CN102954857B - 基于电流信号的风电机组的叶片不平衡故障诊断方法 - Google Patents

Abstract

基于电流信号的风电机组的叶片不平衡故障诊断方法具体为（1）测量风电机组运行状况下的发电机的三相定子绕组的电流；（2）利用Park变换对三相定子绕组的电流进行变换，得到定子电流Park变换矢量的模平方信号；（3）对定子电流Park变换矢量的模平方信号进行傅里叶变换得到风电机组运行状况下特征值；（4）将风电机组运行状态下特征值与风电机组正常状况和故障状况下特征值进行比较和判断得到风电机组叶片故障诊断结果。本发明不需要安装额外的传感器和数据采集设备、简单易行、诊断成本低。

Description

基于电流信号的风电机组的叶片不平衡故障诊断方法

技术领域

本发明属于风力发电技术领域，尤其是一种基于电流信号的风电机组的叶片不平衡故障诊断方法。

背景技术

随着能源危机和环境污染的日益严重，风力发电受到越来越多的关注。现如今变速恒频风电机组已经成为主流机型，特别是直驱永磁同步风电机组具有良好的发展前景。在全球范围内，大量的风电机组的投产使的风电机组的安全稳定运行引起人们的高度重视。风电机组常年运行过程中，由于受到空气动力和恶劣环境的影响，风电机组易出现各种的故障，风电机组的状态监测和故障诊断已经成为必不可少的环节，尤其是风电机组的叶片不平衡故障诊断，根据现阶段的数据分析叶片不平衡故障主要有两大类：质量不平衡故障和气动不平衡故障。质量不平衡故障是由于加工制造的不够精确、叶片结冰和叶片疲劳损伤等造成的；气动不平衡由于风剪切、塔影效应和桨距角出现误操作等造成的。2008年美国一次恶劣气候以及环境温度的急剧变化导致风电机组超过3000万美元的损失，原因就是强降雨和降温导致叶片内腔充满水，且叶片排水口降温上冻，使整个风电机组上叶片变形折损，导致叶片不平衡故障；上述的情况如果能及时监测并进行有效地维护，那么就可以在很大程度上避免巨大的损失。

风电机组叶片价格昂贵，损坏后维护困难，因此对叶片的状态监测和故障诊断显得尤为重要，如何在故障出现的初期及时发现故障或故障隐患，在问题恶化影响机组运行之前及时处理，可以大大的降低叶片维护和保养费用和难度。目前的叶片的故障诊断采用都是基于振动、叶片的应力和应变的变化、温度、X射线成像和超声波等方法，这些方法都需要额外的传感器和数据采集装置，不仅成本高，而且可靠性也非常低，不能有效地实现状态监测和故障诊断。

专利内容

技术问题：本发明的目的在于克服现有技术的不足，提供一种简单易行、成本低、能够有效提高风电机组叶片安全、可靠性的基于电流信号的风电机组的叶片不平衡故障诊断方法。

技术方案：本发明的基于电流信号的风电机组的叶片不平衡故障诊断方法通过以下技术方案实现：

1）通过安装在风电机组上的电流传感器和数据采集设备采集风电机组运行状况下发电机的三相定子绕组的电流信号；

2）利用Park变换对三相定子绕组的电流进行变换，得到定子电流Park变换矢量的模平方信号；

3）对定子电流Park变换矢量的模平方信号进行傅里叶变换获取风电机组运行状态下特征值；

4）将风电机组运行状态下特征值与风电机组正常状态和故障状况下特征值进行比较和判断得到风电机组叶片故障的诊断结果。

定子电流Park变换矢量的模平方信号的获取方法为：

Park变换的基本思想：将定子三相电流从(a,b,c)三维坐标变换到(α,β)二维坐标为

$\left\{\begin{array}{c}{i}_a=\sqrt{\frac{2}{3}}{i}_a-\frac{1}{\sqrt{6}}{i}_b-\frac{1}{\sqrt{6}}{i}_c\\ i_{\mathrm{\β}}=\frac{1}{\sqrt{2}}{i}_b-\frac{1}{\sqrt{2}}{i}_c\end{array}\right.$

