CN103018601A - 一种风力发电系统中变流器的一级故障诊断方法 - Google Patents
一种风力发电系统中变流器的一级故障诊断方法 Download PDFInfo
- Publication number
- CN103018601A CN103018601A CN2012105173099A CN201210517309A CN103018601A CN 103018601 A CN103018601 A CN 103018601A CN 2012105173099 A CN2012105173099 A CN 2012105173099A CN 201210517309 A CN201210517309 A CN 201210517309A CN 103018601 A CN103018601 A CN 103018601A
- Authority
- CN
- China
- Prior art keywords
- fault
- frequency
- signal
- current transformer
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种风力发电系统中变流器的一级故障诊断方法,其步骤为:(1)建立一级故障分类原则;(2)测量变流器正常运行和故障运行下的直流侧输出电压信号,对所得的输出信号进行小波包分析,重构小波包分解系数,提取并计算各频带信号的能量,确定原信号的能量主要集中在哪个频段;(3)对该频段的信号进行小波功率谱分析,确定故障特征频率;(4)分析并对比变流器正常运行和各种故障运行状态下的特征频率和功率谱,得到变流器一级故障诊断结果。本发明利用小波包分析的特点,从能量谱和功率谱的角度简单快速的实现了变流器的故障诊断,是一种能够有效的提高风力发电系统的安全性和有效性的变流器故障诊断方法。
Description
技术领域
本发明涉及风力发电领域,尤其是一种风力发电系统变流器的一级故障诊断方法。
背景技术
风电能源是世界上发展最快的可再生能源,已经成为解决世界能源问题不可或缺的重要力量,风力发电系统往往安装在偏僻的、难以接近的或者气候不适合人类长期逗留的地域,长期以来,一直采用计划维修和事后维修的方式。计划维修在运行2500小时或者5000小时后进行例行维护,无法全面及时地了解设备状况;事后维修则更是维修工作旷日持久,损失重大。利用有效的设备监测和故障诊断手段,能对风电机组运行中的各个参数进行连续监测,实时获取反映风电机组运行状态的各种信息,在对各种信息进行分析处理后,给出设备运行的状况报告和诊断结果,并根据诊断结果安排合适的检修计划,从而可减少约75%的设备事故率,降低25%-50%的维修费用,获利投资比高达17∶1,在大大提高风机的安全性的同时,有效降低风力发电的成本。
风力发电系统是一个大规模、高度复杂、强耦合、非线性的系统,包括齿轮箱、驱动链、主轴、发电机、叶片等部件,其故障原因多,并且紧紧耦合在一起。在风力发电系统中,变流器是最容易发生故障的部件之一。在亚同步状态下,当电网电压或频率出现过大偏差时,很容易损坏网侧的IGBT元件;而在超同步状态下,如果风机转速过快,滑差功率升高以至超过整流器的整流能力,则很容易造成转子侧IGBT元件损坏,当开关管的故障严重并扩大化后,电机也就无法正常工作了,所以选择合适的方法,实现系统的故障诊断是现在所面临的主要问题。
风力发电系统中常用背靠背式PWM变流器,能量是双向流动的。所以研究风电系统变流器的故障就是研究三相桥式PWM变流器的故障。对于变流器电路中的IGBT器件故障来说,主要有器件的短路故障和开路故障两种,对于IGBT短路故障,可通过驱动模块集成的保护电路实现监控,而其开路故障诊断则正处于研究之中。
发明内容
本发明的目的是提供一种风力发电系统中变流器的一级故障诊断方法,所谓一级故障诊断是指通过相应分析方法,确定变流器故障是所描述中的具体哪一类故障,而不具体研究在该类故障下具体哪只功率管发生故障。按照一级故障分类原则,利用小波包分析,简单快速的实现变流器的一级故障诊断。
本发明的目的是通过下述方法和步骤实现的:
一种风力发电系统变流器的一级故障诊断方法,其步骤为:
