技术领域
[0001] 本发明涉及故障诊断技术领域，具体是一种基于知识库的励磁故障诊断方法及工艺。
相关背景技术
[0002] 励磁系统是电能生产过程中向发电机提供励磁电流以建立磁场的专业设备，它不仅关系到发电机安全稳定运行，同时还对电力系统的稳定运行起着重要的作用。随着单机容量越来越大，励磁系统对发电厂及电网的安全稳定影响也越来越大，如何监测励磁系统的运行状态及评价其安全性也越发显得重要。
[0003] 励磁系统更是发电机组安全稳定运行的关键，针对励磁系统的故障诊断和研究可以避免故障进一步发展，维护机组稳定安全运行，但是现在针对较为复杂的故障时或者系统同时发生多种故障时，单一的信息并不能有效的发现故障，能找到故障原因的可能性更小，因此，我们提出了一种基于知识库的励磁故障诊断方法及工艺来解决上述所提到的问题。
具体实施方式
[0021] 在一个实施例中，如图1所示，一种基于知识库的励磁故障诊断方法及工艺，包括以下步骤：
[0022] 步骤一：按时序采集励磁系统待诊断的状态数据；对励磁系统待诊断的状态数据进行预处理；
[0023] 步骤二：通过知识库中预先练好的LSTM‑CNN混合神经网络故障诊断模型中进行诊断，得到励磁系统的故障诊断结果；
[0024] 步骤三：也可以通过知识库中的在线监测处理模块根据传感器采集单元采集的发电机励磁系统的工作状态信息，采用故障树分析法对发电机励磁系统的故障进行提前预警，或对发电机励磁系统发生的故障进行诊断；
[0025] 在励磁系统实时运行时，若运行状态发生异常则系统进行故障检测，异常情况包括告警、限制、故障等非正常运行状态；检测主要判断系统是否发生故障及将故障数据导入故障树中，并根据故障时刻的发电机及励磁系统测量信号、发电机实时运行数据通过励磁系统故障树，得出该故障具体的故障部位、故障类型与故障严重程度，根据诊断出的具体故障信息给出机组排障与检修的建议，为运行人员及时提供操作建议，为检修维护人员提供故障查找依据。
[0026] 步骤一中的状态数据包括：励磁变二次侧电压、励磁变温度、有功功率、无功功率、机组频率、定子电压、功率因数、稳定性、动态特性、励磁电压、励磁电流、触发脉冲、触发角、风机温度、碳刷温度、转子温度、灭磁开关、灭磁波形数据；
[0027] 步骤二中的故障诊断结果包括：开机过程故障、励磁调节器故障、励磁功率单元故障、励磁变压器故障、灭磁回路故障；
[0028] 步骤一中按时序采集励磁系统待诊断的状态数据是通过励磁装置原有的霍尔型励磁电压、电流传感器检测脉动励磁电压、电流；
[0029] LSTM‑CNN混合神经网络故障诊断模型包括：LSTM神经网络模型和CNN神经网络模型；所述LSTM神经网络模型包括：第一输入层、隐藏层和输出层；所述CNN神经网络模型包括：第二输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层；
[0030] LSTM‑CNN混合神经网络故障诊断模型的训练过程：获取励磁系统历史时段各时刻的状态数据、状态数据对应的故障特征数据、故障特征数据对应的故障类型数据，并对状态数据、状故障特征数据、故障类型数据进行预处理；将预处理后的状态数据、状故障特征数据、故障类型数据划分为训练集和测试集；以训练集中的状态数据为输入，以训练集中状态数据对应的故障特征数据为输出，将交叉熵作为模型的损失函数，用自适应矩阵估计Adam优化算法进行训练，得到初始的LSTM神经网络模型，然后对模型进行校验，得到训练好的LSTM神经网络模型；以训练集中的故障特征数据为输入，以训练集中故障特征数据对应的故障类型数据为输出，将交叉熵作为模型的损失函数，用自适应矩阵估计Adam优化算法对模型进行训练，得到初始的CNN神经网络模型，然后对模型进行校验，得到训练好的CNN神经网络模型；
[0031] 步骤三中的在线监测处理模块包括分析处理单元、生成单元、存储单元；所述分析处理单元用于根据触发条件，对发电机励磁系统的工作状态信息进行分析，获取满足触发条件的工作状态信息；所述生成单元用于将满足触发条件的工作状态信息生成波形文件；所述存储单元用于存储生成的波形文件；触发条件包括告警、限制、故障；
[0032] 在线检测处理模块采用高性能硬件平台，采用多核结构，包含电源板、模拟量板、DSP板、CPU板、FPGA模块、开关量输入输出板。具备12路100V电压、6路5A电流、4路4‑20mA信号、69路开关量的高速同步采样测量能力；并具备丰富的通讯接口。采集发电机定子电压电流、励磁电压电流、风速、温度等模拟量信号，和励磁系统常规开关量输入信号，经DSP与CPU板对数据进行分析处理，满足告警、限制、故障等触发条件之后把记录的所有量生成标准COMTRADE格式波形文件，存储于装置内部并同步上送就地监控单元及移动终端单元；
[0033] 并在就地显示单元对发电机励磁故障、限制、告警进行判断显示，在在线监测处理单元分析诊断故障发生原因，定位故障源，上送至监控显示单元与移动终端；装置具有海量存储器，对运行日志记录和采集数据长期存储，用于通过大时间跨度的历史记录比较对励磁某些器件寿命提前预警，提出系统检修建议。
[0034] 步骤三中传感器采集单元使用RS‑485与在线监测处理单元通讯连接，用于将功率柜风速传感器、功率柜电流传感器、励磁系统电压电流传感器、灭磁电流传感器、灭磁电阻温度传感器、灭磁开关红外热成像仪、阻容吸收单元温度传感器输出的4‑20mA信号上传至在线监测处理模块；
[0035] LSTM‑CNN混合神经网络故障诊断模型是以历史时段内各时刻的励磁系统的状态数据作为输入，以历史时段内各时刻的所述励磁系统的状态数据对应的故障诊断结果作为输出进行训练得到的；
[0036] 本发明具有多源数据的采集，多维的状态数据作为模型的输入可以更精确的反映故障信息，可以更精确的定位故障，同时构建的LSTM‑CNN组合模型能充分提取数据中的故障特征，在LSTM神经网络模型提取故障特征的基础上进一步使用CNN神经网络模型进行特征提取，可以深层次发掘故障数据时间和空间上的隐藏特征，提高故障诊断的准确性；具有完整的传感器采集单元，可实现发电机励磁系统工作状态信息的实时采集，对发电机励磁系统进行全息检测；根据采集的工作状态信息，使用故障树分析法对发电机励磁系统的故障进行提前预警，并对发生的故障进行诊断，提高故障诊断的便捷性。
[0037] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
