CN105929331A - 一种双馈风力发电机定转子故障分析诊断装置及方法 - Google Patents

一种双馈风力发电机定转子故障分析诊断装置及方法 Download PDF

Info

Publication number
CN105929331A
CN105929331A CN201610278863.4A CN201610278863A CN105929331A CN 105929331 A CN105929331 A CN 105929331A CN 201610278863 A CN201610278863 A CN 201610278863A CN 105929331 A CN105929331 A CN 105929331A
Authority
CN
China
Prior art keywords
imf
double
signal
wind power
power generator
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.)
Pending
Application number
CN201610278863.4A
Other languages
English (en)
Inventor
罗玉东
陈亚新
房建俊
徐余法
戴志军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Dianji University
Original Assignee
Shanghai Dianji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Dianji University filed Critical Shanghai Dianji University
Priority to CN201610278863.4A priority Critical patent/CN105929331A/zh
Publication of CN105929331A publication Critical patent/CN105929331A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34Testing dynamo-electric machines
    • G01R31/346Testing of armature or field windings

Abstract

本发明公开了一种双馈风力发电机定转子故障分析诊断方法,包括:对采样进来的六路电流信号采用改进的HTT算法进行波形匹配,根据匹配结果进行自适应端点延拓;对延拓后的信号采用经验模态分解,获得有限个本征模函数IMF;利用能量守恒法消除获得的虚假IMF函数;根据消除虚假IMF函数后获得的真实IMF确定原始信号的特征频率,通过检测特征频率确定双馈风力发电机定转子的故障类型及严重程度,本发明通过改进HHT算法,大大提高了算法的自适应能力,有效提取了电机的定转子故障信号,为双馈风力发电机定转子故障的现场检测提供了便捷。