1.鉴于风力发电系统中的变流器是背靠背式变流器,且能量是可以双向流动的,所以只要研究单一整流器的故障特点就可以表征变流器的故障特点。所以建立三相桥式PWM整流电路的模型,根据实际运行的单只和两只功率管故障进行故障分类,建立变流器的IGBT功率管一级故障分类原则。
(1)IGBT功率管均正常运行,变流器无故障发生。
(2)仅有单只IGBT功率管发生故障,即VT1、VT2、VT3、VT4、VT5或VT6中任一功率管发生故障。
(3)有两只IGBT功率管发生故障,且两只功率管同相不同侧,即(VT1,VT4)、(VT3,VT6)或(VT5,VT2)任一种情况。
(4)有两只IGBT功率管发生故障,且两只功率管同侧不同相,即(VT1,VT3)、(VT3,VT5)、(VT5,VT1)、(VT6,VT4)、(VT2,VT6)或(VT4,VT2)任一种情况。
(5)有两只IGBT功率管发生故障,且两只功率管既不同相也不同侧,位于交叉位置,即(VT1,VT6)、(VT1,VT2)、(VT3,VT4)、(VT3,VT2)、(VT5,VT4)或(VT5,VT6)任一种情况。
2.在各种故障状态下,对三相桥式PWM整流电路进行建模,获得电路所有故障状态下的直流侧输出电压信号。选取合适的小波基函数,对所得的各个输出电压信号进行四层小波包分解,并对小波分解系数重构,提取各个频带范围的信号。
3.当系统出现故障时,故障输出与正常系统输出相比,相同频带内信号的能量会有较大的差别,因而,在各频率成分的能量中包含了故障信息。计算步骤2提取的各个频带范围的信号的能量,根据能量直方图确定原信号的能量主要集中在哪个频段。经过小波包分解并重构后,各个状态下的输出电压信号被分成16个小信号,通过计算信号能量值,发现第四层第一个低频信号包含了几乎全部的能量值,即该频段集中了原信号的所有能量。
4.对直流侧输出的电压信号进行功率谱分析,发现各故障状态下的电压信号功率谱没有明显区别,不能确定故障特征,再对小波重构后的第四层第一个低频信号进行功率谱分析,通过观察和对比所有故障状态下的第四层第一个低频信号的功率谱包络图,可以得到:
(1)无故障情况下,第一细节信号功率谱中含有特征频率40Hz,42.5Hz,即两个主特征频率存在且谱值较大。
(2)当单只功率管发生故障时,42.5Hz的频率谱值大大缩小,而频率为37.5Hz的谱值大大升高,即其一主频率削弱,新的主频率出现,且谱值较大;
(2)当同相两只功率管发生故障时,原信号两个主要频率都大幅消减,主频率只有37.5Hz,即两个主频率都削弱,新的主频率出现,且谱值较大;
(3)当同侧两只管发生故障时,42.5Hz的频率谱值大大缩小,37.5Hz的谱值升高,但主频率谱值都明显降低,即其一主频率削弱,新的主频率出现,但谱值较小。
(4)当交叉两只功率管发生故障时,原信号两个主频率都明显降低,只有37.5Hz一个主频率,同时谱值也很小,即两个主频率都削弱,新的主频率出现,但谱值较小。
5.根据以上数据可以判断出当变流器发生单只/两只故障时的故障特征,在系统运行过程中,按照上述步骤,对直流侧输出电压信号进行四层小波包分解,并重构第四层第一个低频信号,对重构后的信号进行功率谱分析,对照步骤4所述的数据特征,即可判定具体哪类故障,从而实现一级故障诊断目标。
本发明的有益效果是:
1.本发明所提出的风力发电系统变流器一级故障诊断方法,是基于小波分析方法,利用发生故障时故障输出与正常系统输出相比,相同频带内信号的能量会有较大的差别的特点,从能量谱和功率谱的角度分析输出信号,确定故障类型。
2.本发明提出了按一级故障类型划分变流器故障的思想,适用于实际系统的检测目标,克服了传统提取数据样本诊断方法数据量大、过繁琐等问题,仅利用小波分析工具,对输出直流电压信号进行处理和分析,提取出故障特征频率,实现分类目标。
3.本变流器一级故障诊断方法可应用于各种风力发电系统中变流器装置的IGBT功率管和二极管的故障诊断,可以及时检测故障,避免造成重大损失,有很大的使用价值,发展前景广阔,克服了传统变流器装置故障诊断费时费力的缺点,节约成本,节约时间,可以保护整个系统的正常安全运行。
附图说明
图1为三相电压型PWM整流器拓扑结构。
图2为变流器输出直流侧电压信号小波分解和重构后,重构系数的能量直方图。
图3各故障状态下输出信号小波分解后,第四层第一个低频信号功率谱包络图,其中每类故障各列出一个。
具体实施方式
下面结合附图对本发明做进一步说明。
本发明的一种风力发电系统变流器的一级故障诊断实施例包括以下步骤:
