双馈异步电机故障诊断方法综述

2011-09-21钱雅云马宏忠

大电机技术 2011年5期

关键词：异步电机双馈定子

钱雅云，马宏忠

（河海大学能源与电气学院，南京 210098）

双馈异步电机故障诊断方法综述

钱雅云，马宏忠

（河海大学能源与电气学院，南京 210098）

双馈异步电机运行环境较为恶劣，运行工况复杂多变，其运行状况的好坏直接对风力发电系统乃至整个电力系统产生较大的影响。本文在介绍双馈异步电机常见故障类型的基础上阐述了常见故障产生的机理，再从信号处理技术角度详细分析了目前常用的故障诊断方法，并对未来双馈异步电机故障诊断的发展趋势和方向进行了展望。

双馈异步电机；快速傅里叶变换；离散小波变换；状态观测器；故障诊断

1 引言

风能作为一种可再生资源已经得到世界各国的广泛关注。目前投入商业运行的风力发电机组主要采用双馈异步发电机、笼型异步发电机和永磁同步发电机三种，其中双馈异步电机凭借其良好的控制效果、柔性化、有功无功解耦以及工作范围宽等优势占取了绝大部分的市场份额[1]。由于双馈异步电机长期工作在野外、暴晒和雷雨等恶劣环境中，是整个风力发电系统中易发生故障的部分，因此对其故障表征进行研究，及时发现其中的潜在故障并维修，对保证发电机乃至整个系统的正常安全运行具有重大的实际意义。

2 常见的故障类型

风力发电过程中存在机械系统、电路系统、磁路系统和通风散热系统等相互关联的工作系统，涉及到机、电、磁、力等物理甚至化学演变过程0。正因为如此复杂的运行工况，导致双馈异步电机的故障类型也是多种多样的。从电机结构来看，可分为定子故障、转子故障、轴承故障和气隙偏心故障等，其中轴承部分故障占40%，定子部分为38%，转子部分为10%。

双馈异步电机定子部分的故障除了受到绕组本身的绝缘破坏影响外，还受到电网波动等因素的影响，其故障表现形式有匝间短路、相间短路和单相接地短路等；而转子通过变频器与控制系统相连，变频器向转子提供电流，对转子也有一定的影响；轴承部分的故障主要是由于负载过重等引起的轴承磨损以及表面碎裂等；气隙偏心故障主要是由于长期运行中使得轴承发生弯曲变形，造成转子与定子之间的气隙不均匀，有时候也有可能会因为安装不良而引起。

3 故障机理研究

电机中所有的故障都是按照一定的机理产生和发展的，具有一定的规律性。只有对各种故障机理充分了解的情况下，采用先进的诊断方法，准确地提取故障特征，才能对故障做出判断。因此，故障机理和故障特征的分析是进行故障诊断的前提。

3.1 匝间短路故障

当双馈异步电机正常工作时候，产生的定子电流是对称的，并且定、转子电流频率分别为f和sf；当电机定子发生匝间短路故障时，定子电流失去对称性，从而产生了反向旋转的磁场，并在转子电流中产生频率为（2-s）f的故障谐波分量。该频率成分又反作用于定子电流，这样故障谐波分量便传播开来，定子电流中的谐波表达式为 ( fksa=±kf)，转子侧中为(fkra=(2k ±s)kf )。所以可以通过检测其中的谐波成分来判断是否出现了匝间短路故障[3]。

3.2 轴承故障

轴承故障分为内圈故障、外圈故障、滚动体故障以及保持架故障，这些故障发生后将产生周期性冲击，从而激起电机轴承结构与测量传感器上的振动，所以可以通过对振动信号的分析抽取故障源信号，从而诊断出轴承故障。另外轴承故障引起电机转轴振动，转轴振动又引起气隙振动，使气隙磁通受到调制[4]，从而在定子绕组内感生出相应的谐波电流，所以可以通过对定子电流的信号分析处理来诊断轴承故障。

3.3 气隙偏心故障

气隙偏心主要是由于长期运行中电机轴承弯曲变形，造成转子与定子之间的气隙不均匀。双馈异步电机出现气隙偏心故障后，电机定子电流中将出现附加分量，所以判断电机是否出现偏心故障的方法是对定子电流信号做频谱分析，检测其中是否含有上述频率分量。

4 故障诊断方法

由故障机理分析可知，双馈异步电机处于异常运行或故障状态时，必然会引起一些电气量(电流、电压、功率、转矩等)或非电气量(光、声、热量、振动等)的变化，这些物理量的变化是检测和判断故障类型、严重程度的重要信息。

现有的故障诊断方法，正是基于对这些反映电机运行状态的物理量的变化规律的认识上发展起来的。目前主要应用的诊断方法有：局部放电监测、电流高次谐波和不平衡检测、磁通检测法、定子电流检测法、转速脉动检测法、机体振动检测法以及温升检测法等[5]。这些诊断方法都是通过现有的测量设备获取对应的电气量或非电气量信号，再采用先进高效信号处理技术对信号进行分析处理，最终精确地提取能够反映故障性质和故障程度的特征信息。