Description

一种双馈风力发电机定转子故障分析诊断装置及方法
技术领域
[0001] 本发明涉及一种双馈风力发电机定转子故障诊断装置及方法,特别是涉及一种基 于改进HHT算法的双馈风力发电机定转子故障分析诊断装置及方法。
背景技术
[0002] 风电作为一种清洁、储量无限能源在各国越来越受到重视,至今风力发电在国际 范围内得到快速发展。对于风力发电机的选择来说,由于双馈技术稳定的运行性能占据了 很大的市场份额,使双馈风力发电机成为风力发电的主干力量。
[0003] 双馈风力发电机是一种定子、转子同时可以发出电能的发电机,当超同步转速时, 定转子同时处于发电状态,转子通过变流器向电网馈电,而在亚同步时,正常异步电机应为 电动机运行状态,但通过在转子回路通入励磁电流,双馈发电机仍可处于发电状态,因此当 双馈发电机发生故障时,其比永磁电机和其它异步电机表现出的故障特征更为复杂,而且 故障信号基本都是不连续不平稳信号。
[0004] 传统的检测双馈风力发电机定转子故障的方法主要是静态检测方法,包括直流电 阻法、交流阻抗和功率损耗法、RS0重复脉冲检测法、发电机空载、短路特性曲线法等。静态 检测方法对保证发电机安全运行和质量检测作用良好,但有些定转子间的故障初期并不是 非常稳定或者只有动态运行时才出现,静态检测法就难以判断。还有一些检测电机的定转 子故障是通过轴电压电流、转子绕组绝缘状况、定子绕组的局部放电及发电机运行参数监 测四个部分进行发电机的故障诊断,对于转子匝间短路采用了微分探测线圈结合小波分析 的方法,提取非平稳的瞬时、奇异与突变成分,取得了一定效果,但由于小波对基波的选择 依赖性太强,使得通用性较弱。
[0005] 由于风力发电本身就是一个非稳态非线性的过程,传统的信号分析方法如傅里叶 变换、Gabor变换、小波变换(Wavelet transform,WT)、Wigner_Vilie分布(Wigner-Vilie Distribution,WVD)等自适应能力差,都无法有效地提取电机的故障特征。由于HHT(希尔伯 特一黄变换)是一种更适为处理非线性非平稳信号的算法,但EMD(经验模态分解)的端点效 应(边界畸变)和虚假的IMF(固有模态函数)两个问题的存在,需要对HHT算法改进,因此,本 发明拟提出一种基于改进HHT算法的双馈风力发电机定转子故障诊断装置及方法。
发明内容
[0006] 为克服上述现有技术存在的不足,本发明之目的在于提供一种双馈风力发电机定 转子故障分析诊断装置及方法,将数据的采集、转换、分析集于一体,并改进了 HHT算法,大 大提高算法自适应能力,有效提取了电机的定转子故障信号,为双馈风力发电机定转子故 障的现场检测提供便捷。
[0007] 为达上述及其它目的,本发明提出一种双馈风力发电机定转子故障分析诊断装 置,包括:
[0008] 数据采集单元,利用霍尔传感器采集双馈发电机的定子三相电流信号和转子三相 电流信号,并将其传送至调理电路;
[0009] 调理电路,用于将采集获得的定子三相电流信号和转子三相电流信号调理成符合 AD采样电路采样要求的电流信号;
[0010] AD采样电路,用于将采集的连续电流信号转换成数字信号,并通过接口电路将数 字的电流信号传送至数据诊断处理单元;
[0011] 数据诊断处理单元,对采样进来的六路电流信号进行改进HHT算法处理,得到相应 的六路Hi lbert谱和Hi lbert边际谱,并根据Hi lbert边际谱对故障进行分析诊断。
[0012] 进一步地,该数据诊断处理单元对采样进来的六路电流信号采用基于波形匹配自 适应端点延拓方法进行延拓,对延拓后的信号采用经验模态分解获得有限个本征模函数, 并利用能量守恒法消除获得的虚假MF函数,最后根据消除虚假MF函数后获得的真实MF 确定原始信号的特征频率,通过检测特征频率确定双馈风力发电机定转子的故障类型及严 重程度。
[0013]为达到上述目的,本发明还提供一种双馈风力发电机定转子故障分析诊断方法, 包括如下步骤:
[0014] 步骤一,对采样进来的六路电流信号采用改进的HTT算法进行波形匹配,根据匹配 结果进行自适应端点延拓;
[0015] 步骤二,对延拓后的信号采用经验模态分解,获得有限个本征模函数頂F;
[0016] 步骤三,利用能量守恒法消除获得的虚假頂F函数;