定义有I(t)=i_α+ji_β，则定子电流Park变换矢量的模平方信号为

I_s(t)＝|i_α+ji_β|²

对定子电流Park变换矢量的模平方信号进行傅里叶变换的方法为

$I_s\left(\mathrm{j\ω}\right)={\∫}_{-\∞}^{\∞}{I}_s\left(t\right)e^{-\mathrm{j\ωt}}\mathrm{dt}$

式中：ω＝2πf，单位是rad/s；f为频率，单位是Hz。

风电机组叶片正常状况下特征值获取的方法为：

1）通过安装在风电机组上的电流传感器和数据采集设备采集风电机组正常运行状况下发电机的三相定子绕组的电流信号；

2）利用Park变换对三相定子绕组的电流进行变换，得到定子电流Park变换矢量的模平方信号；

3）对定子电流Park变换矢量的模平方信号进行傅里叶变换得到风电机组正常状况下特征值，并保存下来。

风电机组叶片故障状况下特征值获取的方法为：

1）通过安装在风电机组上的电流传感器和数据采集设备采集风电机组故障运行状况下发电机的三相定子绕组的电流信号；

2）利用Park变换对三相定子绕组的电流进行变换，得到定子电流Park变换矢量的模平方信号；

3）对定子电流Park变换矢量的模平方信号进行傅里叶变换获取风电机组故障状态下特征值，并保存下来。

有益效果：本发明的优点和有益效果为：

1、本叶片的故障诊断方法能够对风电机组叶片的不平衡故障提供诊断，通过电流传感器采集发电机三相定子绕组电流信号并分析处理，快速有效的诊断风电机组叶片的故障，为及时刹车提供依据。

2、本叶片的故障诊断方法采用的电流传感器是风电机组自带的传感器，不需要安装额外的传感器和数据采集设备，简单易行、诊断成本低，是一种能够有效提高风电机组叶片安全、可靠性的基于电流信号的风电机组的叶片不平衡故障诊断方法。

3、本叶片的故障诊断方法采用Park变换和傅里叶变换相结合来获取风电机组叶片的运行状况特征值，提高了整个诊断方法的有效性、快速性和可靠性。

4、本叶片的故障诊断方法通过叶片故障状态特征值能够准确诊断出风电机组的叶片故障，缩短维护查找时间，提高维修维护的效率。

附图说明

图1为风电机组叶片不平衡故障诊断流程；

图2为风电机组叶片在正常状况三相定子电流Park变换矢量的模平方信号时域信号；

图3为风电机组叶片在不平衡状况三相定子电流Park变换矢量的模平方信号时域信号；

图4为风电机组叶片在不平衡状况三相定子电流Park变换矢量的模平方信号时域信号；

图5为风电机组叶片在正常状况三相定子电流Park变换矢量的模平方信号的频谱图；

图6为风电机组叶片在不平衡状况三相定子电流Park变换矢量的模平方信号的频谱图；

图7为风电机组叶片在不平衡状况三相定子电流Park变换矢量的模平方信号的频谱图；

图8为风电机组叶片在正常状况定子电流信号的时域图；

图9为风电机组叶片在不平衡状况定子电流信号的时域图；

图10为风电机组叶片在正常状况定子电流信号的频谱图；

图11为风电机组叶片在不平衡状况定子电流信号的频谱图。

具体实施方式

下面通过具体实例对本发明作进一步详细叙述。

一种基于电流信号的风电机组叶片不平衡故障诊断方法，其诊断步骤为：

1）通过安装在风电机组上的电流传感器和数据采集设备采集风电机组运行状况下发电机的三相定子绕组的电流信号；

2）利用Park变换对三相定子绕组的电流进行变换，得到定子电流Park变换矢量的模平方信号；

3）对定子电流Park变换矢量的模平方信号进行傅里叶变换获取风电机组运行状态下特征值；

4）将风电机组运行状态下特征值与风电机组正常状态和故障状况下特征值进行比较和判断得到风电机组叶片故障的诊断结果。

风电机组叶片故障诊断步骤中定子电流Park变换矢量的模平方信号的获得方法为：

Park变换的基本思想：将定子三相电流从(a,b,c)三维坐标变换到(α,β)二维坐标为

$\left\{\begin{array}{c}{i}_a=\sqrt{\frac{2}{3}}{i}_a-\frac{1}{\sqrt{6}}{i}_b-\frac{1}{\sqrt{6}}{i}_c\\ i_{\mathrm{\β}}=\frac{1}{\sqrt{2}}{i}_b-\frac{1}{\sqrt{2}}{i}_c\end{array}\right.$

