论文部分内容阅读
【摘 要】我国新能源行业随着经济建设的快速发展也在迅速崛起。其中风力发电机也有最初的交流异步电机逐步发展为双馈及直驱永磁等发电机。其中变流器是双馈发电机及直驱永磁发电机关键部件之一，十分容易发生故障。为提升风电机组变流器运行的可靠性，降低维护时间及费用，可以根据变流器故障时态不同的电流、电压变化特性，使用分析风电机组变流器波形的方法进行故障的快速诊断。
【关键词】波形分析;风电机组变流器故障处理;波形应用
引言
科技的快速发展使我国新能源行业也大步迈进，为我国能源互联、节能减排做出了非常巨大的贡献。但现阶段国内外对风力发电机组重要部件变流器的研究主要集中在其控制方法和具体特一的故障特征上，当变流器发生故障时一般直接进行整体更换，其耗时费力且花费较大，较为不经济。而研究变流器的结构、故障代码，以及输出波形来反推变流器故障的方法则处于萌生阶段。
1双馈异步风力发电机组工作原理简介
风力发电机是风机叶轮捕获风能后旋转，经过齿轮箱增速驱动发电机转动进行发电的设备。双馈异步发电机则是在发电机转子中施加三相低频交流电实现励磁，通过风电机组变流器调节励磁电流的波形来确保发电机输出功率的恒频恒压。发电机为三相绕组式异步发电机，其定子绕组直接与电网连接，转子绕组通过变流器与电网连接。机侧变流器控制系统根据当前的发电机转速（发电机转速由当前风速大小决定）向转子绕组馈入所需的励磁电流，完成定子中磁通定向矢量控制任务，实现最大风能捕获和定子输出有功及无功的调节。当风速变化时，由叶轮将带动的发电机转速将发生变化，若相应的控制励磁电流进行变化，便可保持发电机输出电压频率的恒定不变，即与电网频率保持一致，由此实现了风电机组的变桨变速恒频控制。因此，当变流器发生故障时便会造成发电机组故障停机，由于多数变流器故障处理时间较长，费用较大，由此降低了企业效益。
2变流器基于小波分析的故障诊断
2.1基于小波分析的故障诊断，基于小波分析的原理和特点，提出了半小波函数及其相应的半小波变换，快速的故障检测能力正适合电力系统的故障诊断和检测。针对风电机组变流器故障状态输出电压信号的特点，根据能量谱和功率谱，完成了对其输出电压信号的小波分解的分析，并通过搭建的仿真平台实现对三相PWM变流器各类开路故障的识别。其是以三相整流桥作为实验研究对象，借助小波包可以对变流器输出电压的波形进行分解、消噪和重构等预处理的能力，得到各个频带的重构信号并计算其分形维度，来提取相应的故障特征实现变流器故障诊断。
2.2基于粗糙集的变流器故障诊断
粗糙集是在常规集合的基础上把特用知识添加到特定的集合内，并以此充当集合的一部分，其具有处理不精确性和不确定性知识的能力，也是当今世界人工智能理论与应用的研究热点之一。由于在许多故障中都存在着不确定性因素，使得所得到的数据总是包含着噪声的影响因素，所以采用小波包与粗糙集的合理结合将会有效的解决这个问题。通过Matlab软件对不完备的故障数据进行离散化处理，得出决策规则，不仅可以加强了故障诊断能力，还提高了分析处理数据的速断和精确度。针对双馈风电机组变流器故障的诊断，结合小波变换的方法对变流器输出电压电流信号进行小波分解去噪得到特征值，将特征值决策表进行离散化，通过遗传简约算法的处理后得到最小简约决策表以用来对故障进行诊断。
2.3基于支持向量机（SVM）的诊断方法
支持向量机是一种很有潜力的分类处理技术，在解决小样本、非线性和高维模式识别方面很有很大优势。基于支持向量机的优势和强大的分类能力，利用小波包的信号处理能力，对风电机组变流器的输出电压信号进行分解和重构，并利用支持向量机对得到的特征向量绘成波形，利用输出电压波形的特点找到对应故障类型。通过选取直流侧输出电压信号为研究对象，对不同故障状态下的调值情况进行分析，通过小波分析法对故障信号的特征样本进行提取，并以此建立SVM故障分类器，便可达到风电机组变流器故障诊断的目的。利用小波变换的信号处理能力实现对提取的信号去噪处理，并根据SVM的特点，建立分布式多SVM分类器。通过对开路故障类型的分析和分类，以及在Matlab软件建立的变流器仿真模型实现对变流器故障的分类。
2.4波形在变流器故障定位中的应用