(1)如图1所示为三相电压型PWM整流器拓扑结构,在风力发电系统中的变流器装置就是由两个整流器装置背靠背连接起来的,根据拓扑结构,将故障类型分为五类,如表1所示,即得出一级故障类型。
表1变流器的IGBT功率管一级故障分类原则
(2)在全部故障状态下,建立三相桥式PWM整流器模型。因为直流侧输出电压可以表征故障信息,且容易测得,选取直流侧输出电压为研究对象,可以得到各个故障状态下的直流侧输出电压波形,尽管输出电压波形不同,但并不能判别出故障类型。所以对输出电压波形做进一步处理。基于输出电压信号的特点考虑,选取db10小波基函数,对各输出电压信号进行四层小波包分解,小波包分解可以实现原始信号的低频和高频同时分解,所以原信号被分解为16个细节信号,在对16个细节信号进行小波包重构,达到信号的预处理目标。
(3)计算步骤(2)所提取到的16个重构信号的能量,并画出各个状态下的能量直方图,通过对比直方图发现,各状态下,重构信号的能量都集中在第四层第一个低频信号中,直方图都基本相同,如图2所示。所以可以判定,原始信号的能量几乎都集中在该频段范围内。
(4)对各故障状态下提取出的第四层第一个低频信号进行功率谱分析,功率谱包络图如图3所示,对比和分析包络图中的特征频率和谱值,如表2所示。
表2故障信息与特征频率功率谱数据
故障信息 | [特征频率(Hz),功率谱(PW)] |
无故障 | (37.5,91.1)(40,396.2)(42.5,403.6) |
VT1故障 | (37.5,260)(40,201.3)(42.5,79.3) |
VT3故障 | (37.5,235.5)(40,235.9)(42.5,117.5) |
VT5故障 | (37.5,221.8)(40,230.3)(42.5,143.4) |
VT4故障 | (37.5,213.8)(40,203.5)(42.5,93.3) |
VT6故障 | (37.5,262)(40,298.6)(42.5,103.5) |
VT2故障 | (37.5,226.2)(40,185.9)(42.5,144.3) |
VT1和VT4故障 | (37.5,422)(40,91.6)(42.5,193.5) |
VT3和VT6故障 | (37.5,439.6)(40,93.6)(42.5,192.7) |
VT5和VT2故障 | (37.5,393.8)(40,91.2)(42.5,137) |
VT1和VT3故障 | (37.5,38)(40,43.6)(42.5,19.8) |
VT1和VT5故障 | (37.5,42.2)(40,47.5)(42.5,4.2) |
[0040]
VT3和VT5故障 | (37.5,33.8)(40,39.1)(42.5,16.6) |
VT6和VT4故障 | (37.5,26.7)(40,38.4)(42.5,15.1) |
VT2和VT4故障 | (37.5,30.7)(40,43.5)(42.5,24.5) |
VT6和VT2故障 | (37.5,30.2)(40,34.2)(42.5,11.6) |
VT1和VT6故障 | (37.5,42.5)(40,37)(42.5,12) |
VT1和VT2故障 | (37.5,62.9)(40,27.2)(42.5,1.6) |
VT3和VT4故障 | (37.5,47.1)(40,18.4)(42.5,16) |
VT3和VT2故障 | (37.5,41)(40,16.2)(42.5,16.2) |
VT5和VT4故障 | (37.5,33.6)(40,13.7)(42.5,3.8) |
VT5和VT6故障 | (37.5,32.4)(40,11.8)(42.5,10.1) |
分析表2可以得出:无故障情况下,第一细节信号功率谱中含有特征频率40Hz,42.5Hz,且谱值较大。当单只功率管发生故障时,42.5Hz的频率谱值远小于无故障时的谱值,而频率为37.5Hz的谱值大大升高;当同相两只功率管发生故障时,原信号两个主要频率都大幅消减,主频率只有37.5Hz,且谱值较大;当同侧两只管发生故障时,42.5Hz的频率谱值大大缩小,37.5Hz的谱值升高,但主频率谱值都远小于上述三种情况。当交叉两只功率管发生故障时,原信号两个主频率都明显降低,只有37.5Hz一个主频率,同时谱值同样很小。