定义有I(t)＝i_α+ji_β，则定子电流Park变换矢量的模平方信号为

I_s(t)＝|i_α+ji_β|²

风电机组叶片故障诊断步骤中对定子电流Park变换矢量的模平方信号进行傅里叶变换的方法为

$I_s\left(\mathrm{j\ω}\right)={\∫}_{-\∞}^{\∞}{I}_s\left(t\right)e^{-\mathrm{j\ωt}}\mathrm{dt}$

式中：ω＝2πf，单位是rad/s；f为频率，单位是Hz。

风电机组叶片正常状况下特征值获取方法为：

1）通过安装在风电机组上的电流传感器和数据采集设备采集风电机组正常运行状况下发电机的三相定子绕组的电流信号；

2）利用Park变换对三相定子绕组的电流进行变换，得到定子电流Park变换矢量的模平方信号，如图2所示；

3）对定子电流Park变换矢量的模平方信号进行傅里叶变换获取风电机组正常状况下的特征值，如图5所示；

风电机组叶片故障状况下特征值的获取方法为：

1）通过安装在风电机组上的电流传感器和数据采集设备采集风电机组故障运行状况下发电机的三相定子绕组的电流信号；

2）利用Park变换对三相定子绕组的电流进行变换，得到定子电流Park变换矢量的模平方信号，如图3和图4所示；

3）对定子电流Park变换矢量的模平方信号进行傅里叶变换获取风电机组故障状态下特征值，如图6和图7所示。

上述对正常或者故障运行状况风电机组三相定子电流Park变换矢量的模平方信号进行傅里叶变换的方法相同，下面以风电机组故障运行状况为例：

风电机组发生叶片不平衡故障会导致风力机输出的轴转矩发生变化，此时，风力机输出的轴转矩可以表示为

T(t)＝T₀(t)+T_vcos(ω_rt)(1)

式中：t是时间常数；T是风力机输出的轴转矩；T₀是风力机产生的气动转矩；T_v是由于不平衡故障产生的转矩变化的幅值。

简化风电机组传动模型为单质量模型，其运行方程可以表示为

$J\left[\frac{d{\mathrm{\ω}}_r\left(t\right)}{\mathrm{dt}}\right]=T\left(t\right)-T_e\left(t\right)-D{\mathrm{\ω}}_r\left(t\right)---\left(2\right)$

ω_r(t)＝2π·f_r(t)(3)

式中：J为风电机组的等效转动惯量；ω_r(t)为风电机组的轴角速度；T(t)为风力机输出的轴转矩；T_e(t)为风电机组的电磁转矩；f_r为风电机组的轴旋转频率；D为阻尼系数，可以忽略。

根据式（2），在风电机组发生叶片不平衡故障，且运行稳定的情况下，电磁转矩T_e(t)可以表示为

式中：T_e0(t)和T_ev分别为由T₀和T_v产生的电磁转矩；是由故障产生的转矩的相位移动。

此时，发电机的定子绕组电流可以表示为

式中：ω_e＝pω_r,ω_e=2πf_e为发电机的电角频率，f_e为电流基波频率；p为发电机的极对数；称为相位调制度，在大多数情况下β＜＜1，于是式（5）可以写成

$i_s\left(t\right)=A\sin \left({\mathrm{\ω}}_{e}t\right)+\frac{\mathrm{A\β}}{2}\cos \left(({\mathrm{\ω}}_e-{\mathrm{\ω}}_r)t\right)+\frac{\mathrm{A\β}}{2}\cos \left(({\mathrm{\ω}}_e+{\mathrm{\ω}}_r)t\right)---\left(6\right)$