[0017] 步骤四,根据消除虚假MF函数后获得的真实MF确定原始信号的特征频率,通过 检测特征频率确定双馈风力发电机定转子的故障类型及严重程度。
[0018] 进一步地,步骤一进一步包括:
[0019] 确定原始信号x(t)最左端的两个相邻极值点,假定为极小值点和极大值点;
[0020] 连接原点、极小值、极大值三点得到特征波,其长度为1;
[0021] 计算每个极小值或极大值1长度范围内的波形与特征波的匹配差,并找出最小匹 配差Minm;
[0022] 如果最小匹配差<<!,则选取靠近左端点的N个极值点的平均值为左端点的值,否 则使用该段波形进行左延拓。
[0023] 进一步地,右端点的延拓方法与左端点相同。
[0024] 进一步地,步骤二进一步包括:
[0025] 当到延拓后的信号xl(t)后,设初始残差r为xl(t),求出xl(t)所有极大、极小值 占.
[0026] 利用三次样条插值函数对极值点进行插值,拟合出延拓信号xl(t)的上下包络线;
[0027] 计算出上下包络线的平均值,然后用xl(t)减去包络线均值得到h;
[0028]若h不满足标准差SD,则把h当作延拓后的信号xl(t)进行输入,若h满足标准差SD, 贝1Jh就是IMF,将其记作c,此时残差r = r-c(n);
[0029] 若残差rSc小于预定的误差,或者残差r成为一个单调函数,则无法再提取IMF成 分,终止经验模态分解过程;否则将r作为一组新信号,重复经验模态分解过程,最终得到全 部的残差。
[0030] 进一步地,利用三次样条插值函数对所有的极大值点进行插值,拟合出延拓信号 Xl(t)的上包络线,利用三次样条插值函数对所有的极小值点进行插值,拟合出延拓信号xl (t)的下包络线。
[0031] 进一步地,步骤三进一步包括:
[0032] 步骤3.1,分别计算原信号以及每个頂F分量的均方差t2和I,2;
[0033] 步骤3 • 2,若K2 < ': +…+ %2,则存在虚假的頂F;
[0034] 步骤3.3,计算原信号与每个IMF分量的相关系数5
[0035] 步骤3.4,若小于一定的G时认定ci为虚假IMF,直接舍弃,依次对各个Ax,_进行 分析虚假则舍弃,否则找到第一个真实頂F成分,记录其为;
[0036] 步骤3.5,若K,2 ,(j〈k),则Cj为虚假IMF,再用 Cj+Ck作为新的第j阶IMF分 量,直到发现新的真实MF分量,否则Cj为真实分量。
[0037] 进一步地,把新的IMF分量作为新的标准分量,并与前面的IMF分量进行步骤3.5的 筛选,不断重复,直至检验和修正所有的MF分量后结束。
[0038] 进一步地,步骤四进一步包括:
[0039] 获得真实的MF后,首先经过Hilbert变换得到Hilbert谱,再经过Hilbert谱积分 得到原始信号的Hilbert边际谱;
[0040] 将整个Hilbert边际谱进行积分,再将特定频率的A t时间内频率进行积分,并计 算出特征谐波f spe( i )出现占比Kham( i );
[0041] 为Kham(i)设计两个限值Klset和K2set,其中Klset为轻微故障的特征谐波出现占比限 值,而K2 set为较严重故障的特征谐波出现占比限值;
[0042] 得到结果后,通过查表法确定实际的双馈风力发电机定转子故障类型及严重程 度。
[0043] 与现有技术相比,本发明一种双馈风力发电机定转子故障分析诊断装置及方法将 数据的采集、转换、分析集于一体,并改进了HHT算法,大大提高算法自适应能力,有效提取 了电机的定转子故障信号,为双馈风力发电机定转子故障的现场检测提供便捷。
附图说明
[0044]图1为本发明一种双馈风力发电机定转子故障分析诊断装置的系统架构图;
[0045] 图2为本发明较佳实施例之双馈风力发电机定转子故障分析诊断装置的架构示意 图;
[0046] 图3为本发明一种双馈风力发电机定转子故障分析诊断方法的步骤流程图;
[0047]图4为本发明较佳实施例步骤301中的细部流程图;
[0048]图5为本发明较佳实施例步骤302中的细部流程图;
[0049]图6为本发明较佳实施例步骤303中的细部流程图;
[0050]图7为本发明较佳实施例步骤304中的细部流程图。
具体实施方式