4.1 基于快速傅里叶变换的故障诊断法

傅里叶变换是频域分析的基础。故障诊断中，对采样信号进行傅里叶级数分解得到各次谐波的幅值和相位，并对得到的频谱进行分析，找出与故障对应的特征量来诊断电机的故障。

文献[6]提出了一种基于快速傅里叶分析(FFT)处理转子调整信号分析的方法。其通过在定、转子绕组中串联电阻的方式来模拟定、转子绕组不对称故障，并结合FFT来提取定、转子电流以及转子调整信号的频谱，通过比较故障情况下定、转子电流的谐波频谱和转子调整信号的频谱来验证该方法是否有效。上述故障机理表明，当定子出现不对称故障时，转子中会在频率（2-s）f处产生谐波。分析两者经FFT得到的频谱可知，转子电流频谱的幅值为－48dB，而转子调整信号的幅值为－28dB；同样模拟转子绕组不对称故障时，转子调整信号特征频率的幅值也明显大于定子电流特征频率的幅值。由此可见，采用FFT来分析定转子绕组不对称故障不失为一个简易有效的方法。

4.2 基于功率谱密度的故障诊断法

功率谱密度(PSD)分析是目前故障诊断中使用最多的分析方法之一。文献[7]通过分析信号的功率谱密度成功诊断匝间短路故障。

首先对DFIM在对称负载、10%不对称负载以及4匝匝间短路故障三种情况下转子对称性对其电流功率谱密度（PSD）进行了仿真。结果表明，谐波次数 3=k ，即f=127.5Hz频率处的谐波分量的PSD最为明显。进一步分析该谐波分量在空载、半载和满载三种不同的负载情况下的PSD值发现，其值随着短路匝数的增加而显著增加，且负载情况对其的影响远小于短路匝数的影响，这说明该频率分量可以作为匝间短路故障的特征频率。为了验证上述仿真结论，通过对实验测得的转子相电流、转子电流空间矢量以及转子探测线圈电压三个信号进行PSD分析，结果同样发现f=127.5Hz处的PSD值最能反映故障情况。除此以外，转子空间矢量信号和转子探测线圈电压信号比转子相电流信号的PSD效果更为显著，而三个信号在不同转差和不同短路匝数下的信噪比(SNR)再一次验证了上述观点。综上，分析DFIM转子电流空间矢量和转子探测电压的PSD值可以检测匝间短路故障。

对上述两种方法做进一步分析可以发现，FFT和PSD分析法均适用于稳态情况下即转差率s不变的情况。而 DFIM 的风速不可能保持恒定，所以当s变化时，获得的故障特征量可能会以正比于风速变化的带宽扩散，从而使得采用这些方法很有可能出现误判；除此以外，FFT和PSD分析法并不能提供特征信号的时域信息，这些因素决定了需要寻求新的方法。

4.3 基于离散小波变换的故障诊断法

由上述分析可知，Fourier变换存在缺乏空间局部性和不能给出时域信息等缺点，而这两者正是我们故障诊断所需要的。小波分析是在视窗Fourier变换的局部化思想的基础上发展起来的一种方法，其具有用多重分辨率来刻画信号局部特性的能力，使其很适用于探测正常信号中夹带的瞬间反常现象并展示其成分，这对于故障诊断有着非常重要的意义[8]。有文献同时采用了傅里叶分析和小波变换，并将两者做了对比，结果发现，小波变换凭借其良好的时频特性以及高质量的分辨率在检测电机故障上取得了绝对的优势。

文献[7]采用离散小波变换(DWT)对定子电流信号进行8层分解，操作过程中分别采用了Harrl(db1)小波、Daubechies(db5)小波以及 Dmeyer(demey)小波作为母波，并分别从能量、差异角度对三者进行比较。实验结果发现，三种母波均可用于检测负荷碰撞，并且dmeyer小波的效果最为显著，Daubechies小波次之。这就说明使用DWT进行故障诊断时候，选取合适有效的母波至关重要。对转子电流采用离散小波变换来诊断双馈异步电机的定子绕组不对称故障，并分别就稳态情况和暂态情况做了讨论。实验和仿真结果均表明，稳态和暂态情况下，细节系数d4和d5的幅值均随着故障的严重程度不断增加，且风速对诊断结果没有影响。为了量化故障的严重程度，计算出每层分解后的平均功率，通过每层功率的变化来衡量故障严重程度，取得良好的效果。上述两种情况均是将离散小波变换用于电流信号，也有学者将连续小波变换用于功率信号来诊断转子故障且收获甚大。

从上述小波变换的应用可以看出，小波变换不仅可以用于分析电流、电压、磁通、功率等信号量，还可以通过构造其分解后的系数来判别故障的严重程度，从而量化故障情况，这使得故障诊断更直观明了。而且各母波所对应的功能不尽相同，使用时可以全方位的权衡考虑，选择最合适的母波来进行故障诊断。

