论文部分内容阅读
摘要：风力发电技术自出现以来发展迅速，并逐渐占据发电行业中的主流地位。通过开展新能源风电场风力发电机电路故障诊断方法研究，从风力发电机电路输出侧电流故障异常信号采集、异常信号处理及故障类型分析兩方面提出一种全新的故障诊断方法。通过实验证明，该方法与传统故障诊断方法相比具有更高的诊断精度，不受外界因素干扰，准确诊断出电路出现问题时的故障类型，具有更高的应用价值。
关键词：新能源;风电场;风力发电机;电路故障;诊断方法
中图分类号：TM301.2 文献标识码：A
1新能源风电场风力发电机电路故障诊断方法设计
1.1风力发电机电路输出侧电流故障异常信号采集
提出的新能源风电场风力发电机电路故障诊断方法首先对故障异常信号探测点进行选择，在对发电机电路故障时发出的异常信号进行采集[1]。风力发电机输出端与整流电路以及滤波电容相互连接，因此发电机可输出直流电。为方便后续异常信号处理及故障类型分析，采用对滤波电容和负载单独提取处理的方法，其具体提取方法如图1所示。
将图1中的发电机电容C前端电流看作是整个电路当中的输出侧电流i1，i1是由负载电流i2以及电容充电电流i3两部分组成。当风力发电机处于稳定的运行状态时，负载电流R保持不变，因此负载电流i2也始终保持不变，i3处于脉动的状态，因此i1也属于脉动电流。为了方便求解，将发电机电压方程写成积分形式，并将绕组的内阻忽略不计。同时，在不考虑发电机换相状态下，每个发电周期可划分为A+C-、B+A-、C+B-三个阶段，由于发电机具有对称性，因此可仅对其中一个阶段进行异常信号采集[2]。选用Lon Works总线对发电机电路进行采集。利用Lon Works总线对发电机电路输出侧电流故障异常信号进行采集，采集节点主要包括晶振、电源、神经元芯片、I/O调理器、收发器以及外部与其相互连接的传感器和执行器。利用Lon Works总线中的LonTalk通信协议对开放式的互联参考模型进行定义，从而实现对发电机电路的互联操作。大部分风力发电机电路运行数据中的信号都是不稀疏的，因此还需要通过映射的方式将故障异常信号转换为稀疏信号，映射方程为：
（1）
公式（1）中，S表示为映射前风力发电机运行过程中的电路数据信号; 表示为在稀疏矩阵中的某一变换系数; 表示为第i个变换信号; 表示为稀疏矩阵，且 =[ 1， 2， 3，…， n];B表示为稀疏信号集合，B=[b1，b2，b3，…，bn]T表示为信号S在稀疏矩阵中的变换系数，且在A集合中只有n个较小值或非零值。若在信号S的权重系数B中只有较少量的大系数或只有很多小系数时，则认为原始系统运行数据中的信号S可用稀疏表示，即为故障异常信号。
1.2异常信号处理及故障类型分析
将采集到的风力发电机电路输出侧电流故障异常信号进行处理和故障类型分析，从而确定风力发电机电路故障时产生的异常信号进行判断，并诊断出具体的故障类型[3]。假设第x个故障类型的训练样本个数为Lx（x=1，2，3，…，n），则该训练样本的表达式如下：
（2）
公式（2）中，M表示为第x个风力发电机电路故障类型的训练样本矩阵; 表示为第x个发电机电路故障类型中的第p个训练样本。在不知道待测风力发电机电路故障异常信号训练样本故障类型的前提下，还需要建立更加完善的训练样本矩阵，从而将多个不同故障类型的所有样本相互拼接。对任意一个未知的检测样本进行上述公式（2）计算，再返回残差项中的最小值所对应的标号即为最终得到的故障诊断结果，并由对应矩阵明确该故障异常信号属于哪种风力发电机电路故障类型。
2仿真实验