[0051]以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可 由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同 的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离 本发明的精神下进行各种修饰与变更。
[0052]图1为本发明一种双馈风力发电机定转子故障分析诊断装置的系统架构图。如图1 所示,本发明一种双馈风力发电机定转子故障分析诊断装置,包括:数据采集单元101、调理 电路102、AD采样电路103以及数据诊断处理单元104。
[0053]其中,数据采集单元101利用霍尔传感器采集双馈发电机的定子三相电流信号和 转子三相电流信号,并将其传送至调理电路102;调理电路102,用于将采集获得的定子三相 电流信号和转子三相电流信号调理成符合AD采样电路103采样要求的电流信号,并送至AD 采样电路103;AD采样电路103,用于将采集的连续电流信号转换成数字信号,并通过接口电 路将数字的电流信号传送至数据诊断处理单元104;数据诊断处理单元104对对采样进来的 六路电流信号进行改进HHT(希尔伯特-黄变换)算法处理,得到相应的六路Hilbert谱和 Hilbert边际谱,并根据Hilbert边际谱对故障进行分析。
[0054] 图2为本发明较佳实施例之双馈风力发电机定转子故障诊断装置的架构示意图。 在本发明具体实施例中,数据采集单元采用霍尔传感器采集到的双馈发电机的定子三相电 流信号和转子三相电流信号经过调理电路送至STM32F103芯片(AD采样电路),完成AD采样, 在本发明具体实施例中,AD采样电路得到的电流数据有两个去处:第一,通过UART 口送至数 据诊断处理单元1〇4(本发明实施例中采用芯片S3C2440),并与该数据诊断处理单元104连 接一显示单元,用于显示原始电流波形、改进HHT算法变换后的Hilbert边际谱图、FFT图;第 二,通过USB数据口送至PC机,并在LabVIEW程序界面上显示原始电流波形、改进HHT算法变 换后的MF(有限本征模函数)波形、Hilbert谱及Hilbert边际谱图、FFT图,实现故障诊断。 以下具体介绍各模块:
[0055] 本发明考虑一定的安全裕量,在定转子三相电流数据采样单元选择额定25A,最大 36A的高精度霍尔电流传感器HS03-25A-NP,通过调整HS03-25A-NP1-10引脚的接线方式可 以改变其电流转换比例,包括1 :1000、2:1000、3:1000、4:1000、5:1000五种规格可选。在本 发明中,选用最大额定25A量程接线方式,即1:1000的匝比,当采样为25A电流时,输出25mA 的电流信号,再通过200Q的采集电阻转换为5V电压信号。
[0056] AD采样电路采用的是STM32F103芯片,由于STM32F103芯片正常的ADC范围为0-3.3V,而采样进来的信号是交流电流信号,不符合测量要求,因此必须先采用调理电路对采 样波形进行调理。以定子A相电流进行说明,调理电路的电压输入端Vin接到ISA定子采样电 路的输出端,基准电压Vref接到标准1.25V参考电压(由STM32F103的参考电压输出端分压 得到)。经过调理电路中的运算器的放大运算后,使采样电路的输出电压Vout输出范围为 0.8V-2.0V,符合MCU采样要求。再由MCU控制CD4051八路模拟开关的控制选择具体采集电流 信号通道。
[0057] 调理电路将数据输入STM32F103芯片之后,经STM32F103MCU的模数转换器,将采集 的连续电流信号转换成数字信号。USB通信接口用于与电脑通信、UART通信接口用于与芯片 S3C2440通信、SPI通信接口用于与可编程增益放大器通信、ADC采样口用于电流采样。AD转 换的基准电压采用MCU的内置2.5V分压得到1.25V,至此,信号的采样完毕。
[0058]采集的好数据一方面是通过UART接口发送到芯片S3C2440进行分析处理,另一方 面是通过USB接口发送到PC机进行分析处理。
[0059] 由于实时数据模块需要使用的电源类型有3.3V、±15V。因此本发明采用5V/2A直 流开关电源供电,再用LM1117芯片转换得到3.3V,± 15V由IA0515芯片转换输出。
