CN104184383A - 叶轮不平衡故障的双馈风力发电机定子电流诊断方法 - Google Patents

Abstract

本发明涉及一种叶轮不平衡故障的双馈风力发电机定子电流诊断方法，该方法具体包括：采集双馈发电机定子单相电流，利用FFT分析提取出该定子单相电流的基波频率；利用得到的基波频率计算叶轮不平衡故障下定子相电流的故障特征分量；采集风电机组叶轮转速信号，计算定子电流叶轮不平衡故障特征频率；利用FFT对得到的定子相电流的故障特征分量进行频谱分析，根据此时的故障特征频率，提取出该频率处的幅值，并与同一风速工况时，风电机组正常情况下的特征频率幅值作比较判断故障严重程度。该方法有效地解决了基于现有风力发电机直接定子电流特征量的故障诊断方法往往导致提取故障特征量不明显问题，是一种能够有效提高叶片安全、可靠性的故障诊断方法。

Description

叶轮不平衡故障的双馈风力发电机定子电流诊断方法

技术领域

本发明属于风电机组状态监测和故障诊断技术领域，涉及一种叶轮不平衡故障的双馈风力发电机定子电流诊断方法。

背景技术

随着我国并网风力发电机组的单机容量日益增大，以及大型风电场尤其是海上风电场的规划、建设和运行，如何提高和保障风力发电机组的运行可靠性已经成为国内外工程界和学术界关注的焦点。近年来，双馈风电机组已成为当前大容量风电场安装和运行的主要机型之一，研究如何应用状态监测技术，从而降低双馈风电机组故障频率和运行维修成本，提高其发电量已引起广泛关注。风力机在常年运行过程中，由于受风沙磨损、叶片结冰抑或桨距角误操作等影响，会引起叶轮不平衡故障。尤其是近年来叶轮随着风机容量的增大而越来越长，叶轮不平衡故障给风机带来的危害更加严重。如果能及时对叶轮不平衡进行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伤。

目前的叶轮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。此外，基于现有风力发电机直接定子电流特征量的故障诊断方法往往导致提取故障特征量不明显问题。

发明内容

有鉴于此，本发明所要解决的技术问题是提供一种叶轮不平衡故障的双馈风力发电机定子电流诊断方法，该方法能够有效地提取出叶轮不平衡故障特征，且通过监测特征频率幅值的变化情况，可以有效地判断出不平衡故障严重程度。

本发明的目的是这样实现的：

本发明提供的一种叶轮不平衡故障的双馈风力发电机定子电流诊断方法，包括以下步骤：

1)通过安装在双馈风电机组上的电流传感器和数据采集设备采集双馈发电机定子单相电流i_sa(t)，并利用FFT分析提取出i_sa(t)的基波频率f_e；

2)利用得到的基波频率f_e，计算叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)；

3)通过安装在双馈风电机组上的转速传感器和数据采集设备采集风电机组叶轮转速信号，计算定子电流叶轮不平衡故障特征频率；

4)利用FFT对得到的i_saf(t)进行频谱分析，根据此时的故障特征频率，提取出该频率处的幅值，并与同一风速工况时，风电机组正常情况下的特征频率幅值作比较判断故障严重程度。

进一步，在步骤2)中叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)的获取方法为：

将定子电流i_sa(t)求二次导数得到i″_sa(t)，定义叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)为：

$i_{\mathrm{saf}}\left(t\right)=i_{\mathrm{sa}}^{\′\′}\left(t\right)+i_{\mathrm{sa}}\left(t\right)\×{\mathrm{\ω}}_e^2$