根据式（6）可以看出，叶片不平衡故障会导致发电机定子绕组的电流中产生频率为f_e±f_r的谐波分量。

根据式（6），利用定子绕组中出现的谐波分量就可以诊断叶片不平衡故障。但是在故障的初期，由于故障导致的谐波成分的幅值比较小，容易被基波电流所淹没不能有效地诊断出故障。

本发明采用Park变换对三相定子电流信号进行处理。Park变换的基本思想：将定子三相电流从(a,b,c)三维坐标变换到(α,β)二维坐标为

$\left\{\begin{array}{c}{i}_a=\sqrt{\frac{2}{3}}{i}_a-\frac{1}{\sqrt{6}}{i}_b-\frac{1}{\sqrt{6}}{i}_c\\ i_{\mathrm{\β}}=\frac{1}{\sqrt{2}}{i}_b-\frac{1}{\sqrt{2}}{i}_c\end{array}\right.---\left(7\right)$

定义有I(t)＝i_α+ji_β，定子电流Park变换矢量的模平方信号为

I_s(t)＝|i_α+ji_β|²(8)

为了方便运算，且只关注基波分量和主要的谐波分量，叶片不平衡故障时候，三相定子绕组的电流表示为

$\left\{\begin{array}{c}{i}_a=I_m\cos ({\mathrm{\ω}}_{s}t-\mathrm{\α})+I_l\cos (({\mathrm{\ω}}_e-{\mathrm{\ω}}_r)t-\mathrm{\β})+I_h\cos (({\mathrm{\ω}}_e+{\mathrm{\ω}}_r)t-\mathrm{\γ})\\ i_b=I_m\cos ({\mathrm{\ω}}_{s}t-\mathrm{\α}-\frac{2\mathrm{\π}}{3})+I_l\cos (({\mathrm{\ω}}_e-{\mathrm{\ω}}_r)t-\mathrm{\β}-\frac{2\mathrm{\π}}{3})+I_h\cos (({\mathrm{\ω}}_e+{\mathrm{\ω}}_r)t-\mathrm{\γ}-\frac{2\mathrm{\π}}{3})\\ i_c=I_m\cos ({\mathrm{\ω}}_{s}t-\mathrm{\α}+\frac{2\mathrm{\π}}{3})+I_l\cos (({\mathrm{\ω}}_e-{\mathrm{\ω}}_r)t-\mathrm{\β}+\frac{2\mathrm{\π}}{3})+I_h\cos (({\mathrm{\ω}}_e+{\mathrm{\ω}}_r)t-\mathrm{\γ}+\frac{2\mathrm{\π}}{3})\end{array}\right.---\left(9\right)$

式中：I_m和α为定子电流基频分量的最大值和初始相角；I_l和β为电流中频率分量为(f_e-f_r)的最大值和初始相角；I_h和γ为电流中频率分量(f_e+f_r)的最大值和初始相角。

根据式（7）、（8）和（9），式（10）变换为

$I_s\left(t\right)=\frac{3}{2}({I_m}^2+{I_l}^2+{I_h}^2)+{3I}_m{I}_l\cos ({\mathrm{\ω}}_{r}t-\mathrm{\α}+\mathrm{\β})---\left(10\right)$

$+3I_m{I}_h\cos ({\mathrm{\ω}}_{f}t+\mathrm{\α}-\mathrm{\γ})+3I_l{I}_h\cos (2{\mathrm{\ω}}_{r}t+\mathrm{\β}-\mathrm{\γ})$

由上述的推导可以看出，在I_s(t)的频谱中仅有直流分量、1倍的轴旋转频率分量和2倍的轴旋转频率分量，很好地排除了基波电流的干扰。但是2倍的轴旋转频率分量和1倍的轴旋转频率分量比较，幅值还是比较小的，只需关注1倍的轴旋转频率分量的幅值变化情况。

根据式（10）可以看出，利用Park变换对三相定子绕组电流进行变换和处理，很好地排除基波电流的影响，凸显出相应的故障特征频率，然后采用傅里叶变换进行分析，通过观察相应的特征频率的幅值变化情况，就可以很容易地诊断出风电机组有没有出现叶片不平衡故障。

对式（10）进行傅里叶变换为

$I_s\left(\mathrm{j\ω}\right)={\∫}_{-\∞}^{\∞}{I}_s\left(t\right)e^{-\mathrm{j\ωt}}\mathrm{dt}---\left(11\right)$