[0060] 在本发明中,数据诊断处理单元(芯片S3C2440)的数据分析功能通过利用改进HHT 算法来实现,显示单元利用电阻型触摸屏来完成。由于故障诊断装置需要使用到大量的波 形界面,因此本发明先在Linux虚拟机环境中结合QT软件进行显示部分的界面开发,目的是 提供一组2D的窗体库显示技术领域的数据,使其输出方式可以是Curves(曲线),Dials(圆 盘),compasses(仪表盘)等。完成后将其移植到目标机S3C2440ARM上的嵌入式Linux系统上 运行。另一方面,由于需要采集的是三路定子电流信号和三路转子电流信号,采样前需对采 样信号放大比、采样频率、采样时间进行相应的设置,如此显示出的波形才能与真实波形相 对应。通过对采样进来的六路电流信号进行改进HHT算法处理,得到相应的六路Hilbert谱 和Hilbert边际谱,但由于Hilbert谱为三维图形,在Qwt中无法显示,因此本发明只给出 Hi lbert边际谱,另外考虑到工程实际中,工程人员也经常使用FFT变换,因此在便携式双馈 风力发电机故障诊断分析装置中加入FFT变换,便于工程人员现场综合信息进行故障确认。 [0061]在本发明,当便携式双馈风力发电机故障诊断分析装置正常开机后,只需要设置 好采样参数:采样放大比、采样频率以及采样时间(或者说是采样点数),点击设置好的开始 按钮就可以进行实时采样并显示定转子共6路电流采样波形图。同时,可通过设置好的"原 始波形"、"Hilbert边际谱"、"FFT频谱"和"故障类型"四个切换按键控制其显示原始的6路 波形图、6路波形HHT的Hilbert边际谱、6路波形FFT的频率谱以及当前被测双馈风力发电机 定转子的健康状态。
[0062] 对于在PC机上的数据处理,采用Windows下的LabVIEW界面程序进行深入的数据处 理分析。为了查看更多细节信息,能在LabVIEW程序界面上显示原始电流波形、改进HHT算法 变换后的IMF波形、Hilbert谱及Hilbert边际谱图、FFT图,实现更为准确的故障诊断。 LabVIEW界面包含如下内容:
[0063]①采样设置区
[0064]用于设置采样的基本参数。
[0065]②数据分析区
[0066] 让PC机调用写好的matlab程序对原始数据进行改进HHT分析,显示出IMF分量、 Hilbert谱,同时保留了Hilbert边际谱和FFT频谱的分析功能。
[0067] ③诊断结果显示区
[0068]调用后台自诊断程序,智能分析出当前双馈风力发电机定转子的健康状态,需要 提供定子输出电压频率及转差率。
[0069]④原始波形显示区
[0070]原始波形是一直显示的,而其分析波形由后台调用matlab程序来直接画图,不需 要调用LabVIEW的显示界面。
[0071]图3为本发明一种双馈风力发电机定转子故障分析诊断方法的步骤流程图。如图3 所示,本发明一种双馈风力发电机定转子故障分析诊断方法,包括如下步骤:
[0072]步骤301,对采样进来的六路电流信号采用改进的HTT算法进行波形匹配,根据匹 配结果进行自适应端点延拓。
[0073]图4为本发明较佳实施例步骤301中的细部流程图。以左端点为例(右端点的方法 与左端点一样),确定原始信号X(t)最左端的两个相邻极值点,假定为极小值点和极大值 点,连接原点、极小值、极大值三点得到特征波,其长度为1,计算每个极小值(极大值)1长度 范围内的波形与特征波的匹配差,并找出最小匹配差Minm,如果最小匹配差<€ [(€[为阈值, 是预设的,其大小可根据实际情况设置调整),则选取靠近左端点的N个极值点的平均值为 左端点的值,否则使用该段波形进行左延拓。
[0074]步骤302,对延拓后的信号采用经验模态分解(EMD),获得有限个本征模函数 (Intrinsic Mode Function,简称IMF)。
[0075]图5为本发明较佳实施例中步骤302的细部结构图。如图4所示,当通过步骤301得 到延拓后的信号xl(t)后,设初始残差r为xl(t),然后求出xl(t)所有极大、极小值点,利用 三次样条插值函数对所有的极大值点进行插值,拟合出延拓信号xl(t)的上包络线,再用三 次样条插值函数所有的极小值点进行插值,拟合出延拓信号xl(t)的下包络线;计算出上下 包络线的平均值,然后用xl(t)减去包络线均值得到h;若h不满足标准差SD,则把h又当作延 拓后的信号xl(t)进行输入;若h满足标准差SD,则h就是頂F,将其记作c,此时残差r = r-c (n)。若残差rSc小于预定的误差,或者残差r成为一个单调函数,则无法再提取IMF成分,终 止EMD程序;否则r将作为一组新信号,重复EMD过程,最终得到全部的残差。