式中，ω_e＝2πf_e。

进一步，在步骤1)和4)中对电流信号进行FFT分析的方法为

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

式中：ω＝2πf，单位是rad/s；f为频率，单位是Hz。

本发明的优点在于：1)本发明公开的一种叶轮不平衡故障的双馈风力发电机定子电流诊断方法，通过电流传感器采集发电机单相定子绕组电流信号并分析处理，快速有效的诊断双馈风电机组叶片的故障，为及时刹车提供依据。2)本发明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叶片安全、可靠性的故障诊断方法。3)本发明通过监测特征频率幅值的变化情况，可以有效地判断出不平衡故障严重程度。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为双馈风电机组叶轮不平衡的故障诊断流程；

图2为模拟的湍流风速；

图3为风电机组叶轮在正常状况下定子相电流故障特征分量的时域信号。

图4为风电机组叶轮在不平衡状况下定子相电流故障特征分量的时域信号。

图5为风电机组叶轮在正常状况下定子相电流故障特征分量的频谱图。

图6为风电机组叶轮在不平衡状况下定子相电流故障特征分量的频谱图。

图7为风电机组叶轮在正常状况下定子相电流的时域信号。

图8为风电机组叶轮在不平衡状况下定子相电流的时域信号。

图9为风电机组叶轮在正常状况下定子相电流的频谱图。

图10为风电机组叶轮在不平衡状况下定子相电流的频谱图。

具体实施方式

以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

实施例1

图1为双馈风电机组叶轮不平衡的故障诊断流程，如图所示：本发明提供的一种叶轮不平衡故障的双馈风力发电机定子电流诊断方法，包括以下步骤：

1)通过安装在双馈风电机组上的电流传感器和数据采集设备采集双馈发电机定子单相电流i_sa(t)，并利用FFT分析提取出i_sa(t)的基波频率f_e；

2)利用得到的基波频率f_e，计算叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)；

3)通过安装在双馈风电机组上的转速传感器和数据采集设备采集风电机组叶轮转速信号，计算定子电流叶轮不平衡故障特征频率；

4)利用FFT对得到的i_saf(t)进行频谱分析，根据此时的故障特征频率，提取出该频率处的幅值，并与同一风速工况时，风电机组正常情况下的特征频率幅值作比较判断故障严重程度。

步骤2)中叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)的获取方法为：

将定子电流i_sa(t)求二次导数得到i″_sa(t)，定义叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)为：

$i_{\mathrm{saf}}\left(t\right)=i_{\mathrm{sa}}^{\′\′}\left(t\right)+i_{\mathrm{sa}}\left(t\right)\×{\mathrm{\ω}}_e^2$

式中，ω_e＝2πf_e。

步骤1)和4)中对电流信号进行FFT分析的方法为

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

式中：ω＝2πf，单位是rad/s；f为频率，单位是Hz。

实施例2

下面以双馈风电机组叶轮不平衡故障运行状况为例分析叶轮不平衡故障给定子电流带来的影响：

当风力机以恒定的角速度ω_m运行时，叶轮不平衡会导致风力机输出的轴转矩发生改变，此时风力机输出的轴转矩可以表示为：

式中：t为时间常数；T为风力机输出的轴转矩；T₀为风力机产生的气动转矩；T_v为由不平衡故障产生的转矩波动幅值；为初始相位角。

将双馈风电机组叶片、轮毂、齿轮箱、传动轴和发电机转子等传动模型等效成一个集中质量块，运动方程为：

${2H}_M\frac{{\mathrm{d\ω}}_m}{\mathrm{dt}}=T-T_e-D_M{\mathrm{\ω}}_m---\left(2\right)$

式中：H_M为风电机组的等效惯性时间常数；T_e为风电机组的电磁转矩；D_M为阻尼系数，可以近似为0。

根据式(1)、(2)，当风电机组运行在稳定状态情况下，轴转矩出现周期性的振荡会导致电磁转矩出现同样的振荡频率，因此，在叶轮不平衡情况下，风电机组的电磁转矩可以表示为：

式中T_e0为对应风力机气动转矩；T₀产生的电磁转矩；T_ev为对应不平衡转矩T_v产生的电磁转矩。双馈发电机电磁转矩T_e也可以利用定子电流在q轴方向上的分量i_sq表示为：