4.4 基于状态观测器的故障诊断法

除了上述采用数字信号处理方法来分析传感器测得的电信号或者非电信号的诊断方法外,基于状态观测器的诊断方法凭借其可以重构电机的内部状态获得的广泛的应用。

文献[9]首先将双馈异步电机电流写成如下微分方程：

其中，K为状态反馈阵，用于计算观测器输出量和系统输出量间的误差。接着在正常和匝间短路故障下进行仿真并计算出观测器和系统间的观测误差，若该观测误差快速收敛为0，则未发生故障；若某个故障量的观测误差发生突变或超过某一阈值，则此处发生了故障。仿真结果均说明该观测器适用于暂态条件并且可以准确的检测双馈异步电机的故障。目前基于该方法的诊断主要停留在仿真阶段，在今后的研究中应侧重于实际故障诊断，这对该方法的发展有着更为重要的意义。

5 DFIM故障诊断发展趋势

5.1 对目前诊断方法的评述

现有的对双馈异步电机故障诊断的研究大都是通过软件仿真或实验室模拟的方法模拟故障，分析故障表征，再提出某种方法对测得的信号进行处理，提取故障特征,从而确定故障性质或程度。需要注意的是，实际操作中受到现场齿轮箱、叶轮及运行环境的影响，测得的信号并没有仿真信号理想。所以对实际信号进行处理的过程中，需要先采取一定的措施排除干扰因素，才能保证精确地提取故障特征量。除此以外，仿真研究中也应考虑更多的实际影响因素，从而使仿真信号更贴近实际信号。

5.2 DFIM故障诊断发展趋势

通过上述研究发现，DFIM故障诊断方法总是遵循着分析故障机理、监测故障量、提出特征量、根据特征量确定有无故障及故障程度的顺序，这就启发研究人员将双馈异步电机故障诊断在现有研究基础上向专家诊断系统方向发展。该系统中包含全面的故障现象，在诊断时将故障现象与故障机理联系，初步断定故障范围后，选取对应的信号处理方法来提取故障特征量，从而提前确定故障性质类型并及时维修，避免造成重大损失。

[1] 张国新.风力发电并网技术及电能质量控制策略[J].电力自动化设备,2009,29(6):130-132.

[2] 刘炯.感应电机定子绕组匝间短路故障[D]. 杭州：浙江大学，2007.

[3] Gritli Y, Stefani A, Filippetti F. Stator Fault Analysis Based on Wavelet Technique for Wind Turbine Equipped with DFIG[C]. International Conference on Clean Electrical Power, Tunisia，2009:485-491.

[4] 郭君博，王奉涛，王亮. 异步电机在线监测系统研究[J].机电工程技术，2009，38(2)：86-88.

[5] Mclnerny S A, Dai Y. Basic Vibration Signal Processing for Bearing Fault Detection[J].IEEE Transactions on Education, 2003, 46(1):149-156.

[6] Stefani A, Yazidi A, Filippetti A, et al. Doubly Fed Induction Machine Diagnosis Based on Signature Analysis of Rotor Modulating Signals[J].IEEE Transactions on Industry Application, 2008,44(6):1711-1721.

[7] Shah D, Nandi S, Neti P. Stator Inter-turn Fault Detection of Doubly-Fed Induction Generators Using Rotor Current and Search Coil Voltage Signature Analysis[J]. IEEE Transactions on Industry Application, 2009, 45(5):1831-1842.

[8] Al-Ahmar E, Benbouzid M E H, Amirat Y, et al.DFIG- Based Wind Turbine Fault Diagnosis Using a Specific Discrete Wavelet Transform[C].The 18th International Conference on Electrical Machines,Brest, France, 2008:1-6.

[9] Dinkhauser V, Fuchs F W. Detection of Rotor Turn-to-turn Faults in Doubly-Fed Induction Generators in Wind Energy Plants by means of Observers[C].The 13th European Conference on Power Electronics and Applications, Kiel, Germany,2009:1-10.

A Survey of Fault Diagnosis Method for Doubly-fed Induction Motor

QIAN Ya-yun, MA Hong-zhong
(College of Energy and Electrical Engineering, Hohai University, Nanjing 210098, China)

Doubly-fed induction motor operates in a severe environment and complex operating conditions. Its operating conditions have a direct impact on wind power generation system and the whole power system. This paper analyzes the failure mechanisms based on describing common faults in double-fed induction motor (DFIM), and then summarizes the fault diagnosis method used nowadays from the aspect of signal processing technology. At last, it analyzes the trends and direction of doubly-fed induction motor fault diagnosis in future.

DFIM; fast fourier transform; discrete wavelet transform; state observer; fault diagnosis

TM307+.1

1000-3983(2011)05-0005-04

2009年教育部博士点基金项目（20090944110011）