[0076]步骤303,利用能量守恒法消除步骤302获得的虚假的頂F函数。
[0077]图6为本发明较佳实施例中步骤303的细部流程图。如图6所示。分别计算原信号以 及每个頂F分量的均方差V和K,2,若< <匕2 +…+仏,2,则存在虚假的頂F;计算信号与每 个IMF分量的相关系数/V小于一定的是阈值,一般情况下,其值设置为相关系数 序列中最大值的十分之一)时认定 Cl为虚假IMF,直接舍弃,依次对各个/>«•,进行分析虚假则 舍弃,否则找到第一个真实頂F成分,记录其为 Cj,若,(j〈k),则Cj为虚假MF,再 用cj+ck作为新的第j阶頂F分量,直到发现新的真实頂F分量;否则Cj为真实分量。把新的頂F 分量作为新的标准分量,并与面的MF分量进行如前一步骤的筛选,不断重复,直至检验和 修正所有的IMF分量后结束。
[0078]步骤304,根据消除虚假頂F函数后获得的真实MF确定原始信号的特征频率,通过 检测特征频率确定双馈风力发电机定转子的故障类型及严重程度。
[0079] 本发明最终诊断双馈风力发电机定转子故障是否发生及其严重程度是通过检测 故障特征频率,故障特征频率出现且其频率含量超过一定指标时,就可以判定故障发生了。 不同的故障特征频率组合对应着定转子不同位置的发生故障,而其故障特征频率的超标指 数则可以作为故障发生严重程度的判断依据。
[0080] 图7为本发明较佳实施例中步骤304的细部流程图。如图7所示,通过改进HHT算法 得到真实的IMF后,经过Hi lbert变换得到Hi lbert谱,再经过Hi lbert谱积分就可以得到原 始信号的Hilbert边际谱;Hilbert边际谱中,某一频率存在能量则表示具有该频率的振动 存在的可能性,即Hilbert边际谱具有一定的概率意义,因此可以作为故障自诊断的良好输 入信息;将整个Hilbert边际谱进行积分,再将特定频率的At时间内频率进行积分,并计算 出特征谐波f spe( i)出现占比U i),为Kh_(i)设计两个限值Klset和K2set,其中Klset为轻微 故障的特征谐波出现占比限值,而K2 set为较严重故障的特征谐波出现占比限值,得到结果 后,通过查表法确定实际的双馈风力发电机定转子故障类型及严重程度。
[0081] 综上所述,本发明一种双馈风力发电机定转子故障分析诊断装置及方法将数据的 采集、转换、分析集于一体,并改进了HHT算法,大大提高算法自适应能力,有效提取了电机 的定转子故障信号,为双馈风力发电机定转子故障的现场检测提供便捷。
[0082] 与现有技术相比,本发明具有如下优点:
[0083] (1)有些定转子间的故障初期并不是非常稳定或者只有动态运行时才出现,静态 检测法就难以判断。本发明通过实时、高速采集数据,再用界面化的程序调用改进的HHT算 法分析采集好的数据,即使故障初期不稳定已能有效分析信号频谱,并且适用于动静态情 况。
[0084] (2)定转子故障早期出现时不存在非常直观的大突变信号,又加上风力发电本身 就是一个非稳态非线性的过程,而传统的傅里叶变换、Gabor变换、小波变换由于自适应能 力差而无法有效提取电机的故障信号。本发明采用改进的HHT算法,HHT算法最大的优势就 在于它能够根据信号自身的特征自适应的选择基函数,并将信号有效地分解为一系列具有 明确物理意义的多个单一分量(MF),将这些单一分量经过Hilbert变换,得到频率和时间 的关系图,称为Hilbert谱。由于HHT可以对信号的频谱结构做出非常精确的局部时频分辨, 因而它非常适合于风力发电这种非平稳非线性信号的分析,克服了传统分析方法的不足。 但由于HHT存在端点效应和虚假的頂F两个问题的存在,导致HHT核心步骤EMD出现了差错, 这也直接影响了后面HT变换出来的Hilbert谱和Hilbert边际谱的真实性与有效性,因此采 用一种基于波形匹配自适应端点延拓方法改进EMD流程,采用能量守恒法消除虚假頂F。 [0085]上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本 领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此, 本发明的权利保护范围,应如权利要求书所列。

