文献综述（或调研报告）：
同步调相机本质上是特殊运行状态下的同步电机，它按本体的结构类型可分为凸极和隐极两种，从进相能力满足电力系统要求的情况下，大容量同步调相机采用隐极机。由于调相机的结构与汽轮发电机大体类似，同步调相机的故障特性与同步发电机基本一致。
3.1同步电机定子匝间短路故障特性分析研究现状
对于同步电机定子匝间短路故障，在分析定子绕组的内部故障时，过去多采用对称分量法，如文献[1]最先提出将对称分量法用于发电机定子绕组故障研究。但由于故障过程中谐波分量的存在使得对称分量法中各相序分量之间发生相互依存关系，此时再采用对称分量法进行研究准确性大打折扣，限制了其广泛应用性。
对此问题我国著名学者清华大学高景德、王祥珩教授提出了多回路法[2]。该方法以电机中单个线圈为研究对象，根据电机中各线圈之间的实际连接情况，构建定、转子绕组的电压及磁链方程从而进一步得到电机各种状态下各电气量的稳态及暂态变化过程。国内众多科研人员利用该方法取得了大量的研究成果。文献[3]推导了分数极路比绕组变节距定子线圈间互感、定子和阻尼以及定子和励磁回路互感计算公式，给出了适用于典型内部故障的通用回路变换矩阵，建立了分数极路比同步发电机内部故障的多回路模型。文献[4]利用多回路分析法，对定子绕组匝间短路时的短路匝比、故障位置、系统电压不对称及负载变化等因素对电机的影响进行了分析。文献[5]利用多回路法对发电机内部发生各种非对称短路故障时的过渡过程进行了研究，提出了用于发电机内部定子绕组故障保护的主保护方案。文献[9]改进了原来的多回路数学模型中对定子回路的选择 不仅可对同步发电机机端各种外部短路故障和单机空载下的各种定子内部故障进行暂态过程的仿真，还实现了负载时内部各种故障的暂态仿真。
而目前随着计算机技术的发展，已经广泛采用有限元分析法来解决发电机内部磁场非线性问题。有限元分析法是同步电机定子匝间短路故障常用的模拟方法，它通过改变定子线圈阻抗的大小来模拟故障的发生及其严重程度，设定电机运行环境，对电机故障进行仿真，并对仿真结果中的定子电流或其它输出信号进行分析，分析方法不同，便形成了不同的诊断方法。在分析定子绕组匝间短路问题时，当给定的已知条件是电流时，利用有限元分析法能够很方便的求解非线性磁场问题。而对于给定条件为发电机机端电压或其他电压时，可采用电流迭代法或场-路耦合法进行分析。文献[6]对定子绕组匝间短路故障时的气隙磁场进行了分析，并利用电磁力的能量计算法，对故障时定转子的振动特性进行了研究，并进行了实验验证。文献[7]在考虑振动偏心的基础上，对发电机正常运行及定子绕组匝间短路故障时的电磁转矩进行了理论分析，并进行了实验验证。文献[8]提出在考虑发电机实际结构、磁饱和等因素的基础上，进一步将电网结构参数及励磁控制系统作用予以考虑，建立用于大型发电机并网运行下绕组匝间短路分析的控-场-路-网数学模型及联合仿真模型。文献[9]通过搭建同步调相机有限元模型，对调相机正常运行时的气隙磁场、定转子所受电磁力和定转子振动特性进行了理论推导与仿真分析论证，为调相机故障情况下的电气与振动特性改变提供了参考值。文献[10]通过理论分析和有限元仿真研究了大型调相机定子不同匝间短路程度下励磁电流与电枢电流的变化关系，对故障相、非故障相、故障支路、非故障支路进行了讨论。文献[11]基于电路与电磁场有限元理论，建立同步发电机场路耦合数学模型，对半载运行下的同步发电机发生定子绕组匝间短路故障进行仿真，计算出故障发生前后三相电流相角差与幅值以及负序电流分量。
3.2同步电机定子匝间短路故障特性分析研究现状
故障诊断流程中主要包括原始信号的采集、数据采集、数据处理和诊断等四部分基本流程。电机故障信号特征提取与分析是对电机故障进行诊断的前提条件，对于故障的信号分析与提取目前已有大量的研究成果。在诊断方法方面，快速傅里叶分解（Fast-Fourier-Transform, FFT）法是最早的应用于故障诊断的数学方法。文献[12]将FFT应用于电机故障诊断，提出对定子电流或振动信号分析便可识别故障特征频率。但是FFT只对于平稳信号有效，对非平稳信号效果极差，所以人们为了提高诊断精度及诊断方法的多样性，许多其它的算法被应用到故障诊断中。文献[10]通过理论分析得出故障后电枢电流与励磁电流的变化情况，提出了一种基于V型曲线偏移的故障诊断的新方法。文献[11]在对同步发电机定子绕组匝间短路故障负序电流分量产生机理进行分析的基础上，提出了以负序电流作为故障特征量，对同步发电机定子内部短路故障进行监测和诊断的方法。文献[13]采用了R/S分析和小波变换对同步发电机定子内部绕组匝间短路故障进行分析，应用小波变换多分辨分析的特性，分析短路故障采样信号。文献[14]在对永磁同步电动机零序电压分量和零序电流分量分别进行了分析的基础上，提出了一种有效的频率跟踪算法来提取故障指示器以识别故障发生时的相位。文献[15]提出了一种基于模型的无刷绕组绕组故障检测与诊断方法。
随着人工智能算法的逐渐成熟，许多学者开始放眼于人工智能算法在故障诊断中的应用。 使用神经人工神经网络算法不仅能正确的识别电机的故障类型，同时还能对电机的故障程度进行量化，精准预测电机的运行趋势，是进行电机故障诊断的良好方法，目前人工神经网络算法已经广泛应用于电机的故障诊断研究中。文献[16]介绍了一种基于派克矢量和模糊神经网络的定子绕组匝间短路故障在线诊断方法。文献[17]针对基于K均值聚类算法的径向基神经网络算法的隐含层神经元初始数据中心选择的随机性以及隐含层节点数K选择的盲目性，提出了一种基于改进K均值聚类算法的径向基神经网络算法。文献[9]提出了自动获取K值和隐含层中心的聚类算法下的基于小波包—RBF神经网络的调相机故障诊断算法，利用该算法开发出了一套调相机故障诊断装置。
参考文献：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
