[发明专利]一种调相机绝缘故障预测方法及系统

权利要求书

1.一种调相机绝缘故障预测方法，其特征在于，所述方法包括以下操作：

获取被诊断调相机绝缘的电老化数据、热老化数据、机械老化数据以及环境老化数据，并剔除数据中的奇异点；

通过大量调相机历史运行中形成的与所采集数据相关的参数，形成学习样本集，进行学习分类并形成学习分类模型；

确定小波神经网络结构参数；

根据结构参数以及学习样本集进行网络训练，获得小波神经网络模型；

利用小波神经网络模型输出调相机绝缘故障状态的预测结果。

2.根据权利要求1所述的一种调相机绝缘故障预测方法，其特征在于，所述电老化数据包括安装于电机中性点接地线上的中性点耦合局部放电监测器的局部放电数据、安装于线圈顶部和槽楔下部的槽耦合器的局部放电数据以及安装于调相机多个测点的局部放电监测器的局部放电数据；所述热老化数据包括监测调相机转子表面温度分布和转子温度数据以及安装于调相机的定转子绕组周围的多个测点的温度数据；所述机械老化数据包括定子绕组端部振动监测器监测到的端部振动和位移数据、安装在调相机的转轴和机座周围多个测点监测到的振动幅值、频率以及轴心轨迹的数据；所述环境老化数据包括监测调相机绝缘湿度和油污的相关数据。

3.根据权利要求1所述的一种调相机绝缘故障预测方法，其特征在于，所述小波神经网络结构参数包括学习速率、误差阈值、输入层节点数、隐含层节点数以及输出层节点数。

4.根据权利要求1所述的一种调相机绝缘故障预测方法，其特征在于，所述小波神经网络模型采用的小波基函数为Morlet母小波基函数。

5.一种调相机绝缘故障预测系统，其特征在于，所述系统包括：

数据获取模块，用于获取被诊断调相机绝缘的电老化数据、热老化数据、机械老化数据以及环境老化数据，并剔除数据中的奇异点；

学习样本集确定模块，用于通过大量调相机历史运行中形成的与所采集数据相关的参数，形成学习样本集，进行学习分类并形成学习分类模型；

神经网络结构参数确定模块，用于确定小波神经网络结构参数；

网络训练模块，用于根据结构参数以及学习样本集进行网络训练，获得小波神经网络模型；

预测结果输出模块，用于利用小波神经网络模型输出调相机绝缘故障状态的预测结果。

6.根据权利要求5所述的一种调相机绝缘故障预测系统，其特征在于，所述电老化数据包括安装于电机中性点接地线上的中性点耦合局部放电监测器的局部放电数据、安装于线圈顶部和槽楔下部的槽耦合器的局部放电数据以及安装于调相机多个测点的局部放电监测器的局部放电数据；所述热老化数据包括监测调相机转子表面温度分布和转子温度数据以及安装于调相机的定转子绕组周围的多个测点的温度数据；所述机械老化数据包括定子绕组端部振动监测器监测到的端部振动和位移数据、安装在调相机的转轴和机座周围多个测点监测到的振动幅值、频率以及轴心轨迹的数据；所述环境老化数据包括监测调相机绝缘湿度和油污的相关数据。

7.根据权利要求5所述的一种调相机绝缘故障预测系统，其特征在于，所述小波神经网络结构参数包括学习速率、误差阈值、输入层节点数、隐含层节点数以及输出层节点数。

8.根据权利要求5所述的一种调相机绝缘故障预测系统，其特征在于，所述小波神经网络模型采用的小波基函数为Morlet母小波基函数。

9.一种调相机绝缘故障预测设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，以实现根据权利要求1至4任意一项所述的调相机绝缘故障预测方法。

10.一种可读存储介质，其特征在于，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现根据权利要求1至4任意一项所述的调相机绝缘故障预测方法。