工況環(huán)流時頻圖譜（故障時刻t=1 s）

特征頻率交叉點處信號強度變化（故障前后25 Hz處的信號強度差值分別為29.64、38.56、71.81 dB）及信號強度差值能量比（分別為2.28%、3.13%、15.68%，遠(yuǎn)大于0），可有效完成微弱匝間短路故障的模式識別。

5 結(jié)論

本文提出了一種基于環(huán)流時頻圖譜的勵磁繞組匝間短路智能故障診斷方法，通過有限元仿真和模擬機組實驗驗證了該方法的有效性，并得出以下結(jié)論：

1）抽水蓄能機組發(fā)生勵磁繞組匝間短路故障，會產(chǎn)生/（=1, 2,…,且≠）分?jǐn)?shù)次環(huán)流特征諧波。機組運行于靜偏心狀態(tài)，會產(chǎn)生奇數(shù)次環(huán)流諧波；機組運行于動偏心狀態(tài)，則會產(chǎn)生-1/和+1/次環(huán)流諧波（=1, 3, 5,…,）。機組若發(fā)生靜偏心復(fù)合勵磁繞組匝間短路故障，受靜偏心影響，除分?jǐn)?shù)次環(huán)流特征諧波外，還會產(chǎn)生奇數(shù)次環(huán)流諧波（以基波為主）。通過抽水蓄能機組有限元計算及同步發(fā)電機組實驗所得環(huán)流數(shù)據(jù)，驗證了該理論的正確性。

2）抽水蓄能機組運行過程中受動/靜偏心及電樞反應(yīng)影響，匝間短路狀態(tài)下所得環(huán)流時域幅值雖較正常狀態(tài)有一定增加，但仍具有較高相似度，若以此設(shè)置閾值進行故障診斷，極易發(fā)生誤判。尤其對于機組運行于動偏心狀態(tài)，其環(huán)流時域幅值較正常狀態(tài)也會出現(xiàn)增加，且負(fù)載工況下環(huán)流頻譜信息與匝間短路狀態(tài)相同，因此現(xiàn)場運檢人員通過單一的時域或頻域特征分析法，難以有效辨識機組的運行狀態(tài)。

3）為了實現(xiàn)抽水蓄能機組運行狀態(tài)的在線監(jiān)測，將連續(xù)小波變換時頻分析方法引入環(huán)流特征信息處理流程，并構(gòu)建基于運行時間、特征頻率及信號強度的三維時頻圖譜，并以圖譜信號強度變化以及信號強度差值能量比為判據(jù)用于匝間短路在線監(jiān)測。該方法可有效濾除無關(guān)因素影響，提高故障診斷精度，便于應(yīng)用到工業(yè)現(xiàn)場的故障檢測，降低了現(xiàn)場運檢人員的工作復(fù)雜度。

4）環(huán)流時頻圖譜在線檢測方法簡單易行，抗干擾能力強，且不干擾機組的正常運行。該方法能夠發(fā)現(xiàn)勵磁繞組匝間短路的早期微弱故障，對防止故障惡化、提高新型電力系統(tǒng)的穩(wěn)定性具有重要意義。

附 錄

動/靜偏心徑向氣隙磁通密度如附圖1所示。

附圖1 動/靜偏心徑向氣隙磁通密度

App.Fig.1 Radial air gap flux density with dynamic/static eccentricity

[1] 孫宇光, 王炳輝, 徐偉, 等. 發(fā)電電動機勵磁繞組匝間短路故障在線監(jiān)測[J]. 電力自動化設(shè)備, 2017, 37(3): 211-217.

Sun Yuguang, Wang Binghui, Xu Wei, et al. Online monitoring of excitation winding inter-turn short circuit of generator/motor[J]. Electric Power Auto- mation Equipment, 2017, 37(3): 211-217.

[2] 梁艷萍, 燕秀龍, 于鴻浩. 抽水蓄能電站發(fā)電電動機端部磁場及結(jié)構(gòu)件損耗分析計算[J]. 電工技術(shù)學(xué)報, 2016, 31(6): 21-29.

Liang Yanping, Yan Xiulong, Yu Honghao. Analysis and calculation of magnetic field and structure loss in end region of generator-motor for pumped storage power station[J]. Transactions of China Electro- technical Society, 2016, 31(6): 21-29.

[3] Dirani H C, Merkhouf A, Giroux A M, et al. Impact of real air-gap nonuniformity on the electromagnetic forces of a large hydro-generator[J]. IEEE Transa- ctions on Industrial Electronics, 2018, 65(11): 8464- 8475.