变流器的功率管开路故障会造成对应的桥臂无法导流;如果故障在一相桥臂的上端，则相应的相电流无法为正;如果故障在桥臂的下端，则相应的相电流不可能为负，即故障桥臂的相电流在一个周期内至少有半个周期无波形输出。因此，电流信号的平均值会根据故障功率管的不同出现正负的特性，以此也可进行故障定位。但平均值法容易受负荷的影响，且现有的方法大多采用固定值作为故障判别的阈值，需要根据运行状态调整阈值，降低了变流器故障诊断的准确性和有效性。为解决这些问题，基于电流Park矢量的平均值提出了一种新的故障定位计算方式，并辅以自适应阈值进行故障识别。其原理是首先对三相电流进行Park计算，得到其平均电流矢量的模为0，但当负荷突变时，会导致电流Park矢量计算电流平均值不为0，因此会产生误判故障的现象。针对此现象，最后使用离散傅里叶变换计算出定子的直流分量和基波幅值，进行直流分量归一化计算从而避免出现误判故障的现象。
结语
风力发电机组变流器故障的检测和诊断有多种多样的方法，随着科学技术的不断进步，变流器的功能也在不断完善，控制电路也越来越复杂。使得对故障诊断检测的难度也随之增大，而针对变流器故障诊断的准确性和有效性，波形分析风力发电机组变流器故障的方法也必将成为研究的难点和方向。
参考文献：
[1]卢正帅，林红阳，易杨.风电发展现状与趋势[J].中国科技信息，2017（2）：91-92.
[2]趙洪山，程亮亮.基于双线性观测器的双馈风电机组变流器功率管开路故障诊断[J].电力自动化设备，2017，37（3）：72-79.
[3]于文波，童建东，刘成斌，等.变速恒频双馈风力发电机空载并网滑模控制[J].沈阳工程学院学报：自然科学版，2007，3（1）：10-12.
[4]YAOJ，LIH，CHENZ，etal.EnhancedControlofaDFIG-BasedWind-PowerGenerationSystemWithSe-riesGrid-SideConverterUnderUnbalancedGridVoltageConditions[J].IEEETransactionsonPowerElectronics，2013，28（7）：3167-3181.
[5]李山，叶鹏，何淼，等.基于Matlab/Simulink的风储孤网系统仿真研究[J].沈阳工程学院学报：自然科学版，2018，14（1）：11-15.
[6]于泳，蒋生成，杨荣峰，等.变频器IGBT开路故障诊断方法[A].中国电机工程学报，2011，9（31）：30-35
（作者单位：新疆风能有限责任公司）
【关键词】波形分析;风电机组变流器故障处理;波形应用
引言
科技的快速发展使我国新能源行业也大步迈进，为我国能源互联、节能减排做出了非常巨大的贡献。但现阶段国内外对风力发电机组重要部件变流器的研究主要集中在其控制方法和具体特一的故障特征上，当变流器发生故障时一般直接进行整体更换，其耗时费力且花费较大，较为不经济。而研究变流器的结构、故障代码，以及输出波形来反推变流器故障的方法则处于萌生阶段。
1双馈异步风力发电机组工作原理简介
风力发电机是风机叶轮捕获风能后旋转，经过齿轮箱增速驱动发电机转动进行发电的设备。双馈异步发电机则是在发电机转子中施加三相低频交流电实现励磁，通过风电机组变流器调节励磁电流的波形来确保发电机输出功率的恒频恒压。发电机为三相绕组式异步发电机，其定子绕组直接与电网连接，转子绕组通过变流器与电网连接。机侧变流器控制系统根据当前的发电机转速（发电机转速由当前风速大小决定）向转子绕组馈入所需的励磁电流，完成定子中磁通定向矢量控制任务，实现最大风能捕获和定子输出有功及无功的调节。当风速变化时，由叶轮将带动的发电机转速将发生变化，若相应的控制励磁电流进行变化，便可保持发电机输出电压频率的恒定不变，即与电网频率保持一致，由此实现了风电机组的变桨变速恒频控制。因此，当变流器发生故障时便会造成发电机组故障停机，由于多数变流器故障处理时间较长，费用较大，由此降低了企业效益。
2变流器基于小波分析的故障诊断
2.1基于小波分析的故障诊断，基于小波分析的原理和特点，提出了半小波函数及其相应的半小波变换，快速的故障检测能力正适合电力系统的故障诊断和检测。针对风电机组变流器故障状态输出电压信号的特点，根据能量谱和功率谱，完成了对其输出电压信号的小波分解的分析，并通过搭建的仿真平台实现对三相PWM变流器各类开路故障的识别。其是以三相整流桥作为实验研究对象，借助小波包可以对变流器输出电压的波形进行分解、消噪和重构等预处理的能力，得到各个频带的重构信号并计算其分形维度，来提取相应的故障特征实现变流器故障诊断。