$T_e=\frac{3p}{2}{\mathrm{\ψ}}_s{i}_{\mathrm{sq}}---\left(4\right)$

式中p为电机极对数；Ψ_s为定子磁链。根据双馈发电机定子磁链定向模型可得：

$\left\{\begin{array}{c}\frac{d{\mathrm{\ψ}}_{\mathrm{sd}}}{\mathrm{dt}}=-R_s{i}_{\mathrm{sd}}+u_{\mathrm{sd}}\\ {\mathrm{\σL}}_s\frac{{\mathrm{di}}_{\mathrm{sd}}}{\mathrm{dt}}=-\frac{L_s{R}_r+L_r{R}_s}{L_r}{i}_{\mathrm{sd}}+\frac{R_r}{L_r}{\mathrm{\ψ}}_{\mathrm{sd}}+\mathrm{\σ}{L}_s{\mathrm{\ω}}_s{i}_{\mathrm{sq}}+u_{\mathrm{sd}}\end{array}\right.---\left(5\right)$

式中，Ψ_sd、i_sd、u_sd分别为定子磁链Ψ_s、定子电流i_s和定子电压u_s在各自d轴方向上的分量；R_s、R_r分别为定、转子电阻；L_s、L_r分别为定、转子全电感；L_m为激磁电感； $\mathrm{\σ}=1-L_m^2/L_s{L}_r;$ ω_s为转差角速度。

消除式(5)中u_sd，得到风电机组稳态运行时的Ψ_sd：

${\mathrm{\ψ}}_{\mathrm{sd}}=L_s{i}_{\mathrm{sd}}-\mathrm{\σ}\frac{L_r}{r_r}{L}_s{\mathrm{\ω}}_s{i}_{\mathrm{sq}}---\left(6\right)$

由定子磁链定向模型可知，定子磁链Ψ_s在q轴方向上的分量Ψ_sq＝0，故：

${\mathrm{\ψ}}_s={\mathrm{\ψ}}_{\mathrm{sd}}=L_s{i}_{\mathrm{sd}}-\mathrm{\σ}\frac{L_r}{r_r}{L}_s{\mathrm{\ω}}_s{i}_{\mathrm{sq}}---\left(7\right)$

在稳态情况下定子磁链Ψ_s为常量，结合式(4)可知，T_e中出现周期性振荡会导致定子电流q轴分量i_sq出现相同的振动频率。故：

同理，结合式(7)中定子磁链Ψ_s表达式可知，定子电流d轴分量i_sd也会出现同样的振动频率：

式(8)、(9)中，i_sq0、i_sd0分别为风力机气动转矩T₀产生的定子电流；A_sid、A_siq分别为不平衡转矩T_v产生的附加定子电流的幅值，其均正比于T_ev；和分别为电流i_sd、i_sq的初始相位角。

结合dq-abc变换，可以将定子电流从dq坐标系变换到abc三相坐标系下。计算得到的定子A相电流为：

式中：ω_e为同步旋转角速度。通常可以将式(10)进一步简化为：

式中A₁＝A_siq+A_sid/2，A₂＝A_siq-A_sid/2。由式(11)可以看出，叶轮不平衡会导致双馈发电机定子相电流产生频率为f_e±f_m(ω_e＝2πf_e、ω_m＝2πf_m)的谐波分量。虽然理论上利用出现的谐波分量可以诊断叶轮不平衡故障，然而实际中故障导致的电流谐波成分幅值通常较小，易被基频电流的泄漏及环境噪声所淹没，直接对定子电流进行FFT分析并不能有效地诊断出故障。

本文发明定义叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)：

式中i″_sa(t)为定子电流i_sa(t)的二次导数，从式(12)中可以看出，本发明定义的定子相电流故障特征分量i_saf(t)中仅存在故障特征频率为f_e±f_m的谐波分量，排除了基频电流分量的干扰；此外，i_saf(t)中故障特征频率f_e±f_m处的幅值，相比于定子相电流i_sa(t)中特征频率处的幅值而言，增大了ω_m(2ω_e±ω_m)倍，故障特征更加明显。因此，与直接对定子电流进行频谱分析相比，该方法更能凸显出故障特征。

