利用微粒群算法提取的正负序相量检测感应电机定子故障

王攀攀，史丽萍

（中国矿业大学 信息与电气工程学院，江苏 徐州 221116）

0 引言

定子绕组匝间短路是感应电动机最常见的故障之一，约占电机故障的30%～40%[1]，并且此类故障往往会导致相间短路、对地短路等严重故障，因此对电机定子进行早期检测和诊断具有重要意义。

近年来，随着信号处理技术、人工智能和计算机等技术的发展，已涌现出许多各具特色的检测方法。文献[2-3]以定子负序视在阻抗（即负序电压与负序电流的比值）作为故障特征量对电机定子匝间短路故障进行检测，消除了电源电压不平衡的影响，但是这一比值随着负载的变化而变化。文献[4]利用瞬时功率分解算法获得电压、电流信号中的负序分量，并通过参数辨识从总的负序电流中分离出与故障相关的部分，但是辨识参数较多，计算较繁琐。文献[5]将对角递归神经网络应用于定子故障严重程度的估算，确定绕组短路匝数，但是该方法需要大量数据进行训练学习，在实际工程中较难满足。文献[6]以电机断电后定子感应电压的3次谐波作为故障特征，消除了负序电压的影响，但是不能实现在线实时监测。 文献[7]通过检测频率近似为（p为极对数，f1为电源频率）的定子电流谐波或某些齿槽谐波，来实现匝间短路故障诊断。文献[8]将多参考系理论应用于定子匝间短路故障检测，取得了较好效果。文献[9-10]通过对感应电机的参数识别进行故障检测，但是由于感应电机模型比较复杂，参数很难得到准确的识别。……