Claims (10)

1. 一种双馈风力发电机定转子故障分析诊断装置,包括: 数据采集单元,利用霍尔传感器采集双馈发电机的定子三相电流信号和转子三相电流 信号,并将其传送至调理电路; 调理电路,用于将采集获得的定子三相电流信号和转子三相电流信号调理成符合AD采 样电路采样要求的电流信号; AD采样电路,用于将采集的连续电流信号转换成数字信号,并通过接口电路将数字的 电流信号传送至数据诊断处理单元; 数据诊断处理单元,对采样进来的六路电流信号进行改进HHT算法处理,得到相应的六 路Hi lbert谱和Hi lbert边际谱,并根据Hi lbert边际谱对故障进行分析诊断。
2. 如权利要求1所述的一种双馈风力发电机定转子故障分析诊断装置,其特征在于:该 数据诊断处理单元对采样进来的六路电流信号采用基于波形匹配自适应端点延拓方法进 行延拓,对延拓后的信号采用经验模态分解获得有限个本征模函数,并利用能量守恒法消 除获得的虚假IMF函数,最后根据消除虚假IMF函数后获得的真实IMF确定原始信号的特征 频率,通过检测特征频率确定双馈风力发电机定转子的故障类型及严重程度。
3. -种双馈风力发电机定转子故障分析诊断方法,包括如下步骤: 步骤一,对采样进来的六路电流信号采用改进的HTT算法进行波形匹配,根据匹配结果 进行自适应端点延拓; 步骤二,对延拓后的信号采用经验模态分解,获得有限个本征模函数頂F; 步骤三,利用能量守恒法消除获得的虚假MF函数; 步骤四,根据消除虚假MF函数后获得的真实MF确定原始信号的特征频率,通过检测 特征频率确定双馈风力发电机定转子的故障类型及严重程度。
4. 如权利要求3所述的一种双馈风力发电机定转子故障分析诊断方法,其特征在于,步 骤一进一步包括: 确定原始信号x(t)最左端的两个相邻极值点,假定为极小值点和极大值点; 连接原点、极小值、极大值三点得到特征波,其长度为1; 计算每个极小值或极大值1长度范围内的波形与特征波的匹配差,并找出最小匹配差 Minm; 如果最小匹配差<〇,则选取靠近左端点的N个极值点的平均值为左端点的值,否则使 用该段波形进行左延拓。
5. 如权利要求4所述的一种双馈风力发电机定转子故障分析诊断方法,其特征在于:右 端点的延拓方法与左端点相同。
6. 如权利要求5所述的一种双馈风力发电机定转子故障分析诊断方法,其特征在于,步 骤二进一步包括: 当到延拓后的信号xl(t)后,设初始残差r为xl(t),求出xl(t)所有极大、极小值点; 利用三次样条插值函数对极值点进行插值,拟合出延拓信号xl(t)的上下包络线; 计算出上下包络线的平均值,然后用xl(t)减去包络线均值得到h; 若h不满足标准差SD,则把h当作延拓后的信号xl(t)进行输入,若h满足标准差SD,则h 就是IMF,将其记作c,此时残差r = r-c (η); 若残差r或c小于预定的误差,或者残差r成为一个单调函数,则无法再提取IMF成分,终 止经验模态分解过程;否则将r作为一组新信号,重复经验模态分解过程,最终得到全部的 残差。
7. 如权利要求6所述的一种双馈风力发电机定转子故障分析诊断方法,其特征在于:利 用三次样条插值函数对所有的极大值点进行插值,拟合出延拓信号xl(t)的上包络线,利用 三次样条插值函数对所有的极小值点进行插值,拟合出延拓信号xl(t)的下包络线。
8. 如权利要求7所述的一种双馈风力发电机定转子故障分析诊断方法,其特征在于,步 骤三进一步包括: 步骤3.1,分别计算原信号以及每个頂F分量的均方差Φχ2和; 步骤3.2,若以< rei2 +…+ R 2,则存在虚假的頂F; 步骤3.3,计算原信号与每个IMF分量的相关系数ί 步骤3.4,若小于一定的ζ时认定ci为虚假IMF,直接舍弃,依次对各个./¼进行分析虚 假则舍弃,否则找到第一个真实MF成分,记录其为; 步骤3.5,若vV ><%,( j〈k),则Cj为虚假頂F,再用Cj+ck作为新的第j阶頂F分量,直到 发现新的真实IMF分量,否则Cj为真实分量。
9. 如权利要求8所述的一种双馈风力发电机定转子故障分析诊断方法,其特征在于:把 新的IMF分量作为新的标准分量,并与前面的IMF分量进行步骤3.5的筛选,不断重复,直至 检验和修正所有的頂F分量后结束。
10. 如权利要求9所述的一种双馈风力发电机定转子故障分析诊断方法,其特征在于, 步骤四进一步包括: 获得真实的IMF后,首先经过Hi lbert变换得到Hi lbert谱,再经过Hi lbert谱积分得到 原始信号的Hilbert边际谱; 将整个Hilbert边际谱进行积分,再将特定频率的△ t时间内频率进行积分,并计算出 特征谐波fspe(i)出现占比Kham(i); 为Kh"i)设计两个限值Klse3t和K2set,其中Klse3t为轻微故障的特征谐波出现占比限值, 而K2set为较严重故障的特征谐波出现占比限值; 得到结果后,通过查表法确定实际的双馈风力发电机定转子故障类型及严重程度。
CN201610278863.4A 2016-04-28 2016-04-28 一种双馈风力发电机定转子故障分析诊断装置及方法 Pending CN105929331A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610278863.4A CN105929331A (zh) 2016-04-28 2016-04-28 一种双馈风力发电机定转子故障分析诊断装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610278863.4A CN105929331A (zh) 2016-04-28 2016-04-28 一种双馈风力发电机定转子故障分析诊断装置及方法