式中：ω＝2πf，单位是rad/s；f为频率，单位是Hz。

下面以10kW直驱永磁同步风电机组为研究对象，机组运行状态是转轴的转速为272.5rpm/min。试验设置了三种状况，它们分析为：a为风电机组叶片正常运行；b为叶片不平衡情况，式（1）中T_v=20；c为叶片不平衡情况，式（1）中T_v=30，对三种状态各测3秒的时域信号；图2、图3和图4为风电机组叶片三种状况下的三相定子电流Park变换矢量的模平方时域信号；图5、图6和图7为对应叶片三种状况的频谱图，为了形成比较，图8和图9为叶片正常和T_v=20情况下的定子电流信号的时域图；图10和图11为叶片正常和T_v=20情况下的定子电流信号的频谱图。

从图2、图3和图4时域波形图可以看出，当叶片出现不平衡故障，定子电流Park变换矢量的模平方信号中出现了周期性波形。从频谱图5、图6和图7中可以发现，叶片不平衡故障时候，定子电流Park变换矢量的模平方信号在f=4.56Hz出现了尖峰，该频率对应为叶轮的旋转频率，并且注意到不平衡的程度越大，相应的频谱的幅值也愈大。

图8和图9为叶片正常和T_v=20情况下的定子电流信号的时域图，图10和图11为叶片正常和T_v=20情况下的定子电流信号的频谱图，图中清楚地显示了基频成分(f_e=27.24Hz），但无法分辨出故障导致的频率成分(f=27.24±4.56Hz）。

从上面的结果可以看出，对定子电流Park变换矢量的模平方信号进行傅里叶变换，减弱了定子电流基频信号对故障信号分量的影响，能准确地监测到定子电流Park变换矢量的模平方信号中的特征频率分量，可以有效地诊断叶片不平衡故障，可见，本发明提出的基于电流信号的风电机组的叶片不平衡故障诊断方法，简单易行、诊断成本低、是一种能够有效提高风电机组叶片安全、可靠性的故障诊断方法。

Claims (1)

1.一种基于电流信号的风电机组的叶片不平衡故障诊断方法，其特征在于：该诊断方法的步骤为：

1)通过安装在风电机组上的电流传感器和数据采集设备采集风电机组运行状况下发电机的三相定子绕组的电流信号；

2)利用Park变换对三相定子绕组的电流信号进行变换，得到定子电流Park变换矢量的模平方信号；

3)对定子电流Park变换矢量的模平方信号进行傅里叶变换获取风电机组运行状况下特征值；

4)将风电机组运行状况下特征值与风电机组叶片正常状况和风电机组叶片故障状况下特征值进行比较和判断得到风电机组叶片故障的诊断结果；

其中：

定子电流Park变换矢量的模平方信号的获得方法为：

将定子三相电流从(a,b,c)三维坐标变换到(α,β)二维坐标为

定义有I(t)＝i_α+ji_β，则定子电流Park变换矢量的模平方信号为

I_s(t)＝|i_α+ji_β|²；

对定子电流Park变换矢量的模平方信号进行傅里叶变换的方法为

式中：ω＝2πf，单位是rad/s；f为频率，单位是Hz；

风电机组叶片正常状况下特征值的获取方法为：

21)通过安装在风电机组上的电流传感器和数据采集设备采集风电机组叶片 正常状况下发电机的三相定子绕组的电流信号；

22)利用Park变换对三相定子绕组的电流信号进行变换，得到定子电流Park变换矢量的模平方信号；

23)对定子电流Park变换矢量的模平方信号进行傅里叶变换获取风电机组叶片正常状况下特征值，并保存下来；

风电机组叶片故障状况下特征值的获取方法为：

31)通过安装在风电机组上的电流传感器和数据采集设备采集风电机组叶片故障状况下发电机的三相定子绕组的电流信号；

32)利用Park变换对三相定子绕组的电流信号进行变换，得到定子电流Park变换矢量的模平方信号；

33)对定子电流Park变换矢量的模平方信号进行傅里叶变换获取风电机组叶片故障状况下特征值，并保存下来。