بخشی از مقاله
چکیده
در این مقاله از روش پاسخ فرکانسی حالت ایستا - SSFR - برای تخمین پارامترهای ژنراتور سنکرون استفاده شده است. هدف از تخمین پارامترهای ماشین، طراحی بهتر سیستم کنترل قدرت و حصول اطمینان از سالم بودن ژنراتور و عدم وجود عیب در آن بوده است. از الگوریتم ژنتیک برای برازش منحنی پاسخ فرکانسی بدست آمده بر روی مدل مورد نظر استفاده شده است. در انتها مقادیر پارامترهای تخمین زده شده با مقادیر نامی شرکت سازنده مقایسه شدهاند که از سالم بودن ژنراتور اطمینان حاصل گردد و همچنین نشان داده شود که الگوریتم به کار رفته از قابلیت بالایی برای تخمین پارامترهای ماشین سنکرون با استفاده از داده های پاسخ فراکانسی حالت ایستا را دارد.
واژههای کلیدی:ژنراتور سنکرون، تخمین پارامتر، الگوریتم ژنتیک، تشخیص عیب و SSFR
.1 مقدمه
موتورهای القایی یکی از حساسترین اجزا بسیاری از فرآیند های صنعتی میباشند و بطور گسترده در تجهیزات تجاری موجود و فرآیند های صنعتی مورد استفاده قرار میگیرند.[1] در بسیاری از کشورها نیروگاهها منابع قدرت هستند که در این نیروگاهها نیز ژنراتورهای سنکرون عامل ایجاد انرژی الکتریکی هستند که داشتن پارامترهای دقیق این ژنراتورها موجب طراحی بهینه و پایداری سیستمهای کنترل قدرت نیروگاهها میشود.[2] ژنراتورهای سنکرون نیز بخشی از موتورهای القایی هستند. تاریخچه تشخیص عیب و محافظت از موتورهای القایی به قدمت آنان بر میگردد. در ابتدا از محافظتهای ساده نظیر محافظت در برابر اضافه ولتاژ و اضافه جریان استفاده میشد .[3]
در دو دهه گذشته، تحقیقات وسیعی به منظور ایجاد روشهای جدید مانیتورینگ وضعیت در موتورهای القایی بر اساس تحلیل نوسانات سیگنال جریان یا سیگنالهای غیر از جریان انجام شده است [4] و ابزارهای تجاری متعددی نیز در این زمینه موجود میباشد. با وجود این ابزارها, هنوز بسیاری از کارخانهها با عیبهای غیرمنتظره مواجه میشوند که باعث کاهش عمر مفید موتور و ایجاد خسارات زیادی میشود. عواملی نظیر محیط کار, وظیفه سنگین و مشکلات نصب، سبب شتاب بخشیدن به ایجاد عیب زودتر از آنچه که پیش بینی شده بود, میشود.[4]ساختارکلی همه موتورهای القایی، متشکل از سه قسمت اصلی استاتور ، روتور و قسمتهای مکانیکی است. عیبهای احتمالی موتورهای القایی نیز بر اساس این تقسیمبندی به صورت زیر دستهبندی میشوند:
.1 شکستگی میله های روتور و حلقه های انتهایی
.2 عیبهای سیم پیچی استاتور
.3 عیبهای بلبرینگ
.4 عیبهای مربوط به خروج از مرکز فاصله هوایی این عیبها حداقل یکی از علائم: ایجاد عدم تعادل در ولتاژها و جریانهای خط و فاصله هوایی ، افزایش گشتاور ضربهای ،کاهش گشتاور میانگین، افزایش تلفات و کاهش راندمان و یا تولید گرمای بیش از حد را ایجاد میکند:[3]شکل 1 درصد خرابی قسمتهای مختلف در یک موتور القایی را نشان میدهد.[5] همانطور که مشاهده میشود عدم تشخیص یک عیب در مراحل اولیه باعث افزایش تلفات انرژی و رشد عیب به قسمتهای دیگر میشود.[3]
در دو دهه گذشته تحقیقات وسیعی به منظور ایجاد روشهای جدید مانیتورینگ وضعیت در موتورهای القایی براساس تحلیل نوسانات سیگنالهای الکتریکی موتور یا سیگنالهای ارتعاشی بدنه موتور انجام شده است. روشهای آنالیز سیگنالهای الکتریکی را میتوان به دو بخش برپایه سیگنال1 - خارجی - 2 و برپایه مدل3 - داخلی - 4 تقسیم کرد. در شکل 2 این تقسیم بندی به اختصار بیان شدهاست .[6]همچنان که در شکل 2 نشان داده شده است یکی از روشهای تشخیص عیب ماشین روشهای داخلی است که عبارت است از مدلسازی ماشین و مقایسه پارامترهای مدل با پارامترهای مدل سالم که وجود اختلاف بین این مقادیر بیانگر وجود عیب در ماشین است.
تخمین پارامترهای ژنراتور سنکرون با استفاده از داده SSFR بعد از دهه هشتاد میلادی به صورت جدی مطرح گردید. به کمک این روش امکان شناسایی دقیقتر پارامترهای ژنراتور سنکرون و بدست آوردن مدل مرتبه بالاتر ماشین فراهم میگردد .[7] بورتانی و جاردینی در [2] روشی جدید برای تعیین محل محور های طولی و عرضی برای انجام تست SSFR بر روی ژنراتور های سنکرون با تعداد قطبهای بالا ارائه دادهاند. همچنین در [8] کیهانی، روش بیشینه احتمال - Maximum Likelihood - و فیلتر کالمن را برای تخمین پارامترهای ژنراتور سنکرون استفاده کرده است. در[9]، دندریو و همکارانش، نتایج حاصل از اعمال روش SSFR را بر روی نیروگاههای مختلف آوردهاند و در[10] از روش الگوریتم ژنتیک ترکیبی برای تخمین پارامترهای ژنراتور سنکرون با استفاده از داده SSFR استفاده شده است.
در مقاله حاضر، روش الگوریتم ژنتیک برای تخمین ژنراتور سنکرون که مقادیر نامی ژنراتور سنکرون مورد آزمایش در جدول ضمیمه آمده است با استفاده از داده SSFR به کار برده شده است. این مقاله به صورت زیر سازماندهی شده است:
