论文部分内容阅读
化石能源的大范围使用带来了日益严重的环境污染。作为可持续发展的清洁能源,风能的利用受到越来越多的重视,其在发电领域的渗透率也持续上升,业界对于风力发电技术的稳定性和可靠性提出了更高的要求。变流器故障是风力发电机组中常见的故障类型,为了维护系统的稳定性和安全性,针对变流器的快速精准的故障诊断方案具有重要意义。基于数据驱动的分析方法能弱化对机理建模的依赖,加强了对不确定性因素的管理。本文以并网型双馈风力发电机组为研究对象,对背靠背变流器中发生率较高的传感器故障和功率管开路故障的故障诊断问题进行研究。首先,介绍了并网型双馈风力发电系统的结构,阐述了双馈风力发电机组的运行特性、数学模型,描述了背靠背PWM变流器的拓扑结构、数学模型和控制方案。在MATLAB/Simulink仿真平台和RTDS仿真平台上搭建了双馈风力发电机组并网仿真模型,为后续的变流器故障诊断策略提供了模型基础。此外,根据双馈风力发电系统的运行特性,整理总结了数据清洗和特征工程的方法,作为故障诊断的预处理方法。运用相关系数评估不同参数与故障场景的相关度,采用插补方式填补缺失的数据信号,利用数学形态学进行信号降噪处理,应用SMOTE过采样法消除类不平衡问题。预处理筛除了冗余的测量信息,精炼出最具有计算价值的数据,为变流器故障诊断策略提供强相关的数据支撑。然后,探讨数据驱动算法对双馈风力发电系统变流器的意义,提出两种基于数据驱动算法的变流器故障诊断方案,分别是基于XGBoost的故障检测方法和基于LSTM的故障定位方法。XGBoost算法是高度可拓展的集成决策树方案,通过并行处理多维度的特征量,判定系统的故障状态。LSTM算法则通过挖掘电能时序信号中的隐藏关系,快速精准地定位故障位置,及时预警。为了发挥两种算法各自的长处,提出XGBoost和LSTM的模型融合方法。最后,通过仿真试验论证XGBoost算法和LSTM算法在双馈风力发电系统变流器故障诊断中的效果。设计基于XGBoost算法的变流器电流器传感器故障检测方案,区分电流传感器的偏置故障、增益故障和恒定值故障;构建基于LSTM算法的变流器功率开关管开路故障的故障定位方案,在双仿真平台上实现单管及双管的故障开关管定位;探讨两种算法的融合模型对于变流器故障诊断效果的提升作用。仿真结果表明,本文提出的数据驱动故障诊断算法具有高准确率、快速性和强鲁棒性的特点。