1.2.5 发电机故障诊断

大型发电机的监测与故障诊断是电工领域内一个重要的研究课题，最近几十年世界很多国家开展了在线监测和诊断技术的研究，并逐步推广应用。自20世纪80年代以来的国际大电网（CIGRE）历届年会中，发电机的故障检测和诊断列为SC-11（旋转电机）委员会的中心议题之一。

1. 发电机故障诊断的基本方法

1）电气分析法 通过频谱等信号分析方法对负载电流的波形进行检测，从而诊断出发电机设备故障的原因和程度；检测局部放电信号；对比外部施加脉冲信号的响应和标准响应等。

2）绝缘诊断法 利用各种电气试验装置和诊断技术对发电机设备的绝缘结构和参数及工作性能是否存在缺陷做出判断，并对绝缘寿命做出预测。

3）温度检测方法 采用各种温度测量方法对发电机设备各个部位的温升进行监测，发电机的温升与各种故障现象相关。

4）振动与噪声诊断法 通过对发电机设备振动与噪声的检测，并对获取的信号进行处理，诊断出发电机产生故障的原因和部位，尤其是对机械损坏的诊断特别有效。

5）化学诊断的方法 可以检测到绝缘材料和润滑油劣化后的分解物以及一些轴承、密封件的磨损碎屑，通过对比其中一些化学成分的含量，可以判断相关部位元件的破坏程度。

2. 发电机故障的现代分析方法

1）基于信号变换的诊断方法 发电机设备的许多故障信息是以调制的形式存在于所监测的电气信号及振动信号之中，如果借助于某种变换对这些信号进行解调处理，就能方便地获得故障特征信息，以确定发电机设备所发生的故障类型。常用的信号变换方法有希尔伯特变换和小波变换。基于信号变换的故障诊断方法在发电机设备故障诊断的实际应用中取得了很多成果；尤其是小波变换，很适合探测正常信号分析中夹带的瞬态反常现象并展示其成分，在发电机设备机械故障诊断中占有重要地位。但基于信号变换的诊断方法缺乏学习功能。

发电机的故障与其征兆之间的关系错综复杂，具有不确定性及非线性，用人工智能方法恰好能发挥其优势，已用于发电机故障诊断的人工智能技术主要有：模糊逻辑、专家系统、神经网络等。

2）基于专家系统的诊断方法 该方法是根据专家以往经验，将其归纳成规则，并运用经验规则，通过规则推理进行故障诊断。基于专家系统的诊断方法具有诊断过程简单、快速等优点，但也存在着局限性，基于专家系统的方法属于反演推理，因而不是一种确保唯一性的推理方法，该方法存在着获取知识的瓶颈。

3）基于人工神经网络（Artificial Neural Network, ANN）的诊断方法 简单处理单元广泛连接而成的复杂的非线性系统，具有学习能力，自适应能力，非线性逼近能力等。故障诊断的任务从映射角度看就是从征兆到故障类型的映射。用ANN技术处理故障诊断问题，不仅能进行复杂故障诊断模式的识别，还能进行故障严重性评估和故障预测，由于ANN能自动获取诊断知识，使诊断系统具有自适应能力。

4）基于集成型智能系统的诊断方法 随着发电机设备系统越来越复杂，依靠单一的故障诊断技术已很难满足复杂的发电机设备的故障诊断要求，因此上述各种诊断技术集成起来形成的集成智能诊断系统成为当前发电机设备故障诊断研究的热点。

主要的集成技术有：基于规则的专家系统与ANN的结合，模糊逻辑与ANN的结合，混沌理论与ANN的结合，模糊神经网络与专家系统的结合。

以上只是大致分类，一些方法既可用于发电机故障诊断，又可用于电动机故障诊断。