由上述论述可知，当风力发电机的电流出现故障问题时，整流输入侧电流会出现明显的畸变，同时畸变的规律与故障状态之间存在联系。对此，利用仿真实验软件，建立新能源风电场风力发电机虚拟模型，模型中的参数按照实际数值设定，其中风力发电机本体参数按照表1所示。
除上述风力发电机虚拟模型本体参数外，发电机的转速设置为400r/min，滤波电容设置为1200μF，负载电阻设置为48Ω。将发电机虚拟模型中的电路故障状态划分为5种，分别为单上管开路故障、单下管开路故障、两上管开路故障、两下管开路故障、同时导通相交错两种故障。其中，待诊断样本1～1000个为故障类型1、1001～2000为故障类型2、2001～3000为故障类型3、3001～4000为故障类型4、4001～5000为故障类型5。按照上述实验准备，完成对比实验，并将实验结果绘制成如图2所示。
由图2可以看出，诊断方法与传统诊断方法相比，在对5000个风力发电机电路样本进行故障检测时，能够保证诊断出的故障类型与其实际故障类型一致，而传统诊断方法在五种类型故障中均为实现对电路故障的精确诊断。因此，通过对比实验证明，提出的新能源风电场风力发电机电路故障诊断方法研究具有更高的诊断精度，满足电力企业的稳定运行。
3结束语
针对新能源风力场风力发电机电路的故障问题进行研究，提出一种具有更强普适性、实时性的诊断方法。在后续的研究中还将对风力发电机在运行过程中产生的数据信息进行深度挖掘，从而进一步保证风力发电机的安全运行，为电力企业的可持续发展提供帮助。
参考文献
[1]周福成，唐贵基，何玉灵. 基于改进VMD的风电齿轮箱不平衡故障特征提取[J]. 振动与冲击，2020，39（5）：170-176.
[2]梅春草，韦笃取. 基于时间加权反馈控制的永磁同步风力发电机混沌振荡研究[J]. 振动与冲击，2020，39（2）：079-085.
[3]徐志豪，张小栋，熊逸伟，等. 面向直驱式风力发电机气隙检测用光纤传感器系统设计[J]. 机械与电子，2020，38（3）：039-043.
关键词：新能源;风电场;风力发电机;电路故障;诊断方法
中图分类号：TM301.2 文献标识码：A
1新能源风电场风力发电机电路故障诊断方法设计
1.1风力发电机电路输出侧电流故障异常信号采集
提出的新能源风电场风力发电机电路故障诊断方法首先对故障异常信号探测点进行选择，在对发电机电路故障时发出的异常信号进行采集[1]。风力发电机输出端与整流电路以及滤波电容相互连接，因此发电机可输出直流电。为方便后续异常信号处理及故障类型分析，采用对滤波电容和负载单独提取处理的方法，其具体提取方法如图1所示。
将图1中的发电机电容C前端电流看作是整个电路当中的输出侧电流i1，i1是由负载电流i2以及电容充电电流i3两部分组成。当风力发电机处于稳定的运行状态时，负载电流R保持不变，因此负载电流i2也始终保持不变，i3处于脉动的状态，因此i1也属于脉动电流。为了方便求解，将发电机电压方程写成积分形式，并将绕组的内阻忽略不计。同时，在不考虑发电机换相状态下，每个发电周期可划分为A+C-、B+A-、C+B-三个阶段，由于发电机具有对称性，因此可仅对其中一个阶段进行异常信号采集[2]。选用Lon Works总线对发电机电路进行采集。利用Lon Works总线对发电机电路输出侧电流故障异常信号进行采集，采集节点主要包括晶振、电源、神经元芯片、I/O调理器、收发器以及外部与其相互连接的传感器和执行器。利用Lon Works总线中的LonTalk通信协议对开放式的互联参考模型进行定义，从而实现对发电机电路的互联操作。大部分风力发电机电路运行数据中的信号都是不稀疏的，因此还需要通过映射的方式将故障异常信号转换为稀疏信号，映射方程为：
