大年夜型发电机定子绝缘寿命猜测的3种方法

为了担保发电机组稳定运行，将发电机在发生绝缘破坏之前退出运行，就要进行电机定子绝缘老化评估以及寿命预测。
近年来，电机绝缘剩余寿命预测的方法有三种：基于回归剖析的预测、基于智能算法的预测和基于数据采集的预测。

1 绝缘预测数据的干系性剖析

进行绝缘寿命预测，不仅要关注绝缘预测方法，也要关注评估影响寿命的应力参数，这有助于提高绝缘预测模型的性能。
运用较为广泛的参数评估方法包括实验设计法（Design of Experiments, DoE）和相应面法（Response Surface Method, RSM）。

DoE可应对多种成分，挑选实验条件，进行实验方案，给出最佳实验方案的方法，其优点在于通过安排合理的实验减少实验次数，同时剖析多个成分中与研究课题干系性最大的成分，以及成分之间的相互关系，找出最优的参数组合达到提高实验精度的目的。

N. Lahoud等利用DoE剖析局部放电状态下旋转电机绝缘老化的过程，建立并验证理论寿命模型，确定了绝缘寿命模型的最佳特色参数。
结合逆功率模型，给出电应力水平；测试在不同频率下温度与寿命的关系，给出热应力水平和频率的影响程度，通过威布尔分布，剖析了各成分对应电机寿命的效应值，创造电压与温度的影响最大，且二者具有最高的交互性。

由于每个变量都设置了特定的试验次数，会涌现多种试验搭配，利用分数方案，根据威布尔分布的评估结果选取一半的试验量，大大减少了试验次数。
DoE法结合物理模型，评价因子对寿命的干系性，利用偏差剖析进行实验方法的调度，既节省实验韶光，又剔除干系性低的数据组合，提高测试数据的利用代价。

相应面法是利用合理的试验设计方法得到一定数据，实在验数量筛选办法与DoE法类似，采取多元二次方程来拟合各成分与相应值之间的函数关系，与回归剖析的差异在于：相应面可以通过对自变量的合理取值来求得最优值，相应面法的运用不仅办理了多变量问题，而且可以直不雅观地将函数关系以三维曲面的形式展现出来。

A. Picot等将电应力与温度分为不同的应力水平，打算各个成分相对寿命的效应值，将结果运用于相应面法中，以三维图像的形式给出各成分间的干系关系，依照多元二次方程组，按照各成分量化的影响，建立电应力、温度与绝缘寿命的数量关系。
模型通过电应力与温度的应力值乘积来表征变量间的相互影响，使预测模型的准确性得到了提高。
但是，将交互浸染作为独立的变量进行打算，无法清晰地反响成分之间的干系关系。

为了便于理解影响因子与绝缘寿命的关系，可以结合回归树（Regression Tree, RT）对影响因子进行划分。
RT是决策树的一种，事理为递归地将每个区域划分为两个子区域，并决定每个子区域上的输出值。

F. Salameh等结合RT和RSM提出HM（hybrid model）稠浊模型，其事理是通过RT识别电压、频率和温度参数中主要的成分及其按参数值大小进行分裂得到的分割值，然后在主因子的范围内定义两个其他因子的系数，将电压、温度和频率作为预测因子，以寿命韶光作为相应，进行RSM拟合得到终极的寿命预测结果。
HM法结合了RT对紧张成分的相对主要性评价和RSM对每个成分影响效应的量化，比较DoE法与单独的RSM法，预测精度更高。

由于实际工业发电机检测的须要，依据老化趋势进行绝缘寿命预测的方法起源较早，可以追溯到1994年，后来又发展出基于回归剖析的预测方法。
日本学者后藤和夫提出的NY图像法，第一次整合影响绝缘老化的多种参数，将起动停滞次数和运行韶光分别对应老化特色量，从而剖析定子线圈在冷热循环以及电、热老化的影响下的运行韶光与击穿电压，得出在不同韶光段各种老化成分所占的比重。

日本学者金神雅树提出局部放电参数预测法，通过研究定子线圈非毁坏参量与击穿电压的干系性，得到了较为准确的绝缘寿命预测公式。
这两种方法均为剩余击穿电压的预测，对近年来的绝缘寿命预测有着重要的辅导浸染。

1）基于神经网络的预测

随着人工神经网络理论的不断完善，凭借其出色的适应性和良好的泛型，广泛用于AI行业作为深度学习的根本算法。

在绝缘寿命预测的研究中，线性拟合法具有局限性，首先，寿命预测的准确性和模型包含的变量数是干系的，拟合法在多变量预测中的难度较大。
其次，在拟合法中常日将具有一定趋势的表征参数-韶光数据，近似拟合成为直线或高次曲线，这种办法无法拟合股料老化过程中的非线性关系，其预测偏差对数据的非常值非常敏感，影响了预测方法的实用代价。