(5)从以上结果可知,通过小波包分解并重构细节信号后,在能量集中的频带上,其功率谱中的特征频率可以用来判定整流器的一级故障类型,所以在系统运行过程中,按照上述步骤,对直流侧输出电压信号进行四层小波包分解,并重构第四层第一个低频信号,对重构后的信号进行功率谱分析,对照步骤4所述的数据特征,即可判定具体哪类故障,从而实现一级故障诊断目标。
Claims (5)
1.一种风力发电系统中变流器的一级故障诊断方法,其特征在于,该诊断方法的步骤为:
(1)鉴于风力发电系统中的变流器是背靠背式变流器,且能量是可以双向流动的,所以只要研究单一整流器的故障特点就可以表征变流器的故障特点。所以针对整流器装置,根据实际运行的单只和两只功率管故障进行故障分类,建立变流器的IGBT功率管一级故障分类原则。
(2)在各种故障状态下,对三相桥式PWM整流电路建模,获得电路所有故障状态下的直流侧输出电压信号。选取合适的小波基函数,对所得的各个输出电压信号进行四层小波包分解,并对小波分解系数重构,提取各个频带范围的信号。
(3)计算步骤(2)提取的各个频带范围的信号的能量,根据能量直方图确定原信号的能量主要集中在哪个频段。经过小波包分解并重构后,各个状态下的输出电压信号被分成16个小信号,通过计算信号能量值,发现第四层第一个低频信号包含了几乎全部的能量值,即该频段集中了原信号的所有能量。
(4)对直流侧输出的电压信号进行功率谱分析,发现各故障状态下的电压信号功率谱没有明显区别,不能确定故障特征,再对小波重构后的第四层第一个低频信号进行功率谱分析,通过观察和对比所有故障状态下的第四层第一个低频信号的功率谱包络图,可以看出,每个包络谱都存在有特征频率,通过分析各状态下低频信号的包络图,实现变流器的一级故障诊断。
2.根据权利要求1所述的一种风力发电系统中变流器的一级故障诊断方法,其特征在于,建立一级故障诊断思想对变流器故障类型进行划分。所谓一级故障诊断是指通过相应分析方法,确定变流器故障是描述中的具体哪一类故障,而不具体研究在该类故障下具体哪只功率管发生故障。所划分的一级故障类型为:
(1)IGBT功率管均正常运行,变流器无故障发生。
(2)仅有单只IGBT功率管发生故障,即VT1、VT2、VT3、VT4、VT5或VT6中任一功率管发生故障。
(3)有两只IGBT功率管发生故障,且两只功率管同相不同侧,即(VT1,VT4)、(VT3,VT6)或(VT5,VT2)任一种情况。
(4)有两只IGBT功率管发生故障,且两只功率管同侧不同相,即(VT1,VT3)、(VT3,VT5)、(VT5,VT1)、(VT6,VT4)、(VT2,VT6)或(VT4,VT2)任一种情况。
(5)有两只IGBT功率管发生故障,且两只功率管既不同相也不同侧,位于交叉位置,即(VT1,VT6)、(VT1,VT2)、(VT3,VT4)、(VT3,VT2)、(VT5,VT4)或(VT5,VT6)任一种情况。
3.根据权利要求1所述的一种风力发电系统中变流器的一级故障诊断方法,其特征在于,选取合适的小波基函数,对输出直流电压信号进行小波包分解和系数重构,计算重构后的各小信号的能量,发现各故障状态下能量直方图几乎相同,且第四层第一个低频信号的能量基本等于信号的总能量,所以选取该频段信号代表输出信号,作为进一步研究对象。
5.根据权利要求1所述的一种风力发电系统中变流器的一级故障诊断方法,其特征在于,分析表1的数据可以得到:
(1)无故障情况下,第一细节信号功率谱中含有特征频率40Hz,42.5Hz,即两个主特征频率存在且谱值较大。
(2)当单只功率管发生故障时,42.5Hz的频率谱值大大缩小,而频率为37.5Hz的谱值大大升高,即其一主频率削弱,新的主频率出现,且谱值较大;
(2)当同相两只功率管发生故障时,原信号两个主要频率都大幅消减,主频率只有37.5Hz,即两个主频率都削弱,新的主频率出现,且谱值较大;
(3)当同侧两只管发生故障时,42.5Hz的频率谱值大大缩小,37.5Hz的谱值升高,但主频率谱值都明显降低,即其一主频率削弱,新的主频率出现,但谱值较小。