[4] Shaikh M F, Park J, Lee S B. A non-intrusive leakage flux based method for detecting rotor faults in the starting transient of salient pole synchronous motors[J]. IEEE Transactions on Energy Conversion, 2021, 36(2): 1262-1270.

[5] Dirani H C, Merkhouf A, Kedjar B, et al. Rotor interturn short circuit impact on large hydrogenerator magnetic quantities[J]. IEEE Transactions on Industry Applications, 2018, 54(4): 3702-3711.

[6] 李永剛, 王羅, 李俊卿, 等. 基于多源信息融合的同步發(fā)電機轉(zhuǎn)子繞組匝間短路故障識別[J]. 電力系統(tǒng)自動化, 2019, 43(16): 162-167, 191.

Li Yonggang, Wang Luo, Li Junqing, et al. Identi- fication of inter-turn short-circuit fault in rotor windings of synchronous generator based on multi- source information fusion[J]. Automation of Electric Power Systems, 2019, 43(16): 162-167, 191.

[7] 桂林, 陳俊, 王凱, 等. 基于柔性光學(xué)TA的發(fā)電電動機主保護優(yōu)化設(shè)計[J]. 電力系統(tǒng)自動化, 2020, 44(18): 132-138.

Gui Lin, Chen Jun, Wang Kai, et al. Optimal design of main protection for generator-motor based on flexible optical current transformer[J]. Automation of Electric Power Systems, 2020, 44(18): 132-138.

[8] Zamudio-Ramirez I, Osornio-Rios R A, Antonino- Daviu J A, et al. Magnetic flux analysis for the condition monitoring of electric machines: a review[J]. IEEE Transactions on Industrial Infor- matics, 2022, 18(5): 2895-2908.

[9] Ehya H, Nysveen A, Skreien T N. Performance evaluation of signal processing tools used for fault detection of hydrogenerators operating in noisy environments[J]. IEEE Transactions on Industry Applications, 2021, 57(4): 3654-3665.

[10] Ma Minghan, He Pengkang, Li Yonggang, et al. Fault diagnosis method based on multi-source information fusion for weak interturn short circuit in synchronous condensers[J]. IET Electric Power Applications, 2021, 15(9): 1245-1260.

[11] 孫宇光, 杜威, 桂林, 等. 用于多相無刷勵磁機開路與短路故障檢測的磁極探測線圈設(shè)計[J]. 電工技術(shù)學(xué)報, 2022, 37(14): 3542-3554.

Sun Yuguang, Du Wei, Gui Lin, et al. Design of pole detection coils for open-circuit and short-circuit faults in multiphase brushless exciter[J]. Transactions of China Electrotechnical Society, 2022, 37(14): 3542-3554.

[12] 魏東, 劉侃, 丁榮軍, 等. 基于多重同步壓縮變換的永磁同步電機初期匝間短路故障檢測[J]. 電工技術(shù)學(xué)報, 2022, 37(18): 4651-4663.

Wei Dong, Liu Kan, Ding Rongjun, et al. A multi-synchrosqueezing transformation based early stage detection of inter-turn short circuit fault in permanent magnet synchronous machine[J]. Transa- ctions of China Electrotechnical Society, 2022, 37(18): 4651-4663.

[13] 謝穎, 胡圣明, 陳鵬, 等. 永磁同步電機匝間短路故障溫度場分析[J]. 電工技術(shù)學(xué)報, 2022, 37(2): 322-331.

Xie Ying, Hu Shengming, Chen Peng, et al. Thermal field analysis on inter-turn short circuit fault of permanent magnet synchronous motor[J]. Transa- ctions of China Electrotechnical Society, 2022, 37(2): 322-331.

[14] 張業(yè)成, 劉國海, 陳前. 基于電流波動特征的永磁同步電機匝間短路與局部退磁故障分類診斷研究[J]. 電工技術(shù)學(xué)報, 2022, 37(7): 1634-1643, 1653.

Zhang Yecheng, Liu Guohai, Chen Qian. Dis- crimination of interturn short-circuit and local demagnetization in permanent magnet synchronous motor based on current fluctuation characteristics[J]. Transactions of China Electrotechnical Society, 2022, 37(7): 1634-1643, 1653.

[15] 趙方偉, 王秀和, 趙文良, 等. 內(nèi)置式永磁同步電機動態(tài)偏心故障下的軸電壓解析分析和削弱[J]. 電工技術(shù)學(xué)報, 2022, 37(4): 837-848.

Zhao Fangwei, Wang Xiuhe, Zhao Wenliang, et al. Analysis and reduction of shaft voltage in interior permanent magnet synchronous motors under dynamic eccentricity fault[J]. Transactions of China Electrotechnical Society, 2022, 37(4): 837-848.

