APP下载

基于电流残差的逆变器故障诊断方法研究

2019-09-23贾海龙帕孜来马合木提安永军

现代电子技术 2019年18期
关键词:电平残差故障诊断

贾海龙,帕孜来·马合木提,安永军

(新疆大学 电气工程学院,新疆 乌鲁木齐 830046)

0 引 言

近年来,随着我国对清洁能源需求的增加,风力发电得到快速发展。三电平逆变器作为风力发电系统中的关键部位,因为其拥有更小的开关耗损、输出电压谐波含量低等优点而被广泛使用,但由于其受环境影响较大和其复杂的结构,以及在高频率情况下的导通和关断之间的快速转换,导致逆变器存在很高的故障率[1]。逆变器发生故障后轻则影响机器的正常工作,降低效率;重则机毁人亡,给社会造成巨大危害。因此如何识别所有故障类型并准确定位[2]成为重中之重。

文献[3]提出基于形态学广义分形维数方法,在两电平逆变器故障诊断中虽然能够准确识别故障,但计算量较大。文献[4-5]采取传统逆变器故障诊断方法,通过提取负载三相线电流、线电压的故障特征信号,区分逆变器故障,但是此类方法难以区分不同故障类型输出波形相似的故障情况,因此存在一定的局限性。文献[6]提取三电平逆变器上、中、下桥臂的电压信号作为故障特征信息,但此方法过于繁琐,无形中加大了工作量。

因此,为改善以上逆变器故障诊断方法的不足,本文采用基于电流残差[7]的逆变器故障诊断方法,通过仿真实验验证和提取数据分析,证明了此方法的可行性。

1 混合逻辑动态模型

1.1 混合逻辑动态模型介绍

一个系统中的离散部分和连续动态部分可以通过一系列的相互转化组合成一个混合的复杂系统[8],这样的系统称为混合动态系统,如图1所示。

图1 结构框图Fig.1 Structure block diagram

离散部分和连续部分之间的变量可通过D/A 和A/D 之间的相互转化来获得;离散变量和连续变量之间的转化过程可以用不等式来表达,连续系统用状态空间表达式来表示。将两者进行有效联合,即可构建混合逻辑动态模型[9]系统。

混合逻辑动态模型表达式如下:

式中:x,y,u含有离散和连续两种变量;δ是二进制辅助逻辑变量;z是连续辅助变量。由式(3)可知,所描述的不等式约束中包含所有离散子系统和连续子系统之间的耦合关系,用状态方程表达这些约束条件,最终可使离散混杂[10]系统也可以像线性系统一样用状态方程式来描述。

1.2 三电平逆变器混合逻辑动态模型建模

二极管钳位式(NPC)三电平逆变器的主电路拓扑结构如图2所示。直流侧电压为Ed,各个桥臂上的功率开关器件为 VTa,VTb,VTc,两个直流侧电容为Cd1和Cd2。

NPC 三电平逆变器系统中包含大量离散变量和连续变量,可依靠IGBT 的导通和关断状态来控制逆变器的高频转换工作,获取不同的电势差。

高电平和低电平是驱动脉冲的组合,引入二进制辅助变量,用“1”来表示器件的导通,“0”表示器件的关断。每一相桥有4 个IGBT 功率器件,运行模式有3 种。A 相桥臂工作模式如表1所示。Uan,Ubn,Ucn分别表示逆变器的输出相电压,并且根据约束关系可以得到与Uao,Ubo,Uco之间的约束表达式:

图2 NPC 三电平逆变器拓扑结构Fig.2 Topological structure of NPC three-level inverter

表1 A 相桥臂工作模式Table 1 Working mode of A phase bridge arm

根据式(8)进行逻辑变换可得:

可得Uan,Ubn,Ucn表达式如下:

根据以上的逻辑关系表达式构建准确的混合逻辑动态模型,如图3所示。

图3 三电平逆变器混合逻辑动态模型Fig.3 Mixed logic dynamic model of three-level inverter

2 故障特征提取

2.1 基于小波变换的故障特征提取

根据小波变换的一系列特性,本文采用Daubechies小波基中的db10 进行3 层小波分解,重构提取频带信号,然后进行归一化处理提取故障特征。部分故障特征如表2所示。

2.2 基于电流残差的故障特征提取

在NPC 型三电平逆变器中,VTa2故障和VTa1/VTa2同时故障以及VTa3故障和VTa3/VTa4同时故障情况下输出线电流和线电压波形相同,很难用传统的方法来识别故障并准确定位。特殊情况故障线电压波形见图4。

表2 故障特征向量表Table 2 Fault feature vector

本文以混合逻辑动态模型和模型仿真输出线电流的残差作为故障输入源,电流残差最大值为Max、最小值为Min、最大电流差值为App、电流残差和值为Add;然后根据4 维向量特征组建故障特征向量表,并且在Matlab/Simulink 中构建诊断模型。仿真模型如图5所示。根据NPC 三电平逆变器故障分类,以A 相为例,一共有11 种故障。电流残差向量表如表3所示。

3 实验验证

本文采用3 层BP 神经网络,8 位隐含层节点数,“tansig”为隐含层传递函数,“purelin”为输出层使用函数[11]。误差收敛图如图6所示。

本次实验对应的训练样本输入电压/负载功率选取为:(480 V/1 000 W,487 V/1 000 W,490 V/1 000 W,500 V/1 000 W,510 V/1 000 W,520 V/1 000 W,530 V/1 000 W,540 V/1 000 W,550 V/1 000 W,560 V/1 000 W,570 V/1 000 W,580 V/1 000 W),共 12 组数据,在12 组训练样本的每类故障中各选一组作为测试样本,一共11 组(分别为无故障、VTa1故障、VTa2故障、VTa3故障、VTa4故障、VTa1/VTa2故障、VTa1/VTa3故障、VTa1/VTa4故障、VTa2/VTa3故障、VTa2/VTa4故障、VTa3/VTa4故障)。其中特殊故障类型诊断结果如表4所示。

表3 电流残差向量表Table 3 Current residual vector

图4 特殊情况故障线电压波形Fig.4 Line voltage waveforms of fault under special condition

4 结 语

本文针对三电平逆变器中不同故障类型输出波形相似的情况,提出一种基于电流残差的逆变器故障诊断方法。实验结果表明,该方法可以区分单管故障和多管故障,并且可以区分三电平逆变器中不同故障类型输出波形相似的情况,还可以精确定位到具体的故障器件。该方法数据处理量小,诊断精度高,泛化能力强。

图5 故障诊断模型Fig.5 Model of fault diagnosis

图6 误差收敛图Fig.6 Convergence diagram of error

表4 特殊故障类型诊断结果Table 4 Diagnostic results of special fault type

猜你喜欢

电平残差故障诊断
基于双向GRU与残差拟合的车辆跟驰建模
基于残差学习的自适应无人机目标跟踪算法
基于递归残差网络的图像超分辨率重建
NPC五电平Z源逆变器的设计研究
因果图定性分析法及其在故障诊断中的应用
基于三电平光伏并网逆变器控制系统的研究与实践
基于NPC三电平变换器的STATCOM研究
平稳自相关过程的残差累积和控制图
一种多电平逆变器及其并网策略
基于LCD和排列熵的滚动轴承故障诊断