(4)当交叉两只功率管发生故障时,原信号两个主频率都明显降低,只有37.5Hz一个主频率,同时谱值也很小,即两个主频率都削弱,新的主频率出现,但谱值较小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210517309.9A CN103018601B (zh) | 2012-12-05 | 2012-12-05 | 一种风力发电系统中变流器的一级故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210517309.9A CN103018601B (zh) | 2012-12-05 | 2012-12-05 | 一种风力发电系统中变流器的一级故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103018601A true CN103018601A (zh) | 2013-04-03 |
CN103018601B CN103018601B (zh) | 2015-06-17 |
Family
ID=47967433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210517309.9A Expired - Fee Related CN103018601B (zh) | 2012-12-05 | 2012-12-05 | 一种风力发电系统中变流器的一级故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103018601B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103439658A (zh) * | 2013-08-12 | 2013-12-11 | 深圳市禾望电气有限公司 | 一种变流器的故障诊断方法和系统 |
CN104459388A (zh) * | 2014-11-26 | 2015-03-25 | 国家电网公司 | 一种永磁直驱风力发电系统一体化故障诊断方法 |
CN104502754A (zh) * | 2014-12-14 | 2015-04-08 | 北京理工大学 | 一种纯电动车辆动力系统的故障诊断方法 |
CN105406728A (zh) * | 2015-10-19 | 2016-03-16 | 南京航空航天大学 | 全双向开关型双级矩阵变换器整流级开关管开路故障时的容错控制方法 |
CN106054053A (zh) * | 2016-06-15 | 2016-10-26 | 西安科技大学 | 一种用于三相全桥整流电路晶闸管故障诊断的方法 |
CN106199241A (zh) * | 2016-06-24 | 2016-12-07 | 清华大学 | 一种基于数据协调及假设检验的电站系统多故障诊断方法 |
CN107632258A (zh) * | 2017-09-12 | 2018-01-26 | 重庆大学 | 一种基于小波变换和dbn的风机变流器故障诊断方法 |
CN108303630A (zh) * | 2018-02-08 | 2018-07-20 | 国电南瑞科技股份有限公司 | 一种基于小波包分析的交直流充电设备功率器件故障诊断方法 |
CN111239521A (zh) * | 2020-02-18 | 2020-06-05 | 金陵科技学院 | 一种基于PCA-kNN风力发电系统变流器故障识别方法 |
CN112083353A (zh) * | 2020-07-22 | 2020-12-15 | 国网上海市电力公司 | 一种基于开关模态特征对变流器开路故障进行检测的方法及系统 |
CN113805104A (zh) * | 2021-08-16 | 2021-12-17 | 国家电网有限公司 | 一种基于小波分析信号能量特征的大型电力变压器励磁涌流判别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02221874A (ja) * | 1989-02-21 | 1990-09-04 | Toshiba Corp | 電力用変電機器の故障診断システム |
CN102253338A (zh) * | 2011-05-30 | 2011-11-23 | 新疆大学 | 一种风电机组变频器智能故障诊断方法 |
CN102253283A (zh) * | 2011-06-20 | 2011-11-23 | 山东电力集团公司临沂供电公司 | 一种基于小波包能量谱的孤岛检测方法 |