实施例3

下面以1.5MW的双馈风电机组为研究对象，利用短期风速仿真模型模拟风机实际运行环境，构造了湍流强度为3％、平均风速为11m/s的湍流风速，如图2所示。

为了定量地表示叶轮不平衡故障程度，定义叶轮不平衡系数F_T为：

F_T＝T_v/T₀  (14)

实验设置了2种状况：a.风电机组叶片正常运行(F_T＝0％)；b.为叶片不平衡情况(F_T＝6％)。图3、4分别为风电机组叶片处于上述两种情况下的叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)稳态运行时的时域波形，图5、6分别为i_saf(t)的频域图。为了形成对比，图7、8分别为风电机组叶片正常运行(F_T＝0％)和叶片不平衡情况(F_T＝6％)情况下的定子电流信号稳态运行时的时域图；图9、10分别为上述两种情况下定子相电流的频谱图。

从图3、4的时域波形可看出，相比正常情况，叶轮不平衡故障时的i_saf(t)波动更剧烈；从图5、6的频谱图中可看出，提出的定子相电流故障特征分量可以很好抑制定子电流基波频率f_e＝50Hz；且叶轮不平衡故障时特征频率f＝f_e±f_m＝50±0.22Hz处的幅值相比于风机正常情况下的幅值更大，能较为明显诊断出此时的叶轮不平衡故障。

图7、8中上述两种情况下定子相电流i_sa(t)信号的时域波形区别不大；从图9、10可以看出，当发生叶轮不平衡故障时，无法从频域中有效地分辨出故障特征频率f，因此直接利用定子相电流不能有效诊断出叶轮不平衡故障。

从上面的结果可以看出，利用本发明叶轮不平衡故障的双馈风力发电机定子电流信号的频谱图，能够较好地抑制定子电流基频信号的影响，使得叶轮不平衡下的定子电流故障特征频率更为明显，更能有效诊断出此时的叶轮不平衡故障。本发明不需要增加额外的传感器和数据采集设备，仅需要发电机定子单相电流信号，既简单又易实现，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。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (3)

1.一种叶轮不平衡故障的双馈风力发电机定子电流诊断方法，其特征在于：包括以下步骤：

1)通过安装在双馈风电机组上的电流传感器和数据采集设备采集双馈发电机定子单相电流i_sa(t)，并利用FFT分析提取出i_sa(t)的基波频率f_e；

2)利用得到的基波频率f_e，计算叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)；

3)通过安装在双馈风电机组上的转速传感器和数据采集设备采集风电机组叶轮转速信号，计算定子电流叶轮不平衡故障特征频率；

4)利用FFT对得到的i_saf(t)进行频谱分析，根据此时的故障特征频率，提取出该频率处的幅值，并与同一风速工况时，风电机组正常情况下的特征频率幅值作比较判断故障严重程度。

2.根据权利要求1所述的叶轮不平衡故障的双馈风力发电机定子电流诊断方法，其特征在于：叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)的获取方法为：

将定子电流i_sa(t)求二次导数得到i″_sa(t)，定义叶轮不平衡故障下定子相电流的故障特征分量i_saf(t)为：

$i_{\mathrm{saf}}\left(t\right)=i_{\mathrm{sa}}^{\′\′}\left(t\right)+i_{\mathrm{sa}}\left(t\right)\×{\mathrm{\ω}}_e^2$

式中，ω_e＝2πf_e。

3.根据权利要求1所述的所述的叶轮不平衡故障的双馈风力发电机定子电流诊断方法，其特征在于：对电流信号进行FFT分析的方法为

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

式中：ω＝2πf，单位是rad/s；f为频率，单位是Hz。