Publications (1)

Publication Number Publication Date
CN105929331A true CN105929331A (zh) 2016-09-07

Family

ID=56837860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610278863.4A Pending CN105929331A (zh) 2016-04-28 2016-04-28 一种双馈风力发电机定转子故障分析诊断装置及方法

Country Status (1)

Country Link
CN (1) CN105929331A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107505853A (zh) * 2017-08-25 2017-12-22 河海大学 一种发电机电刷滑环烧伤故障诊断方法
CN107561420A (zh) * 2017-08-30 2018-01-09 广东电网有限责任公司珠海供电局 一种基于经验模态分解的电缆局部放电信号特征向量提取方法
CN108170981A (zh) * 2018-01-15 2018-06-15 河海大学 一种诊断双馈异步风力发电机定子匝间短路故障的方法
CN108278184A (zh) * 2017-12-22 2018-07-13 浙江运达风电股份有限公司 基于经验模态分解的风电机组叶轮不平衡监测方法
CN108304659A (zh) * 2018-02-05 2018-07-20 哈尔滨工业大学 一种基于LabVIEW平台的开关电源测试性分析系统及方法
CN108447503A (zh) * 2018-01-23 2018-08-24 浙江大学山东工业技术研究院 基于Hilbert-Huang变换的电机异音检测方法
CN110226096A (zh) * 2017-01-25 2019-09-10 松下知识产权经营株式会社 状态监视系统、状态监视方法、状态监视程序和存储介质
CN110383093A (zh) * 2017-03-06 2019-10-25 赛峰电子与防务公司 用于监视电磁致动器类型装置的方法
CN110542858A (zh) * 2019-09-24 2019-12-06 中国矿业大学 一种非侵入式异步电动机转子初发故障检测方法
WO2020078132A1 (zh) * 2018-10-15 2020-04-23 株洲中车时代电气股份有限公司 一种电机轴承故障诊断装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102778357A (zh) * 2012-08-15 2012-11-14 重庆大学 基于最优参数集合经验模式分解的机械故障特征提取方法
CN102944842A (zh) * 2012-11-30 2013-02-27 华北电力大学(保定) 一种笼型异步电动机转子断条故障检测方法
CN104614628A (zh) * 2015-01-06 2015-05-13 南京工程学院 基于eemd和fft结合的电机转子断条故障分析方法
US20160011268A1 (en) * 2014-07-10 2016-01-14 National Cheng Kung University Motor fault detecting method and motor fault detecting system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102778357A (zh) * 2012-08-15 2012-11-14 重庆大学 基于最优参数集合经验模式分解的机械故障特征提取方法
CN102944842A (zh) * 2012-11-30 2013-02-27 华北电力大学(保定) 一种笼型异步电动机转子断条故障检测方法
US20160011268A1 (en) * 2014-07-10 2016-01-14 National Cheng Kung University Motor fault detecting method and motor fault detecting system
CN104614628A (zh) * 2015-01-06 2015-05-13 南京工程学院 基于eemd和fft结合的电机转子断条故障分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
戴志军: "基于改进HHT的双馈风力发电机定转子故障诊断研究与实现", 《中国优秀硕士学位论文全文数据库》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110226096A (zh) * 2017-01-25 2019-09-10 松下知识产权经营株式会社 状态监视系统、状态监视方法、状态监视程序和存储介质
CN110383093A (zh) * 2017-03-06 2019-10-25 赛峰电子与防务公司 用于监视电磁致动器类型装置的方法
CN107505853A (zh) * 2017-08-25 2017-12-22 河海大学 一种发电机电刷滑环烧伤故障诊断方法
CN107561420A (zh) * 2017-08-30 2018-01-09 广东电网有限责任公司珠海供电局 一种基于经验模态分解的电缆局部放电信号特征向量提取方法
CN108278184A (zh) * 2017-12-22 2018-07-13 浙江运达风电股份有限公司 基于经验模态分解的风电机组叶轮不平衡监测方法
CN108278184B (zh) * 2017-12-22 2020-02-07 浙江运达风电股份有限公司 基于经验模态分解的风电机组叶轮不平衡监测方法
CN108170981A (zh) * 2018-01-15 2018-06-15 河海大学 一种诊断双馈异步风力发电机定子匝间短路故障的方法
CN108447503A (zh) * 2018-01-23 2018-08-24 浙江大学山东工业技术研究院 基于Hilbert-Huang变换的电机异音检测方法
CN108304659A (zh) * 2018-02-05 2018-07-20 哈尔滨工业大学 一种基于LabVIEW平台的开关电源测试性分析系统及方法
WO2020078132A1 (zh) * 2018-10-15 2020-04-23 株洲中车时代电气股份有限公司 一种电机轴承故障诊断装置
CN110542858A (zh) * 2019-09-24 2019-12-06 中国矿业大学 一种非侵入式异步电动机转子初发故障检测方法

Similar Documents

Publication Publication Date Title
CN105929331A (zh) 一种双馈风力发电机定转子故障分析诊断装置及方法
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
CN102323480B (zh) 一种基于Hilbert-Huang变换的电能质量分析方法
CN102508055B (zh) 一种风能发电并网系统检测装置及方法
CN105004939A (zh) 一种复合电能质量扰动信号定量分析方法
CN103969579A (zh) 永磁同步电机定子不对称故障诊断方法及系统
CN106382238A (zh) 一种离心泵空化诊断的方法及其装置
CN107315407B (zh) 一种汽车电机控制器仿真测试系统
CN106443244A (zh) 用电设备类型辨识方法和系统
CN107632258A (zh) 一种基于小波变换和dbn的风机变流器故障诊断方法
CN103825298A (zh) 一种定速风电机组驱动系统参数辨识方法
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
Razavi-Far et al. Incremental design of a decision system for residual evaluation: A wind turbine application
CN101858922A (zh) 风力发电机组发电机测速及偏航检测的方法
CN205786889U (zh) 动态无功补偿响应波形采集系统
CN103376408B (zh) Pg电机的测试系统和测试方法
CN104317287B (zh) 一种电机信号的模拟方法及系统
Vedreño-Santos et al. Diagnosis of faults in induction generators under fluctuating load conditions through the instantaneous frequency of the fault components
CN201177647Y (zh) 一种避雷器多种波形老化试验装置
CN106841900B (zh) 微型电磁发电机定子绕组的故障检测装置及方法
CN202720323U (zh) 一种分布式电源并网检测系统
CN107202956A (zh) 一种基于间谐波特征的变频调速系统故障诊断方法
CN108845230A (zh) 一种次同步振荡随机时变模态辨识方法
CN107042870A (zh) 一种太阳能、风能混合发电的双体船
CN107860969A (zh) 风力发电机组电能信息采集装置、系统和方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160907