-
2012
- 2012-12-05 CN CN201210517309.9A patent/CN103018601B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02221874A (ja) * | 1989-02-21 | 1990-09-04 | Toshiba Corp | 電力用変電機器の故障診断システム |
CN102253338A (zh) * | 2011-05-30 | 2011-11-23 | 新疆大学 | 一种风电机组变频器智能故障诊断方法 |
CN102253283A (zh) * | 2011-06-20 | 2011-11-23 | 山东电力集团公司临沂供电公司 | 一种基于小波包能量谱的孤岛检测方法 |
Non-Patent Citations (3)
Title |
---|
ELIE AL-AHMAR 等: "Wind energy conversion systems fault diagnosis using wavelet analysis", 《INTERNATIONAL REVIEW OF ELECTRICAL ENGINEERING》 * |
张晓波 等: "用小波分析来判定风力发电中电力电子的故障", 《电机技术》 * |
陈特放 等: "基于小波分析和SVM的主变流器故障诊断", 《机车电传动》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103439658B (zh) * | 2013-08-12 | 2016-12-28 | 深圳市禾望电气股份有限公司 | 一种变流器的故障诊断方法和系统 |
CN103439658A (zh) * | 2013-08-12 | 2013-12-11 | 深圳市禾望电气有限公司 | 一种变流器的故障诊断方法和系统 |
CN104459388A (zh) * | 2014-11-26 | 2015-03-25 | 国家电网公司 | 一种永磁直驱风力发电系统一体化故障诊断方法 |
CN104459388B (zh) * | 2014-11-26 | 2017-02-22 | 国家电网公司 | 一种永磁直驱风力发电系统一体化故障诊断方法 |
CN104502754A (zh) * | 2014-12-14 | 2015-04-08 | 北京理工大学 | 一种纯电动车辆动力系统的故障诊断方法 |
CN104502754B (zh) * | 2014-12-14 | 2020-05-12 | 北京理工大学 | 一种纯电动车辆动力系统的故障诊断方法 |
CN105406728A (zh) * | 2015-10-19 | 2016-03-16 | 南京航空航天大学 | 全双向开关型双级矩阵变换器整流级开关管开路故障时的容错控制方法 |
CN105406728B (zh) * | 2015-10-19 | 2018-05-08 | 南京航空航天大学 | 全双向开关型双级矩阵变换器整流级开关管开路故障时的容错控制方法 |
CN106054053B (zh) * | 2016-06-15 | 2018-08-24 | 西安科技大学 | 一种用于三相全桥整流电路晶闸管故障诊断的方法 |
CN106054053A (zh) * | 2016-06-15 | 2016-10-26 | 西安科技大学 | 一种用于三相全桥整流电路晶闸管故障诊断的方法 |
CN106199241B (zh) * | 2016-06-24 | 2019-01-29 | 清华大学 | 一种基于数据协调及假设检验的电站系统多故障诊断方法 |
CN106199241A (zh) * | 2016-06-24 | 2016-12-07 | 清华大学 | 一种基于数据协调及假设检验的电站系统多故障诊断方法 |
CN107632258A (zh) * | 2017-09-12 | 2018-01-26 | 重庆大学 | 一种基于小波变换和dbn的风机变流器故障诊断方法 |
CN108303630A (zh) * | 2018-02-08 | 2018-07-20 | 国电南瑞科技股份有限公司 | 一种基于小波包分析的交直流充电设备功率器件故障诊断方法 |