[16] 朱洪雷. 水輪發(fā)電機磁極線圈匝間短路檢查及處理[J]. 防爆電機, 2012, 47(3): 48-50.

Zhu Honglei. Inspection and treatment of interturn short circuit of hydraulic turbine generator magnetic pole coils[J]. Explosion-Proof Electric Machine, 2012, 47(3): 48-50.

[17] 李永剛, 王海蛟, 武玉才, 等. 基于交流阻抗法的發(fā)電機勵磁繞組短路故障診斷[J]. 大電機技術(shù), 2017(4): 10-14, 22.

Li Yonggang, Wang Haijiao, Wu Yucai, et al. Field winding short circuit fault diagnosis on turbine generators based on the AC impedance test[J]. Large Electric Machine and Hydraulic Turbine, 2017(4): 10-14, 22.

[18] 呂英, 金人文. 水輪發(fā)電機磁極線卷匝間短路的尋找和現(xiàn)場處理[J]. 水電站機電技術(shù), 1985, 8(3): 47-51.

Lü Ying, Jin Renwen. Finding and field treatment of turn-to-turn short circuit of magnetic pole wire of hydrogenerator[J]. Mechanical & Electrical Tech- nique of Hydropower Station, 1985, 8(3): 47-51.

[19] 孫宇光, 余錫文, 魏錕, 等. 發(fā)電機繞組匝間故障檢測的新型探測線圈[J]. 中國電機工程學(xué)報, 2014, 34(6): 917-924.

Sun Yuguang, Yu Xiwen, Wei Kun, et al. A new type of search coil for detecting inter-turn faults in synchronous machines[J]. Proceedings of the CSEE, 2014, 34(6): 917-924.

[20] Wu Yucai, Ma Qianqian, Cai Bochong. Fault diag- nosis of rotor winding inter-turn short circuit for sensorless synchronous generator through screw[J]. IET Electric Power Applications, 2017, 11(8): 1475- 1482.

[21] Cuevas M, Romary R, Lecointe J P, et al. Non- invasive detection of winding short-circuit faults in salient pole synchronous machine with squirrel-cage damper[J]. IEEE Transactions on Industry Appli- cations, 2018, 54(6): 5988-5997.

[22] Ehya H, Nysveen A. Pattern recognition of interturn short circuit fault in a synchronous generator using magnetic flux[J]. IEEE Transactions on Industry Applications, 2021, 57(4): 3573-3581.

[23] 郝亮亮, 吳俊勇, 孫宇光, 等. 同步發(fā)電機轉(zhuǎn)子匝間短路故障監(jiān)測方案及其靈敏性分析[J]. 電力系統(tǒng)自動化, 2013, 37(12): 120-127.

Hao Liangliang, Wu Junyong, Sun Yuguang, et al. A monitoring scheme for inter-turn short circuit of field windings in synchronous machines and its sensitivity analysis[J]. Automation of Electric Power Systems, 2013, 37(12): 120-127.

[24] Hao Liangliang, Sun Yuguang, Qiu Arui, et al. Steady-state calculation and online monitoring of interturn short circuit of field windings in syn- chronous machines[J]. IEEE Transactions on Energy Conversion, 2012, 27(1): 128-138.

[25] 郭玉恒, 王思良, 任保瑞, 等. 二灘水輪發(fā)電機轉(zhuǎn)子匝間短路故障的電氣特征及在線監(jiān)測[J]. 水電與抽水蓄能, 2018, 4(3): 9-15, 97.

Guo Yuheng, Wang Siliang, Ren Baorui, et al. Electrical characteristics and on-line monitoring of rotor winding inter-turn short circuit fault of Ertan hydrogenerator[J]. Hydropower and Pumped Storage, 2018, 4(3): 9-15, 97.

[26] 辛鵬, 戈寶軍, 陶大軍, 等. 多極隱極發(fā)電機勵磁繞組匝間短路時的定子分支環(huán)流諧波特性[J]. 電工技術(shù)學(xué)報, 2017, 32(7): 67-76.

Xin Peng, Ge Baojun, Tao Dajun, et al. Stator branch circulating current harmonic characteristics of multi- pole non-salient-pole generator with field winding inter-turn short circuits[J]. Transactions of China Electrotechnical Society, 2017, 32(7): 67-76.

[27] 錢國超, 趙仲勇, 鄒德旭, 等. 基于連續(xù)小波變換的變壓器繞組變形故障類型檢測[J]. 高電壓技術(shù), 2017, 43(6): 2016-2023.