（1）
公式（1）中，S表示为映射前风力发电机运行过程中的电路数据信号; 表示为在稀疏矩阵中的某一变换系数; 表示为第i个变换信号; 表示为稀疏矩阵，且 =[ 1， 2， 3，…， n];B表示为稀疏信号集合，B=[b1，b2，b3，…，bn]T表示为信号S在稀疏矩阵中的变换系数，且在A集合中只有n个较小值或非零值。若在信号S的权重系数B中只有较少量的大系数或只有很多小系数时，则认为原始系统运行数据中的信号S可用稀疏表示，即为故障异常信号。
1.2异常信号处理及故障类型分析
将采集到的风力发电机电路输出侧电流故障异常信号进行处理和故障类型分析，从而确定风力发电机电路故障时产生的异常信号进行判断，并诊断出具体的故障类型[3]。假设第x个故障类型的训练样本个数为Lx（x=1，2，3，…，n），则该训练样本的表达式如下：
（2）
公式（2）中，M表示为第x个风力发电机电路故障类型的训练样本矩阵; 表示为第x个发电机电路故障类型中的第p个训练样本。在不知道待测风力发电机电路故障异常信号训练样本故障类型的前提下，还需要建立更加完善的训练样本矩阵，从而将多个不同故障类型的所有样本相互拼接。对任意一个未知的检测样本进行上述公式（2）计算，再返回残差项中的最小值所对应的标号即为最终得到的故障诊断结果，并由对应矩阵明确该故障异常信号属于哪种风力发电机电路故障类型。
2仿真实验
由上述论述可知，当风力发电机的电流出现故障问题时，整流输入侧电流会出现明显的畸变，同时畸变的规律与故障状态之间存在联系。对此，利用仿真实验软件，建立新能源风电场风力发电机虚拟模型，模型中的参数按照实际数值设定，其中风力发电机本体参数按照表1所示。
除上述风力发电机虚拟模型本体参数外，发电机的转速设置为400r/min，滤波电容设置为1200μF，负载电阻设置为48Ω。将发电机虚拟模型中的电路故障状态划分为5种，分别为单上管开路故障、单下管开路故障、两上管开路故障、两下管开路故障、同时导通相交错两种故障。其中，待诊断样本1～1000个为故障类型1、1001～2000为故障类型2、2001～3000为故障类型3、3001～4000为故障类型4、4001～5000为故障类型5。按照上述实验准备，完成对比实验，并将实验结果绘制成如图2所示。
由图2可以看出，诊断方法与传统诊断方法相比，在对5000个风力发电机电路样本进行故障检测时，能够保证诊断出的故障类型与其实际故障类型一致，而传统诊断方法在五种类型故障中均为实现对电路故障的精确诊断。因此，通过对比实验证明，提出的新能源风电场风力发电机电路故障诊断方法研究具有更高的诊断精度，满足电力企业的稳定运行。
3结束语
针对新能源风力场风力发电机电路的故障问题进行研究，提出一种具有更强普适性、实时性的诊断方法。在后续的研究中还将对风力发电机在运行过程中产生的数据信息进行深度挖掘，从而进一步保证风力发电机的安全运行，为电力企业的可持续发展提供帮助。
参考文献
[1]周福成，唐贵基，何玉灵. 基于改进VMD的风电齿轮箱不平衡故障特征提取[J]. 振动与冲击，2020，39（5）：170-176.
[2]梅春草，韦笃取. 基于时间加权反馈控制的永磁同步风力发电机混沌振荡研究[J]. 振动与冲击，2020，39（2）：079-085.
[3]徐志豪，张小栋，熊逸伟，等. 面向直驱式风力发电机气隙检测用光纤传感器系统设计[J]. 机械与电子，2020，38（3）：039-043.