CN111239521A (zh) * | 2020-02-18 | 2020-06-05 | 金陵科技学院 | 一种基于PCA-kNN风力发电系统变流器故障识别方法 |
CN111239521B (zh) * | 2020-02-18 | 2022-02-11 | 金陵科技学院 | 一种基于PCA-kNN风力发电系统变流器故障识别方法 |
CN112083353A (zh) * | 2020-07-22 | 2020-12-15 | 国网上海市电力公司 | 一种基于开关模态特征对变流器开路故障进行检测的方法及系统 |
CN113805104A (zh) * | 2021-08-16 | 2021-12-17 | 国家电网有限公司 | 一种基于小波分析信号能量特征的大型电力变压器励磁涌流判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103018601B (zh) | 2015-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103018601B (zh) | 一种风力发电系统中变流器的一级故障诊断方法 | |
CN103645052B (zh) | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 | |
CN103558547B (zh) | 一种永磁同步电机的智能故障诊断方法 | |
CN103454585B (zh) | 一种基于失电残压的永磁同步电机失磁故障诊断方法 | |
CN104459388B (zh) | 一种永磁直驱风力发电系统一体化故障诊断方法 | |
Liang et al. | A novel fault diagnostic method in power converters for wind power generation system | |
CN105134510A (zh) | 一种风力发电机组变桨系统的状态监测和故障诊断方法 | |
CN102759711B (zh) | 一种基于数据挖掘的风力发电机组故障诊断方法 | |
CN103234753A (zh) | 基于高斯过程建模的风电机组轴系状态监测方法 | |
CN102352824B (zh) | 一种基于电气信息的风力发电机健康状态监测系统和方法 | |
CN105136435A (zh) | 一种风力发电机组叶片故障诊断的方法和装置 | |
CN102567783A (zh) | 并联混合型电能质量调节器专家故障分析与诊断方法 | |
CN103116090A (zh) | 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 | |
CN105784353A (zh) | 一种风力发电机齿轮箱故障诊断方法 | |
CN102510125A (zh) | 电力一次设备运行工况监测方法及装置 | |
CN107139726A (zh) | 采样回路的故障检测处理方法、装置、电机控制器及车辆 | |
CN105065212A (zh) | 一种风电场风电机组校验方法及系统 | |
CN106230378A (zh) | 一种光伏电站组串故障的诊断方法 | |
CN109919495A (zh) | 基于阈值计算的光伏电站监测数据异常与程度判断方法 | |
CN103310389A (zh) | 基于故障模式与故障树建立的架空输电线路故障检修方法 | |
CN203879690U (zh) | 风电场故障实时预警智能控制平台 | |
CN202453182U (zh) | 一种风电机组齿轮箱故障诊断装置 | |
CN107630784A (zh) | 一种用于定桨距风力发电机组的停机方法 | |
CN104569814B (zh) | 一种基于近似熵的直流牵引电机健康状态实时分析方法 | |
WO2022100046A1 (zh) | 一种基于零值比例频谱特征的机械传动故障检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150617 Termination date: 20151205 |
|
EXPY | Termination of patent right or utility model |