Qian Guochao, Zhao Zhongyong, Zou Dexu, et al. Detection of transformer winding deformation fault types based on continuous wavelet transform[J]. High Voltage Engineering, 2017, 43(6): 2016-2023.

Diagnosis of Inter-Turn Short Circuit in Excitation Winding of Pumped Storage Units Based on Time-Frequency Map of Circulating Current

（School of Electrical and Electronic Engineering North China Electric Power University Baoding 071003 China）

As key electrical equipment, the operational continuity and reliability of pumped storage units are significant to the construction of new power systems. During operation, the inter-turn insulation of the excitation winding is susceptible to deterioration due to multiple factors, such as unbalanced electromagnetic force, thermal stress, and external mechanical stress. It is important to quickly and accurately extract the early weak fault characteristics of inter-turn short circuits (ITSC) and organize timely condition maintenance. The condition monitoring of ITSC faults in the excitation winding is susceptible to dynamic/static eccentricity and armature response, and early fault characteristics are hard to identify. Therefore, this study proposes a fault diagnosis method based on a time-frequency circulating current (TFMCC) map.

Firstly, this study derives the equations for the same phase multi-branch circulating current in the dynamic/static eccentricity and static eccentricity composite ITSC states, and obtains the characteristic harmonics of the circulating current in each state. Secondly, a two-dimensional finite element simulation model of 334 MV·A is constructed, and the magnitude of the same phase branch circulating current under each state is calculated. Comparative experiments have verified that TFMCC can effectively distinguish between eccentricity, armature reaction disturbance, and ITSC faults. Finally, based on the salient synchronous generator simulation platform, the operating conditions of ITSC with different fault levels are simulated.

Simulation results show that changes in the dynamic/static eccentricity degree cause the time domain amplitude of circulating current changes, and the armature response and dynamic eccentricity also cause the appearance of characteristic fractional harmonics. Accordingly, ITSC fault diagnosis by a single-time domain analysis or spectrum analysis can easily lead to fault misclassification. The TFMCC allows the fault to be located at the moment of occurrence. The signal intensity at the characteristic frequencies (5.5, 11, 22, 28, 39, 44.5 Hz) is significantly enhanced compared to the normal state. Meanwhile, a comparison with the dynamic/static eccentricity shows that the signal intensity of the dynamic eccentricity is mainly concentrated at 55.5 Hz, and the static eccentricity is mainly concentrated at 50 Hz. The signal intensity distribution is differentiated from that of ITSC faults. The ratio of the signal intensity difference energy (SIDER) are 7.13% and 13.96% for the no-load ITSC condition, and 6.66% and 13.44% for the load ITSC condition, much greater than zero, which can effectively identify the ITSC faults.

The experiments on salient synchronous generator show that: the TFMCC of static eccentric compound ITSC 2.5%, 5%, and 7.5% under no-load conditions, the signal intensity at the intersection of time and characteristic frequency has changed significantly, and the signal intensity differences at 25 Hz before and after the fault are 13.05, 21.06, and 29.86 dB, respectively. The SIDER are 4.16%, 5.23%, and 11.11%, respectively. Meanwhile, the static eccentricity compound ITSC of 1%, 2.5%, and 4.9% under load conditions, and the signal intensity differences at 25 Hz before and after the fault are 29.64, 38.56, and 71.81 dB, respectively. The SIDER are 2.28%, 3.13%, and 15.68%, respectively, which shows that the method can effectively detect weak ITSC faults and locate the time of fault occurrence.

The experimental results demonstrate that the method eliminates static eccentricity and armature response disturbances, and visualizes the operating conditions of the unit with a three-dimensional map that includes operating time, characteristic frequency, and signal intensity. At the same time, to effectively identify weak ITSC faults, this study also calculates that the SIDER of the time-frequency matrix can further quantify the magnitude of the fault and prevent false alarms, which can provide guidance for field operation and inspection personnel to carry out condition maintenance work.

Pumped storage units, excitation winding, inter-turn short circuit, time-frequency map of circulating current

齊 鵬 男，1991年生，博士研究生，研究方向為旋轉(zhuǎn)電力設(shè)備運行特性分析及故障診斷。E-mail: qipeng91@foxmail.com

武玉才 男，1982年生，副教授，碩士生導(dǎo)師，研究方向為旋轉(zhuǎn)電力設(shè)備運行特性分析及故障診斷、高速磁懸浮及驅(qū)動系統(tǒng)設(shè)計。E-mail: wuyucaincepu@163.com（通信作者）

TM311

10.19595/j.cnki.1000-6753.tces.221466

國家自然科學(xué)基金（52277048）和河北省自然科學(xué)基金（E2020502064）資助項目。

2022-07-29

2022-08-19

（編輯 崔文靜）