神经网络可以实现从输入到输出的映射功能，具有实现任何繁芜非线性映射的能力，这使它非常适宜处理绝缘性能表征参数与寿命的非线性问题。

鲍晓华等以高压潜水电机为研究工具，为了应对其分外的事情环境难以检修的问题，进行绝缘寿命预测，采集潜水电机在不同温度、不同电压、不同水深下电机的寿命数据，将电机的三个运行条件作为输入变量，利用反向传播（Back Propagation, BP）神经网络构建运行条件与寿命的对应关系，从而预测任一运行条件下的潜水电机绝缘寿命，其预测偏差在0.2之间。

一样平常的BP神经网络，由于网络内输出层权值更新算法为累计偏差算法，在偏差打算与后传偏差过程中的打算量较大，导致算法收敛慢，偏差平方和函数随意马虎陷入局部极小值，降落了预测精度。

曾裕和汪庆年分别利用果蝇算法和粒子群算法对一样平常BP神经网络的阈值和权重的改动办法进行优化。
果蝇算法和粒子群算法都具有全局寻优能力强、收敛速率快和辨识精度高的特点，将这两种算法替代原始的BP神经网络中调度权值的累计偏差算法，每轮神经网络的迭代打算结果得到的方均偏差作为算法的适应度函数，这样将每次通过新算法优化后的权值和阈值返回神经网络，由此再进行下一轮演习。

根据文献中与原始方法结果的比较可以看出，优化模型可以有效地提高预测精度，并且使迭代次数大幅降落。

偏最小二乘法（Partial Least-Square Method, PLS）最初在经济学中被提出，后来经发展被广泛运用于计量统计领域。
此算法具有寻求在回归剖析中多变量干系性、小样本的能力，运用于绝缘寿命预测可以提取数据集中干系性最高的信息。

李锐华等结合径向基函数（Radial Basis Function, RBF）神经网络与PLS，将这个经济学领域的算法引入绝缘预测中来，选取介质损耗角正切、介质损耗角正切增量、最大局部放电量、局放统计参量偏斜度、翘度作为非毁坏特色参量，预测击穿电压。
考虑到参量间具有的共线性问题，利用PLS对参量进行降维处理，提取参量与击穿电压干系性最高的信息。

这种数据处理办法可以很好地肃清参量间的影响。
RBF神经网络的隐含层是径向基函数，其权值函数根据数据点与径向基函数中央的差向量模进行调度，形成局部逼近网络，大大提高了网络的学习效率。
将PLS处理后的低维数据作为神经网络的输入，演习网络预测击穿电压，这种稠浊算法的均匀预测相对偏差为4.59%，准确度较高。

2）基于模糊系统的预测

模糊系统预测可以在任意精度上逼近任何定义在一个非线性函数，在功能上与神经网络类似。
模糊系统预测与神经网络的差异在于，模型依赖建立输入值与输出值的线性关系，这个线性关系是由每个输入变量对应的从属度函数下的真值函数构成的，经由多组演习，不断调度这些从属关系，终极得到一种输入到输出的非线性映射关系。

T. G. Arora等利用模糊预测系统，结合逆功率定律通过专家评判的方法，谈论电压和电流波形失落真造成的绝缘破坏；评价电压峰值、电压上升速率和热应力三种影响成分时，根据其大小分为低、中、高和非常高，估计寿命分类为非常差、差、均匀和正常，基于此专家评价等级进行寿命参数评估。

M. Hammer等利用Sugeno型模糊系统进行研究，通过加压测试得到Ba（极化能）、Bv（导电效应能）、Uk（临界击穿电压），统计剖析得出极化能与击穿电压的干系性最好。
Sugeno型模糊系统采取高斯型从属函数，构建由极化能到Up（绝缘实际击穿电压）的非线性映射，从而达到预测的目的。

为理解决实验数据获取困难的问题，提出一种人工采样的函数办法供应数据，处理数据与测试数据的重合性后，作为模糊模型的演习集，利用测试数据作为对照集进行模糊预测。
在剩余击穿电压的预测中，此方法相对偏差仅为0.175%。
模糊系统预测办法的偏差是上述预测方法中最低的，这与算法充分利用参数估计的方法来确定系统参数有关。

大型电机定子绝缘寿命预测对运行历史数据的依赖性强，实时供应绝缘寿命的预测结果的难度大。

J. K. Nelson等提出动态老化理论（Dynamic Aging Theory, DAT），根据在线监测系统得到的数据，建立一个连续的寿命预测系统。
捕捉PD相位角谱中得到的瞬时电压，即动态滞止电压（Dynamic Stagnation Voltage, DSV），将DSV作为材料老化程度的评定指标，当材料内部涌现树枝状的导电通道，随着导电通道的延伸，终极认为材料击穿，由此机理建立三维电树枝模型，确定DSV随韶光递减的关系，再结合DSV的特点，推得DSV与电应力变革的关系和绝缘老化率，从而达到在线连续预测绝缘剩余寿命的目的。

此方法需结合声学技能赞助提高预测模型的精度，对数据采集环境有严格的哀求。

本文编自《电工技能学报》，原文标题为“电机定子绝缘老化寿命预测研究进展”，作者为高俊国、孟睿潇 等。