2.2基于粗糙集的变流器故障诊断
粗糙集是在常规集合的基础上把特用知识添加到特定的集合内，并以此充当集合的一部分，其具有处理不精确性和不确定性知识的能力，也是当今世界人工智能理论与应用的研究热点之一。由于在许多故障中都存在着不确定性因素，使得所得到的数据总是包含着噪声的影响因素，所以采用小波包与粗糙集的合理结合将会有效的解决这个问题。通过Matlab软件对不完备的故障数据进行离散化处理，得出决策规则，不仅可以加强了故障诊断能力，还提高了分析处理数据的速断和精确度。针对双馈风电机组变流器故障的诊断，结合小波变换的方法对变流器输出电压电流信号进行小波分解去噪得到特征值，将特征值决策表进行离散化，通过遗传简约算法的处理后得到最小简约决策表以用来对故障进行诊断。
2.3基于支持向量机（SVM）的诊断方法
支持向量机是一种很有潜力的分类处理技术，在解决小样本、非线性和高维模式识别方面很有很大优势。基于支持向量机的优势和强大的分类能力，利用小波包的信号处理能力，对风电机组变流器的输出电压信号进行分解和重构，并利用支持向量机对得到的特征向量绘成波形，利用输出电压波形的特点找到对应故障类型。通过选取直流侧输出电压信号为研究对象，对不同故障状态下的调值情况进行分析，通过小波分析法对故障信号的特征样本进行提取，并以此建立SVM故障分类器，便可达到风电机组变流器故障诊断的目的。利用小波变换的信号处理能力实现对提取的信号去噪处理，并根据SVM的特点，建立分布式多SVM分类器。通过对开路故障类型的分析和分类，以及在Matlab软件建立的变流器仿真模型实现对变流器故障的分类。
2.4波形在变流器故障定位中的应用
变流器的功率管开路故障会造成对应的桥臂无法导流;如果故障在一相桥臂的上端，则相应的相电流无法为正;如果故障在桥臂的下端，则相应的相电流不可能为负，即故障桥臂的相电流在一个周期内至少有半个周期无波形输出。因此，电流信号的平均值会根据故障功率管的不同出现正负的特性，以此也可进行故障定位。但平均值法容易受负荷的影响，且现有的方法大多采用固定值作为故障判别的阈值，需要根据运行状态调整阈值，降低了变流器故障诊断的准确性和有效性。为解决这些问题，基于电流Park矢量的平均值提出了一种新的故障定位计算方式，并辅以自适应阈值进行故障识别。其原理是首先对三相电流进行Park计算，得到其平均电流矢量的模为0，但当负荷突变时，会导致电流Park矢量计算电流平均值不为0，因此会产生误判故障的现象。针对此现象，最后使用离散傅里叶变换计算出定子的直流分量和基波幅值，进行直流分量归一化计算从而避免出现误判故障的现象。
结语
风力发电机组变流器故障的检测和诊断有多种多样的方法，随着科学技术的不断进步，变流器的功能也在不断完善，控制电路也越来越复杂。使得对故障诊断检测的难度也随之增大，而针对变流器故障诊断的准确性和有效性，波形分析风力发电机组变流器故障的方法也必将成为研究的难点和方向。
参考文献：
[1]卢正帅，林红阳，易杨.风电发展现状与趋势[J].中国科技信息，2017（2）：91-92.
[2]趙洪山，程亮亮.基于双线性观测器的双馈风电机组变流器功率管开路故障诊断[J].电力自动化设备，2017，37（3）：72-79.
[3]于文波，童建东，刘成斌，等.变速恒频双馈风力发电机空载并网滑模控制[J].沈阳工程学院学报：自然科学版，2007，3（1）：10-12.
[4]YAOJ，LIH，CHENZ，etal.EnhancedControlofaDFIG-BasedWind-PowerGenerationSystemWithSe-riesGrid-SideConverterUnderUnbalancedGridVoltageConditions[J].IEEETransactionsonPowerElectronics，2013，28（7）：3167-3181.
[5]李山，叶鹏，何淼，等.基于Matlab/Simulink的风储孤网系统仿真研究[J].沈阳工程学院学报：自然科学版，2018，14（1）：11-15.
[6]于泳，蒋生成，杨荣峰，等.变频器IGBT开路故障诊断方法[A].中国电机工程学报，2011，9（31）：30-35
（作者单位：新疆风能有限责任公司）