双馈风电机组变流器故障诊断研究综述

周志朋，谢冬梅

（沈阳工程学院a.研究生部；b.电力学院，辽宁 沈阳 110136）

1 双馈风力发电系统

1.1 双馈风力发电机

双馈异步风力发电机(DFIG，Double-Fed Induction Generator)是风力发电机组的重要组成部分，主要由电机本体和冷却系统组成，电机本体的主要器件有定子、转子和轴承系统[1-2]。

双馈异步发电机的定子与转子连接电网的方式不同。定子采用的是直接连接的方式，而转子采用的则是通过变流器相连接的连接方式。为了满足用电负荷和风力发电机并网的条件，机组必须在不同转速的情况下都能够保持频率不变，而变流器则能够通过自主调节使得转子绕组电源的电能质量满足用电负荷和风力发电机并网的运行条件。因为发电机和电力系统之间是“柔性连接”，所以可以通过对励磁电流的调节以实现发电机输出电压的精确调节，使其能满足要求[3]。

1.2 双馈变流器

双馈变流器采用三相电压型交流—直流—交流双向变流器技术，拥有双DSP数字控制器的主要控制技术和快速浮点运算的技巧。在发电机转子侧变流器中，定子磁场定向矢量控制策略的达成，不仅保证了整个体系可以在不同风速下工作，还具有调节去耦输出和无功功率的功能[4-5]。电压方向矢量控制策略在电网侧变流器中完成，不但能确保直流侧电压幅值恒定，还能调节网络无功功率。

2 双馈变流器开路故障

双馈变频器作为双馈风力发电机与电网的衔接元件，控制电压的稳定性和保证最大风能利用率也是它的重要职责，与此同时它也是比较脆弱的部件之一，所以保证变流器可以正常工作是关键。在亚同步状态下，如果电网电压或频率偏差过大，则绝缘栅双极型晶体管（IGBT）元件会被轻易损坏；在超同步状态下，如果风扇转速太快，转差功率增加到整流器的整流容量，会导致转子侧IGBT元件的损坏[6]。背靠背双PWM变流器是转子侧整流器和电网侧逆变器的组合，且整流器、逆变器具有相同的结构特点。因为转子侧变流器的开路故障影响更大，所以偏重于转子侧故障的研究。图1为转子侧变流器结构图，其中包含6个IGBT和6个二极管，由于运行过程中开路故障的种类比较繁杂，所以为了研究方便，将其开路类型分为5类如表1所示。

图1 转子侧变流器结构

表1 转子侧变流器开路故障分类表

3 双馈变流器的开路故障诊断

变流器是改变电源系统的电压、频率、相数和其他电量或特性的一种电器设备。利用小波分析等诊断方法的特点与故障的对应关系可对故障进行定位和诊断。

3.1 基于小波分析的故障诊断

基于小波分析的原理和特点，文献[7]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。文献[8]针对整流器输出电压信号的特点，根据能量谱和功率谱，完成了对整流器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整流器各类开路故障的识别。文献[9]是以三相整流桥作为实验研究对象，利用小波包可以对输出电压波形进行分解、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，以提取相应的故障特征实现故障诊断。文献[10]通过变流器的开路故障特点的研究分析和小波分析方法的建模仿真，证实了小波分析方法的可用性和简洁性，确定了小波分析方法在不适用其他输出电压测量元件的情况下也可以和其余信号测量方法任意组合完成故障诊断。文献[11]通过实现多分辨率下局部特征频率的识别的特点选择合适的小波种类对模拟的双馈变流器故障波形进行四层分解，通过Matlab软件以及实际算例分析验证并实现了对故障的判定。

小波变换的数学表达式为

式中，Ψ指代的是小波母函数；a指代的是尺度参数；b指代的是时间中心参数。

小波变换存在下述特点：

1）多分辨率，能够由轮廓至细节全面的分析信号的特性。

2）选择恰当的小波基，假设ψ(t)在特定的时域中是有限支撑，ψ(ω)在频域内可以高度集中，这种变换在两域上都可以有效的表现出信号所具有的特征，这样就极大的便利了特征的捕捉和研究。

3.2 基于粗糙集的变流器故障诊断

粗糙集就是在常用的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，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。由于在许多现实系统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。

欧式距离计算公式为

其中，xa指代的是包含x的第a个属性值；ya指代的是包含y的第a个属性值；dxy指代的是具体的欧氏距离。当dxy=0时，则表明录入的样本和数据相同。经整理可得基于小波变换和粗糙集理论相结合的变流器故障诊断流程如图2所示。

图2 基于小波变换和粗糙集的变流器故障诊断整体流程

3.3 基于电流信号平均值的开路故障诊断

基于电流信号平均值的开路故障诊断方法就是通过提取变流器的输入输出的电流信号，计算电流信号在一个周期内的平均值及其绝对值的平均值。并根据电机的输出功率确定用于判断故障的阈值，实现对变流器的故障诊断。

文献[14]就是通过非均匀采样方式采样电流信号，通过电流信号平均值来诊断单管和两管同时开路的情况。通过以下公式对变流器开路故障加以判断。

式中，iα和iβ是Park的矢量分量；π是Park的矢量模量；ia、ib和ic是变换器的三相电流。

基于电流信号平均值的开路故障诊断方法虽然简单有效，但在外界干扰等情况下仍存在误报情况。而park变换的加入则保证并提高了该方法故障诊断的鲁棒性。

3.4 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技术，在解决小样本、非线性和高维模式识别方面很有优势。基于支持向量机的优势和分类能力，文献[16]利用小波包的信号处理能力，对电力机车主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，通过仿真和实验对该方法的高效性和准确性进行了有效证实。还通过文献[17]中提出的改进SVM方法解决了存在误分类的问题，提高了SVM方法的故障诊断精度。文献[18]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，以达到变流器故障诊断的目的。文献[19]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了对故障的分类。

面对线性可分情况时，可直接对其进行分类。对于两种分类问题，一个超平面H∶ω·x+b可以无错误的分开有假定n个样本的训练集：需求解-1≥0，其中i=1,2,...,n，的二次优化问题，达到最大化超平面的分类间隔。并通过拉格朗日函数求解得到决策函数。而面对线性不可分情况时，非线性映射算法会对线性不可分样本进行转化，将线性不可分的情况全部转化为线性可分情况进而对其分类研究，这就把线性不可分情况转化到线性可分情况进行计算分类[20-21]。其故障诊断流程如图3所示。

图3 基于支持向量机的故障诊断流程

支持向量机的方法可以通过选取电压和电流信号为研究对象，对不同故障状态下的该信号进行分析。有效利用小波分析的故障信号的预处理和提取故障特征样本的能力，可以有效地实现对变流器故障的诊断。

4 结语

对故障的检测和诊断有多种多样的方法，随着科学技术不断的进步，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，而故障诊断的准确性和及时性，故障方法的准确性也必将成为研究的难点和方向。对变流器的多管开路故障的诊断还在进行中。相信在前人的基础上发现并且创造出更加方便、准确和快速的方法来检测问题、诊断问题和解决问题。